Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho teve como objetivo avaliar o aporte atmosférico dos principais constituintes iônicos, em região pouco impactada do estado do Rio de Janeiro. Para tal, fez-se uso de dois coletores automáticos de deposição seca e úmida. Os coletores foram instalados no Parque Nacional do Itatiaia (PNI). Um próximo à Sede, a 820 m de altitude e outro no Planalto, a 2400 m de altitude no PNI. A amostragem foi realizada semanalmente, e as análises dos íons Na+, K+, Mg2+, Ca2+, NH4 +, Cl-, NO3 - e SO42-, além de pH e condutividade foram feitos no dia seguinte à amostragem. As maiores concentrações e taxas de deposição ocorreram na Sede do PNI, com exceção da concentração do Cl- que não foi diferenciada (p > 0,05). De forma geral, as concentrações apresentaram-se baixas, porém as taxas de deposição úmida foram relativamente altas, de modo particular, para NH4 +, NO3 - e SO4 2-. A deposição úmida de NO3 - (189 eq ha-1 ano- 1) na Sede chegou a ser superior ao valor registrado na cidade de Niterói – RJ. A fonte marinha se fez presente nos dois pontos, porém, no Planalto apresentou um excesso de Cl-, provocado pela volatilização de Cl- do aerossol de NaCl, que possibilitou o transporte do gas a uma maior distância. Apenas 3% do SO4 2- presente na deposição do PNI teve como origem o oceano. A média ponderada pelo volume do pH foi 5,35 e 5,00 para Planalto e Sede do PNI, respectivamente. Utilizou-se análise de agrupamentos para identificar eventos outliers. Estes eventos foram influenciados pelo transporte de material de queimadas provavelmente originárias no interior do país.A análise de regressão linear múltipla indicou o H2SO4 e os compostos de Ca2+ como os principais responsáveis pelo controle do pH no Planalto. Na Sede, o H2SO4 também teve papel fundamental na acidificação da precipitação, auxiliado de forma secundária pelo HNO3 e HCl. A neutralização foi principalmente realizada pela NH3. A análise de regressão múltipla possibilitou também, a reconstituição dos compostos de SO4 -2 e NO3 -. No Planalto, os compostos mais importantes de SO4 -2 e NO3- foram (NH4)2SO4 e NH4NO3. Já na Sede foram H2SO4 e NH4NO3. Análise de componentes principais foi aplicada aos dados obtidos das análises químicas da chuva. Tres fatores reproduziram a concentração observada na Sede. Este fatores representaram fontes ácidas, marinhas e aerossol. No Planalto as principais fontes foram gas – aerossol, biogênica e fonte marinha. / The aim this work was to evaluate the atmospheric deposition of main ions in a remote site of Rio de Janeiro State (RJ). Dry/wet deposition were sampled weekly through automatic precipitation collectors in two sites in the Itatiaia National Park,during a complete seasonal cycle (January 1999 to January 2000). Sampling sites were located at the Itatiaia National Park headquarters (Sede site, at 820 m asl)and at the Itatiaia Plateau (Planalto site, at 2400 m asl). Samples were analyzed for Na+, K+, Mg2+, Ca2+, NH4 +, Cl-, NO3 -, SO4 2-, pH and conductivity. Ion concentrations in Sede were high than in Planalto, except for Cl- (p > 0.05). In general, concentrations were low, but wet deposition rates were high, particularly for NH4 +, NO3 - and SO4 2-. NO3 - wet deposition (189 eq ha-1year-1) in Sede was higher than the value reported for Niterói city, RJ. The marine source influenced both sites, but Planalto site presented Cl- excess (non sea salt). Only 3% of the SO4-2 deposition was marine. Volume weighted average pH was 5.35 and 5.00 for Planalto and Sede sites, respectively. Cluster analysis was used to identify outlier events. Multiple linear regression was conducted to identify the main compounds of NO3 - and SO4 2-. Principal component analysis was applied to identify possible sources of rainwater ions. Three factors explained most of the rain concentration variability observed in each site. In the Sede site, these factors represent the acidgas sources, marine source and aerosol sources, while in Planato site the main sources were gas-aerosol, biogenic and marine.

A presente dissertação propõe métodos para mineração de dados para diagnóstico de câncer de mama (CM) baseado na seleção de variáveis. Partindo-se de uma revisão sistemática, sugere-se um método para a seleção de variáveis para classificação das observações (pacientes) em duas classes de resultado, benigno ou maligno, baseado na análise citopatológica de amostras de célula da mama de pacientes. O método de seleção de variáveis para categorização das observações baseia-se em 4 passos operacionais: (i) dividir o banco de dados original em porções de treino e de teste, e aplicar a ACP (Análise de Componentes Principais) na porção de treino; (ii) gerar índices de importância das variáveis baseados nos pesos da ACP e na percentagem da variância explicada pelos componentes retidos; (iii) classificar a porção de treino utilizando as técnicas KVP (k-vizinhos mais próximos) ou AD (Análise Discriminante). Em seguida eliminar a variável com o menor índice de importância, classificar o banco de dados novamente e calcular a acurácia de classificação; continuar tal processo iterativo até restar uma variável; e (iv) selecionar o subgrupo de variáveis responsável pela máxima acurácia de classificação e classificar a porção de teste utilizando tais variáveis. Quando aplicado ao WBCD (Wisconsin Breast Cancer Database), o método proposto apresentou acurácia média de 97,77%, retendo uma média de 5,8 variáveis. Uma variação do método é proposta, utilizando quatro diferentes tipos de kernels polinomiais para remapear o banco de dados original; os passos (i) a (iv) acima descritos são então aplicados aos kernels propostos. Ao aplicar-se a variação do método ao WBCD, obteve-se acurácia média de 98,09%, retendo uma média de 17,24 variáveis de um total de 54 variáveis geradas pelo kernel polinomial recomendado. O método proposto pode auxiliar o médico na elaboração do diagnóstico, selecionando um menor número de variáveis (envolvidas na tomada de decisão) com a maior acurácia, obtendo assim o maior acerto possível. / This dissertation presents a data mining method for breast cancer (BC) diagnosis based on selected features. We first carried out a systematic literature review, and then suggested a method for feature selection and classification of observations, i.e., patients, into benign or malignant classes based on patients’ breast tissue measures. The proposed method relies on four operational steps: (i) split the original dataset into training and testing sets and apply PCA (Principal Component Analysis) on the training set; (ii) generate attribute importance indices based on PCA weights and percent of variance explained by the retained components; (iii) classify the training set using KNN (k-Nearest Neighbor) or DA (Discriminant Analysis) techniques, eliminate irrelevant features and compute the classification accuracy. Next, eliminate the feature with the lowest importance index, classify the dataset, and re-compute the accuracy. Continue such iterative process until one feature is left; and (iv) choose the subset of features yielding the maximum classification accuracy, and classify the testing set based on those features. When applied to the WBCD (Wisconsin Breast Cancer Database), the proposed method led to average 97.77% accurate classifications while retaining average 5.8 features. One variation of the proposed method is presented based on four different types of polynomial kernels aimed at remapping the original database; steps (i) to (iv) are then applied to such kernels. When applied to the WBCD, the proposed modification increased average accuracy to 98.09% while retaining average of 17.24 features from the 54 variables generated by the recommended kernel. The proposed method can assist the physician in making the diagnosis, selecting a smaller number of variables (involved in the decision-making) with greater accuracy, thereby obtaining the highest possible accuracy.

Esta tese apresenta uma sistemática para seleção de variáveis de processo e determinação da condição ótima de operação em processos contínuos multivariados e em múltiplos estágios. O método proposto é composto por seis etapas. Um pré-tratamento nos dados é realizado após a identificação das variáveis de processo e do estabelecimento dos estágios de produção, onde são descartadas observações com valores espúrios e dados remanescentes são padronizados. Em seguida, cada estágio é modelado através de uma regressão Partial Least Squares (PLS) que associa a variável dependente daquele estágio às variáveis independentes de todos os estágios anteriores. A posterior seleção de variáveis independentes apoia-se nos coeficientes da regressão PLS; a cada interação, a variável com menor coeficiente de regressão é removida e um novo modelo PLS é gerado. O erro de predição é então avaliado e uma nova eliminação é promovida até que o número de variáveis remanescentes seja igual ao número de variáveis latentes (condição limite para geração de novos modelos PLS). O conjunto com menor erro determina as variáveis de processo mais relevantes para cada modelo. O conjunto de modelos PLS constituído pelas variáveis selecionadas é então integrado a uma programação quadrática para definição das condições de operação que minimizem o desvio entre os valores preditos e nominais das variáveis de resposta. A sistemática proposta foi validada através de dois exemplos numéricos. O primeiro utilizou dados de uma empresa do setor avícola, enquanto que o segundo apoiou-se em dados simulados. / This dissertation proposes a novel approach for process variable selection and determination of the optimal operating condition in multiple stages, multivariate continuous processes. The proposed framework relies on six steps. First, a pre-treatment of the data is carried out followed by the definition of production stages and removal of outliers. Next, each stage is modeled by a Partial Least Squares regression (PLS) which associates the dependent variable of each stage to all independent variables from previous stages. Independent variables are then iteratively selected based on PLS regression coefficients as follows: the variable with the lowest regression coefficient is removed and a new PLS model is generated. The prediction error is then evaluated and a new elimination is promoted until the number of remaining variables is equal to the number of latent variables (boundary condition for the generation of new PLS models). The subset of independent variables yielding the lowest predictive in each PLS model error is chosen. The set of PLS models consisting of the selected variables is then integrated to a quadratic programming aimed at defining the optimal operating conditions that minimize the deviation between the predicted and nominal values of response variables. The proposed approach was validated through two numerical examples. The first was applied to data from a poultry company, while the second used simulated data.

A averiguação da autenticidade de medicamentos tem se apoiado na análise de perfil por espectroscopia de infravermelho (ATR-FTIR). Contudo, tal análise tipicamente gera dados caracterizados por elevado número de variáveis (comprimentos de onda) ruidosas e correlacionadas, necessitando assim da aplicação de técnicas para seleção das variáveis mais relevantes e informativas, tornando os modelos preditivos e exploratórios mais robustos. Esta dissertação testa sistemáticas para a seleção de variáveis com vistas à clusterização e classificação de medicamentos. Para tanto, inicialmente faz-se uso dos parâmetros oriundos da Análise de Componentes Principais (ACP) para a geração de três índices de importância de variáveis; tais índices guiam um processo iterativo de eliminação de variáveis com vistas a uma clusterização mais consistente, medida através do Silhouette Index. Na sequência, utiliza-se o Algoritmo Genético (AG) combinado com a ferramenta de classificação k nearest neighbor (kNN) para selecionar o subconjunto de variáveis que resultem na maior acurácia média com propósito de classificação das amostras em dois grupos, originais ou falsificados. Por fim, aplica-se a divisão dos dados ATR-FTIR em intervalos para selecionar as regiões espectroscópicas mais relevantes para a classificação das amostras via kNN; na sequência, aplica-se o AG para refinar os intervalos retidos anteriormente. A aplicação dos métodos de seleção de variáveis propostos permitiu realizar clusterizações e classificações mais precisas com base em um subconjunto reduzido de variáveis. / The investigation of the authenticity of drugs has relied on the profile analysis by infrared spectroscopy (ATR-FTIR). However, such analysis typically yields a large number of correlated and noisy variables (wavelengths), which require the application of techniques for selecting the most informative and relevant variables to improve model ability. This thesis test an approach to variable selection aimed at clustering and classifying drug samples. For that matter, it derives three variable importance indices based on Principal Component Analysis (PCA) components that guide an iterative process of variable elimination; clustering performance based on the reduced sets is assessed via Silhouette Index. Next, we combine the Genetic Algorithm (GA) with the k nearest neighbor classification technique (kNN) to select the subset of variables yielding the highest average accuracy for classifying samples into authentic or counterfeit categories. Finally, we split the ATR-FTIR data into intervals to select the most relevant spectroscopic regions for sample classification via kNN; we then apply GA to refine the ranges previously retained. The implementation of the proposed variable selection methods led to more accurate clustering and classification procedures based on a small subset of variables.

O presente trabalho apresenta proposições para seleção de variáveis em avaliações sensoriais descritivas e de espectro infravermelho que contribuam com a indústria de alimentos e química através da utilização de métodos de análise multivariada. Desta forma, os objetivos desta tese são: (i) Estudar as principais técnicas de análise multivariada de dados, como são comumente organizadas e como podem contribuir no processo de seleção de variáveis; (ii) Identificar e estruturar técnicas de análise multivariada de dados de forma a construir um método que reduza o número de variáveis necessárias para fins de caracterização, classificação e predição dos produtos; (iii) Reduzir a lista de variáveis/atributos, selecionando aqueles relevantes e não redundantes, reduzindo o tempo de execução e a fadiga imposta aos membros de um painel em avaliações sensoriais; (iv) Validar o método proposto utilizando dados reais; e (v) Comparar diferentes abordagens de análise sensorial voltadas ao desenvolvimento de novos produtos. Os métodos desenvolvidos foram avaliados através da aplicação de estudos de caso, em exemplos com dados reais. Os métodos sugeridos variam com as características dos dados analisados, dados altamente multicolineares ou não e, com e sem variável dependente (variável de resposta). Os métodos apresentam bom desempenho, conduzindo a uma redução significativa no número de variáveis e apresentando índices de adequação de ajuste dos modelos ou acurácia satisfatórios quando comparados aos obtidos mediante retenção da totalidade das variáveis ou comparados a outros métodos dispostos na literatura. Conclui-se que os métodos propostos são adequados para a seleção de variáveis sensoriais e de espectro infravermelho. / This dissertation presents propositions for variable selection in data from descriptive sensory evaluations and near-infrared (NIR) spectrum analyses, based on multivariate analysis methods. There are five objectives here: (i) review the main multivariate analysis techniques, their relationships and potential use in variable selection procedures; (ii) propose a variable selection method based on the techniques in (i) that allows product prediction, classification, and description; (iii) reduce the list of variables/attributes to be analyzed in sensory panels identifying those relevant and non-redundant, such that the time to collect panel data and the fatigue imposed on panelists is minimized; (iv) validate methodological propositions using real life data; and (v) compare different sensory analysis approaches used in new product development. Proposed methods were evaluated through case studies, and vary according to characteristics in the datasets analyzed (data with different degrees of multicollinearity, presenting or not dependent variables). All methods presented good performance leading to significant reduction in the number of variables in the datasets, and leading to models with better adequacy of fit. We conclude that the methods are suitable for datasets from descriptive sensory evaluations and NIR analyses.

A aplicação de novos sistemas para medir as características de deslocamento espermático e sua associação com a fertilidade vem apresentando um crescimento recente. Computer-assisted semen analysis (CASA) permite uma avaliação padronizada das características da motilidade espermática e é plausível que a combinação destes parâmetros com as características morfológicas seminais possam estimar a fertilidade do ejaculado. O desempenho reprodutivo (taxa de parto - TP e número de leitões nascidos totais - NT) de 14 reprodutores suínos foi obtido a partir de um experimento conduzido em uma granja comercial com fêmeas multíparas utilizando inseminação homospérmica com deposição intra-cervical e dois bilhões de espermatozoides móveis por dose inseminante. Durante 10 semanas, as fêmeas (n=948) foram inseminadas e igualmente distribuídas entre os machos testados de acordo com a ordem de parto, média do histórico de leitões nascidos, escore de condição corporal, intervalo desmame-estro (IDE), duração da lactação e número de leitões desmamados. Características da motilidade espermática, avaliadas pelo sistema CASA in natura e durante armazenamento a 17°C por 240h, e os defeitos morfológicos avaliados no sêmen in natura, foram incluídas na análise para determinar quais parâmetros espermáticos foram importantes para discriminar o potencial reprodutivo dos ejaculados desses machos. Os dados foram submetidos à análise multivariada que incluiu procedimentos estatísticos tais como: análises de cluster, canônica e discriminante. Dentre os 14 machos avaliados, 4 clusters foram formados com base nos resultados reprodutivos. Um macho, com menor resultado de TP e NT (89,7% e 11,98) e dois machos, com os maiores valores de TP e NT (97,8% e 14,16) foram alocados em diferentes grupos. Os demais machos foram separados em outros dois grupos distintos (4 e 7 machos), incluindo machos com valores semelhantes de NT (12,64 e 13,22) mas divergentes na TP (95,9% vs. 91,8%). A análise canônica permitiu separar os grupos, sendo a melhor separação observada entre o grupo menos fértil e os demais. As características seminais que demonstraram melhor capacidade de discriminação dos grupos incluíram motilidade espermática total, motilidade progressiva, amplitude do deslocamento lateral da cabeça espermática, além das características morfológicas tal como a presença de gota citoplasmática. A análise multivariada discriminante permitiu classificar corretamente mais de 80% dos 140 ejaculados avaliados em seus respectivos grupos. A análise multivariada pode ser uma eficiente ferramenta estatística na discriminação do potencial reprodutivo de cachaços. / The application of new approaches that measure certain sperm motion characteristics and their association with boar fertility has shown a recent increase. Computer-assisted semen analysis (CASA) offers standardized assessment of multiple sperm motion parameters and it is plausible that the combination of these parameters with morphological sperm defects may indicate the fertility potential of boars. The fertility outcome (farrowing rate - FR and number of total piglets born - TB) of 14 boars was obtained from a field trial conducted in a commercial farm using multiparous sows through single sire mating with two billion motile sperm cells per AI dose. Sows (n=948) bred were equally distributed among boars according to parity, mean lifetime number of piglets born, body condition score, weaning-to-estrus interval, lactation length and number of weaned piglets during 10 weeks of breeding period. Sperm motion parameters evaluated with CASA system in natura and in semen stored at 17°C for 240h in addition to morphological sperm defects, measured at the collection day, were included in the analysis to determine which semen traits were important to discriminate the fertility potential of ejaculates from these boars. The data underwent multivariate statistical analysis, including cluster, canonical and discriminant analyses. Among the 14 evaluated boars four clusters were formed based on fertility outcome. One boar, with the lowest FR and TB values (89.7% and 11.98), and two boars, with the highest FR and TB values (97.8% and 14.16), were placed in different clusters. The others boars were separated in two new distinct clusters (4 and 7 boars), including boars with intermediate TB (12.64 and 13.22) but divergent values of FR (95.9% vs. 91.8%). Canonical analysis was able to separate the individual ejaculates into the previously clustered boars and a better separation was shown between the lowest fertility group and the others. Semen traits which had higher discriminatory power included total motility, progressive motility, amplitude of lateral head displacement, analyzed during semen storage, and sperm morphological defects such as cytoplasmatic droplets. The multivariate discriminant analysis showed that more than 80% of the 140 ejaculates were correctly classified into their own group. The multivariate analysis can be an efficient statistical tool to improve the discrimination of potential fertility of boars.

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2018-07-04T11:50:13Z No. of bitstreams: 2 Tese - Karoliny Almeida Oliveira - 2017.pdf: 20054165 bytes, checksum: a9c846097d699d587dbf63736056a5a3 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-07-04T12:33:06Z (GMT) No. of bitstreams: 2 Tese - Karoliny Almeida Oliveira - 2017.pdf: 20054165 bytes, checksum: a9c846097d699d587dbf63736056a5a3 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-07-04T12:33:06Z (GMT). No. of bitstreams: 2 Tese - Karoliny Almeida Oliveira - 2017.pdf: 20054165 bytes, checksum: a9c846097d699d587dbf63736056a5a3 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-12-12 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / This thesis describes the development of colorimetric sensors in polymeric materials for the biomarkers detection for clinical diagnostics. The devices were manufactured with 96 microzones from the direct printing technology, using transparency film. The printed microplates were used to detect dengue, glucose and total proteins. Dengue detection in patient serum samples was performed with the capture and indirect ELISA assay for the detection of immunoglobulin M and immunoglobulin G, respectively. After the acquisition of the images with a cellular camera, a color histogram analysis and the principal component analysis (PCA) were performed. The results of these analyzes allowed to easily differentiate the groups of serum samples from patients who were infected and non-infected with the dengue virus. In order to promote carboxyl groups on the surface of the polyester film, this was modified by two methodologies: alkaline hydrolysis and adsorption of a polymer. The glucose assay was performed on the films modified by both methodologies and detected by a cellular camera, and the detection limits found were 0.70 mM and 0.93 mM for the polymer and hydrolyzed film, respectively. In addition, the biuret assay was performed on the microplates for the analysis of total proteins in canine serum samples using a bench scanner as the detection system. The limit of detection was 9.7 μM for the analytical curve ranging from 0 to 200 μM albumin. / Essa tese descreve o desenvolvimento de sensores colorimétricos em materiais poliméricos para detecção de biomarcadores para diagnósticos clínicos. Os dispositivos foram fabricados com 96 zonas a partir da tecnologia de impressão direta, utilizando filme de transparência. As microplacas impressas foram utilizadas para realizar a detecção de dengue, glicose e proteínas totais. A detecção de dengue em amostras de soros de pacientes foi realizada com o ensaio imunoenzimático (ELISA) captura e indireto para a detecção da imunoglobulina M e imunoglobulina G, respectivamente. Após a aquisição das imagens com uma câmera de celular foi realizada uma análise por histogramas de cores e pela ferramenta multivariada de análise de componentes principais (PCA). Os resultados dessas análises permitiram diferenciar facilmente os grupos de amostras de soro de pacientes contaminados e não contaminados com o vírus da dengue. A fim de promover grupos carboxílicos na superfície do filme de poliéster, este foi modificado por duas metodologias: hidrólise alcalina e adsorção de um polímero. O ensaio de glicose foi realizado nos filmes modificados por ambas as metodologias e detectados por uma câmera de celular, e os limites de detecção encontrados foram 0,70 mM e 0,93 mM, para o filme com polímero e hidrolisado, respectivamente. Além disso, foi realizado nas microplacas o ensaio do biureto para a análise de proteínas totais em amostras de soro canino utilizando como sistema de detecção um scanner de bancada. O limite de detecção encontrado foi igual a 9,7 µM através da curva analítica variando de 0 a 200 µM de albumina.

Submitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2018-07-27T17:38:08Z No. of bitstreams: 2 Tese - Flávia Neri Meira de Oliveira - 2017.pdf: 5152942 bytes, checksum: b887c8e29dccf9633676c7361ecd6e6a (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-07-30T14:05:01Z (GMT) No. of bitstreams: 2 Tese - Flávia Neri Meira de Oliveira - 2017.pdf: 5152942 bytes, checksum: b887c8e29dccf9633676c7361ecd6e6a (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-07-30T14:05:01Z (GMT). No. of bitstreams: 2 Tese - Flávia Neri Meira de Oliveira - 2017.pdf: 5152942 bytes, checksum: b887c8e29dccf9633676c7361ecd6e6a (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-06-30 / Introduction: Substance, of easy access to the population, as cleaners’ substances, cosmetics, medicines and chemical’s industries products are examples for sources of intoxications. Toxicological Information Centers (CITs) informs about intoxications and register the cases in information systems (SINAVISA). The evaluation of a big data need care, because to be accomplished its necessary the use of statistics methods to monitor constantly of a big data. Objective: To perform quality control of data in variables product and “chemistry group”, and to evaluate the profile of intoxications of patients notified in SINAVISA, during the period of 2007 to 2012. Methodology: In the first moment it was evaluated the cadasters in variables product and “chemistry group” with Textual Analysis. Posteriorly was evaluated variables of 5041 investigations files of intoxications by medicines and 16333 investigations files of intoxication by medicines, cosmetics, toxic plants, cleaners’ substance, chemical’s industries products, rodenticides, foods, abuse drugs, vets products and agrotoxics, except files from intoxication by venomous’ animals, with Multiple Correspondence Analysis (MCA) and Hierarchical Cluster Analysis (HCA). Results: It was observed the presence of discordances on data of product and “chemistry group” and then corrected. In analysis of medicine observed that, children and women are the principal victims of intoxication by medicines. The “chemical groups” that more affected on children with 1 to 4 years old was antibiotics, anti-inflammatories not steroidal, antipsychotics, adrenergics agonists, hormones and anti-histaminics. The children with less than one-year-old presented intoxication with ignored products, antibacterial, sympathomimetics agonists, antagonists and anti-inflammatories. Patients with age of 20 to 29 years, female gender, intoxicated by anxiolytics, antidepressives and anticonvulsants. Analysis of 16333 investigations files observed that severe intoxications are in chemical’s group agrotoxics, as pyrethroids, organophosphates, glycine, coumarins and carbamates. The ignored products were grouped in clusters with tendency to more severity. Children with age less than 4 years old also intoxicated with acids, rodenticides, and agrotoxics, but with less frequency. Conclusion: The method was capable of corrected the errors presents in variables “chemical group” and product. Additionally, it was traced the following profile: children intoxicated with medicines antibiotics, anti-inflammatories not steroids, antipsychotics, adrenergics agonists, hormones and anti-histaminics, and young adults intoxicated with agrotoxics, rodenticides and medicines anxiolytics, anti-depressives and anticonvulsants. / Introdução: Substâncias, de fácil acesso à população, como saneantes, domissanitários, cosméticos, medicamentos e produtos químicos industriais são exemplos de fontes de intoxicações. Os Centros de Informação Toxicológicas (CITs) informam sobre intoxicação e registram os casos em sistemas de informação (SINAVISA). A avaliação deste grande número de dados necessita de cuidados, pois para ser realizada é necessária a utilização de métodos estatísticos para o monitoramento constante de muitos dados e posterior análise dos mesmos. Objetivos: Realizar controle de qualidade dos dados cadastrados nas variáveis produto e “grupo químico”, e avaliar o perfil dos pacientes intoxicados notificados no SINAVISA, no período de 2007 a 2012. Metodologia: Primeiro os dados cadastrados nas variáveis produto e “grupo químico” foram avaliados através da Analise Textual. Posteriormente, avaliou-se 5041 fichas de investigação de intoxicação por medicamentos e 16333 fichas de investigação de intoxicação por medicamentos, cosméticos, plantas tóxicas, domissanitários, produtos químicos industriais, raticidas, alimentos, drogas de abuso, produtos veterinários e agrotóxicos, exceto as fichas relacionadas a intoxicação por animais peçonhentos, através Análise de Correspondência Múltipla (MCA) e Análise Hierárquica de Cluster (HCA). Resultados: Observou-se a presença de discordâncias nos dados das variáveis produto e “grupo químico”, sendo os mesmos corrigidos. Na análise dos medicamentos observou-se que as crianças e mulheres são as principais vítimas de intoxicação por medicamentos. Os “grupos químicos” que mais acometeram a faixa etária de 1 a 4 anos foram os antibióticos, os anti-inflamatórios não-esteroidais, os antipsicóticos, os agonistas adrenérgicos, os hormônios e os anti-histamínicos. As crianças menores de um ano apresentaram intoxicação com os produtos ignorados, os antibacterianos, os agonistas e antagonistas simpaticomiméticos e antiinflamatórios. Pacientes com idade entre 20 a 29 anos do gênero feminino intoxicaram-se principalmente por ansiolíticos, antidepressivos e anticonvulsivantes. Nas análises das 16333 fichas de investigação observou-se que as intoxicações mais graves se encontram nos grupos químicos agrotóxicos, tais como piretróides, organofosforados, glicina, cumarínicos e carbamatos. Os produtos ignorados foram agrupados em clusters com tendência a maior gravidade. Crianças menores de 4 anos se intoxicam principalmente por medicamentos. Observou-se também que crianças menores de 4 anos se intoxicam, porém, com menor frequência, com ácidos, raticidas e agrotóxicos. Conclusão: O método foi capaz de corrigir os erros apresentados nas variáveis produto e “grupo químico”. Adicionalmente, foi possível caracterizar os seguintes perfis: crianças intoxicam com medicamentos antibióticos, anti-inflamatórios não esteroidais, antipsicóticos, agonistas adrenérgicos, hormônios e anti-histamínicos e adultos jovens com agrotóxicos, raticidas e medicamentos ansiolíticos, antidepressivos e anticonvulsivantes.

Neste trabalho se estuda a aplicação de técnicas de estatística multivariada para reconhecimento de padrões em sinais de ensaios não destrutivos (END) magnéticos, baseados no Ruído Magnético de Barkhausen (RMB). O reconhecimento de padrões pode ser feito de forma não supervisionada com a técnica multivariada de Análise de Agrupamentos, conglomerados ou Clusters que definem grupos segundo critérios de similaridade. Já para reconhecimento supervisionado a Análise Discriminante procura classificar amostras novas em grupos conhecidos, a priori, usando para este propósito uma regra de classificação criada a partir desses grupos de amostras conhecidos. Foram utilizados dois casos de detecção e classificação utilizando RMB. O RMB é um fenômeno magnético gerado por abruptas mudanças na magnetização de materiais ferromagnéticos quando submetidos a campos magnéticos variáveis. Essas mudanças estão relacionadas com a microestrutura do material, presença e distribuição de tensões elásticas (tensão e compressão). No primeiro caso de estudo procura-se identificar arames quebrados em risers, através da medição de tensão mecânica. No segundo caso procura-se classificar diferentes tratamentos térmicos em Aço AISI 420. Para a análise de integridade estrutural de risers foi feita a redução da dimensionalidade dos dados via Análise de Componentes Principais e posteriormente Análise de Agrupamentos. Já para o problema de classificação de amostras de aço foi usada a técnica de Análise Discriminante Linear de Fisher e a Quadrática. Os resultados das análises mostraram que as técnicas de Estatísticas Multivariadas proporcionam ferramentas muito adequadas para aumentar a eficiência da inspeção na área de END Magnéticos em geral e RMB em particular. / The present work deals with application of multivariate statistic techniques for pattern recognition in signals from Non-Destructive Essays (NDE), based on the Magnetic Barkhausen Noise (MBN). Pattern recognition can be done in a nonsupervised way by Cluster Analysis defining similarity criteria. On the other hand, for supervised recognition, Discriminant Analysis looks for classifying new samples in known groups, a priori, by means of classification rules created for these known sample groups. Two detection and classification cases were studied by MBN. The MBN is a magnetic phenomenon generated by sudden changes in magnetization of ferromagnetic materials, when these materials are subjected to variable magnetic fields. These changes are related to material microstructure as well as to the presence of elastic stresses (tension and compression). In the first studied case, the present study searches identifying broken wires in risers through measurements of mechanical strain. In the second case, the study classifies different thermal treatments in AISI 420 steel samples. Regarding the analysis of structural integrity of risers, firstly the reduction of data dimensionality was obtained via Analysis of Main Components and, later, Cluster Analysis was performed. Concerning the classification problem of steel samples, the Fisher Linear Discriminant Analysis and the Quadratic Analysis were used. Analysis results showed that Multivariate Statistic Techniques give rise to tools very appropriated for increasing the efficiency of inspection both in the Magnetic NDE area in general, and MBN in particular.

Orientador: Carlos Alfredo Joly / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Biologia / Made available in DSpace on 2018-08-10T10:40:29Z (GMT). No. of bitstreams: 1 Campos_MarianaCruzRodriguesde_M.pdf: 1163778 bytes, checksum: 23afceb268de73a302a57bd5f98b98c4 (MD5) Previous issue date: 2008 / Resumo: Em uma parcela de um hectare dividida em 100 subparcelas de 10 x 10 m foram plaqueados todos os indivíduos arbóreos com no mínimo 15 cm de perímetro a altura do peito (DAP = 4,8 cm), e suas alturas foram estimadas e o perímetro medido. Todas as subparcelas tiveram a cobertura por rochas maiores que 50 cm de diâmetro estimada em cinco classes de freqüência, e foram anotados os indivíduos que crescem diretamente sobre as rochas. Analises de concentração de elementos químicos no solo foram feitas para 16 subparcelas e interpoladas para as demais por gridding. As relações entre a composição e estrutura de um trecho de Floresta Ombrofila Densa Atlântica e variáveis microtopograficas e edaficas foram analisadas através de Analise Canonica de Correspondência (CCA), uma analise multivariada de ordenação. Foram encontradas 1274 arvores dentro do critério amostral, pertencentes a 41 famílias botânicas (com destaque para Myrtaceae, Rubiaceae e Fabaceae) e 142 espécies ou morfotipos. As espécies mais importantes (IVI) sao: Euterpe edulis, Mollinedia schottiana, Bathysa mendoncaei, Coussarea accedens, Rustia formosa e Guapira opposita. O indice de diversidade de Shannon foi de 4,05nats/ind e de equabilidade de Pielou, de 0,82. A altura media das arvores e de nove metros, e o dossel esta a cerca de 18 m. O diâmetro médio dos individuos e de 13,9 cm, e 29 indivíduos ultrapassam os 50 cm DAP. A área basal somada do hectare e de 30,27 m2 (arvores vivas). Foi encontrada uma relação direta entre a cobertura por rochas e menor riqueza de espécies e numero de indivíduos por subparcela. Nenhuma relação foi encontrada entre os afloramentos rochosos e a altura media e diâmetro médio nas subparcelas. 34 espécies arbóreas nesta área amostral são capazes de crescer sobre rochas; 11 delas sem lancar raízes para o solo, com destaque para Euterpe edulis e Guapira opposita. A altura e diametro dos indivíduos que crescem sobre rochas não difere estatisticamente do restante dos indivíduos da parcela. A ordenação (CCA) da comunidade sugere que os fatores ambientais que mais influenciam a variação de parâmetros fitossociologicos são a quantidade de rochas afloradas e a inclinação do terreno. A segunda CCA (realizada com espécies que possuem 10 ou mais indivíduos amostrados) nao possui valores altos de inércia, alem dos resultados possuírem chance maior que 20% de serem produzidos ao acaso. No entanto, as variáveis apontadas como de maior importância para os vetores; afloramentos rochosos e de água, concentração de Al, P e pH são consistentes com demais estudos em florestas tropicais / Abstract: In a 1-ha plot divided into 100 subplots of 10 x 10 m, all trees with at least 15 cm of perimeter at breast height (DBH = 4.8 cm) were marked and had their heights estimated and perimeter taken. The rock cover (rocks over 50 cm diameter) was estimated in fie classes of frequency, and records were made for individuals growing directly on rocks. The concentration of soil chemical elements was analysed for 16 subplots and the results were interpolated by gridding methods for the other subplots. The relations between the composition and structure of a patch of Atlantic Ombrofilous Dense Forest and the microtopographical and edaphic variables were analyzes through Canonical Correspondence Analysis (CCA), a multivariate ordination analysis. 1274 trees in the sampling criteria were found, belonging to 41 botanical families (highlighting Myrtaceae, Rubiaceae and Fabaceae) and 142 species or morphotypes. The most important (Importance Value Index) species are: Euterpe edulis, Mollinedia schottiana, Bathysa mendoncaei, Coussarea accedens, Rustia formosa and Guapira opposita. Shannon¿s diversity index was 4.05nats/ind and Pielou¿s equability was 0.82. The average tree height is of nine m and the canopy is at around 18 m. The trees¿ average diameter is 13.9 cm, and 29 individuals surpass 50 cm DBH. The basal area for the 1-ha plot (live trees only) is 30.27m2. A direct relation was found between rock cover and lesser species richness and stem number per subplot. No relation was found in regard to rocks and average height and DBH. 34 tree species in this area are able to grow on rocks; 11 of which don¿t grow roots to the soil, particularly Euterpe edulis and Guapira opposita. The height and diameter of the individuals that grow on rocks is not statistically different from the remaining in the plot. The CCA for the community suggests that the environmental factors that influence phytosociological parameters the most are the amount of rocks and the slope. The second CCA (performed with species with 10 or more individuals) does not have high inertia values, and there is also at least 20% probability t hat the results could be obtained by chance. However, the variables shown as of major importance for the vectors (surfaced water and rocks, Al and O concentration and pH) are consistent with other studies in tropical rainforests / Mestrado / Biologia Vegetal / Mestre em Biologia Vegetal