Os métodos de superfície de resposta e planejamento de experimentos foram utilizados no processo de análise e otimização de sistemas frigoríficos. Foram determinadas as dimensões do tubo capilar juntamente com a carga de refrigerante que proporcionaram as melhores condições de funcionamento a um protótipo. O comportamento de oito variáveis resposta foram estudadas, que são: Capacidade Frigorífica, Coeficiente de Eficácia, Temperatura de Descarga, Super Aquecimento, Sub resfriamento, Vazão de Refrigerante, Temperatura de Evaporação e Temperatura de Condensação. Superfícies de Resposta e Curvas de nível foram levantadas em diversas situações de interesse, visando revelar o comportamento e a sensibilidade do sistema. Alguns fatores revelaram níveis que propiciaram uma reduzida variabilidade para certas variáveis resposta demonstrando o conceito de sistema robusto. O método mostrou-se bastante adequado, contribuindo com resultados de grande valia para a otimização e análise do comportamento de sistemas frigoríficos, além de poder ter sua aplicabilidade ampliada para sistemas térmicos em geral. / The Response Surface Methodology and the Design of Experiments were applied on the analysis and optimization process of refrigeration systems. The dimensions of a capillary tube and refrigerant charge that provided the best working conditions to a prototype were determined. The behavior of the Refrigeration Capacity, Coeficient of Performance, Discharge Temperature, Super Heating, Sub Cooling, Mass Flow Rate, Evaporation Temperature and Condensing Temperature were studied in detail. Surface Response and Contour plots were constructed on many situations in order to reveal the system behavior and sensitivity. Some factor levels provided a small variability to certain responses, demonstrating the concept of robust system. The methodology contribuited properly with valuable results to the optimization and analysis of refrigeration system behavior; besides, its applicability can be easily generalised to thermal systems.

E comum encontrar nos ensaios experimentais a analise de dois fatores, cada um com diferente numero de níveis, eles proporcionam uma tabela de dados de dupla entrada. Geralmente a analise destes dados e feita através da analise de variância - ANOVA, cumprindo algumas pressuposições básicas do modelo, mas ha outros estudos nos quais e de grande importância a interação, como e o caso dos estudos de melhoramento genético, em que o objetivo e selecionar genótipos com ótimos desempenhos em diferentes ambientes. A pouca eficiência na analise da interação dos genótipos com os ambientes (GE) da ANOVA pode representar um problema aos melhoristas, que devem tirar proveito dessa interação para os seus estudos. Os modelos aditivos com interação multiplicativa - AMMI, traz vantagens na seleção de genótipos quando comparados com métodos convencionais, pois proporcionam uma melhor analise da interação (GE), alem de permitir combinar componentes aditivos e multiplicativos em um mesmo modelo; estes modelos tem demonstrado ser eficientes na analise quando se tem apenas uma variável resposta, mas quando há mais de uma, ainda n~ao existe um procedimento geral para realizar a analise. O presente trabalho propõe uma metodologia de analise quando se têm modelos AMMI bivariados, realizando analises individuais das variáveis respostas seguidas de uma analise de procrustes, que permite fazer comparações dos resultados obtidos nas analises individuais e finalmente uma confirmação destes resultados através da analise multivariada de variância - MANOVA. Os resultados obtidos permitem concluir que a analises AMMI e procrustes proporcionam uma boa alternativa de analise para os modelos AMMI bivariados. / Is frequently nd in the studies the two way factor analysis, each factor with dierent number of levels, they conform a two way table of data, generally the analysis of the data is made with the analysis of variance - ANOVA, satisfying some assumptions, but there are some studies in which is very important the interaction, like the case of the improvement studies, where the objetive is select genotypes with optimum performance in dierents environments. The poor eciency in the genotypes and environment interaction (GE) analysis of the ANOVA can represents a problem for the researchers, that need to take advantage of the interaction. The additive main eects and multiplicative interactions model - AMMI, give advantages in the selection of genotypes when is compare with traditional methods, because give a better interaction (GE) analysis, also permit combine additive and multiplicative components in the same model, these models have demonstrated be ecient in the analysis with just one response variable but when there is more than one there is not a clear procedure to do the analysis. This work presents a analysis methodology for the bivariate AMMI models, doing individuals analysis in the response variables follow by the procrustes, which permit compare the results of the individuals analysis, and nally a conrmation of theses results with the multivariate analysis of variance - MANOVA. From the results can be concluded that the AMMI and the procrustes analysis give a good alternative for the bivariate AMMI models analysis.

Os experimentos multiambientes são um tipo especial dos experimentos bifatoriais, muito usados em melhoramento genético de plantas, nos quais algumas cultivares são avaliadas em diferentes locais. Geralmente nesses estudos se encontra uma resposta diferencial das cultivares em cada local que é chamada de interação genótipo x ambiente ou G x E, que é bem explicada por modelos de efeitos aditivos e interação multiplicativa (AMMI). Frequentemente os experimentos G x E podem ser desbalanceados e um ou vários genótipos não serem testados em alguns locais. Às vezes para o pesquisador recomendar os ambientes pode ser de interesse obter estimativas daquelas combinações genótipo ambiente que não foram testadas e tais estimativas podem ser calculadas explorando a informação inerente a aquelas combinações que foram atualmente obtidas. Além do interesse do pesquisador por essas estimativas, os da- dos ausentes podem causar alguma modificação na estimação tradicional dos parâmetros nos modelos AMMI, pois para estimar os parâmetros é necessário um processo sequencial fazendo uma análise de variância com uma posterior decomposição por valor singular da matriz de residuais, a qual não pode ser calculada se existir uma matriz de interação com dados faltantes. Para resolver esses problemas Bergamo (2007) e Bergamo et al. (2008) propuseram uma nova técnica através do uso de imputação múltipla livre de distribuição (IMLD) e é por essa razão que se decidiu avaliar o recente desenvolvimento comparando-o com algumas metodologias de imputação que têm sido usadas com sucesso nos experimentos G x E com dados ausentes como os mínimos quadrados alternados ALS(0), ALS(1) (CALINSKI et al., 1992) e estimativas robustas r-AMMI1 e r-AMMI2 (DENIS; BARIL, 1992). Assim, foi de- senvolvido um estudo de simulação baseado em uma matriz de dados reais genótipos (15) ambientes (27) do ensaio estadual de algodoeiro herbáceo 2000/01 (FARIAS, 2005), fazendo retiradas aleatórias de 10%, 20% e 30%, imputando os dados e comparando os métodos através da raiz quadrada da diferença preditiva média (RMSPD), a estatística de similari- dade de Procrustes e o coe…ciente de correlação não paramétrico de Spearman. Também foi feita uma análise sobre a escolha de componentes multiplicativos de um modelo AMMI quando se têm matrizes completadas (observados + imputados). Os resultados do estudo de simulação mostraram que segundo a distribuição da RMSPD padronizada, o método r- AMMI1 é o melhor, superando o IMLD. Entretanto, utilizando a estatística de Procrustes se encontrou que completando matrizes com ALS(0) se obtém a maior similaridade com relação à matriz de dados originais, também foi mostrado que os cinco métodos considerados têm uma alta correlação entre as imputações e os correspondentes dados reais. Finalmente, recomenda-se utilizar a imputação de dados para a estimação dos parâmetros de um modelo AMMI sob ocorrência de dados ausentes, mas para determinar o número de componentes multiplicativos é preferível tomar a decisão somente sobre a informação observada. / The multienvironment trials are a special type of the two-factor experiments, widely used in genetic improvement of plants, where some cultivars are assessed in diferent locations. Generally, in these studies there is a di¤erential response of cultivars in each location that is called genotype environment interaction, or G x E, which is well explained by the additive main e¤ects and multiplicative interaction models (AMMI). Often the experiments GE may be unbalanced and one or several genotypes were not tested in some locations. Sometimes for the environments recommendations, the researcher may be interested in obtain estimates of those combinations G x E that were not tested and such estimates can be calcu- lated using the information of those combinations that were actually obtained. Additionally to the interest of the researchers in these estimates, the missing data may cause some pro- blems in the classical estimation of parameters in the AMMI models, because the parameter estimation need of a sequential process doing an analysis of variance followed by a singular value decomposition, which can not be calculated if there is a matrix of interaction with missing data. To solve these problems Bergamo (2007) and Bergamo et al. (2008) proposed a new technique using the distribution free multiple imputation (IMLD), and for this reason was decided to evaluate the recent development through the comparison with some methods of imputation that have been used successfully in experiments GE with missing data like the AMMI estimates based on alternating least squares ALS(0), ALS(1) (CALINSKI et al. 1992) and AMMI estimates with robust sub-model r-AMMI1 and r-AMMI2 (DENIS; BARIL, 1992). Thus, was developed a simulation study based on a matrix of true data genotypes (15) environments (27) of the upland cotton variety trials (ensaio estadual de algodoeiro her- báceo) 2000/01 (FARIAS, 2005), doing missed random (10%, 20%, 30%), imputing the data and comparing the methods through the root mean square predictive di¤erence (RMSPD) of the true value, the Procrustes statistic and the Spearman´s ranks correlation coe¢ cient. Also was made an analysis on the choice of the multiplicative components of an AMMI model after imputation on the complete data sets (observed + imputed). The results of the simulation study has shown that according to the distribution of RMSPD standardized, the r-AMMI1 method is better than the IMLD. However, using the Procrustes statistic was found that imputing data matrix with ALS(0), is obtained the greatest similarity related to the true data matrix. The …ve methods considered show high correlation between the true and the imputed missing values. Finally, is recommended using the imputation data for the estimation of the parameters of an AMMI model under the presence of missing data, but for choosing the number of multiplicative terms is preferable take the decision only on the observed information.

Esse trabalho teve como objetivo comparar métodos de estimação de componentes de variância e parâmetros genéticos, considerando tanto o delineamento estatístico fatorial instalado em látice quadrado como o delineamento genético III. Como referência, foram utilizados três conjuntos de dados reais, em melhoramento genético de milho, relativos aos caracteres de produção de grãos (gramas por parcela), altura da folha bandeira ao chão (centímetros) e o número de folhas entre a primeira espiga e o pendão; sendo que a altura da folha bandeira e o número de folhas foram obtidos pela média entre cinco plantas competitivas para cada parcela. O método da Análise da Variância (ANOVA), conforme indicado pelo Delineameno III, foi utilizado na análise dos dados e estimação dos componentes de variância relativos ao modelo matemático, variâncias genéticas, coeficiente de herdabilidade e grau médio de dominância para cada um dos três caracteres estudados. Essas estimativas foram utilizadas na simulação de 1000 conjuntos de dados com características semelhantes a cada um dos conjuntos de dado reais considerados. Os métodos da ANOVA e da máxima verossimilhança restrita (REML) foram utilizados na predição dos parâmetros já mencionados para cada um dos conjuntos de dados simulados dentro de cada caráter. As 1000 estimativas obtidas por cada método, para cada caráter estudado, foram utilizadas no cálculo de estatísticas descritivas (média, desvio-padrão e acurácia relativa) e na montagem de gráficos de Box-plot. Utilizando as informações obtidas a partir das estimativas fornecidas por cada método e em posse dos valores reais que essas estimativas deveriam prever (valor utilizado na simulação dos dados) foi possível comparar ambos os métodos quanto à eficiência das estimativas por eles fornecidas. Ambos os métodos apresentaram características semelhantes na predição da maioria dos componentes de variância relativos ao modelo matemático, sendo que as maiores disparidades se deram para os componentes relativos aos efeitos de progênie (?p2) e as interações entre progênie e linhagem (?pt2) e entre progênie, linhagem e ambiente (?pta2); os quais são os componentes de maior peso no cálculo das variâncias e parâmetros genéticos. O método da ANOVA foi o bastante eficiente na predição de ?p2, sendo que o método da REML se aproxima dos resultados obtidos pelo método da ANOVA conforme diminuem os valores de referência para esse componente; para ?pt2 o método da REML se mostrou mais eficiente conforme maior é o valor de referência, porém, perde eficiência e se aproxima do método da ANOVA conforme o valor de referência do componente diminui. Ambos os métodos se mostraram ineficientes na predição de ?pta2, porém o método da REML foi o menos eficiente. O melhor desempenho do método da ANOVA na predição dos componentes de variância de maior peso no cálculo das variâncias genéticas levou a um melhor desempenho desse método na predição de todos os parâmetros genéticos, com exceção da variância de dominância, a qual depende unicamente de ?pt2. Porém, foi observada uma tendência no método da ANOVA, em média, na superestimação do grau médio de dominância em cerca de 45% do seu valor de referência, independentemente do caráter estudado. / This work aimed to compare estimation methods for variance components and genetic parameters, considering the factorial statistical design set in randomized blocks and the genetic Design III. As reference, three sets of real data were used, on maize genetic improvement, related to the characters: grain yield (grams by plot), plant height, measured from the ground to the °ag leaf in centimeters, and the number of leaves above the uppermost ear. The analysis of variance method (ANOVA), accordingly to the proposed by the Design III, was used on the analysis of the data and estimation of the variance components derived from the mathematical model, genetic variances, heritability and average degree of dominance for each of the studied characters. This estimatives were used on the simulation of 1000 data sets with similar characteristics to the real data analyzed. The ANOVA and restricted maximum likelihood (REML) methods were used on the prediction of the already mentioned parameters for each of the simulated data sets within each character. The 1000 estimatives obtained by each method, for each studied character, were used on the calculation of descriptive statistics (mean, standard deviation and relative accuracy) and for the ¯tting of box-plot graphics. Through the information obtained from the estimatives given by each method and in possession of the actual values that they should predict (values used in the simulation of the data sets) it was possible to compare both methods as to the e±ciency of the estimatives given by them. Both methods presented similar characteristics on the prediction of most of the variance components derived from the mathematical model, being that most di®erences were pertinent to the components related to the e®ects of progeny (¾2 p) and to the interactions between progeny and parental inbred (¾2 pt) and between progeny, parental inbred and environment (¾2 pta); which are the components of greater importance on the calculation of the genetic parameters. The ANOVA method was very e±cient on the prediction of ¾2 p, being that the smaller the reference value for this component, more the REML method approached the results obtained by the ANOVA method; for larger values of ¾2 pt the most e±cient was the REML method, but its e±ciency decayed and approached the ANOVA method for smaller reference values for this component. Both methods were poorly e±cient on the prediction of ¾2 pta, but the REML method was the least e±cient. The better performance of the ANOVA method on the prediction of the variance components of greater importance on the calculation of the genetic variances lead to a better performance of the ANOVA method on the prediction of all genetic parameters, with exception to the dominance variance, which depended solely on ¾2 pt. However, it was observed a tendency on the ANOVA method, in average, on the overestimation of the average degree of dominance of around 45% of the actual reference value, independently of the studied character.

A fase intermediária de um programa de melhoramento de soja caracteriza-se pela avaliação de grande número de genótipos (cerca de 100 linhagens) em diversos ambientes, fato que torna esta etapa bastante dispendiosa. A utilização de métodos estatísticos que permitam uma análise da interação genótipos x ambientes (GxE) mais refinada, pode permitir, com o ganho em precisão gerado, uma compensação ao aumento esperado na interação GxE em conseqüência da diminuição do número de repetições nesses experimentos. A metodologia de Eberhart & Russell (1966) (ER) utiliza a regressão linear como ferramenta para modelar a interação GxE, enquanto que a metodologia AMMI utiliza a análise da variância para modelar os efeitos de genótipos e de ambientes e a decomposição de valores singulares para modelar apenas a interação GxE. O objetivo deste trabalho foi avaliar a possibilidade de redução do número de repetições em experimentos com 72 linhagens em delineamento em blocos casualizados com duas repetições subdivididas em conjuntos experimentais (BCCE), conduzidos em quatro locais / épocas de cultivo e três anos agrícolas. Os experimentos foram analisados em BCCE e também em blocos aumentados (BA) considerando-se aleatoriamente uma das duas repetições. Como ferramentas auxiliares foram empregadas as metodologias ER e AMMI. A análise conjunta dos 12 ambientes através da metodologia AMMI foi utilizada como padrão para comparações, através de correlações de Spearman (rs). Em relação a este padrão, a média das rs dos três anos foi estimada em: 54% para as médias dos experimentos em BA; 64% para os experimentos em BCCE; 65% para os experimentos em BA analisados pela metodologia ER; 69% para os experimentos em BCCE analisados pela metodologia ER; 73% para os experimentos em BA analisados pela metodologia AMMI e 74% para os experimentos em BCCE avaliados pela metodologia AMMI. Os resultados obtidos permitiram concluir que as metodologias para o estudo da interação GxE são capazes de aumentar as rs com o padrão, indicando a possibilidade de redução de duas para uma repetição nos experimentos intermediários através do uso de: a) metodologia AMMI ao invés da seleção baseada nas médias das duas repetições; b) metodologia ER (em dois dos três anos avaliados) ao invés da seleção baseada nas médias das duas repetições; c) metodologia AMMI (em dois dos três anos avaliados) ao invés da seleção baseada na metodologia ER. Com a redução do número de repetições (duas para uma) é possível diminuir sensivelmente os custos com a experimentação na fase intermediária de programas de melhoramento. / The intermediary phase of a soybean breeding program involves the evaluation of a large number of genotypes (about 100 lines) in several environments, becoming this a very expensive step. The utilization of statistical methods that allow a refined analysis of the genotype x environment (GxE) interaction, may generate gains in precision as a compensation to the expected increase in the GxE estimate and, thus, to permit the reduction of the replication number. Eberhart & Russell (1966) (ER) methodology utilizes linear regression to study G x E interaction; the AMMI methodology employs the analysis of variance to fit effects of genotypes and environments and singular values decomposition to fit only the GxE interaction. The objective of this research was to evaluate experiments with 72 lines in randomized block design with two replications subdivided in sets with common checks (BCCE); these experiments were carried out in four locations / sow dates during three agriculture years. The experiments were analyzed in BCCE and also in augmented blocks (BA) by considering only one replication taking at random. As auxiliary tools were used ER and AMMI methodologies. The joint analysis of the 12 environments through the AMMI methodology was used as pattern for comparisons through Spearman correlation (rs). In relation to this pattern, the mean of rs in the three years was estimated in: 54% for means of BA experiments, 64% for BCCE experiments, 65% for BA experiments analyzed with ER, 69% for BCCE experiments analyzed with ER methodology, 73% for BA experiments analyzed with AMMI methodology and, 74% for BCCE experiments analyzed with AMMI methodology. The results indicated that the application of auxiliary methods for understanding GxE interaction were able to increase the rs with the pattern, opening the possibility for reducing the replication number in the experiments of the intermediary steps of soybean breeding programs. In conclusion, it was verified the possibility to reduce from two (BCCE) by one (BA) replication by using the following auxiliary methods of analysis: a) AMMI method instead of means of two replications as the unique selection criterion; b) ER method (in two of the three evaluated years) instead of means of two replications as the unique selection criterion; c) AMMI method (in two of the three evaluated years) instead of selection as based on ER method. The reduction from two to one replication makes possible to lower reasonably the experimental costs during the intermediary step of breeding programs.

Em experimentação agrícola, é freqüente a necessidade de análise conjunta de grupos de experimentos. Em muitos casos, o pesquisador deseja generalizar resultados para condições gerais de regiões e/ou em avaliar o desempenho de vários genótipos (tratamentos) em diversos ambientes (locais e/ou ano). Quando um conjunto de experimentos é planejado para vários locais é necessário considerar o delineamento individual em cada local e a combinação total dos genótipos com os locais (interação genótipo × ambiente). Logo, os dados observados podem ser organizados em uma tabela de dupla entrada. Existem várias metodologias de análise e interpretação para a interação genótipo × ambiente proveniente de um grupo de cultivares testados em vários ambientes. Entre essas metodologias destaca-se os modelos AMMI (“additive main effects and multiplicative interaction model”), como o próprio nome diz é um método uni-multivariado, que engloba uma análise de variância para os efeitos principais, que são os efeitos dos genótipos (G) e os ambientes (E) e para efeitos multiplicativos (interação genótipo × ambiente), utiliza-se a decomposição em valor singular (DVS). Essa técnica multivariada baseia-se no uso dos autovalores e autovetores provenientes da matriz de interação genótipo × ambiente. Araújo e Dias (2005) verificaram o problema de superestimação e subestimação de autovalores estimados da maneira convencional. Para superar esses problemas de estimação de autovalores, Muirhead (1987) apresenta três métodos para corrigir autovalores estimados a partir das matrizes de covariâncias amostral e alerta que nem sempre essas correções mantêm a ordem decrescente de valores, assim é sugerido o uso de regressão isotônica para ordenar esses dados, mas propriamente um algoritmo apresentado por Lin e Pearlman (1985). Os resultados indicaram que: A regressão isotônica juntamente com o algoritmo foi necessária e se mostrou muito importante em todos conjuntos de dados; Houve uma redução no número de componentes significativos para serem retidos nos modelos, fazendo com que os modelos AMMI selecionados sejam mais parcimoniosos quando se utiliza qualquer um dos métodos de correção; O método 2 apresentou as menores taxa de correção da soma de quadrados da interação genótipo × ambiente e o método 3 apresentou a maiores taxa de correção; Em relação a medida RMSPDPRESS, os menores valores foram obtidos quando se utilizou o método de correção 2. Já o método de correção 3 apresentou os maiores valores para RMSPDPRESS; O método 2 também se mostrou melhor quando o interesse era verificar o ganho em número de repetições, sendo que este benefício esteve sempre próximo de 3 repetições. Já o método 3 é o que apresenta um menor ganho em número de repetições, em torno de duas repetições. / In agricultural research is common to analyse groups of experiments. In many cases, the researcher intends to generalize results to general conditions of areas and/or evaluate the responses of several genotypes (treatments) in several environments (places and/or years). When a group of experiments is planned for several places it is necessary to consider the of design in each place and the combinations of the genotypes with the places (the interaction of genotype × environment). The observed data can be organized in an array. There are several methods of analysis and interpretation for the genotype × environment interaction from a group of genotype tested in several environments. These methods include AMMI models (“additive main effect and multiplicative interaction models”). As the name says it is a uni-multivariate method, that includes an analysis of variance for the main effects (the effects of the genotypes (G) and environments (E)) and assumes multiplicative effects for the genotype × environment interaction, using a singular value decomposition (DVS). This method estimates the eigenvalues and eigenvectors deriving from the matrix of genotype × environment interaction. Araújo and Dias (2005) found an overestimation and underestimation problem with the eigenvalues in the conventional way. To correct these problems Muirhead (1987) presents three methods to correct the eigenvalues from covariance the matrix and noted that these do not always maintain the order of values. The author suggested the use of isotonic regression to correct the eigenvalues, using an algorithm presented by Lin and Pearlman (1985). The results indicated that: The isotonic regression with the algorithm is necessary and it showed very important in all groups of data; There was a reduction in the number of significant components to be kept in the models and the order that the AMMI model selected is more parsimonious when any of the correction methods is used; The method 2 has the smallest rate of correction to the sum of squares of the genotype × environment interaction and method 3 has the largest correction rate; The measure RMSPDPRESS was smallest when method of correction 2 was used. The method of correction 3 has the largest values for RMSPDPRESS; Method 2 was also better when the interest was to verify the gain in number of replicates, and this benefit was always close to 3 replicates. The method 3 gives the smaller gain in the number of replicates, of around two replicates.

Orientador: Fernando Roberto Martins / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Biologia / Made available in DSpace on 2018-08-23T02:32:50Z (GMT). No. of bitstreams: 1 VanMelis_Juliano_D.pdf: 2552550 bytes, checksum: 8227a941fa221a10cce8b272ae92449f (MD5) Previous issue date: 2013 / Resumo: Apesar da importância que as trepadeiras apresentam em florestas tropicais, estudos sobre a montagem da comunidade de lianas (trepadeiras lenhosas e sublenhosas) que investiguem desde a contribuição dos fatores abióticos e bióticos até fatores intrínsecos (coexistência entre indivíduos) são escassos. O objetivo geral desta tese é pesquisar a estruturação da comunidade das espécies de lianas em uma Floresta Estacional Semidecídua (FES), investigando (1) a importância relativa dos fatores ambientais e espaciais para diferentes espécies de lianas, (2) a estruturação filogenética da comunidade de trepadeiras em diferentes ambientes, e (3) os efeitos diretos ou mediados das árvores e arbustos para o número de espécies e indivíduos de trepadeiras. Mostramos que (1) grande parte da variação na composição de espécies de lianas em uma FES é devido a fatores não investigados (fatores estocásticos) e o espaço (autocorrelação espacial). Portanto, concluímos que os maiores determinantes na variação da composição de espécies de lianas em uma FES é a aleatoriedade (sendo reflexo da variação estocástica das populações) e a limitação por dispersão (demonstrada pela alta autocorrelação espacial). No segundo capítulo (2), encontramos que uma maioria discreta das parcelas apresentou maior aproximação filogenética do que o esperado ao acaso na comunidade de trepadeiras amostrada. Houve pouca influência de variáveis relacionadas à dinâmica florestal na variação da aproximação filogenética, sendo que áreas com árvores mais altas e maior proporção de árvores do presente apresentavam maior aproximação filogenética que outras áreas. Concluímos que em áreas de dossel mais baixo e menor proporção de árvores do presente (clareiras) não apresentam menor sinal filogenético, pois todas as espécies de lianas apresentariam potencial de existirem nestas áreas, enquanto que nas áreas de floresta madura haveria a existência de filtros ambientais para a existência de poucos ramos filogenéticos. Por último (3), encontramos que os atributos da comunidade de árvores e arbustos são fatores importantes na variação dos atributos da comunidade de lianas, sendo parte dele decorrente do distúrbio no dossel. Mas o distúrbio no dossel como fator direto é mais importante na variação da abundância e número de espécies de lianas em uma Floresta Estacional Semidecídua / Abstract: Despite the fact that climbing plants present in tropical forests, studies which investigate the contribution of abiotic and biotic factors or intrinsic factors (coexistence between individuals) on community assembly of lianas (woody and sub-woody climbers) are scarce. The overall objective of this thesis is to research the community structure of liana species in a Seasonal Semideciduous Forest (SSF), investigating (1) the relative importance of environmental and spatial factors on community assembly of lianas, (2) the phylogenetic structure of climbing plants community along the forest development (treefall gaps to old-growth forest), and (3) the direct or indirect effects of trees and shrubs for the number of species and individuals of climbing plants. We show that (1) much of the variation in species composition of lianas in a SSF is due to stochastic factors and space. Therefore, we conclude that the major determinants of variation in lianas' species composition in a TSF are stochastic variance of populations, shown by the unexplained factors, and dispersion limitation, shown by spatial autocorrelation. In the second chapter (2), we found that a slight majority of the sample plots showed cluster phylogenetic structure in the climbing plants community. There was a slight influence of variables related to forest dynamics in the variation of the phylogenetic structure, and areas with tall trees and higher proportion of present trees had higher values of clustering in phylogenetic structure than other areas. We conclude that in areas of lower canopy and smaller proportion of present trees (treefall gaps) showed few phylogenetic branches, since all species of climbing plants would be existing in these areas, while areas of old-growth forest would demonstrate environmental filters for the climbing plants. Finally, we also found (3) that the community of trees and shrubs' attributes (abundance and species richness) are important factors in the variation of attributes liana community (species richness and abundance), being part of it due to the canopy disturbance. But canopy disturbance was the more important direct factor in variance of abundance and species richness of lianas in a Seasonal Semideciduous Forest / Doutorado / Doutor em Biologia Vegetal

Orientador: Janito Vaqueiro Ferreira / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica / Made available in DSpace on 2018-08-23T16:12:48Z (GMT). No. of bitstreams: 1 ArcilaGago_ManuelFelipe_M.pdf: 7192169 bytes, checksum: 7b23a08769656a07765344e20d1f6ad4 (MD5) Previous issue date: 2013 / Resumo: A variedade de materiais no setor aeronáutico para redução de peso e custo tem se proliferado a um grau intensivo, onde têm sido revisadas diferentes pesquisas para encontrar outros tipos de materiais de fácil maneabilidade para construção de peças que satisfazem as restrições impostas. Assim, existe uma procura constante de soluções para facilitar a produção, e ao mesmo tempo aumentar a segurança das aeronaves levando em consideração pontos importantes como a fadiga e ruptura do material. Um material frequentemente utilizado que atende a estes requisitos devido a suas propriedades de densidade e resistência é o alumínio, e é neste ambiente que existe um processo de manufatura utilizado para a soldagem conhecido como "Friction Stir Welding" (FSW). No presente momento, estudos para criação de modelos que representem características mecânicas utilizadas em projetos em função de parâmetros do processo tem sido pesquisados. Embora este processo seja de difícil modelagem devidos as suas complexidades, tem sido estudado e utilizado diferentes algoritmos que possibilitem o melhoramento da representação do modelo, tais como os relacionados com máquinas de aprendizagem (ML) e suas diferentes otimizações. Neste contexto, a presente pesquisa tem seu foco na obtenção de um modelo baseado no algoritmo de aprendizagem de Máquina de Vetores de Suporte (SVM), e também com outros algoritmos tais como Regressão Polinomial (RP) e Rede Neural Artificial (RNA), buscando encontrar modelos que representem o processo de soldagem por FSW através das propriedades mecânicas obtidas pelos ensaios de tração e por análise de variância (ANOVA), entendendo suas vantagens e, posteriormente, recomendar quais dos algoritmos de aprendizagem tem maior beneficio / Abstract: In the aerospace industry to reduce weight and cost, a great quantity of materials has been used, which has generated research to find types of materials, that have been better maneuverability and to guarantee the properties required to development of pieces for the industry. Thus, the studies look for optimize between production easiness and increase the aircraft safety, taking into consideration important issues such as fatigue and fracture of the materials. One of the most common approach used is aluminum by their mechanical properties (density and strength), although it has many problems to be welding with the traditional methods. Currently, the Friction Stir Welding (FSW) process is used in the industry, as well in the academy. However, the FSW is difficult to model by the complexities in the physical phenomenal occurred during the weld process, as result, has been studied and used different algorithms that allow enhance the model representation. The Machine Learning (ML) is a methodology studied to obtain the model optimized. In this context, the present research focus by to obtain a model-based in learning algorithm using Support Vector Machine (SVM). Although comparisons were made with other algorithms such as Polynomial Regression (PR) and Artificial Neural Network (ANN), searching to find models that represent the FSW process weld using the mechanical properties obtained by tensile tests and analysis of variance (ANOVA). Finally, conclusions to understand the advantages learning algorithms are presented / Mestrado / Mecanica dos Sólidos e Projeto Mecanico / Mestre em Engenharia Mecânica

Orientador: Aluísio de Souza Pinheiro / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica / Made available in DSpace on 2018-08-19T09:39:03Z (GMT). No. of bitstreams: 1 Kist_Airton_D.pdf: 4639620 bytes, checksum: 2a0cc586e73dd5d71aa0eacf07be101d (MD5) Previous issue date: 2011 / Resumo: O problema de estimação funcional vem sendo estudado de formas variadas na literatura. Uma possibilidade bastante promissora se dá pela utilização de bases ortonormais de wavelets (ondaletas). Essa solução _e interessante por sua: frugalidade; otimalidade assintótica; e velocidade computacional. O objetivo principal do trabalho é estender os testes do modelo FANOVA de efeitos fixos, com erros i.i.d., baseados em ondaletas propostos em Abramovich et al. (2004), para modelos FANOVA de efeitos fixos com erros dependentes. Propomos um procedimento iterativo tipo Cocharane-Orcutt para estimar os parâmetros e a função. A função é estimada de forma não paramétrica via estimador ondaleta que limiariza termo a termo ou estimador linear núcleo ondaleta. Mostramos que, com erros i.i.d., a convergência individual do estimador núcleo ondaleta em pontos diádicos para uma variável aleatória com distribuição normal implica na convergência conjunta deste vetor para uma variável aleatória com distribuição normal multivariada. Além disso, mostramos a convergência em erro quadrático do estimador nos pontos diádicos. Sob uma restrição é possível mostrar que este estimador converge nos pontos diádicos para uma variável com distribuição normal mesmo quando os erros são correlacionados. O vetor das convergências individuais também converge para uma variável normal multivariada / Abstract: The functional estimation problem has been studied variously in the literature. A promising possibility is by use of orthonormal bases of wavelets. This solution is appealing because of its: frugality, asymptotic optimality, and computational speed. The main objective of the work is to extend the tests of fixed effects FANOVA model with iid errors, based on wavelet proposed in Abramovich et al. (2004) to fixed effects FANOVA models with dependent errors. We propose an iterative procedure Cocharane-Orcutt type to estimate the parameters and function. The function is estimated through a nonparametric wavelet estimator that thresholded term by term or wavelet kernel linear estimator. We show that, with iid errors, the individual convergence of the wavelet kernel estimator in dyadic points for a random variable with normal distribution implies the joint convergence of this vector to a random variable with multivariate normal distribution. Furthermore, we show the convergence of the squared error estimator in the dyadic points. Under a restriction is possible to show that this estimator converges in dyadic points to a variable with normal distribution even when errors are correlated. The vector of individual convergences also converges to a multivariate normal variable / Doutorado / Estatistica / Doutor em Estatística

Submitted by Amanda Cappellazzo Arabage (amanda_arabage@msn.com) on 2013-06-11T18:18:08Z No. of bitstreams: 1 Dissertação - Amanda Arabage.pdf: 2257979 bytes, checksum: 53712e3dfdc43c2acc992b86c428c1ef (MD5) / Approved for entry into archive by Suzinei Teles Garcia Garcia (suzinei.garcia@fgv.br) on 2013-06-11T19:48:47Z (GMT) No. of bitstreams: 1 Dissertação - Amanda Arabage.pdf: 2257979 bytes, checksum: 53712e3dfdc43c2acc992b86c428c1ef (MD5) / Made available in DSpace on 2013-06-11T20:19:22Z (GMT). No. of bitstreams: 1 Dissertação - Amanda Arabage.pdf: 2257979 bytes, checksum: 53712e3dfdc43c2acc992b86c428c1ef (MD5) Previous issue date: 2013-05-27 / Neste trabalho estudamos a evolução da desigualdade de salários no mercado formal de trabalho no Brasil utilizando dados da Relação Anual de Informações Sociais (RAIS) no período entre 1994 e 2009. Utilizamos a variância do log do salário real por hora contratual de trabalho como medida de desigualdade e, através do uso de métodos de decomposição da variância em seus componentes permanente e transitório, verificamos que, no Brasil, cerca de 84% da desigualdade é explicada pelo componente permanente, ou seja, por características individuais invariantes no tempo. A educação responde por uma parcela expressiva deste componente (54% em média). Ao longo do período em questão houve uma redução da desigualdade de salários, sendo esta explicada pela redução do componente transitório entre 1994 e 1998 e pela diminuição do componente permanente entre 1999 e 2009. / This study analyzes the evolution of wage inequality in the formal labor market in Brazil in the years 1994-2009 using administrative data (RAIS). We use the variance of log hourly wages as a way to access wage inequality. Decomposing variance into its permanent and transitory components, we find that 84% of Brazilian wage inequality is due to its permanent component, in other words, it can be explained by individual characteristics that do not change over time. Regarding this permanent component, we show that education responds to approximately 54% of it. From 1994 to 2009, Brazil experienced a reduction in wage inequality. This reduction was caused by a decrease in the transitory component from 1994 to 1998 and by a decrease in the permanent component from 1999 to 2009.