Em mecânica dos fluidos, especificamente em processos turbulentos, o problema de fechamento representa um dos maiores desafios para qualquer pessoa interessada nesta área. Durante décadas, cientistas vêm usando abordagens estatísticas com o objetivo de \"fechar\" o problema ou, pelo menos, diminuir as dificuldades inerentes. Assim, o presente trabalho apresenta uma criteriosa análise com base em ferramentas estatísticas em que ondas quadradas aleatórias, aliadas a um número fixo de parâmetros, foram utilizadas para criar equações paramétricas para representar um fluxo turbulento unidimensional com uma abordagem a priori, diferenciando de outras abordagens aplicadas amplamente na área, que utilizam uma abordagem a posteriori. Em seguida, simulações foram realizadas, a fim de avaliar o comportamento do modelo. Nas simulações pôde-se reproduzir o comportamento observado na literatura e estipular a abrangência do método. Além disso, uma importante discussão acerca das condições de contorno foi desenvolvida. / In fluid mechanics, specifically in turbulent processes, the closure problem represents one of the biggest challenges for anyone interested in this area. For decades, scientists have been using statistical approaches aiming to close the problem or, at least, decrease the inherent difficulties. So, the present project presents a judicious analyze based on statistical tools in which random square waves, allied with a fixed numbers of parameters, were used to create parametric equations to represent a turbulent flow with an a priori approach, differentiating from other approaches broadly applied in the area, which use an a posteriori approach. Then simulations were done, in order to evaluate the behavior of the model. In the simulations, the behavior of some data from the literature could be followed and the scope of the method was stipulated. Besides this, an important discussion about boundary conditions was developed.

Neste trabalho estuda-se a aplicação de métodos estatísticos multivariáveis para a classificação de gasolinas comerciais em conformidade à legislação vigente. Atualmente, a ANP baseia a classificação em limites máximos e mínimos para uma série de diferentes propriedades físico-químicas. O objetivo do trabalho é propor uma metodologia para fazer uma triagem das amostras coletadas durante o Programa de Monitoramento da Qualidade dos Combustíveis através de um método de classificação. Ela utiliza a espectroscopia NIR, que é uma técnica rápida e não destrutiva, como método analítico. Com isto será possível reduzir o número de ensaios físico-químicos que não necessariamente seriam realizados sistematicamente em todas as amostras, reduzindo-se os custos e aumentando-se a quantidade de postos monitorados. As análises NIR produzem grandes quantidades de dados, o que leva à utilização de técnicas estatísticas multivariáveis para estabelecer as metodologias de classificação. Neste trabalho utilizam-se técnicas já consagradas, como a PCA e a PLS para a compressão dos dados e a LDA e QDA para a classificação das amostras. Os dados analisados correspondem às propriedades físico-químicas e aos espectros NIR de um conjunto de 216 amostras de gasolinas comerciais, utilizado para a concepção dos modelos de classificação, e de outro de 50 amostras, utilizado para a validação dos modelos. Os modelos testados no trabalho foram as combinações da PCA-LDA, PCA-QDA, PLS-LDA, PLS-QDA, PLS (regressão) e a análise dos gráficos de scores (biplot). Os melhores desempenhos foram obtidos pelos gráficos dos scores, em seguida pela regressão PLS, PLS-QDA, PCA-QDA e PLS-QDA. Existem ainda algumas etapas a serem alcançadas para tornar prática a utilização da classificação de gasolinas comerciais através de NIR, no entanto, a contribuição deste estudo é importante pois permitiu demonstrar a sua viabilidade técnica. / In this work, the application of multivariable statistical methods for the classification of commercial gasoline in accordance to applicable laws in Brazil is studied. In the present, the ANP bases the classification of gasoline on lower and upper bounds defined for a number of physico-chemical properties. The objective of this work is to propose an alternative analysis methodology, that is adequate for making a pre-sorting of the samples collected by the Fuel Quality Monitoring Program through a classification method. This method is based on NIR spectroscopy, that is a fast and non-destructive technique, as the analytical method. In this way, it would be possible to reduce the number of physico-chemical analyses, as it would be possible not to perform them on every sample, reducing costs and increasing the quantity and frequency of gas stations that could be monitored. NIR analyses produce a great quantity of data, that makes the use of multivariable statistical techniques necessary in order to set up classification methodologies. In this work the well-known PCA and PLS techniques are used for data compression, and LDA and QDA analyses for sample classification. The data studied correspond to the physico-chemical properties and NIR spectra of a total of 216 commercial gasoline samples, used for model design, and of a 50 samples, used for validation. The classification methods that are tested are combinations of PCA-LDA, PCA-QDA, PLS-LDA, PLS-QDA, PLS (regression) and data compression scores graphical analysis (biplot). Best performance was obtained with compression scores graphical analysis, followed by PLS regression, PLS-QDA, PCA-QDA and PLS-QDA. There are still some steps to be fulfilled before the usage of commercial gasoline classification through NIR could be practical. However, this study has shown that this methodology is technically feasible.

Data from insect studies may present different features. Univariate responses may be analyzed using generalized linear models (continuous and discrete data), survival models (time until event data), mixed effects models (longitudinal data), among other methods. These models may be used to analyse data from experiments which assess complex ecological processes, such as competition and predation. In that sense, computational tools are useful for researchers in several fields, e.g., insect biology and physiology, applied ecology and biological control. Using different datasets from entomology as motivation, as well as other types of datasets for illustration purposes, this work intended to develop new modelling frameworks and goodness-of-fit assessment tools. We propose accelerated failure rate mixed models with simultaneous location and scale modelling with regressors to analyse time-until-attack data from a choice test experiment. We use the exponential, Weibull and exponentiated-Weibull models, and assess goodness-of-fit using half-normal plots with simulation envelopes. These plots are the subject of an entire Chapter on an R package, called hnp, developed to implement them. We use datasets from different types of experiments to illustrate the use of these plots and the package. A bivariate extension to the N-mixture modelling framework is proposed to analyse longitudinal count data for two species from the same food web that may interact directly or indirectly, and example datasets from ecological studies are used. An advantage of this modelling framework is the computation of an asymmetric correlation coefficient, which may be used by ecologists to study the degree of association between species. The jointNmix R package was also developed to implement the estimation process for these models. Finally, we propose a goodness-of-fit assessment tool for bivariate models, analogous to the half-normal plot with a simulation envelope, and illustrate the approach with simulated data and insect competition data. This tool is also implemented in an R package, called bivrp. All software developed in this thesis is made available freely on the Comprehensive R Archive Network. / Dados provenientes de estudos com insetos podem apresentar características diferentes. Respostas univariadas podem ser analisadas utilizando-se modelos lineares generalizados (dados contínuos e discretos), modelos de análise de sobrevivência (dados de tempo até ocorrência de um evento), modelos de efeitos mistos (dados longitudinais), dentre outros métodos. Esses modelos podem ser usados para analisar dados provenientes de experimentos que avaliam processos ecológicos complexos, como competição e predação. Nesse sentido, ferramentas computacionais são úteis para pesquisadores em diversos campos, por exemplo, biologia e fisiologia de insetos, ecologia aplicada e controle biológico. Utilizando diferentes conjuntos de dados entomológicos como motivação, assim como outros tipos de dados para ilustrar os métodos, este trabalho teve como objetivos desenvolver novos modelos e ferramentas para avaliar a qualidade do ajuste. Foram propostos modelos de tempo de vida acelerado mistos, com modelagem simultânea dos parâmetros de locação e de escala com regressores, para analisar dados de tempo até ataque de um experimento que avaliou escolha de predadores. Foram utilizados modelos exponencial, Weibull e Weibull-exponenciado, e a qualidade do ajuste foi avaliada utilizando gráficos meio-normais com envelope de simulação. Esses gráficos são o assunto de um Capítulo inteiro sobre um pacote para o software R, chamado hnp, desenvolvido para implementá-los. Foram utilizados conjuntos de dados de diferentes tipos de experimentos para ilustrar o uso desses gráficos e do pacote. Uma extensão bivariada para os modelos chamados \"N-mixture\" foi proposta para analisar dados longitudinais de contagem para duas espécies pertencentes à mesma teia trófica, que podem interagir direta e indiretamente, e conjuntos de dados provenientes de estudos ecológicos são usados para ilustrar a abordagem. Uma vantagem dessa estratégica de modelagem é a obtenção de um coeficiente de correlação assimétrico, que pode ser utilizado por ecologistas para inferir acerca do grau de associação entre espécies. O pacote jointNmix foi desenvolvido para implemetar o processo de estimação para esses modelos. Finalmente, foi proposta uma ferramenta de avaliação de qualidade do ajuste para modelos bivariados, análoga ao gráfico meio-normal com envelope de simulação, e a metodologia _e ilustrada com dados simulados e dados de competição de insetos. Essa ferramenta está também implementada em um pacote para o R, chamado bivrp. Todo o software desenvolvido nesta tese está disponível, gratuitamente, na Comprehensive R Archive Network (CRAN).

A água de lastro de navios é um dos principais agentes dispersivos de organismos nocivos à saúde humana e ao meio ambiente e normas internacionais exigem que a concentração desses organismos no tanque seja menor que um valor previamente especificado. Por limitações de tempo e custo, esse controle requer o uso de amostragem. Sob a hipótese de que a concentração desses organismos no tanque é homogênea, vários autores têm utilizado a distribuição Poisson para a tomada de decisão com base num teste de hipóteses. Como essa proposta é pouco realista, estendemos os resultados para casos em que a concentração de organismos no tanque é heterogênea utilizando estratificação, processos de Poisson não-homogêneos ou assumindo que ela obedece a uma distribuição Gama, que induz uma distribuição Binomial Negativa para o número de organismos amostrados. Além disso, propomos uma nova abordagem para o problema por meio de técnicas de estimação baseadas na distribuição Binomial Negativa. Para fins de aplicação, implementamos rotinas computacionais no software R / Ballast water is a leading dispersing agent of harmful organisms to human health and to the environment and international standards require that the concentration of these organisms in the tank must be less than a prespecified value. Because of time and cost limitations, this inspection requires the use of sampling. Under the assumption of an homogeneous organism concentration in the tank, several authors have used the Poisson distribution for decision making based on hypothesis testing. Since this proposal is unrealistic, we extend the results for cases in which the organism concentration in the tank is heterogeneous, using stratification, nonhomogeneous Poisson processes or assuming that it follows a Gamma distribution, which induces a Negative Binomial distribution for the number of sampled organisms. Furthermore, we propose a novel approach to the problem through estimation techniques based on the Negative Binomial distribution. For practical applications, we implemented computational routines using the R software

Neste trabalho é proposto um estudo comparativo de alguns métodos de Agrupamento (Hierárquico, K-médias e Self-Organizing Maps) e de Classificação (K-Vizinhos, Fisher, Máxima Verossimilhança, Aggregating e Regressão Local), os quais são apresentados teoricamente. Tais métodos são testados e comparados em conjuntos de dados reais, gerados com a técnica de Microarray. Esta técnica permite mensurar os níveis de expressão de milhares de genes simultaneamente, possibilitando comparações entre amostras de tecidos pelos perfis de expressão. É apresentada uma revisão de conceitos básicos relacionados ao processo de normalização, sendo este uma das primeiras etapas da análise deste tipo de conjunto de dados. Em particular, estivemos interessados em encontrar pequenos grupos de genes que fossem ?suficientes? para distinguir amostras em condições¸ biológicas diferentes. Por fim, é proposto um método de busca que, dado os resultados de um experimento envolvendo um grande número de genes, encontra de uma forma eficiente os melhores classificadores. / In this work we propose a comparative study of some clustering methods (Hierarchic, K -Means and Self-Organizing Maps) and some classification methods (K-Neighbours, Fisher, Maximum Likelihood, Aggregating and Local Regression), which are presented teoretically. The methods are tested and compared based on the analysis of some real data sets, generated from Microarray experiments. This technique allows for the measurement of expression levels from thousands of genes simultaneously, thus allowing the comparative analysis of sample of tissues in relation to their expression profile. We present a review of basic concepts regarding normalization of microarray data, one of the first steps in microarray analysis. In particular, we were interested in finding small groups of genes that were ?sufficient? to identify samples originating from different biological conditions. Finally, a search method is proposed, which will find efficiently the best classifiers from the results of an experiment involving a huge number of genes.

Este estudo teve por objetivo analisar e comparar metodologias estatísticas para fins de mapeamento de QTL associados à resistência a ectoparasitas em bovinos. Os animais, submetidos à infestação artificial, foram periodicamente avaliados por contagens, como número de carrapatos. Estes dados se caracterizam como medidas repetidas e, via de regra, não atendem ou atendem parcialmente as exigências usuais da análise, para mapeamento de QTL, dentre elas a de apresentar distribuição normal e independência dos erros. Ainda não está bem definido qual seria a melhor estratégia para analisar dados com o perfil descrito. Algumas alternativas seriam transformações de dados que permitam o uso dos programas já disponíveis, ou o desenvolvimento de programas que utilizem outras distribuições como Poisson ou Poisson inflada de zeros (ZIP). Esta proposta está inserida na parceria entre EMBRAPA - Gado de Leite e a ESALQ/USP, para desenvolvimento do projeto de mapeamento de QTL em bovinos mestiços (Gir x Holandês), para várias características incluindo a resistência a parasitas. Foram utilizados 263 animais F2, genotipados com 5 marcadores moleculares no cromossomo 23, na tentativa de mapear QTL para característica de resistência a carrapatos. Dados coletados naquela população F2 e dados simulados em diferentes cenários, serão a base para a comparação de estratégias de análise e mapeamento de QTL. Os modelos de mapeamento clássico, assim como a utilização de transformações dos dados originais foram comparados a modelos de regressão Poisson e modelo ZIP. Os modelos Poisson e ZIP apresentaram os melhores resultados quando trabalhamos com dados de contagem inflacionados de zeros, porém em outros cenários a transformação dos dados originais se mostrou igualmente eficiente. Dependendo do propósito do mapeamento (seja ele localizar ou estimar o efeito), cada modelo possui suas vantagens e suas limitações. Assim, sempre é recomendável uma prévia análise descritiva dos dados para que o melhor modelo seja utilizado. / This study has as main objective to analyze and compare statistical approaches to QTL mapping for parasites resistance in bovines. The animals, under artificial infestation, were periodically evaluated by counting, as ticks count. These data are characterized as repeated measures and, usually, dont follow or partially follow the usual requirements for the analysis, for QTL mapping, that is to present normal distribution and error independence. It is not clear yet which will be the best strategy to analyze this kind of data. Some alternatives could be data transformation that allows the use of software available on the web, or the development of specific programs that use other types of distribution like Poisson or Zero Inflated Poisson (ZIP).This work is an association between EMBRAPA Gado de Leite and ESALQ/USP, to the development of the QTL mapping project for crossbred bovines (Gyr x Holstein), for different characteristics including the parasite resistance. Were used 263 animals F2, genotyped for 5 molecular markers on the chromosome 23, aiming to map QTL for characteristics of parasite resistance. Data collected on this F2 population and simulated data in different scenarios will be the base for the strategies of the QTL mapping approaches comparison. The classical mapping models and the use of data transformation of the original data were compared to Poisson regression and ZIP models. The Poisson and ZIP models presented the best results when working with zero inflated count data however in some other scenarios the data transformation showed similar efficiency. Depending on the purpose of the mapping (this meaning locate or estimate the QTL effect) each model has its vantages and its limitations. This way, it is always advisable to make a previous descriptive analysis of the data to better choose the model.

Essa tese tem como objetivo o desenvolvimento de métricas para a mensuração dos fatores determinantes da competitividade da economia de países. Parte-se de uma noção estrutural e sistêmica da competitividade, baseada nos estudos de autores relacionados à teoria evolucionária do desenvolvimento econômico, para conceituar competitividade nacional como uma capacidade de os países gerarem competências que darão suporte a seu processo competitivo dinâmico. O debate sobre a criação de métricas de competitividade nacional vem sendo travado nas ciências econômicas e de gestão, e indicam a necessidade de incorporar a mensuração de fatores relacionados à dinâmica da competição no mercado internacional e, principalmente, seus determinantes. Dessa forma, esse trabalho se insere no debate sobre a dinâmica da competitividade nacional baseada em competências para a emergência de vantagens competitivas nas economias nacionais e setores industriais. A proposta aqui desenvolvida consiste na construção de um painel de métricas de indicadores organizado em dimensões de fatores que afetam o desenvolvimento de competências nos países. Metodologias de análise estatística multivariada de dados serão utilizadas para a análise dos dados e, por fim, análises comparativas baseadas em correlações canônicas serão feitas para testar sua validade. / This thesis aims to develop metrics to measure the determinants of competitiveness of national economies. It is based on a structural and systemic notion of competitiveness, based on the studies of authors related to the evolutionary theory of economic development, to conceptualize national competitiveness as the capacity of countries to generate capabilities that will support its dynamic competitive process. The debate on the creation of national competitiveness metrics has been caught in fields of economics and management, and indicates the need to incorporate the measurement of factors related to the dynamics of competition in the international market and especially its determinants. Thus, this work is part of the debate on the dynamics of national competitiveness based on capabilities for the emergence of competitive advantages in the domestic and industrial sectors of economies. The proposal developed here involves the construction of a spreadsheet of indicators organized into dimensions of factors that affect the development of capabilities for competitiveness in countries. Multivariate statistical methods are used to analyze the data and finally comparative analysis based on canonical correlations are made to test their validity. s, multivariate statistical analysis.

This thesis is divided into two parts. In the first part, we show how problems of statistical inference and combinatorial optimization may be approached within a unified framework that employs tools from fields as diverse as machine learning, statistical physics and information theory, allowing us to i) design algorithms to solve the problems, ii) analyze the performance of these algorithms both empirically and analytically, and iii) to compare the results obtained with the optimal achievable ones. In the second part, we use this framework to study two specific problems, one of inference (compressed sensing) and the other of optimization (information hiding). In both cases, we review current approaches, identify their flaws, and propose new schemes to address these flaws, building on the use of message-passing algorithms, variational inference techniques, and spin glass models from statistical physics. / Esta tese está dividida em duas partes. Na primeira delas, mostramos como problemas de inferência estatística e de otimização combinatória podem ser abordados sob um framework unificado que usa ferramentas de áreas tão diversas quanto o aprendizado de máquina, a física estatística e a teoria de informação, permitindo que i) projetemos algoritmos para resolver os problemas, ii) analisemos a performance destes algoritmos tanto empiricamente como analiticamente, e iii) comparemos os resultados obtidos com os limites teóricos. Na segunda parte, este framework é usado no estudo de dois problemas específicos, um de inferência (compressed sensing) e outro de otimização (ocultação de dados). Em ambos os casos, revisamos abordagens recentes, identificamos suas falhas, e propomos novos esquemas que visam corrigir estas falhas, baseando-nos sobretudo em algoritmos de troca de mensagens, técnicas de inferência variacional, e modelos de vidro de spin da física estatística.

O objetivo deste trabalho é construir um modelo do tráfego de redes de computadores e aplicar a este modelo o conjunto de técnicas de Controle Estatístico de Processo (CEP) de forma a viabilizar ações preventivas sobre a rede. Trabalhou-se com a hipótese de que é possível determinar estatisticamente o comportamento da rede em um dado número de variáveis de interesse. O modelo, representado em sua forma final por um conjunto de variáveis que descrevem o tráfego modelado, foi construído a partir da observação da rede local do Instituto de Física de São Carlos (IFSC). Recolheram-se aproximadamente 10 milhões de registros, pelo software NeTraMet, classificados em fluxos e posteriormente processados por aplicativos criados especificamente para esta finalidade. Dado que o CEP pressupõe a normalidade dos dados, cuidou-se de verificar formalmente esta propriedade nas amostras colhidas, pela aplicação do teste qui-quadrado aos valores individuais. Em conformidade a referências da literatura, fez-se o mesmo em relação aos valores médios das amostras. Em ambas as situações, comprovou-se a não-normalidade das distribuições. Investigaram-se os efeitos desta constatação no CEP e desenvolveu-se uma nova metodologia de cálculo dos limites de controle, fundamentada nos trabalhos do matemático russo Pafnuty Lvovich Chebyshev (1821 – 1894), sobre teoria das probabilidades. Adaptou-se, pois, o CEP às condições reais observadas, expandindo-se a possibilidade de seu uso em distribuições não-normais. Aplicou-se o CEP devidamente adaptado aos dados da rede do IFSC, gerando-se um estudo de caso. Verificou-se que o modelo capta adeqüadamente a realidade da rede. Sua utilidade foi ilustrada pela efetiva detecção de situações anômalas. As cartas CEP geradas sugeriram a inserção de um ajuste de sensibilidade nos controles, deixado para futuros trabalhos. Os objetivos da pesquisa foram atingidos pela criação de um modelo original e comprovação da hipótese inicialmente apresentada. Foram excedidas as expectativas pela obtenção de resultados importantes e inesperados e pelo desenvolvimento de uma nova metodologia de cálculo para um ferramental já consagrado. / This work aims the development of a computer network traffic model, and subject it to the set of Statistical Process Control (SPC) techniques, in order to allow preventive actions to the network. The hypothesis of a possible statistical determination of the network behavior, at a certain number of specific parameters, was analysed. The model was developed based on local observations of the Instituto de Física de São Carlos (IFSC) network, and the final version of the model was represented by a set of parameters that describes its traffic. The NeTraMet software collected around 10 million reports, classified as flows and later on processed by specific applications. Since the SPC assumes the normality of the data, a chi-square test was applied to individual values, to confirm this characteristic in the samples collected. The same was done to the average values of the samples, as recommended by the literature. Both tests showed the no-normality of the distributions. This effect on SPC was studied, and then a new methodology to calculate the control limits was developed, based on the work of the Russian mathematician Pafnuty Lvovich Chebyshev (1821-1894), about the probability theory. SPC was adapted to real conditions making its use in no-normal distributions possible. A well-adapted SPC was applied to the IFSC network data, resulting in a study case, and it could be verified that the model properly captured the reality of the network. Its use was demonstrated by the effective detection of anomalous situations. The SPC charts generated suggested an adjustment of the control sensibility, what was left for future research. The development of an original model and the confirmation of the hypothesis above, make clear that the goals of this work were achieved. In fact, important and unexpected results surpassed the expectations of this study, as much as the development of a new calculation methodology for a well-stated tool.

Madeira laminada colada (MLC) é um material de construção muito empregado em estruturas. Este produto é composto de lâminas classificadas de madeira, coladas horizontalmente, para formar peças estruturais de madeira grandes dimensões. A união das lâminas é realizada através de distintos tipos de emendas longitudinais, sendo as emendas dentadas as mais utilizadas. Considerando que os componentes estruturais de MLC, em geral, são solicitadas a carregamentos cíclicos, este trabalho tem por finalidade a proposta de um modelo estatístico para a determinação da vida à fadiga em menos dentadas de madeira. O trabalho foi realizado no Laboratório de Madeiras e de Estruturas de madeira (LaMEM), com o estudo teórico e experimental da fadiga em corpos-de-prova tracionados de ligações com emendas dentadas, baseado em um planejamento estatístico de experimentos e na NBR 7190/97. Os resultados contidos mostram que o modelo Polinomial Ortogonal Múltiplo da distribuição de Birnbaum-Saunders é de grande precisão e o mais adequado ao estudo da fadiga. O uso deste modelo pode ser de grande benefício, já que com ele se poderá estimar e caracterizar com maior confiabilidade e precisão a um menor custo a vida à fadiga em emendas dentadas de madeira, considerando as variáveis independentes de tensão e freqüência. / In the production of structural elements of Glued Laminated Timber (GLULAM), the horizontal union of lumbers are made with finger joints. Considering that the structural components of GLULAM need a great number of finger joints, and some of these structures are subject to cyclic loading, the objective of this work is to present a statistical model to estimate the fatigue life in lumber tension finger joints. The theoretical and experimental work was made in the Laboratory of Wood and Timber Structures (LaMEM), based on a statistical experiment design using tension tests and in agreement with the NBR 7190/97 code. The estimation procedure was based on the multiple orthogonal polynomial Birnbaum-Saunders model and the results show that the parameter estimates of the multiple orthogonal polynomial Birnbaum-Saunders model are obtained with at good accuracy and the most appropriate for the wood fatigue study. The use of the model can be of great benefit, since with it can be fit and characterize with greater reliability and precision at a smaller cost the fatigue life in finger joints of wood, considering the independent variables stress and frequency.