Ana Luísa Novais (Universidade do Minho)
Resumo: Nas últimas décadas a análise de regressão tem assumido particular relevância nas mais diversas áreas científicas, tornando-se numa das técnicas estatísticas mais utilizadas. Paralelamente, a crescente evolução computacional, aliada ao aparecimento de conjuntos de dados que possuem grande heterogeneidade, desencadeou a utilização de modelos de mistura, em particular de modelos de mistura de regressões, possibilitando a sua utilização em situações em que a estimação de um único modelo de regressão não é adequada. Por outro lado, quando as observações do conjunto de dados se encontram agrupadas de acordo com um determinado fator, verifica-se a necessidade de introdução de efeitos aleatórios, o que permite ter em consideração a correlação existente entre as observações do mesmo indivíduo. Por tudo isto, surgiu a necessidade do desenvolvimento de modelos que incorporem a heterogeneidade não observada da população e que expliquem, simultaneamente, as correlações entre as observações provenientes do mesmo indivíduo, como é o caso das misturas de modelos lineares mistos. Assim, o principal objetivo deste trabalho consiste em fornecer uma visão abrangente destes modelos nas suas diversas vertentes, com o intuito de demonstrar todo o seu potencial estatístico e a sua aplicabilidade às mais diversas áreas. Para tal, aprofundam-se as problemáticas relacionadas com a determinação do número de componentes e com a estimação dos parâmetros, abordando-se igualmente a complexa questão da seleção de variáveis em modelos de mistura.