Modelos Lineares Generalizados em Experimentação Agronômica
Modelos Lineares Generalizados em Experimentação Agronômica
Modelos Lineares Generalizados em Experimentação Agronômica
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
30 Clarice G.B. D<strong>em</strong>étrio<br />
obtendo-se<br />
ou, de uma forma mais geral,<br />
( 1<br />
( x)<br />
= f ( x ) + ( x − x ) f ' ( x ) = 0<br />
f ,<br />
0<br />
x = x −<br />
0<br />
f<br />
f<br />
0<br />
( x0<br />
)<br />
'( x )<br />
( m)<br />
( m+<br />
1)<br />
( m)<br />
f ( x )<br />
x = x −<br />
( m)<br />
,<br />
f ' x<br />
) ( )<br />
0<br />
0<br />
( )<br />
m+<br />
m<br />
m<br />
sendo x o valor de x no passo (m+1), x o valor de x no passo m, f ( x a função<br />
( m)<br />
( m)<br />
( m)<br />
f (x)<br />
avaliada <strong>em</strong> x e f '(<br />
x ) a derivada da função f (x)<br />
avaliada <strong>em</strong> x .<br />
dl<br />
Considerando-se que se deseja obter a solução do sist<strong>em</strong>a de equações U β = = 0 e<br />
dβ<br />
usando-se a versão multivariada do método de Newton-Raphson, t<strong>em</strong>-se:<br />
β<br />
( ) ( ) ( ) ( ) m 1 m -1<br />
m (m<br />
+ )<br />
= β + I U ,<br />
(m)<br />
( m + 1)<br />
( m)<br />
sendo β e β os vetores de parâmetros estimados nos passos m e (m+1), U o vetor<br />
a ∂ l<br />
escore, isto é, o vetor de derivadas parciais de 1 ord<strong>em</strong> de f (x)<br />
, com el<strong>em</strong>entos ,<br />
∂β<br />
( )<br />
( ) m<br />
-1<br />
avaliado no passo m e I a inversa da negativa da matriz de derivadas parciais de 2<br />
ord<strong>em</strong> de f ( x)<br />
, com el<strong>em</strong>entos<br />
o<br />
j k ∂β ∂β<br />
2<br />
− ∂ l<br />
o<br />
, avaliada no passo m.<br />
Quando as derivadas de 2 a ord<strong>em</strong> são obtidas facilmente, o método de Newton-<br />
Raphson é bastante útil. Acontece, porém, que isso n<strong>em</strong> s<strong>em</strong>pre ocorre e no caso dos modelos<br />
lineares generalizados usa-se o método escore de Fisher que, <strong>em</strong> geral, é mais simples<br />
(coincidindo com o método de Newton-Raphson no caso das funções de ligação canônicas).<br />
Ele envolve a substituição da matriz de derivadas parciais de 2 a ord<strong>em</strong> pela matriz de valores<br />
esperados das derivadas parciais, isto é, a substituição da matriz de informação observada, I 0 ,<br />
pela matriz de informação esperada de Fisher, ℑ . Logo,<br />
β<br />
( ) ( ) ( ) ( ) m+<br />
1 m -1 m ( m)<br />
= β<br />
sendo que ℑ t<strong>em</strong> el<strong>em</strong>entos dados por<br />
'<br />
j<br />
covariâncias dos U s .<br />
(m)<br />
Multiplicando-se ambos os lados de (2.5) por ℑ t<strong>em</strong>-se<br />
ℑ<br />
ℑ<br />
jk<br />
+<br />
ℑ<br />
U<br />
( ) )<br />
j<br />
a<br />
(2.5)<br />
⎡ 2<br />
− ∂ l ⎤ ⎡ ∂ l ∂ l ⎤<br />
= E⎢<br />
⎥ = E⎢<br />
⎥ , que é a matriz de<br />
⎢⎣<br />
∂β j ∂β k ⎥⎦<br />
⎢⎣<br />
∂β j ∂β k ⎥⎦<br />
( m ) ( m+<br />
1)<br />
( m)<br />
( m)<br />
(m)<br />
β = ℑ β + U<br />
. (2.6)