Modelos não lineares heteroscedásticos para dados correlacionados

Neste trabalho analisamos modelos não lineares elípticos com efeitos mistos supondo possíveis estruturas heteroscedásticas e/ou autoregressivas para analisar dados correlacionados. Esses modelos representam uma generalização dos modelos desenvolvidos em Russo et al. [2009. Influence diagnostics in nonlinear mixed-effects elliptical models. {\it Computational Statistics and Data Analysis} 53, 4143-4156] e fornecem alternativas importantes para a modelagem de dados longitudinais não lineares, já que introduzem a correlação intragrupo e permitem a obtenção de estimativas robustas contra observações aberrantes e pouco sensíveis a perturbações. Como ilustração numérica consideramos os dados farmacocinéticos de concentração de indomethacin previamente analisados em Bocheng \& Xuping [2001. Influence analysis in nonlinear models with random effects. {\it Applied Mathematics - A Journal of Chinese Universities} 16, 35-44].