Servicios Personalizados
Revista
Articulo
Indicadores
Citado por SciELO
Accesos
Links relacionados
Citado por Google
Similares en SciELO
Similares en Google
Compartir
Revista Colombiana de Estadística
versión impresa ISSN 0120-1751
Resumen
LOPEZ, LUIS ALBERTO; FRANCO, DIANA CAROLINA y BARRETO, SANDRA PATRICIA. Sobre la construcción del mejor predictor lineal insesgado (BLUP) y restricciones asociadas . Rev.Colomb.Estad. [online]. 2007, vol.30, n.1, pp.13-36. ISSN 0120-1751.
A través del modelo lineal clásico de Gauss-Markov, se caracteriza el modelo de efectos mixtos, se aplica la técnica de multiplicadores de Lagrange para obtener los mejores predictores lineales (BLUP) y se ilustran los resultados de Searle (1997), donde se encuentra que las sumas de los BLUP, cuando se evalúan sobre los efectos aleatorios (exceptuando las interacciones provenientes únicamente de efectos aleatorios), son iguales a cero, encontrándose con esto una analogía entre la reparametrización F-restricción que se hace sobre los modelos de efectos fijos y la forma general de la restricción que se hace sobre los modelos de efectos mixtos. Se lleva a cabo una ilustración en modelos cruzados con los resultados expuestos en Gaona (2000), donde se evaluó la ganancia de peso en novillos de ganado criollo sanmartiniano; adicionalmente para modelos jerárquicos se ilustra con los resultados presentados en Harville & Fenech (1985), correspondientes a mediciones de las ganancias en peso de un grupo de ovejos machos. Se observa de los resultados que en el modelo usual de análisis de varianza para modelos mixtos, ciertas sumas de los predictores lineales insesgados (BLUP), asociados a los efectos aleatorios, son iguales a cero si se tiene un modelo con una sola variable respuesta. Sin embargo, esta propiedad se pierde cuando se tienen evaluaciones diferentes en la misma unidad experimental, las cuales van a estar correlacionadas. Un caso diferente resulta en estudios longitudinales como se muestra empíricamente en la sección 5.3.
Palabras clave : modelos de efectos mixtos; multiplicadores de Lagrange; diseño cruzado; modelos lineales jerárquicos.