Estou confuso agora se você quer fazer análise Bayesiana ou não... Primeiro: estou pensando em modelos hierárquicos enquanto deduzo que o Wagner está pensando em modelos marginais. Segundo: Resíduo (se houver esse tipo de coisa no modelo) segue distribuição Normal se você assumiu isso para comecar. Esse termo (resíduo) é comum em modelos do tipo Y = X beta + Z b + e X: covariáveis/desenho/features beta: coeficientes de regressão Z: matriz dos efeitos aleatórios b: efeitos aleatórios r: os tais resíduos, Matematicamente, coeficientes de regressão e efeitos aleatórios podem ser tratados juntos (basta juntar X e Z). Geralmente, temos que b ~ N(0, alguma.matriz), r ~ N(0, sigma^2 * I). Ou seja, aqui assume-se Normalidade para r. Neste modelo, ambos, r|y e b|y, também têm distribuição Normal. Se invés do modelo acima você tiver E(Y) = eta = X beta + Z b Y|eta ~ Distribuição.não.Gaussiana(...) Ou seja, não existe resíduos Normais. A distribuição Normal é (geralmente) ainda assumida para os efeitos aleatórios, mas, condicionado aos dados isso não é mais o caso, isto é, b|y não segue distribuição Normal. Este último modelo recai no anterior se Y|eta ~ N(0, sigma^2 * I). Assim, apenas quando a verossimilhança é Normal temos b|y e r|y com distribuição Normal. Exite a possibilidade de se adicionar um termo de "resíduo" considerando E(Y) = eta = X beta + Z b + r em situações em que y|eta pode ter uma variação adicional que não torne o modelo não-identificável. Nestes casos, mesmo que r ~ Normal(0, sigma^2 * I), r|y não é Normal. Elias