Influência local em modelos geoestatísticos T-Student com aplicações a dados agrícolas

A presenca de observacoes discrepantes torna impropria a analise do processo gaussiano, sendo assim, como e encontrado na literatura, esse processo deve ser substituido por modelos da classe das distribuicoes simetricas, tal como a distribuicao t-student, que incorpora parâmetros adicionais para reduzir a influencia dos pontos discrepantes. Neste trabalho, assumiu-se que o processo apresenta distribuicao t-student n-variada. Essa distribuicao tem como parâmetro adicional o grau de liberdade v, que aqui considerou-se fixo. Dessa forma, desenvolveu-se o algoritmo EM e o algoritmo de NR para a estimacao dos parâmetros da estrutura de dependencia espacial e do modelo espacial linear. Apos a estimacao dos parâmetros, utilizou-se duas tecnicas de diagnosticos de influencia local, ambas com o intuito de avaliar a qualidade do ajuste do modelo pelas suposicoes feitas e pela robustez dos resultados das estimativas quando ha perturbacoes no modelo ou nos dados. A primeira tecnica, denominada "usual", ja utilizada por diversos autores, avalia o afastamento da verossimilhanca pela funcao do logaritmo da verossimilhanca e a segunda tecnica que aqui apresentamos propoe a analise de influencia local pelo Q-afastamento da funcao de verossimilhanca para dados completos. Essas tecnicas permitiram verificar a influencia no afastamento da verossimilhanca, na matriz de covariância, no preditor linear e nos valores preditos por meio da analise grafica. Para ilustrar a aplicacao da tecnica usual e da nossa proposta, realizou-se a analise de dados simulados e dados reais provenientes de experimentos agricolas.