Esperanças dos quadrados médios na análise de variância em modelos com população finita
Year: 1990
Type: article
Abstract: EM MODELOS COM POPULACÕES FINIT~ . .l • I NTRODVÇÃO Os e~limadores dos componentes de variãncia obtidos pelo mél.odo da Análise de Variãncia, conhecido como Método 1 de Henderson, que consist..e em igualar os quadrados médios observados CQM) com seus valores esperados ECQ}D.não rarame-nte nos leva a ' estimat.ivasnegativas.Isto pode ocorrer em qualquer modelo Cm!sto ou aleatório), e em qualquer classificação C hierárquica ou cruzada), o que é um !'alo por demais desagradável.SEARLE (1971) enumera vários procedimentos alternati vos quando encontramos uma eslimali va nega li va de um componente de variãncia, dentre eles: C i ) Acei lar a est.i mal i va negat.iva, admi lindo que o verdaC:Ieiro valor do componente de variãncia é zero CO), Embora possa parac:er lógico, islo afela as proprieOades dos estimadores.lendo e1n vista que a estimação foi lrunc:ada., (ii) Eliminar o parâmel1•o correspondente no modelo e reestrulu-••ar a análise de variãnc:ia, obtendo uma ponderação dos qua-d1•ados médios reslanles.e. com isso, obter novas eslimat.ivasdos componentes de variância'r-.eslanl6s.Ciii) Considera•• a obt..enção de est.imat.iva~ negativas como uma indicação da uli!izaç~o de um modelo erróneo.' Na t..ent..at.i va de contornar esse problema, surgiu o trabalho de HERBACH (1959), que usa est..imadores de máxima verossimilhança que :são nlro negativos, mas apresentam a desvantagem de serem t..runcados e viciados.THOMPSON C1962) desenvolveu um algoritmo que resulta da maximização da f'unção de verossimilhança dos quadrados .médios,sujeita a um conjunto de restrições, que recebe a denominação de Principio da Máxima Verossimilhança Restritivo.Esse procedimento também provoca um truncamentc, e o estímador resultante é viciado.RAO C 1972) est.endeu um novo método de est..i mação denominado MIN:lUE C Hinim.un Norm.Oua.cirat i c Unbiased Est ím.at íon) ao problema da estimação de componentes de variância e de cavar i ânci a.As es(i mal i vas obtidas, após uma modif'icação introduzida pelo autor, são não negat.ivas.LA MOTTE C 1 973) desenvolveu.dent.roda c! asse dos estimadores quadráticos não viciados, as condiçESes para obtermos estimativas não negativas de combinaçBes lineares dos componentes de variância.Através de HILL C1965) e TIAO e TA]\/ C1965) surgiram os primeiros trabalhos utilizando a inferência bayesiana para obtenção dos componentes de variância.num modelo aleatório simples.em dados balanceados e não balanceados.Também BEZERRA C1976) estudou o problerna da estimação dos componen~es de variância den~ro do contexto bayesiano.tendo por base o modelo alea~ório em Glassifícaç~o simples balanceada.A grande van~agem prática do uso tios tnét.edosbayasianos, é que as est.i mal.i :vas dos component.esde variAneia s~o ~ompre n~o nega~ivas.
Source: Americanae (AECID Library)
Language: Portuguese
Subfield: Agronomy and Crop Science
Domain: Life Sciences
Open Access status: green
OpenAlex ID: W7037707665