Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-08-24T12:49:15Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Alex Leal Mota.pdf: 7909739 bytes, checksum: c085a38e01f2b4ee89d0a40f6d455fa3 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-09-21T18:16:40Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Alex Leal Mota.pdf: 7909739 bytes, checksum: c085a38e01f2b4ee89d0a40f6d455fa3 (MD5) / Made available in DSpace on 2017-09-21T18:16:40Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Alex Leal Mota.pdf: 7909739 bytes, checksum: c085a38e01f2b4ee89d0a40f6d455fa3 (MD5) Previous issue date: 2017-06-02 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / A class of multivariate distributions for possibly correlated data was built by mar-ginalizing of G-exponentialized Type IV Pareto distribution, and conditioned to a mixture of positive alpha-stables distributions. Some proprieties of this class were presented and the procedures for estimation and inference were discussed. A Log-Poly-Weibull spatial model was introduced, as a special case of proposed class, for modeling and space-temporal prediction of temperature surfaces. Most properties of the model were similar to the ge-neral model ones, while some were added to fit with the application. The parameters were estimated by the MCEM algorithm and the standard error through parametric method Bootstrap. The proposed model was applied to data on mean compensated tempera-ture observed from 1996 to 2015 at meteorological stations of Amazon State — Brazil and simulations were performed to evaluate the predictive capacity of the model. / Neste trabalho, uma classe de distribuições multivariadas para dados possivelmente correlacionados foi construída através da marginalização da distribuição Pareto tipo IV G-exponencializada condicionada a uma mistura de distribuições alfa-estáveis positivas. Algumas propriedades desta classe foram apresentadas e procedimentos para estimação e inferência foram discutidos. Como um caso particular desta classe, o modelo espacial Log-Poly-Weibull foi proposto para modelagem e predição espaço-temporal de superfí-cies de temperatura. Algumas propriedades deste modelo foram apresentadas de maneira semelhante às do modelo geral e outras foram acrescentadas, todas no contexto da apli-cação. Os parâmetros deste modelo foram estimados através do algoritmo MCEM e os erros padrões dos mesmos foram calculados via método Bootstrap paramétrico. O mo-delo proposto foi aplicado aos dados de temperatura média compensada observados no período de 1996 a 2015 nas estações meteorológicas do Estado do Amazonas-Brasil, e estudos simulados foram realizados para avaliar a capacidade preditiva do modelo.

Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-05-22T13:53:20Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) versaofinal.pdf: 8756608 bytes, checksum: e4b5f21e17776e8f9af04b6752317a59 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-05-22T14:16:29Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) versaofinal.pdf: 8756608 bytes, checksum: e4b5f21e17776e8f9af04b6752317a59 (MD5) / Made available in DSpace on 2018-05-22T14:16:29Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) versaofinal.pdf: 8756608 bytes, checksum: e4b5f21e17776e8f9af04b6752317a59 (MD5) Previous issue date: 2018-03-09 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Relative humidity interferes in many aspects in the life of the human being, and due to the many consequences that a low or a high percentage can entail, the control of its level is of paramount importance. Thus, the modeling of extreme situations of this variable can aid in the planning of human activities that are susceptible to their harmful effects, such as public health. The main interest is to predict, based on probability density functions applied to observed data, the values that may occur in a certain locality. The Generalized Distribution of Extreme Values has been widely used for this purpose and research using Time Series analysis of meteorological and climatic data. In this work, a statistical model is proposed for prediction of rates and temporal proportions and/or spatially dependents. The model was constructed by marginalizing the Kumaraswamy G-exponentialised distribution conditioned to a random field with positive alpha-stable distribution. Some properties of this model were presented, procedures for estimation and inference were discussed and an MCEM algorithm was developed to estimate the parameters. As a particular case, the model was used for spatial prediction of relative humidity in weather stations at Amazonas state, Brazil. / A umidade relativa interfere em vários aspectos na vida do ser humano, e devido as muitas consequências que um baixo ou um alto percentual podem acarretar, o controle de seu nível é de suma importância. Dessa forma, a modelagem de situações extremas dessa variável pode auxiliar no planejamento de atividades humanas que sejam suscetíveis aos seus efeitos danosos, como a saúde pública. O principal interesse é prever com base em funções densidade de probabilidade aplicadas aos dados observados, os valores que possam ocorrer em uma certa localidade. A distribuição Generalizada de Valores Extremos tem sido amplamente utilizada com essa finalidade e pesquisas utilizando análise de Séries Temporais de dados meteorológicos e climáticos. Neste trabalho, é proposto um modelo estatístico para predição de taxas e proporções temporais e/ou espacialmente dependentes. O modelo foi construído através da marginalização da distribuição Kumaraswamy G-exponencializada condicionada a um campo aleatório com distribuição alfaestável positivo. Algumas propriedades desse modelo foram apresentadas, procedimentos para estimação e inferência foram discutidos e um algoritmo MCEM foi desenvolvido parar estimar os parâmetros. Como um caso particular, o modelo foi utilizado para predição espacial da umidade relativa do ar observada nas estações meteorológicas do Estado do Amazonas.