Resumen de Bootstrap Paramétrico Adaptativo para Modelos Lineales Mixtos

Nuria Catot Bonals, José Antonio Sánchez Espigares

• En el contexto del an´alisis de datos longitudinales, los modelos lineales mixtos constituyen una potente herramienta para la modelizaci´on, inferencia y predicci´on. Las premisas del modelo incluyen la normalidad de efectos aleatorios y residuos. Cuando esta premisa no se cumple pueden existir desajustes en los elementos inferenciales. La aplicaci´on de t´ecnicas de remuestreo permite corregir estas situaciones, si bien en esta situaci´on no parece adecuado aplicar estrategias param´etricas basadas en normalidad. En este trabajo se propone una estrategia que combina simulaci´on de Montecarlo y la utilizaci´on de una t´ecnica discriminante para determinar la distribuci´on para el Bootstrap param´etrico.

  Se ha realizado un ejercicio de simulaci´on en el que se determina la presencia de asimetr´ýa en alguna de las componentes de la varianza y se propone una distribuci ´on especifica para adaptar el bootstrap param´etrico y construir intervalos de confianza. El recubrimiento obtenido de estos intervalos se compara con t´ecnicas alternativas cl´asicas (intervalos asint´oticos y bootstrap semiparam´etrico).