Modelos Lineares Generalizados em Experimentação Agronômica
Modelos Lineares Generalizados em Experimentação Agronômica
Modelos Lineares Generalizados em Experimentação Agronômica
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
26 Clarice G.B. D<strong>em</strong>étrio<br />
( Y ) , i = 1,<br />
2,<br />
..., n<br />
E i i<br />
=µ ,<br />
um parâmetro constante de escala, conhecido, φ > 0 e que depende de um único parâmetro<br />
θ i , chamado parâmetro canônico ou natural. A f.d.p. de Y i é dada por<br />
( )<br />
[ ( ) ] ( ) ⎬<br />
( )<br />
⎭ ⎫<br />
⎧ 1<br />
f yi<br />
; θ i , φ = exp⎨<br />
yiθ<br />
i - b θ i + c yi<br />
; φ ,<br />
⎩ai<br />
φ<br />
sendo b(.) e c(.) funções conhecidas. Em geral,<br />
disso, de (1.8)<br />
e<br />
Var<br />
( ) = µ = b′<br />
( )<br />
E θ<br />
Y i<br />
i<br />
( Yi ) = ai<br />
( φ ) b′<br />
′ ( θ i ) = ai<br />
( φ ) V ( µ i ) = ai<br />
( φ ) Vi<br />
φ<br />
ai<br />
( φ ) = , sendo wi<br />
pesos a priori. Além<br />
w<br />
dµ<br />
i<br />
<strong>em</strong> que V i = é chamada função de variância, e como depende unicamente da média t<strong>em</strong>-<br />
dθ<br />
i<br />
se que o parâmetro natural pode ser expresso como<br />
( )<br />
para µ uma função conhecida de . µ<br />
q i<br />
i<br />
∫<br />
θ µ q<br />
i<br />
( µ )<br />
1<br />
i = V d i = i<br />
-<br />
i<br />
ii) Componente sist<strong>em</strong>ático: as variáveis explicativas entram na forma de uma soma<br />
linear de seus efeitos<br />
p<br />
x β<br />
T<br />
η = ∑ β = ou η = Xβ ,<br />
i xij j i<br />
j=<br />
1<br />
T<br />
sendo n a matriz do modelo, β o vetor de parâmetros e<br />
) .., , , ( T<br />
X = x1<br />
x 2 x<br />
= ( β1,<br />
β 2 , .., β p )<br />
T<br />
n o preditor linear. Se um parâmetro t<strong>em</strong> valor conhecido, o termo<br />
correspondente na estrutura linear é chamado offset, como visto nos ensaios de diluição.<br />
) .., , , η = (η1<br />
η2<br />
η<br />
iii) Função de ligação: uma função que liga o componente aleatório ao componente<br />
sist<strong>em</strong>ático, ou seja, relaciona a média ao preditor linear, isto é,<br />
sendo g(.) uma função monótona, derivável.<br />
i<br />
( )<br />
η = g µ ,<br />
Assim, vê-se que para a especificação do modelo, os parâmetros θ i da família<br />
exponencial não são de interesse direto (pois há um para cada observação) mas sim um<br />
conjunto menor de parâmetros β β , ..., β tais que uma combinação linear dos β<br />
's<br />
seja<br />
1,<br />
2<br />
igual a alguma função do valor esperado de Y .<br />
p<br />
i<br />
i<br />
i