Submitted by Aelson Maciera (aelsoncm@terra.com.br) on 2017-08-03T20:04:27Z No. of bitstreams: 1 TeseBSA.pdf: 10322083 bytes, checksum: 4c30c490934f23dbad9d5a1f087ef182 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-08T19:09:23Z (GMT) No. of bitstreams: 1 TeseBSA.pdf: 10322083 bytes, checksum: 4c30c490934f23dbad9d5a1f087ef182 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-08T19:09:30Z (GMT) No. of bitstreams: 1 TeseBSA.pdf: 10322083 bytes, checksum: 4c30c490934f23dbad9d5a1f087ef182 (MD5) / Made available in DSpace on 2017-08-08T19:15:39Z (GMT). No. of bitstreams: 1 TeseBSA.pdf: 10322083 bytes, checksum: 4c30c490934f23dbad9d5a1f087ef182 (MD5) Previous issue date: 2016-12-16 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Generalized autoregressive moving average (GARMA) models are a class of models that was developed for extending the univariate Gaussian ARMA time series model to a flexible observation-driven model for non-Gaussian time series data. This work presents the GARMA model with discrete distributions and application of resampling techniques to this class of models. We also proposed The Bayesian approach on GARMA models. The TGARMA (Transformed Generalized Autoregressive Moving Average) models was proposed, using the Box-Cox power transformation. Last but not least we proposed the Bayesian approach for the TGARMA (Transformed Generalized Autoregressive Moving Average). / Modelos Autoregressivos e de médias móveis generalizados (GARMA) são uma classe de modelos que foi desenvolvida para extender os conhecidos modelos ARMA com distribuição Gaussiana para um cenário de series temporais não Gaussianas. Este trabalho apresenta os modelos GARMA aplicados a distribuições discretas, e alguns métodos de reamostragem aplicados neste contexto. É proposto neste trabalho uma abordagem Bayesiana para os modelos GARMA. O trabalho da continuidade apresentando os modelos GARMA transformados, utilizando a transformação de Box-Cox. E por último porém não menos importante uma abordagem Bayesiana para os modelos GARMA transformados.

Made available in DSpace on 2016-06-02T20:06:51Z (GMT). No. of bitstreams: 1 6689.pdf: 1539030 bytes, checksum: 72c7b3b07f3a78dcc9a7810fd8e09f9e (MD5) Previous issue date: 2015-02-25 / Universidade Federal de Minas Gerais / In survival analysis is studied the time until the occurrence of a particular event of interest and in the literature, the most common approach is parametric, where the data follow a specific probability distribution. Various known distributions maybe used to accommodate failure time data, however, most of these distributions are not able to accommodate non-monotonous hazard functions. Kumaraswamy (1980) proposed a new probability distribution and, based on that, recently Cordeiro and de Castro (2011) proposed a new family of generalized distributions, the so-called Kumaraswamy generalized (Kum-G). In addition to its flexibility, this distribution may also be considered for unimodal and tub shaped hazard functions. The objective of this dissertation is to present the family of Kum-G distributions and their particular cases to analyze lifetime data of individuals at risk, considering that part of the population will never present the event of interest, and considering that covariates may influence the survival function and the cured proportion of the population. Some properties of these models will be discussed as well as appropriate estimation methods, in the classical and Bayesian approaches. Finally, applications of such models are presented to literature data sets. / Em análise de sobrevivência estuda-se o tempo até a ocorrência de um determinado evento de interesse e na literatura, uma abordagem muito utilizada é a paramétrica, em que os dados seguem uma distribuição de probabilidade. Diversas distribuições conhecidas são utilizadas para acomodar dados de tempos de falha, porém, grande parte destas distribuições não é capaz de acomodar funções de risco não monótonas. Kumaraswamy (1980) propôs uma nova distribuição de probabilidade e, baseada nela, mais recentemente Cordeiro e de Castro (2011) propuseram uma nova família de distribuições generalizadas, a Kumaraswamy generalizada (Kum-G). Esta distribuição, além de ser flexível, contém distribuições com funções de risco unimodal e em forma de banheira. O objetivo deste trabalho é apresentar a família de distribuições Kum-G e seus casos particulares para analisar dados de tempo de vida de indivíduos em risco, considerando que uma parcela da população nunca apresentarão evento de interesse, além de considerarmos que covariáveis influenciem na função de sobrevivência e na proporção de curados da população. Algumas propriedades destes modelos serão abordadas, bem como métodos adequados de estimação, tanto na abordagem clássica quanto na bayesiana. Por fim, são apresentadas aplicações de tais modelos a conjuntos de dados existentes na literatura.

Submitted by Daniele Amaral (daniee_ni@hotmail.com) on 2016-09-15T15:15:11Z No. of bitstreams: 1 DissCCF.pdf: 1472861 bytes, checksum: 937810926b98a08677085a559d13aec9 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-16T19:51:30Z (GMT) No. of bitstreams: 1 DissCCF.pdf: 1472861 bytes, checksum: 937810926b98a08677085a559d13aec9 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-16T19:51:36Z (GMT) No. of bitstreams: 1 DissCCF.pdf: 1472861 bytes, checksum: 937810926b98a08677085a559d13aec9 (MD5) / Made available in DSpace on 2016-09-16T19:51:41Z (GMT). No. of bitstreams: 1 DissCCF.pdf: 1472861 bytes, checksum: 937810926b98a08677085a559d13aec9 (MD5) Previous issue date: 2015-09-15 / Não recebi financiamento / The usual models in repairable systems are minimal, perfect and imperfect repair, and, in the literature, the minimum repair model is the most explored. In repairable systems it is common that the same type of components are studied and in these cases is relevant to verify the heterogeneity between them. According to Vaupel et al. (1979), the standard methods for analysis of repairable systems data ignore the heterogeneity not observed and in some cases this should be considered. Such variability can be estimated from frailty models, characterized by using a random e ect. It is proposed that the minimum repair model with frailty in order to estimate the heterogeneity not observed between systems. For this model it was conducted a simulation study in order to analyze the frequentist properties of the estimation process. The application of a real data set showed the applicability of the proposed model, in which the estimation of the parameters were determined from maximum likelihood and Bayesian approaches. / Os modelos de sistemas reparáveis usuais são os de reparo mí nimo, perfeito e imperfeito, sendo que, na literatura, o modelo de reparo mí nimo e o mais explorado. Em sistemas reparáveis e comum que componentes do mesmo tipo sejam estudados e nestes casos é relevante verifi car a heterogeneidade entre eles. Segundo Vaupel et al. (1979), os métodos padrões em análise de dados de sistemas reparáveis ignoram a heterogeneidade não observada e em alguns casos esta deveria ser considerada. Tal variabilidade pode ser estimada a partir dos modelos de fragilidade, caracterizados pela utilização de um efeito aleat ório. Propõe-se o modelo de reparo mí nimo com fragilidade, a fi m de estimar a heterogeneidade não observada entre sistemas. Para este modelo foi realizado um estudo de simula ção com o objetivo de analisar as propriedades frequentistas do processo de estimação. A aplicação em um conjunto de dados reais mostrou a aplicabilidade do modelo proposto, em que a estima ção dos parâmetros foram determinadas a partir das abordagens de m áxima verossimilhan ça e Bayesiana.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-11-01T23:18:47Z No. of bitstreams: 1 WyaraVanesaMouraESilva_DISSERT.pdf: 1410520 bytes, checksum: a24a9a6a8aa9099ef7e4b5c92d32ae7c (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-11-16T22:02:47Z (GMT) No. of bitstreams: 1 WyaraVanesaMouraESilva_DISSERT.pdf: 1410520 bytes, checksum: a24a9a6a8aa9099ef7e4b5c92d32ae7c (MD5) / Made available in DSpace on 2017-11-16T22:02:47Z (GMT). No. of bitstreams: 1 WyaraVanesaMouraESilva_DISSERT.pdf: 1410520 bytes, checksum: a24a9a6a8aa9099ef7e4b5c92d32ae7c (MD5) Previous issue date: 2017-08-28 / A an?lise de valores extremos tem sido amplamente utilizada a fim de avaliar e prever cat?strofes ambientais ocasionadas devido a mudan?as clim?ticas ocorridas ao longo dos anos. Al?m da ?rea ambiental, outras ?reas comuns de aplica??es destas an?lises s?o finan?as, atu?ria, entre outras. Desta maneira, o presente trabalho consiste na estima??o de par?metros e n?veis de retornos esperados, considerando a distribui??o de valores extremos para as r-maiores estat?sticas de ordem. Tais estima??es ser?o avaliadas em s?ries que possuem pontos de mudan?a no regime, ou seja, ser? proposto um modelo para detec??o de pontos de mudan?a numa s?rie, aplicado a distribui??o das r-maiores estat?sticas de ordem (GEVr). Ser? abordado o caso em que a s?rie possui k pontos de mudan?a, na qual a s?rie possui k+1 diferentes regimes, e ser? modelado cada regime pela distribui??o GEVr. A infer?ncia usada no modelo ? baseada numa abordagem bayesiana, em que ambos o par?metros da GEVr para cada regime, e os pontos de mudan?a s?o considerados como par?metros desconhecidos a serem estimados. Al?m de uma avalia??o quanto ao crit?rio de escolha do r ?timo para a distrubui??o dos dados. A estima??o ? realizada pelo M?todo de Monte Carlo via Cadeias de Markov (MCMC) com o uso da t?cnica do algoritmo de Metropolis-Hastings. Inicialmente, foram realizadas apenas simula??es, para avalia??o de s?ries com um e dois pontos de mudan?a, em que obteve-se resultados pertinentes. Al?m disso, foi realizada um breve an?lise de n?veis de retornos quanto a diferentes valores do r, e uma sum?ria an?lise descritiva dos dados reais que ser?o utilizados nas aplica??es do modelo proposto. E por fim, a aplica??o do modelo proposto para os dados de cotas do rio Parna?ba e Paran?, al?m de dados de retornos di?rios da Nasdaq.

Generalized autoregressive moving average (GARMA) models are a class of models that was developed for extending the univariate Gaussian ARMA time series model to a flexible observation-driven model for non-Gaussian time series data. This work presents the GARMA model with discrete distributions and application of resampling techniques to this class of models. We also proposed The Bayesian approach on GARMA models. The TGARMA (Transformed Generalized Autoregressive Moving Average) models was proposed, using the Box-Cox power transformation. Last but not least we proposed the Bayesian approach for the TGARMA (Transformed Generalized Autoregressive Moving Average). / Modelos Autoregressivos e de médias móveis generalizados (GARMA) são uma classe de modelos que foi desenvolvida para extender os conhecidos modelos ARMA com distribuição Gaussiana para um cenário de series temporais não Gaussianas. Este trabalho apresenta os modelos GARMA aplicados a distribuições discretas, e alguns métodos de reamostragem aplicados neste contexto. É proposto neste trabalho uma abordagem Bayesiana para os modelos GARMA. O trabalho da continuidade apresentando os modelos GARMA transformados, utilizando a transformação de Box-Cox. E por último porém não menos importante uma abordagem Bayesiana para os modelos GARMA transformados.

Made available in DSpace on 2014-08-20T13:59:05Z (GMT). No. of bitstreams: 1 dissertacao_luis_willian_pacheco_arge.pdf: 2893589 bytes, checksum: d2e275d77781d5e9508058a77fa20f96 (MD5) Previous issue date: 2012-08-31 / This study aimed to assess the diversity, structure and the genetic relationship, evaluated by phenotypic and molecular of 75 Prunus rootstocks collection belonging to EMBRAPA Clima Temperado. The phenotypic analyzes were conducted by the evaluation of 21 qualitative and 26 quantitative traits of different plant organs and molecular analyzes were based on evaluation of 17 SSR loci. The data of quantitative traits were categorized by Scott & Knott method and submitted along with the qualitative data to statistical analysis (hierarchical by Jaccard coefficient) and clustering of phenotypic relationship. Molecular data were first converted to different formats and subjected to various statistical analyzes. The UPGMA dendogram obtained by genetic distance matrix calculated by Li & Nei coefficient, using the data of SSR loci evaluated was not able to distinguish between Tsukuba-1, Tsukuba-2 and Tsukuba-3 accesses, however, showed phenotypic effective to distinguish them. The dendograms of both analyzes together with the results of Bayesian approaches allowed the identification of three pools with high relation with the different groups that make up the collection. It was found that principal coordinates analysis based on phenotypic data, proved most effective for the detection of three pools detected with the hierarchical and the Bayesian approach. With the molecular data, the principal coordinates analysis corroborated with results obtained by the dendogram and the Bayesian approach. The access of group South Brazilian originating from samples collected in orchards in the region of Pelotas, which have no known pedigree, had largely down genetic and phenotypic distance, low 0.49 per both analyzes, with Aldrighi and Capdeboscq, and other known access. These accesses were traditionally used in the past as rootstocks in the state of Rio Grande do Sul. For both phenotypic and molecular analyzes, the group access of other species contributed more to genetic and phenotypic diversity, as expected, because are different species and with low similarity of features. Phenotypic and genetic characterization proved effective for elucidating the diversity, structure and genetic, and phenotypic relationship of the rootstocks of Prunus collection. / O presente trabalho objetivou avaliar a diversidade, estrutura e relação genética, por avaliação molecular, e fenotípica de uma coleção de 75 acessos de porta-enxertos de Prunus da EMBRAPA Clima Temperado. As análises fenotípicas foram conduzidas com a avaliação de 21 caracteres qualitativos e 26 quantitativos de diferentes órgãos das plantas, e as análises moleculares foram baseadas na avaliação de 17 loci SSR. Os dados dos caracteres quantitativos foram categorizados pelo método de agrupamento Scott & Knott e submetidos juntamente com os dados qualitativos às análises estatísticas de agrupamento (hierárquica pelo coeficiente de Jaccard) e de relação fenotípica. Os dados moleculares foram convertidos primeiramente para diferentes formatos e submetidos às diferentes análises estatísticas. O dendograma UPGMA obtido a partir da matriz de distância genética calculada pelo coeficiente Nei & Li, utilizando os dados dos loci SSR, não foi capaz de distinguir os acessos Tsukuba-1, Tsukuba-2 e Tsukuba-3, no entanto, os dados fenotípicos mostraram-se eficazes para distingui-los. Os dendograma de ambas as análises, juntamente com a abordagem Bayesiana, possibilitaram a identificação de três pools, com alta relação com os diferentes grupos que compõem a coleção. Verificou-se que análise de coordenadas principais, baseada em dados fenotípicos, mostrou-se mais eficaz para a detecção dos três pools detectados com as abordagens hierárquica e Bayesiana. Com os dados moleculares, a análise de coordenadas principais corroborou parcialmente com os resultados obtidos pelo dendograma e pela análise Bayesiana. Os acessos do grupo sul-brasileiro originários de coletas realizadas em pomares da região de Pelotas, os quais não possuem genealogia conhecida, apresentaram em grande parte baixa distância genética e fenotípica, abaixo de 0,49 por ambas as análises, em relação aos acessos Aldrighi e Capdeboscq. Estes acessos foram tradicionalmente usados no passado como porta-enxertos no estado do Rio Grande do Sul. Por ambas as análises, fenotípicas e moleculares, o grupo de acessos de outras espécies foi nalmente quem mais contribuiu para a diversidade genética e fenotípica, como já era esperado, pois são espécies distintas e com baixa similaridade de características. A caracterização genética por ambas as técnicas de análise mostrou-se efetiva para a elucidação da diversidade, estrutura e relação genética e fenotípica da coleção de porta-enxertos de Prunus avaliada.