Em analise de dados que apresentam certo grau de assimetria a suposicao que as observações seguem uma distribuição normal, pode resultar ser uma suposição irreal e a aplicação deste modelo pode ocultar características importantes do modelo verdadeiro. Este tipo de situação deu forca á aplicação de modelo assimétricos, destacando-se entre estes a família de distribuições skew-symmetric, desenvolvida por Azzalini (1985). Neste trabalho nos apresentamos uma segunda proposta para a anàlise de dados com presença importante de assimetria e/ou curtose, comparado com a distribuição normal. Nós apresentamos e estudamos algumas propriedades dos modelos alfa-potência e log-alfa-potência, onde também estudamos o problema de estimação, as matrizes de informação observada e esperada de Fisher e o grau do viés dos estimadores mediante alguns processos de simulação. Nós introduzimos um modelo mais estável que o modelo alfa- potência do qual derivamos o caso bimodal desta distribuição e introduzimos os modelos bimodal simêtrico e assimêtrico alfa-potencia. Posteriormente nós estendemos a distribuição alfa-potência para o caso do modelo Birnbaum-Saunders, estudamos as propriedades deste novo modelo, desenvolvemos estimadores para os parametros e propomos estimadores com viés corrigido. Também introduzimos o modelo de regressão alfa-potência para dados censurados e não censurados e para o modelo de regressão log-linear Birnbaum-Saunders; aqui nós derivamos os estimadores dos parâmetros e estudamos algumas técnicas de validação dos modelos. Por ultimo nós fazemos a extensão multivariada do modelo alfa-potência e estudamos alguns processos de estimação dos parâmetros. Para todos os casos estudados apresentam-se ilustrações com dados já analisados previamente com outras suposições de distribuições. / In data analysis where data present certain degree of asymmetry the assunption of normality can result in an unreal situation and the application of this model can hide important caracteristics of the true model. Situations of this type has given strength to the use of asymmetric models with special emphasis on the skew-symmetric distribution developed by Azzalini (1985). In this work we present an alternative for data analysis in the presence of signi¯cant asymmetry or kurtosis, when compared with the normal distribution, as well as other situations that involve such model. We present and study of the properties of the ®-power and log-®-power distributions, where we also study the estimation problem, the observed and expected information matrices and the degree of bias in estimation using simulation procedures. A °exible model version is proposed for the ®-power distribution, following an extension to a bimodal version. Follows next an extension of the Birnbaum-Saunders distribution using the ®-power distribution, where some properties are studied, estimating approaches are developed as well as corrected bias estimator developed. We also develop censored and uncensored regression for the ®-power model and for the log-linear Birnbaum-Saunders regression models, for which model validation techniques are studied. Finally a multivariate extension of the ®-power model is proposed and some estimation procedures are investigated for the model. All the situations investigated were illustrated with data application using data sets previally analysed with other distributions.

Submitted by Cleide Dantas (cleidedantas@ufpa.br) on 2014-04-25T13:20:48Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_ModosQuasinormaisPolos.pdf: 2282255 bytes, checksum: 4ccb8f4c63ec7c82ef4552481454f576 (MD5) / Approved for entry into archive by Irvana Coutinho (irvana@ufpa.br) on 2014-06-17T12:40:10Z (GMT) No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_ModosQuasinormaisPolos.pdf: 2282255 bytes, checksum: 4ccb8f4c63ec7c82ef4552481454f576 (MD5) / Made available in DSpace on 2014-06-17T12:40:10Z (GMT). No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_ModosQuasinormaisPolos.pdf: 2282255 bytes, checksum: 4ccb8f4c63ec7c82ef4552481454f576 (MD5) Previous issue date: 2010 / Usando o formalismo relativístico no estudo da propagação de perturbações lineares em fluidos ideais, obtêm-se fortes analogias com os resultados encontrados na Teoria da Relatividade Geral. Neste contexto, de acordo com Unruh [W. Unruh, Phys. Rev. Letters 46, 1351 (1981)], é possível simular um espaço-tempo dotado de uma métrica efetiva em um fluído ideal barotrópico, irrotacional e perturbado por ondas acústicas. Esse espaço-tempo efetivo é chamado de espaço-tempo acústico e satisfaz as propriedades geométricas e cinemáticas de um espaço-tempo curvo. Neste trabalho estudamos os modos quasinormais (QNs) e os pólos de Regge (PRs) para um espaço-tempo acústico conhecido como buraco acústico canônico (BAC). No nosso estudo, usamos o método de expansão assintótica proposto por Dolan e Ottewill [S. R. Dolan e A. C. Ottewill, Class. Quantum Gravity 26, 225003 (2009)] para calcularmos, em termos arbitrários do número de overtone n, as frequências QNs e os momentos angulares para os PRs, bem como suas respectivas funções de onda. As frequências e as funções de onda dos modos QNs são expandidas em termos de potências inversas de L = l + 1/2 , onde l é o momento angular, enquanto que os momentos angulares e funções de onda dos PRs são expandidos em termos do inverso das frequências de oscilação do buraco acústico canônico. Comparamos os nossos resultados com os já existentes na literatura, que usam a aproximação de Wentzel-Kramers-Brillouin (WKB) como método de determinação dos modos QNs e dos PRs, e obtemos uma excelente concordância dentro do limite da aproximação eikonal (l ≥ 2 e l > n). / Using the relativistic framework in the study of the propagation of linear perturbations in ideal fluids, we obtain a strong anology with the results found in the Theory of General Relativity. In this context, according to Unruh [W. Unruh, Phys. Rev. Letters 46, 1351 (1981)], it is possible to mimic a spacetime with an effective metric in an ideal fluid, barotropic, irrotacional and perturbed by acoustic waves. These spacetimes are called acoustic spacetimes and satisfy the geometric and kinematic properties of a curved spacetimes. In this work, we study the quasinormal modes and the Regge poles for the so called canonical acoustic hole. In our study, we use an asymptotic expansion method proposed by Dolan e Ottewill [S. R. Dolan and A. C. Ottewill, Class. Quantum Gravity 26, 225003 (2009)] to compute, for arbitrary overtones n, the quasinormal frequencies and angular momentum of the Regge poles, as well as their correspondent wavefunctions. The quasinormal frequencies and quasinormal wavefunction are expanded in inverse powers of L = l + 1/2 , where l is the angular momentum, while the angular momentum and wavefunction of the Regge poles are expanded in inverse powers of the frequency of oscillation of the canonical acoustic hole. We validate our results against existing ones obtained using Wentzel-Kramers-Brillouin (WKB) approximation, and we obtain excellent agreement in the limit of the eikonal approximation (l ≥ 2 e l > n).

Obtemos uma expansão assintótica da função de distribuição sob a hipótese nula da estatística gradiente para testar hipóteses nulas compostas na presença de parâmetros de perturbação. Esta expansão é derivada utilizando uma rota Bayesiana baseada no argumento de encolhimento descrito em Ghosh e Mukerjee (1991). Usando essa expansão, propomos uma estatística gradiente corrigida por um fator de correção tipo-Bartlett, que tem distribuição qui-quadrado até um erro de ordem o(n-1) sob a hipótese nula. A partir disso, determinamos fórmulas matriciais e algébricas que auxiliam na obtenção da estatística gradiente corrigida em modelos lineares generalizados com dispersão conhecida e desconhecida. Simulações de Monte Carlo são apresentadas. Finalmente, discutimos a obtenção de regiões de credibilidade via inversão da estatística gradiente. Caracterizamos as densidades a priori, matching priors, que asseguram propriedades de cobertura frequentista acuradas para essas regiões. / We obtain an asymptotic expansion for the null distribution function of the gradient statistic for testing composite null hypotheses in the presence of nuisance parameters. The expansion is derived using a Bayesian route based on the shrinkage argument described in Ghosh and Mukerjee (1991). Using this expansion, we propose a Bartlett-type corrected gradient statistic, which has a chi-square distribution up to an error of order o(n1) under the null hypothesis. Also, we determined matrix and algebraic formulas that assist in obtaining Bartett-type corrected statistic in generalized linear models with known and unknown dispersion. Monte Carlo simulations are presented. Finally, we obtain credible regions based by the inversion of gradient statistic. We characterize priori densities, matching priors, that ensure accurate frequentist coverage properties for these regions.

The Topological Sensitivity Analysis results in a scalar function, denoted as Topological Derivative, that supplies for each point of the domain of definition of the problem the sensitivity of a given cost function when a small hole is created. However, when a hole is introduced, it is no longer possible to stablish a homeomorphism between the domains. Due to this mathematical difficulty the Topological Derivative may become restrictive, nevertheless be extremely general. Thus, in the present work it is proposed a new method to calculte the Topological Derivative via Shape Sensitivity Analysis. This result, formally proved through a theorem, leads to a simpler and more general methodology than the others found in the literature. The Topological Sensitivity Analysis is performed for several Engineering problems, and the obtained results are used to improve the design of mechanical devices by introducing holes. The same theory developed to calculate the Topological Derivative is used to determine the sensitivity of the cost function when a small incrustation is introduced in each position of the domain, resulting in a novel concept denoted as Configurational Sensitivity Analysis, being discussed some possible applications in the context of Inverse Problems and modelling of phenomena that experiment changes in the physical properties of the medium. Thus, the methodology developed in the present work results in a framework with potential applications in Topology Optimization, Inverse Problems and Mechanical Modelling, which may be seen, from now on, not only as a method to calculate the Topological Derivative, but as a promising research area in Computational Modelling. / A análise de Sensibilidade Topológica resulta em uma função escalar, denominada Derivada Topológica, que fornece para cada ponto do domínio de definição do problema a sensibilidade de uma dada função custo quando um pequeno furo é criado. No entanto, ao introduzir um furo, não é mais possível estabelecer um homeomorfismo entre os domínios envolvidos. Devido a essa dificuldade matemática a Derivada Topológica pode se tornar restritiva, não obstante seja extremamente geral. No presente trabalho, portanto, é proposto um novo método de cálculo da Derivada Topológica via Análise de Sensibilidade à Mudança de Forma. Este resultado, formalmente demonstrado através de um teorema, conduz a uma metodologia mais simples e geral do que as demais encontradas na literatura. A Análise de Sensibilidade Topológica é então realizada em diversos problemas da Engenharia e os resultados obtidos são empregados para melhorar o projeto de componentes mecânicos mediante a introdução de furos. A mesma teoria desenvolvida para calcular a Derivada Topológica é utilizada para determinar a sensibilidade da função custo ao introduzir uma pequena incrustação numa dada posição do domínio, resultando em um novo conceito denominado Análise de Sensibilidade Configuracional, sendo discutidas suas possíveis aplicações no contexto de Problemas Inversos e de modelagem de fenômenos que experimentam mudanças nas propriedades físicas do meio. Assim, a metodologia aqui desenvolvida é uma ferramenta em potencial tanto de Otimização Topológica quanto de Problemas Inversos e de Modelagem Mecânica, podendo ser vista, a partir de agora, não somente como um método de cálculo da Derivada Topológica, mas como uma promissora área de pesquisa em Modelagem Computacional.

The topological derivative provides the sensitivity of a given shape functional with respect to an infinitesimal non-smooth domain pertubation (insertion of hole or inclusion, for instance). Classically, this derivative comes from the second term of the topological asymptotic expansion, dealing only with inifinitesimal pertubations. However, for pratical applications, we need to insert pertubations of finite sizes.Therefore, we consider other terms in the expansion, leading to the concept of higher-order topological derivatives. In a particular, we observe that the topological-shape sensitivity method can be naturally extended to calculate these new terms, resulting in a systematic methodology to obtain higher-order topological derivatives. In order to present these ideas, initially we apply this technique in some problems with exact solution, where the topological asymptotic expansion is obtained until third order. Later, we calculate first as well as second order topological derivative for the total potential energy associated to the Laplace equation in two-dimensional domain pertubed with the insertion of a hole, considering homogeneous Neumann or Dirichlet boundary conditions, or an inclusion with thermal conductivity coefficient value different from the bulk material. With these results, we present some numerical experiments showing the influence of the second order topological derivative in the topological asymptotic expansion, which has two main features:it allows us to deal with pertubations of finite sizes and provides a better descent direction in optimization and reconstruction algorithms. / A derivada topológica fornece a sensibilidade de uma dada função custo quando uma pertubação não suave e infinitesimal (furo ou inclusão, por exemplo) é introduzida. Classicamente, esta derivada vem do segundo termo da expansão assintótica topológica considerando-se apenas pertubações infinitesimais. No entanto, em aplicações práticas, é necessário considerar pertubação de tamanho finito. Motivado por este fato, o presente trabalho tem como objetivo fundamental introduzir o conceito de derivadas topológicas de ordem superiores, o que permite considerar mais termos na expansão assintótica topológica. Em particular, observa-se que o topological-shape sensitivity method pode ser naturalmente estendido para o cálculo destes novos termos, resultando em uma metodologia sistemática de análise de sensibilidade topológica de ordem superior. Para se apresentar essas idéias, inicialmente essa técnica é verificada através de alguns problemas que admitem solução exata, onde se calcula explicitamente a expansão assintótica topológica até terceira ordem. Posteriormente, considera-se a equação de Laplace bidimensional, cujo domínio é topologicamente pertubado pela introdução de um furo com condição de contorno de Neumann ou de Dirichlet homogêneas, ou ainda de uma inclusão com propriedade física distinta do meio. Nesse caso, são calculadas explicitamente as derivadas topológicas de primeira e segunda ordens. Com os resultados obtidos em todos os casos, estuda-se a influência dos termos de ordem superiores na expansão assintótica topológica, através de experimentos numéricos. Em particular, observa-se que esses novos termos, além de permitir considerar pertubações de tamanho finito, desempenham ainda um importante papel tanto como fator de correção da expansão assintótica topológica, quanto como direção de descida em processos de otimização. Finalmente, cabe mencionar que a metodologia desenvolvida neste trabalho apresenta um grande potencial para aplicação na otimização e em algoritimos de reconstrução.

Conselho Nacional de Desenvolvimento Científico e Tecnológico / This study aimed in the Article 01, to compare the magnitude of the coefficients of heritability and genetic correlations estimated by two different methodologies, and to estimate the genetic and phenotypic trends for the characteristics of height at the withers (AC24) and weight at 24 months of age (P24). In Article 02 the objective was to identify among the various mathematical functions mentioned in the literature, which of them best describes the growth curve for the Brasileiro de Hipismo equine breed Brazilian Equestrian (BH) and for animals without definite breed (SRD) for a population of horses belonging to the Brazilian Army. The estimation of variance components to estimate genetic parameters and predict breeding values, was performed by the Derivative-Free Restricted Maximum Likelihood Method (REML) and by Bayesian Inference Method (BIM). The average heritability estimates obtained by BIM for AC24 (0.54) and P24 (0.41) presented higher values than those obtained by REML (0.37 and 0.52, respectively). The regression of average additive genetic merit on the year of birth, showed that the average breeding values for AC24 presented a slight downward trend over the years, with virtually no genetic tendency, the average breeding values for P24 animals showed oscillatory behavior, with negative genetic trend of -0.38 kg. The genetic correlation between traits, high and positive, suggest that selection for AC24 will increase P24 at the same age. Estimated genetic trends indicate that the selection, which aims to reduce P24 and increase AC24 in this population, has been relatively successful in reducing the P24, however, it is not being efficient to increase AC24. In Article 02 the values obtained for Absolute Mean Deviation were low, ranging from 0.01 to 0.18 for the BH breed animals and from 0.02 to 0.17 for SRD horses, revealing the occurrence of small variations, being lower for the Brody (1924) and Bianchini Sobrinho and higher for the Papajcsik & Bodero (1988) model. The values obtained for the Residual Mean Square were low, ranging from 0.002 to 0.089 for BH breed animals and from 0.002 to 0.042 for SRD animals. Nonlinear models of Brody (1924) and Bianchini Sobrinho were the ones that provided the best fit for the wither height characteristic for BH breed and for SRD animals in a Brazilian Army population. / Este trabalho teve por objetivo no Artigo 01, comparar a magnitude coeficientes de herdabilidade e de correlação genética estimados pelo Método da Máxima Verossimilhança Restrita (REML) e por Inferência Bayesiana (IB), além de estimar as tendências genéticas e fenotípicas para as características de altura na cernelha (AC24) e peso aos 24 meses de idade (P24); no Artigo 02 o objetivo foi identificar entre as diversas funções matemáticas citadas na literatura, as que melhor descrevem a curva de crescimento de equinos da raça Brasileiro de Hipismo (BH) e de animais sem raça definida (SRD) para uma população de equinos do Exército Brasileiro. As estimativas de herdabilidade médias obtidas por IB para AC24 (0,54) e P24 (0,41) foram superiores àquelas obtidas por análise bicaracterística pelo REML (0,37 e 0,52, respectivamente). A partir da regressão do mérito genético aditivo sobre o ano de nascimento, observou-se que a média dos valores genéticos dos animais para AC24 apresentou tendência genética praticamente nula, a média dos valores genéticos dos animais para P24 apresentou tendência genética negativa de -0,38 kg. A correlação genética entre as características, alta e positiva, sugere que a seleção para AC24 deve promover aumento do P24 a esta mesma idade. As tendências genéticas obtidas para as características avaliadas, próximas de zero, indicam que a seleção realizada vem promovendo pequena redução no P24; porém não está promovendo aumento para AC24 a esta mesma idade, nesta população. Nos dez modelos avaliados no Artigo 02 os valores obtidos para o Desvio Médio Absoluto foram baixos, variando de 0,01 a 0,18 para animais da raça BH e de 0,02 a 0,17 para animais SRD, revelando a ocorrência de pequenas variações, sendo as menores para os modelos Brody (1924) e Bianchini Sobrinho e as maiores para o modelo Papajcsik & Bodero (1988). Os valores obtidos para o Quadrado Médio do Resíduo foram baixos, variando de 0,002 a 0,089 para animais da raça BH e 0,002 a 0,042 para animais SRD. Os modelos não lineares de Brody (1924) e Bianchini foram os que forneceram melhor ajuste para a característica altura na cernelha, para a raça BH e para animais SRD do Exército Brasileiro.

Este projeto de doutorado apresenta uma nova abordagem MAP-MRF para a classificação contextual de imagens multiespectrais utilizando combinação de modelos de Campos Aleatórios Markovianos definidos em sistemas de ordens superiores. A modelagem estatística para o problema de classificação segue o paradigma Bayesiano, com a definição de um modelo Markoviano para os dados observados (Gaussian Markov Random Field multiespectral) e outro modelo para representar o conhecimento a priori (Potts). Nesse cenário, o parâmetro β do modelo de Potts atua como um parâmetro de regularização, tendo papel fundamental no compromisso entre as observações e o conhecimento a priori, de modo que seu correto ajuste é necessário para a obtenção de bons resultados. A introdução de sistemas de vizinhança de ordens superiores requer a definição de novos métodos para a estimação dos parâmetros dos modelos Markovianos. Uma das contribuições desse trabalho é justamente propor novas equações de pseudo-verossimilhança para a estimação desses parâmetros no modelo de Potts em sistemas de segunda e terceira ordens. Apesar da abordagem por máxima pseudo-verossimilhança ser amplamente utilizada e conhecida na literatura de campos aleatórios, pouco se conhece acerca da acurácia dessa estimação. Foram derivadas aproximações para a variância assintótica dos estimadores propostos, caracterizando-os completamente no caso limite, com o intuito de realizar inferências e análises quantitativas sobre os parâmetros dos modelos Markovianos. A partir da definição dos modelos e do conhecimento dos parâmetros, o próximo estágio é a classificação das imagens multiespectrais. A solução para esse problema de inferência Bayesiana é dada pelo critério de estimação MAP, onde a solução ótima é determinada maximizando a probabilidade a posteriori, o que define um problema de otimização. Como não há solução analítica para esse problema no caso de prioris Markovianas, algoritmos iterativos de otimização combinatória foram empregados para aproximar a solução ótima. Nesse trabalho, adotam-se três métodos sub-ótimos: Iterated Conditional Modes, Maximizer of the Posterior Marginals e Game Strategy Approach. Porém, é demonstrado na literatura que tais métodos convergem para máximos locais e não globais, pois são altamente dependentes de sua condição inicial. Isto motivou o desenvolvimento de uma nova abordagem para combinação de classificadores contextuais, que utiliza múltiplas inicializações simultâneas providas por diferentes classificadores estatísticos pontuais. A metodologia proposta define um framework MAP-MRF bastante robusto para solução de problemas inversos, pois permite a utilização e a integração de diferentes condições iniciais em aplicações como classificação, filtragem e restauração de imagens. Como medidas quantitativas de desempenho, são adotados o coeficiente Kappa de Cohen e o coeficiente Tau de Kendall para verificar a concordância entre as saídas dos classificadores e a verdade terrestre (amostras pré-rotuladas). Resultados obtidos mostram que a inclusão de sistemas de vizinhança de ordens superiores é de fato capaz de melhorar significativamente não apenas o desempenho da classificação como também a estimação dos parâmetros dos modelos Markovianos, reduzindo tanto o erro de estimação quanto a variância assintótica. Além disso, a combinação de classificadores contextuais através da utilização de múltiplas inicializações simultâneas melhora significativamente o desempenho da classificação se comparada com a abordagem tradicional com apenas uma inicialização. / This work presents a novel MAP-MRF approach for multispectral image contextual classification by combining higher-order Markov Random Field models. The statistical modeling follows the Bayesian paradigm, with the definition of a multispectral Gaussian Markov Random Field model for the observations and a Potts MRF model to represent the a priori knowledge. In this scenario, the Potts MRF model parameter (β) plays the role of a regularization parameter by controlling the tradeoff between the likelihood and the prior knowledge, in a way that a suitable tunning for this parameter is required for a good performance in contextual classification. The introduction of higher-order MRF models requires the specification of novel parameter estimation methods. One of the contributions of this work is the definition of novel pseudo-likelihood equations for the estimation of these MRF parameters in second and third order neighborhood systems. Despite its widely usage in practical MRF applications, little is known about the accuracy of maximum pseudo-likelihood approach. Approximations for the asymptotic variance of the proposed MPL estimators were derived, completely characterizing their behavior in the limiting case, allowing statistical inference and quantitative analysis. From the statistical modeling and having the model parameters estimated, the next step is the multispectral image classification. The solution for this Bayesian inference problem is given by the MAP criterion, where the optimal solution is obtained by maximizing the a posteriori distribution, defining an optimization problem. As there is no analytical solution for this problem in case of Markovian priors, combinatorial optimization algorithms are required to approximate the optimal solution. In this work, we use three suboptimal methods: Iterated Conditional Modes, Maximizer of the Posterior Marginals and Game Strategy Approach, a variant approach based on non-cooperative game theory. However, it has been shown that these methods converge to local maxima solutions, since they are extremelly dependent on the initial condition. This fact motivated the development of a novel approach for combination of contextual classifiers, by making use of multiple initializations at the same time, where each one of these initial conditions is provided by different pointwise pattern classifiers. The proposed methodology defines a robust MAP-MRF framework for the solution of general inverse problems since it allows the use and integration of several initial conditions in a variety of applications as image classification, denoising and restoration. To evaluate the performance of the classification results, two statistical measures are used to verify the agreement between the classifiers output and the ground truth: Cohens Kappa and Kendalls Tau coefficient. The obtained results show that the use of higher-order neighborhood systems is capable of significantly improve not only the classification performance, but also the MRF parameter estimation by reducing both the estimation error and the asymptotic variance. Additionally, the combination of contextual classifiers through the use of multiple initializations also improves the classificatoin performance, when compared to the traditional single initialization approach.

Obtemos uma expansão assintótica da função de distribuição sob a hipótese nula da estatística gradiente para testar hipóteses nulas compostas na presença de parâmetros de perturbação. Esta expansão é derivada utilizando uma rota Bayesiana baseada no argumento de encolhimento descrito em Ghosh e Mukerjee (1991). Usando essa expansão, propomos uma estatística gradiente corrigida por um fator de correção tipo-Bartlett, que tem distribuição qui-quadrado até um erro de ordem o(n-1) sob a hipótese nula. A partir disso, determinamos fórmulas matriciais e algébricas que auxiliam na obtenção da estatística gradiente corrigida em modelos lineares generalizados com dispersão conhecida e desconhecida. Simulações de Monte Carlo são apresentadas. Finalmente, discutimos a obtenção de regiões de credibilidade via inversão da estatística gradiente. Caracterizamos as densidades a priori, matching priors, que asseguram propriedades de cobertura frequentista acuradas para essas regiões. / We obtain an asymptotic expansion for the null distribution function of the gradient statistic for testing composite null hypotheses in the presence of nuisance parameters. The expansion is derived using a Bayesian route based on the shrinkage argument described in Ghosh and Mukerjee (1991). Using this expansion, we propose a Bartlett-type corrected gradient statistic, which has a chi-square distribution up to an error of order o(n1) under the null hypothesis. Also, we determined matrix and algebraic formulas that assist in obtaining Bartett-type corrected statistic in generalized linear models with known and unknown dispersion. Monte Carlo simulations are presented. Finally, we obtain credible regions based by the inversion of gradient statistic. We characterize priori densities, matching priors, that ensure accurate frequentist coverage properties for these regions.

A teoria dos modelos lineares generalizados é muito utilizada na estatística, para a modelagem de observações provenientes da distribuição Normal, mas, principalmente, na modelagem de observações cuja distribuição pertença à família exponencial de distribuições. Alguns exemplos são as distribuições binomial, gama, normal inversa, dentre outras. Ajustado um modelo, para vericar a adequação do ajuste, são aplicadas técnicas de diagnósticos e feita uma análise de resíduos. As propriedades dos resíduos para modelos lineares generalizados não são muito conhecidas e resultados assintóticos são o único recurso. Este trabalho teve como objetivo estudar as propriedades assintóticas do resíduo de Wald, e realizar correções para que sua distribuição se aproxime de uma distribuição normal padrão. Uma aplicação das correções para o resíduo de Wald foi feita para cinco conjuntos de dados. Em dois conjuntos, a variável resposta apresentava-se na forma de contagem, e para a modelagem utilizou-se a distribuição de Poisson. Dois outros conjuntos são provenientes de delineamentos experimentais inteiramente casualizados, com variável resposta contínua e para a modelagem utilizou-se a distribuição normal, e para o último conjunto, o interesse era modelar a proporção, e utilizou-se a distribuição binomial. Um estudo de simulação foi conduzido, utilizando-se o método de Monte Carlo, e concluiu-se, que com as correções realizadas no resíduo de Wald, houve uma melhora signicativa em sua distribuição, sendo que a versão melhorada do resíduo tem distribuição que aproxima mais de uma distribuição normal padrão. / The theory of generalized linear models is very used in statistics, not only for modeling data normally distributed, but in the modeling of data whose distribution belongs to the exponential family of distributions. Some examples are binomial, gamma and inverse Gaussian distribution, among others. After tting a model in order to check the adequacy of tting, diagnostic techniques are used. The properties of residuals in generalized linear models are not well known, and asymptotic results are the only recourse. This work aims to study the asymptotic properties of Wald residual, and to obtain corrections to make the distribution of the modied residuals closer to standard normal. An application of the corrections for Wald residuals was done to ve datasets. In two datasets the response variables were counts, and to model, was used the Poisson distribution. Other two datasets are provided from a completely randomized design with a continuous response, and to model, was used the normal distribution, and, in the last dataset the interest was to model the proportion and the binomial distribution was used. A Monte Carlo simulation, was performed showing that the distribution of the corrected Wald residuals, is more close to the standard normal distribution.

Neste texto é feita uma discussão sobre alguns resultados que fornecem condições suficientes para que um difeomorfismo local, do espaço euclideano n-dimensional nele próprio, seja injetivo. Dentro deste cenário, são exploradas as contribuições destes resultados na tentativa de solucionar conhecidas conjecturas no meio científico como a Conjectura Jacobiana e a Conjectura de Ponto Fixo. Do ponto de vista dinâmico, existem relações entre injetividade global e estabilidade assintótica global. Neste sentido, os resultados também são contextualizados com respeito a importantes conjecturas de estabilidade assintótica: Conjectura de Markus-Yamabe e o Problema de LaSalle / We present some results which give suficient conditions for a local diffeomorphism from the n-dimensional Euclidean space into itself be globally injective. Within this context, we consider some partial results addressed to solve the well known Fixed Point Conjecture and Jacobian Conjecture. From the dynamical point of view, there are connections between global injectivity and global asymptotic stability. In this way, we present a solution of the Markus-Yamabe Conjecture and of the LaSalle Problem