Resumen

Proponemos un modelo no lineal de pseudo-verosimilitud con efectos aleatorios, que es una extensión híbrida de modelos no lineales de pseudo-verosimilitud y modelos mixtos lineales generalizados. Incluye una amplia clase de modelos existentes como ejemplos. Se introduce un nuevo método de estimación de pseudo-verosimilitud penalizada. Basándose en la aproximación de Laplace y un desplazamiento de pseudo-verosimilitud penalizada, se investiga la influencia local de perturbaciones menores en el conjunto de datos para el modelo propuesto. Se consideran cuatro esquemas concretos de perturbación en el análisis de influencia local. La efectividad de la metodología propuesta se ilustra mediante algunas evaluaciones numéricas en un conjunto de datos de farmacocinética.

• Materias:Modelar datos Estimadores sesgados Muestreo doble sintético Razón de verosimilitud empírica Diseño adaptativo bayesiano
• Subjects:Modeling data Biased estimators Synthetic double sampling Empirical likelihood ratio Bayesian adaptive design
• Palabras claves:Cuasi-verosimilitud; Modelo no lineal; Efectos aleatorios; Modelos lineales mixtos generalizados; Estimación de cuasi-verosimilitud penalizada; Influencia local
• Keywords:Quasi-likelihood; Nonlinear model; Random effects; Generalized linear mixed models; Penalized quasi-likelihood estimation; Local influence