A análise de dados de proporções apresenta, em geral, certas dificuldades uma vez que a distribuição subjacente a tais dados pode ser considerada binomial, que não segue as pressuposições básicas para o ajuste de um modelo matemático. Algumas transformações são sugeridas, mas nem sempre bons resultados são obtidos. No enfoque de modelos lineares generalizados, a estatística que mede a qualidade do ajuste do modelo para os dados é chamada deviance. Ocorre que a distribuição da deviance é desconhecida. No entanto, para dados com distribuição binomial, pode-se aproximar a distribuição da deviance por uma distribuição qui-quadrado, mas tal aproximação não é boa para tamanhos pequenos de amostra. Para melhorar essa aproximação, alguns fatores de correção para os dados são sugeridos, mas os resultados obtidos ainda não são bons para pequenas amostras. Assim, o objetivo deste trabalho é propor um novo fator de correção para os dados seguindo uma distribuição binomial, de modo a se obter uma melhora na distribuição da deviance para qualquer tamanho de amostra. Para isto, adiciona-se uma constante à variável resposta e, através do valor esperado da deviance, calcula-se tal constante de modo a reduzir o erro cometido na aproximação. Simulações da distribuição binomial e o cálculo da deviance são feitos e QQ-plots são utilizados para a comparação com a distribuição qui-quadrado / not available

O objetivo deste trabalho é apresentar a eficiência dos estimadores quando são usados os algoritmos SIMEX e EM nos modelos de regressão lineares mistos com erros nas variáveis, numa primeira etapa apresentamos o análise do algoritmo SIMEX num modelo de regressão simples com a finalidade de ver seus vantagens, numa segunda etapa apresentamos o modelos de regressão linear misto sem erros nas variáveis com a finalidade de observar seus estimadores, numa terceira etapa consideramos os algoritmos SIMEX e EM num modelo de regressão linear misto com erros nas variáveis, observando os estimadores obtidos e comparando-los com aqueles obtidos no modelo de regressão linear misto sem erros nas variáveis, com a finalidade de ver se os estimadores obtidos com os dois algoritmos são razoáveis, fazendo também uma comparação entre os estimadores obtidos por ambos algoritmos. Os programas foram feitos no pacote OX para a obtenção das estimativas dos algoritmos propostos.

Em experimentos com cultura de tecidos é comum a obtenção de dados de contagem. Pode-se admitir, a princípio, que contagens seguem a distribuição de Poisson. Neste trabalho, utilizando-se o enfoque de modelos lineares generalizados, são apresentados os modelos Poisson, Poisson truncado e binomial negativo para a análise de dados de contagem resultantes de experimentos com cultura de tecidos. Esses dados, via de regra, apresentam o número de observações iguais a zero maior do que seria esperado com base no número médio de eventos que ocorrem. Outro problema que esses dados podem apresentar é a ocorrência de superdispersão. Quando essas situações se verificam, o modelo Poisson não se ajusta bem aos dados e os modelos Poisson truncado e binomial negativo são apresentados como alternativas para esse problema. Como aplicação, foram utilizados três conjuntos de dados e a variável resposta estudada foi o número de calos produzidos por explante entre os modelos Poisson e Poisson truncado. Este foi o que melhor se ajustou ao conjunto A de dados, que não apresentou superdispersão. Para o conjunto B de dados, que apresentou superdispersão, o melhor modelo foi o binomial negativo, e para o conjunto C de dados, que também não apresentou superdispersão, o modelo Poisson ofereceu um bom ajuste / not available

O lançamento de efluentes domésticos e industriais, tratados ou não, diretamente em corpos d'água é uma das principais causas de depreciação da qualidade das águas. A inserção de contaminantes como metais traço, por fontes pontuais e difusas de poluição, pode alterar enormemente os ciclos biogeoquímicos naturais dos mesmos, pode apresentar toxicidade para os organismos vivos e causar danos à biota e à saúde humana. Desta forma, é essencial monitorar amostras ambientais poluídas por metais através de modelos precisos e eficazes. Este trabalho teve por objetivo caracterizar e estabelecer modelos bayesianos para a qualidade da água e do sedimento de diferentes pontos de um afluente do Reservatório de Furnas, em Alfenas-MG, que está sujeito a despejos de esgoto doméstico e industrial. Foram coletadas amostras mensais de água e sedimento de cinco pontos do córrego estudado no período de Outubro de 2010 a Julho de 2011. Os metais traço chumbo, cádmio e zinco foram quantificados e foram ajustados modelos de regressão linear simples bayesianos para o cádmio da água e do sedimento. O córrego encontra-se com concentrações de metais e parâmetros físico-químicos em desacordo com a Resolução CONAMA 357/2005, Classe II. As concentrações de chumbo na nascente do córrego estão acima dos limites estabelecidos pela portaria nº 2914 do Ministério da Saúde, representando risco para a população. Durante o período de estudo foi observada a transferência do cádmio da coluna de água para a sedimentar. Os modelos de regressão linear simples bayesianos apresentam-se como uma ferramenta precisa para avaliar e monitorar amostras ambientais contaminadas por metais traço, que apresentem comportamento linear. / Launching of domestic and industrial effluents, treated or untreated, directly into water bodies is the major cause of depreciation of water quality. Insertion of contaminants such as trace metals, through point and diffuse sources of pollution, can hugely alter natural biogeochemical cycles of these metals, can be toxic for living organisms and cause harm for biota and human health. Thus, it is essential to monitor environmental samples contaminated by metals through effective and precise models. This study aimed to characterize and establish bayesian models for water and sediment quality from different points of an affluent of Reservatório de Furnas, Alfenas-MG, which receives discharges of industrial and domestic sewage. Water and sediment samples were collected monthly in five points of the stream, during 2010/10-2011/07. Trace metals lead, cadmium and zinc were quantified and were fitted bayesian simple linear regression models for cadmium from water and sediment. The stream has metal concentrations and physicochemical parameters in disagreement with CONAMA 357/2005, Class II. Lead concentrations in nascent stream are above the limits established by decree nº 2914 of Ministério da Saúde, representing risk for population. During the study period was observed transfer of cadmium in the water column to sediment. Bayesian simple linear regression models presented as a precise tool for assessing and monitoring environmental samples contaminated by trace metals, which have linear behavior. / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES

Diversas situações práticas exigem a análise de series temporais de contagem, que podem apresentar tendência, sazonalidade e efeitos de variáveis explicativas. A motivação do nosso trabalho é a análise de internações diárias por doenças respiratórias para pessoas com mais que 65 anos residentes no município de São Paulo. O efeito de variáveis climáticas e concentrações de poluentes foram incluídos nos modelos e foram usadas as funções seno e cosseno com periodicidade de um ano para explicar o padrão sazonal e obter os efeitos das variáveis climáticas e poluentes controlando essa sazonalidade. Outro aspecto a ser considerado é a inclusão da população nas análises de modo que a interpretação dos efeitos seja para as taxas diárias de internações. Diferentes modelos paramétricos foram propostos para as internações. O mais simples é o modelo de regressão linear para o logaritmo das taxas. Foram ajustados os modelos lineares generalizados (MLG) para as internações com função de ligação logaritmo e com a população como offset, por este modelo permitir o uso das distribuições Poisson e Binomial Negativa, usadas para dados de contagem. Devido à heteroscedasticidade extra, foram propostos modelos GAMLSS incluindo variáveis para explicar o desvio padrão. Foram ajustados modelos ARMA e GARMA, por incluírem uma estrutura de correlação serial. O objetivo desse trabalho é comparar as estimativas, os erros padrões, a cobertura dos intervalos de confiança e o erro quadrático médio para o valor predito segundo os vários modelos e a escolha do modelo mais apropriado, que depende da completa análise de resíduos, geralmente omitida na literatura. O modelo GARMA com distribuição Binomial Negativa apresentou melhor ajuste, pois os erros parecem seguir a distribuição proposta e tem baixa autocorrelação, além de ter tido uma boa cobertura pelo intervalo de confiança e um baixo erro quadrático médio. Também foi analisado o efeito da autocorrelação dos dados nas estimativas nos vários modelos baseado em dados simulados. / Many practical situations require the analysis of time series of counts, which may present trend, seasonality and effects of covariates. The motivation of this work is the analysis of daily hospital admissions for respiratory diseases in people over 65 living in the city of São Paulo. The effect of climatic variables and concentrations of pollutants were included in the models and the sine and cosine functions with annual period were included to explain the seasonal pattern and obtain the effects of pollutants and climatic variables partially controlled by this seasonality. Another aspect to be considered is the inclusion of the population in the analys es in order to interpret the effects based on daily hospitalization rates . Different parametric models have been proposed for hospitalizations. The simplest is the linear regression model for the logarithm of the hospitalization rate. The generalized linear models (GLM) were adjusted for daily admissions with logarithmic link function and the population as offset to consider the Poisson and Negative Binomial distributions for counting data. Due to the extra heteroscedasticity, GAMLSS models were proposed including variables to explain the standard error. Moreover, the ARMA and GARMA models were fitted to include the serial correlation structure. The aim of this work is to compare estimates, standard errors, coverage of confidence intervals and mean squared error of predicted value for the various models and choose the most appropriate model, which depends on a complete analysis of residuals, usually omitted in the literature. The GARMA model with Negative Binomial distribution was the best fit since the errors seem to follow the proposed distribution and they have small values of autocorrelation. Besides, this model had low mean squared error and a good coverage of confidence interval. The effect of autocorrelation of data in the estimates was also analyzed in the setting of several models based on simulated data.

Diversas situações práticas exigem a análise de series temporais de contagem, que podem apresentar tendência, sazonalidade e efeitos de variáveis explicativas. A motivação do nosso trabalho é a análise de internações diárias por doenças respiratórias para pessoas com mais que 65 anos residentes no município de São Paulo. O efeito de variáveis climáticas e concentrações de poluentes foram incluídos nos modelos e foram usadas as funções seno e cosseno com periodicidade de um ano para explicar o padrão sazonal e obter os efeitos das variáveis climáticas e poluentes controlando essa sazonalidade. Outro aspecto a ser considerado é a inclusão da população nas análises de modo que a interpretação dos efeitos seja para as taxas diárias de internações. Diferentes modelos paramétricos foram propostos para as internações. O mais simples é o modelo de regressão linear para o logaritmo das taxas. Foram ajustados os modelos lineares generalizados (MLG) para as internações com função de ligação logaritmo e com a população como offset, por este modelo permitir o uso das distribuições Poisson e Binomial Negativa, usadas para dados de contagem. Devido à heteroscedasticidade extra, foram propostos modelos GAMLSS incluindo variáveis para explicar o desvio padrão. Foram ajustados modelos ARMA e GARMA, por incluírem uma estrutura de correlação serial. O objetivo desse trabalho é comparar as estimativas, os erros padrões, a cobertura dos intervalos de confiança e o erro quadrático médio para o valor predito segundo os vários modelos e a escolha do modelo mais apropriado, que depende da completa análise de resíduos, geralmente omitida na literatura. O modelo GARMA com distribuição Binomial Negativa apresentou melhor ajuste, pois os erros parecem seguir a distribuição proposta e tem baixa autocorrelação, além de ter tido uma boa cobertura pelo intervalo de confiança e um baixo erro quadrático médio. Também foi analisado o efeito da autocorrelação dos dados nas estimativas nos vários modelos baseado em dados simulados. / Many practical situations require the analysis of time series of counts, which may present trend, seasonality and effects of covariates. The motivation of this work is the analysis of daily hospital admissions for respiratory diseases in people over 65 living in the city of São Paulo. The effect of climatic variables and concentrations of pollutants were included in the models and the sine and cosine functions with annual period were included to explain the seasonal pattern and obtain the effects of pollutants and climatic variables partially controlled by this seasonality. Another aspect to be considered is the inclusion of the population in the analys es in order to interpret the effects based on daily hospitalization rates . Different parametric models have been proposed for hospitalizations. The simplest is the linear regression model for the logarithm of the hospitalization rate. The generalized linear models (GLM) were adjusted for daily admissions with logarithmic link function and the population as offset to consider the Poisson and Negative Binomial distributions for counting data. Due to the extra heteroscedasticity, GAMLSS models were proposed including variables to explain the standard error. Moreover, the ARMA and GARMA models were fitted to include the serial correlation structure. The aim of this work is to compare estimates, standard errors, coverage of confidence intervals and mean squared error of predicted value for the various models and choose the most appropriate model, which depends on a complete analysis of residuals, usually omitted in the literature. The GARMA model with Negative Binomial distribution was the best fit since the errors seem to follow the proposed distribution and they have small values of autocorrelation. Besides, this model had low mean squared error and a good coverage of confidence interval. The effect of autocorrelation of data in the estimates was also analyzed in the setting of several models based on simulated data.

O objetivo deste trabalho é apresentar a eficiência dos estimadores quando são usados os algoritmos SIMEX e EM nos modelos de regressão lineares mistos com erros nas variáveis, numa primeira etapa apresentamos o análise do algoritmo SIMEX num modelo de regressão simples com a finalidade de ver seus vantagens, numa segunda etapa apresentamos o modelos de regressão linear misto sem erros nas variáveis com a finalidade de observar seus estimadores, numa terceira etapa consideramos os algoritmos SIMEX e EM num modelo de regressão linear misto com erros nas variáveis, observando os estimadores obtidos e comparando-los com aqueles obtidos no modelo de regressão linear misto sem erros nas variáveis, com a finalidade de ver se os estimadores obtidos com os dois algoritmos são razoáveis, fazendo também uma comparação entre os estimadores obtidos por ambos algoritmos. Os programas foram feitos no pacote OX para a obtenção das estimativas dos algoritmos propostos.

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2016-12-12T12:46:34Z No. of bitstreams: 1 texto completo.pdf: 319856 bytes, checksum: 1b0348b3a8140f307e31d0b9e716fcbf (MD5) / Made available in DSpace on 2016-12-12T12:46:34Z (GMT). No. of bitstreams: 1 texto completo.pdf: 319856 bytes, checksum: 1b0348b3a8140f307e31d0b9e716fcbf (MD5) Previous issue date: 2016-10-20 / Intituto de Bolsas de Moçambique / Nyblom e Makelainen propuseram uma estatística de teste que leva a um teste localmente mais poderoso para testar se a variância do ruído para o termo de nível num modelo estrutural linear é determinística ou estocástica. O teste de Nyblom e Makelainen é um teste formal que serve para que possamos decidir se uma série temporal deve ser modelada supondo componentes estocásticos ou se supondo componentes determinísticos. As previsões feitas por estas diferentes abordagens (estocástica versus determinística) resultam em valores muito distintos, ademais, a interpretação sobre o comportamento do fenômeno estudado muda muito entre os dois casos. Nyblom e Makelainen propuseram o uso de aproximação assintótica da estatística NM. Porém chegaram à conclusão de que esta prática não é muito amigável, pois além de sua difícil manipulação prática não oferece o controle na ocorrência do erro do tipo I., portanto, uma forma alternativa de aplicar o teste NM ao invés de aproximação assintótica, é usar a simulação Monte Carlo sob a hipótese nula. Neste trabalho apresenta-se um método de teste de hipóteses exato para testar se o termo de tendência em um determinado modelo estrutural linear é determinístico ou estocástico. Por exato, entende-se que a probabilidade de erro tipo I é analiticamente sob controle para qualquer tamanho de amostra utilizado. O teste proposto é válido para quaisquer séries temporais com distribuição na família locação – escala. O processo não requer estimar o modelo. Além disso, sob a hipótese alternativa de um termo de tendência aleatório tanto a expressão e o termo de tendência têm qualquer formato de distribuição. O problema bem conhecido dos testes na fronteira do espaço de parâmetro também foi resolvido. Investigações numéricas intensivas para vários membros da família de locação-escala têm evidenciado que o nosso método apresenta melhor desempenho estatístico mesmo para pequenas séries temporais. Palavras-chave: Teste Monte Carlo, Tendência estocástica, modelo de nível local / Nyblom and Makelainen proposed a test statistic that leads to a locally most powerful test to test if the variance of the noise level for a structural model is deterministic or stochastic linear. Nyblom testing and formal test Makelainen serving so we can decide whether a time series must be modeled assuming stochastic components or if assuming deterministic components. The predictions made by these different approaches (stochastic vs. deterministic) result in very different values, moreover, the interpretation about the behavior of the studied phenomenon changes a lot between the two cases. Nyblom and Makelainen proposed the use of asymptotic approximation of NM. However came to the conclusion that this practice is not very friendly, as well as its difficult handling practice does not control the occurrence of type I error, so an alternative way of applying the test NM instead of asymptotic approximation, is to use the Monte Carlo simulation under the null hypothesis. This paper presents a method of testing hypotheses for testing if the trend in a particular structural model is deterministic or stochastic linear. For accurate, means that the probability of type I error is analytically under control for any sample size used. The proposed test is valid for any time series with distribution in leasing family-scale. The process does not require estimating the model. In addition, under the alternative hypothesis of a random expression both trend and trend have any distribution format. The well-known problem of the tests at the border parameter space has also been resolved. Numerical intensive investigations for several family members of lease-scale have shown that our method offers better performance even for small statistical time series. Keywords: test Monte Carlo, stochastic Trend, local-level model

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção / Made available in DSpace on 2013-07-15T23:53:00Z (GMT). No. of bitstreams: 1 225106.pdf: 836113 bytes, checksum: 19d250c928b76f7a8d6c5380485e5f57 (MD5) / Em diversas áreas, particularmente em controle de qualidade, é de interesse modelar não só o parâmetro média, mas também o de dispersão. Um modelo desse tipo auxilia na melhoria contínua dos produtos e processos, sem aumentar os custos de produção. Um aprimoramento de qualidade de um processo industrial é verificado quando a dispersão é minimizada e o valor médio permanece sob controle. Nesta tese, são apresentados os modelos não-lineares da família exponencial de dispersão linear, que ficam caracterizados por duas componentes sistemáticas não-lineares, uma para a média e outra para a dispersão, além de uma componente aleatória, cuja função densidade de probabilidade pertence à família exponencial de dispersão linear. O método de estimação adotado foi o de máxima verossimilhança, que tem propriedades assintóticas de ordem n-1, onde n é o tamanho da amostra; portanto, esses estimadores são não-viesados com erro aproximado de n-1. Na prática, geralmente um viés dessa ordem é ignorado, contudo, para amostras pequenas, o viés pode ser apreciável e ter o mesmo valor que o seu correspondente erro padrão; neste caso, torna-se útil se ter uma estimativa de sua magnitude. Em geral, a redução do viés não necessariamente apresenta um melhor estimador, ela será benéfica somente quando a variância é reduzida. O objetivo desta tese é apresentar uma expressão para os vieses e, com isto, melhorar as inferências. Como aplicação, modelou-se e obteve-se o estimador corrigido da concentração de flosequinan no plasma, com submodelos one-compartment para a média e dispersão e componentes aleatórias: normal, gama e inversa gaussiana. É importante salientar que as expressões dos vieses são de fácil implementação. Pelo estudo de simulação, os estimadores corrigidos foram avaliados e comparados aos estimadores de máxima verossimilhança restrita e também os de máxima verossimilhança. Os resultados evidenciaram que os estimadores corrigidos são mais precisos do que os obtidos pela máxima verossimilhança restrita e, também, do que máxima verossimilhança, recomendando, assim, o uso de estimativas corrigidas em amostras de tamanho pequeno ou moderado.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Sócio-Econômico. Programa de Pós-graduação em Economia / Made available in DSpace on 2013-07-15T23:59:15Z (GMT). No. of bitstreams: 1 221020.pdf: 716430 bytes, checksum: 4d0752419f4965a38f45ca9d2f19c2dc (MD5)