MODELAGEM BAYESIANA DE MEDIDAS REPETIDAS
 ASSUMINDO UMA MISTURA FINITA DE DISTRIBUIÇÕES
 NORMAIS PARA O ERRO

Jorge Alberto ACHCAR[1]

Edson Zangiacomi MARTINEZ1

Margaret de CASTRO[2]

§     RESUMO: Neste artigo, introduzimos uma análise Bayesiana de medidas repetidas usando métodos MCMC (Monte Carlo em Cadeias de Markov) para a obtenção de medidas resumo de interesse. Assumimos uma mistura finita de distribuições normais para o erro, para um melhor ajuste de dados longitudinais na presença de covariáveis. Para exemplificar a aplicabilidade do modelo proposto, consideramos um banco de dados reais introduzidos por Castro et al (2003) em um estudo dose-resposta com diferentes dosagens de dexamethasone (dex).

§     PALAVRAS-CHAVE: Análise Bayesiana; métodos MCMC; medidas repetidas; doença de Cushing.



[1] Departamento de Medicina Social, Faculdade de Medicina de Ribeirão Preto, Universidade de São Paulo -- USP, CEP: 14049-900, Ribeirão Preto, SP, Brazil. E-mail: achcar@fmrp.usp.br / edson@fmrp.usp.br

[2] Departamento de Clínica Médica, Faculdade de Medicina de Ribeirão Preto, Universidade de São Paulo -- USP, CEP: 14049-900, Ribeirão Preto, SP, Brazil. E-mail: castrom@fmrp.usp.br