Made available in DSpace on 2014-08-13T14:50:48Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-02-24Bitstream added on 2014-08-13T18:00:27Z : No. of bitstreams: 1 000759735.pdf: 5936644 bytes, checksum: 2a76b56febeeca13c37e5729a1d4df30 (MD5) / Dados composicionais consistem em vetores conhecidos como composições cujos componentes são positivos e definidos no intervalo (0,1) representando proporções ou frações de um “todo”. A soma desses componentes deve ser igual a um. Os dados composicionais estão presentes em diferentes áreas, como na geologia, ecologia, economia, medicina entre muitas outras. Desta forma há um grande interesse em novas abordagens de modelar dados composicionais. Neste estudo, introduzimos as transformações logaritmo da razão (alr) e Box-Cox em modelos usados para dados composicionais, assumindo erros normais não correlacionados. O objetivo principal deste trabalho é aplicar métodos Bayesianos para estes modelos utilizando os métodos padrões de Monte Carlo via Cadeias de Markov (MCMC) para simular amostras da posteriori conjunta de interesse. Nós aplicamos a metodologia proposta em dois conjuntos de dados, sendo que um deles é sobre um experimento de medidas repetidas na qual introduzimos uma variável de efeito aleatório para capturar a dependência para os dados longitudinais e, além disso, a introdução de dois efeitos aleatórios extras no modelo. Estes resultados de modelagem podem ser de grande interesse em trabalhos aplicados que lidam com conjuntos de dados composicionais. / Compositional data consist of known compositions vectors whose components are positive and defined in the interval (0,1) representing proportions or fractions of a “whole”. The sum of these components must be equal to one. Compositional data is present in different areas, as in ecology, economy, medicine among many others. In this way, there is a great interest in new modeling approaches for compositional data. In this study we introduced additive log-ratio (alr) and Box-Cox transformations models used for compositional data, under uncorrelated normal errors. The main objective of this project is to apply Bayesian methods to these models using standard Markov Chain Monte Carlo (MCMC) methods to simulate samples of the joint posterior of interest. We apply the proposed methodology in two data sets, whereas one of them is about an experiment of repeated measures where we introduced a random effect variable to capture the dependence for the longitudinal data and also the introduction of two extra random effects in the model. These modeling results could be of great interest in the applied work dealing with compositional data sets.

Made available in DSpace on 2014-08-13T14:50:48Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-02-25Bitstream added on 2014-08-13T18:00:26Z : No. of bitstreams: 1 000759853.pdf: 2724626 bytes, checksum: 2772526c9a8ee40397accad71c2eaad2 (MD5) / Várias distribuições bivariadas para análise de confiabilidade tem sido propostas, mas a distribuição Exponencial Generalizada Bivariada (BVGE) apresentada por Gupta e Kundu (2009) possui interessantes propriedades. Por exemplo, a distribuição BVGE possui distribuições marginais Exponenciais Generalizadas (GE), que tem sido muito utilizadas em problemas unidimensionais. Dessa forma, uma análise estatística dos parâmetros e distribuição BVGE é de grande importância na modelagem de problemas em confiabilidade. Um modo alternativo de obtenção de distribuições bivariadas (ou multivariadas) é através da teoria de Cópulas e a técnica mostra-se ser uma grande alternativa, à medida que esta teoria permite a criação de distribuições multivariadas sem a necessidade de se supor qualquer tipo de restrição às distribuições marginais e muito menos às multivariadas. Inferências para estas diferentes versões de modelos bivariados de tempo de falha são agora de grande importância, consequentemente a realização de uma comparação se faz necessária e o método Bayesiano de análise estatística é amplamente reconhecido por oferecer significantes benefícios na análise de dados e assim justifica sua utilização. Neste trabalho foram consideradas comparações entre as distribuições BVGE e algumas distribuições exponenciais generalizadas bivariadas definidas a partir das funções cópulas, de modo a propor várias opções de distribuições que possam ser utilizadas no caso bivariado. / Many bivariate distributions for survival analysis were proposed, but the Bivariate Generalized Exponential Distribution (BVGE) presented by Gupta and Kundu (2009) has interesting properties. For example, the BVGE distribution has Generalized Exponential marginal distributions, which is used in many unidimensional problems. An alternative way to obtain multivariate (or bivariate) distributions is the use of Copula theory, which is proving to be a useful alternative, because it permits the construction of multivariate distributions without the necessity of giving restrictions to marginal and multivariate distributions. Inference about different bivariate models of failure time are very important, and consequently, comparisons can be made and the Bayesian method is recognized to offer significantly benefits in data analysis, justifying its use. This work considered comparisons between the Bivariate Generalized Exponential Distributition and generalized bivariate exponential distributions obtained by copulas functions.

Made available in DSpace on 2014-08-13T14:50:49Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-02-24Bitstream added on 2014-08-13T18:00:25Z : No. of bitstreams: 1 000759932.pdf: 2547215 bytes, checksum: d9c1a646c7db9fa2a6417e15ff25ff8c (MD5) / Nesta dissertação, tem-se como objetivo desenvolver aspectos computacionais a fim de realizar inferência nos parâmetros da distribuição Gama Generalizada. A distribuição Gama Generalizada tem se mostrado um excelente modelo que leva a melhores inferências quando utilizamos dados de sobrevivência. No entanto, os Estimadores de Máxima Verossimilhança (EMV) da distribuição Gama Generalizada não têm o comportamento estável e para muitos casos não existem, apenas para amostras muito grandes. Na abordagem Bayesiana o problema permanece de tal forma que diferentes distribuições a priori podem ter grande efeito nas estimativas a posteriori de interesse. Neste trabalho, ao se utilizar a inferência Clássica, será demonstrado uma forma de simplificar as equações de verossimilhança, minimizando o problema de instabilidade do método. Considerando-se a abordagem Bayesiana, serão propostas diferentes distribuições a priori, empíricas ou não-informativas e seus efeitos serão estudados nas estimativas a posteriori. Serão propostos também diferentes métodos exploratórios, a fim de se obter bons valores iniciais para serem utilizados nos procedimentos de estimação dos parâmetros, considerando-se dados censurados (censura aleatória) sob o enfoque Clássico e Bayesiano. Por fim, serão apresentados alguns exemplos de aplicações, utilizando-se dados da literatura e dados reais. / The most important goals of this research project are related to the study of computational aspects to get inferences for the parameters of the Generalized Gamma distribution. The Generalized Gamma distribution is a good option to get better inferences for lifetime data, but usually in applications, the maximum likelihood estimators (MLE) of the parameters of the distribution could be very unstable depending on appropriated initial values in the numerical iterative procedure, especially for small sample sizes. Under a Bayesian approach, we observe that the posterior distributions could depend heavily on the choice of a prior distribution. In this work, using the classical inference will be shown a way to simplify the likelihood equations, minimizing the problem of instability of the method. Under a Bayesian approach, we will study the effect of different empirical and non-informative prior distributions on the posterior estimates, especially for small sample sizes. Numerical methods are also proposed in this work, in order to get good initial values used to improve the obtained inferences, considering censored data (random censoring) under the Classical and Bayesian approach. Simulated and real data sets will be used to illustrate the proposed methodology.

Made available in DSpace on 2014-08-13T14:50:49Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-01-20Bitstream added on 2014-08-13T18:00:24Z : No. of bitstreams: 1 000760059.pdf: 2134645 bytes, checksum: 635b296c4a3f8dc210e08b94a273ae35 (MD5) / A elicitação é um processo que permite a incorporação da informação a priori fornecida por um especialista sobre alguma quantidade, desconhecida e de interesse, à informação proveniente dos dados do experimento. Pode ser utilizada em muitas áreas aplicadas do conhecimento, principalmente em situações nas quais os dados experimentais não são tão numerosos devido à di culdade ou custo para obtê-los. Na abordagem Bayesiana nãoparam étrica, a densidade ou a função de interesse podem ser estimadas sem imposição de quaisquer suposições restritivas sobre a sua forma. Assim, os dados permitem determinar a estimativa da função de interesse em vez de condicioná-la a pertencer a uma dada fam ília paramétrica. O objetivo do presente trabalho é realizar uma aplicação do método Bayesiano não-paramétrico de elicitação de prioris proposto por Oakley e O'Hagan (2007), Moala (2009) e Moala e O'Hagan (2010) a m de estimar a função de con abilidade, considerada completamente desconhecida em sua forma, baseando-se apenas na informação fornecida pelo especialista. / The elicitation is a process that allows the incorporation of a prior information provided by an expert on some quantity, unknown and of interest, to the information from the experimental data. It can be used in many applied areas of knowledge, especially in situations where experimental data are not numerous because of the di culty or cost to obtain them. In Bayesian non-parametric approach, the density or the function of interest can be estimated without imposing any restrictive assumptions on its shape. Thus, the data allows determine the estimate of the interested function rather than conditioning it to a given parametric class functions. The aim of this paper is to apply the Bayesian nonparametric elicitation method of priors proposed by Oakley and O'Hagan (2007), Moala (2009) and Moala and O'Hagan (2010) to estimate the reliability function, considered completely unknown in its form, based only on the information provided by the expert.

Made available in DSpace on 2014-06-11T19:23:03Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-12-05Bitstream added on 2014-06-13T19:28:36Z : No. of bitstreams: 1 silva_rrg_me_botib.pdf: 322352 bytes, checksum: 381be4a43d8988952b209eb1cd242602 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Encontrar delineamentos experimentais eficientes para modelos não-lineares, amplamente utilizados em farmacocinética, exige integração numérica sobre o espaço dos parâmetros e otimização numérica sobre o espaço do delineamento, duas tarefas computacionalmente muito exigentes. O esforço computacional aumenta á medida que o número de parâmetros do modelo aumenta. Assim, há uma necessidade de métodos rápidos e precisos para a resolução do problema. O objetivo desta pesquisa é aplicar e explorar a performance das regras básicas de quadratura múltipla BF e B_F e de um algoritmo adaptativo para a aproximação de integrais múltiplas implementados em cubature (código C por Steven G. Johnson e R por Balasubramanian Narasimhan, 2009) do R (R Development Core Team, 2012). Os delineamentos D- ótimos encontrados utilizando esta abordagem para dois modelos não-lineares em farmacocinética, decaimento exponencial (um parâmetro) e monocompartimental (três parâmetros), no contexto de efeitos fixos e efeitos mistos... / Finding efficient experimental designs for nonlinear models widely used in pharmacokinetics requires numerical integration over the parameter’s space and numerical optimization over the design’s space, two computationally demanding tasks. Computational effort increases as the number of parameters in the model increases. Thus, there is a need for fast and accurate methods to solve the problem. The purpose of this research is to apply and explore the performance of the basic rules BF and B F and of an adaptive algorithm for approximating multiple integrals implemented in cubature (C code by Steven G. Johnson and R by Balasubramanian Narasimhan, 2009) in R (R Development Core Team, 2012). The obtained D-optimum designs using this approach for two pharmacokinetic nonlinear models, exponential decay (one parameter) and mono-compartmental (three parameters), in the context of fixed and mixed effects were compared with designs of experiments found byButton (1979), Atkinson et al. (2007), Gotwalt et al. (2009), in case of... (Complete abstract click electronic access below)

Resumo: Análise da interação genótipo x ambiente no melhoramento de plantas tem evoluído bastante na última década pela introdução de novos métodos de análise, melhorando a eficiência na seleção de genótipos testados em diferentes condições ambientais. Neste trabalho foram estudados alguns métodos estatísticos de análise da interação genótipo x ambiente, utilizando dados de oito genótipos de arroz avaliados em diferentes ambientes da Colômbia. Foram feitas a identificação dos genótipos de arroz com adaptabilidade e estabilidade ampla ou especifica nas regiões estudadas. Os métodos utilizados e estudados foram SREG (CORNELIUS, et al, 1996), ANNICCHIARICO (1992), EBERHART & RUSSELL (1966), Shukla e análise pelo método Bayesiano que foi feita segundo a metodologia desenvolvida por COTESTORRES (2004). / Abstract: Analysis of genotype x environment interaction in the improvement of plants has improved sufficiently in the last decade for the introductions of the new methods of analysis, having improved the efficiency in the selection of genotypes tested in different environment conditions. In this research some statistical analysis of genotype x environment interactions methods had been studied, evaluated eight genotypes of rices in different environments from Colombiam. Were made the identifications of genotypes with adaptability and stability in the studied regions. The methods used were SREG (CORNELIUS, et al, 1996), ANNICCHIARICO (1992), EBERHART & Russell (1966), Shukla and Bayesiano Method according to COTES-TORRES (2004). / Orientador: Adhemar Sanches / Coorientador: Alberto Cargnelutti Filho / Coorientador: Jose Miguel Cotes Torres / Banca: Rinaldo César de Paula / Banca: Sandra Helena Unêda Trevisoli / Mestre

Orientador: Aparecida Doniseti Pires de Souza / Banca: Fernando Moala / Banca: Thais Cristina Oliveira da Fonseca / Resumo: Os Modelos Lineares Generalizados (GLM) foram introduzidos no início dos anos 70, tendo um grande impacto no desenvolvimento da teoria estatística. Do ponto de vista teórico, esta classe de modelos representa uma abordagem unificada de muitos modelos estatísticos, correntemente usados nas aplicações, podendo-se utilizar dos mesmos procedimentos de inferência. Com o avanço computacional das últimas décadas foi notável o desenvolvimento de extensões nesta classe de modelos e de métodos para os procedimentos de inferência. No contexto da abordagem Bayesiana, até a década de 80 utilizava-se de métodos aproximados de inferência, tais como aproximação de Laplace, quadratura Gaussiana e outros. No início da década de 90, foram popularizados os métodos de Monte Carlo via Cadeias de Markov (Monte Carlo Markov Chain - MCMC) que revolucionaram as aplicações no contexto Bayesiano. Apesar de serem métodos altamente eficientes, a convergência do algoritmo em modelos complexos pode ser extremamente lenta, o que gera alto custo computacional. Em 2009 surgiu o método de Aproximações de Laplace Aninhadas Integradas (Integrated Nested Laplace Aproximation - INLA) que busca eficiência tanto no custo computacional como na precisão das estimativas. Considerando a importância desta classe de modelos, neste trabalho propõem-se explorar extensões dos MLG para dados longitudinais e recentes propostas apresentadas na literatura para os procedimentos de inferência. Mais especificamente, explorar modelos... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Generalized Linear Models (GLM) were introduced in the early 70s, having a great impact on the development of statistical theory. From a theoretical point of view, this class of model is a unified approach to many statistical models commonly used in applications and can be used with the same inference procedures. With advances in the computer over subsequent decades has come a remarkable development of extensions in this class of design and method for inference procedures. In the context of Bayesian approach, until the 80s, it was used to approximate inference methods, such as approximation of Laplace, Gaussian quadrature, etc., The Monte Carlo Markov Chain methods (MCMC) were popularized in the early 90s and have revolutionized applications in a Bayesian context. Although they are highly efficient methods, the convergence of the algorithm in complex models can be extremely slow, which causes high computational cost. The Integrated Nested Laplace Approximations method (INLA), seeking efficiency in both computational cost and accuracy of estimates, appeared in 2009. This work proposes to explore extensions of GLM for longitudinal data considering the importance of this class of model, and recent proposals in the literature for inference procedures. More specifically, it explores models for binary data (binomial) and count data (Poisson), considering the presence of extra variability, including overdispersion and the presence of random effects through hierarchical models and hi... (Complete abstract click electronic access below) / Mestre

Orientador: Jorge Alberto Achcar / Coorientador: Mário Hissamitsu Tarumoto / Banca: Carlos Aparecido dos Santos / Banca: Aparecida Doniseti Pires de Souza / Resumo: Dados composicionais consistem em vetores conhecidos como composições cujos componentes são positivos e definidos no intervalo (0,1) representando proporções ou frações de um "todo". A soma desses componentes deve ser igual a um. Os dados composicionais estão presentes em diferentes áreas, como na geologia, ecologia, economia, medicina entre muitas outras. Desta forma há um grande interesse em novas abordagens de modelar dados composicionais. Neste estudo, introduzimos as transformações logaritmo da razão (alr) e Box-Cox em modelos usados para dados composicionais, assumindo erros normais não correlacionados. O objetivo principal deste trabalho é aplicar métodos Bayesianos para estes modelos utilizando os métodos padrões de Monte Carlo via Cadeias de Markov (MCMC) para simular amostras da posteriori conjunta de interesse. Nós aplicamos a metodologia proposta em dois conjuntos de dados, sendo que um deles é sobre um experimento de medidas repetidas na qual introduzimos uma variável de efeito aleatório para capturar a dependência para os dados longitudinais e, além disso, a introdução de dois efeitos aleatórios extras no modelo. Estes resultados de modelagem podem ser de grande interesse em trabalhos aplicados que lidam com conjuntos de dados composicionais. / Abstract: Compositional data consist of known compositions vectors whose components are positive and defined in the interval (0,1) representing proportions or fractions of a "whole". The sum of these components must be equal to one. Compositional data is present in different areas, as in ecology, economy, medicine among many others. In this way, there is a great interest in new modeling approaches for compositional data. In this study we introduced additive log-ratio (alr) and Box-Cox transformations models used for compositional data, under uncorrelated normal errors. The main objective of this project is to apply Bayesian methods to these models using standard Markov Chain Monte Carlo (MCMC) methods to simulate samples of the joint posterior of interest. We apply the proposed methodology in two data sets, whereas one of them is about an experiment of repeated measures where we introduced a random effect variable to capture the dependence for the longitudinal data and also the introduction of two extra random effects in the model. These modeling results could be of great interest in the applied work dealing with compositional data sets. / Mestre

Orientador: Aparecida Doniseti Pires de Souza / Banca: Leonardo Soares Bastos / Banca: Renato Martins Assunção / Resumo: Modelagem de dados de área tem sido tema de diversas pesquisas em Estatística nas últimas décadas. Modelos espaço-temporais têm sido utilizados para lidar com esse tipo de dados de um modo natural, uma vez que muitas vezes envolvem processos que têm transições no tempo e no espaço. O avanço da tecnologia e, simultaneamente, de métodos estatísticos, têm permitido a elaboração de modelos cada vez mais estruturados para a descrição de fenômenos aleatórios complexos, cuja ideia é descrever, de forma realista, a estrutura de correlação presente nos dados, o que pode ser feito através do uso de modelos hierárquicos. Dada a importância atual da modelagem de fenômenos espaço-temporais, neste trabalho são estudadas propostas recentes apresentadas na literatura para dados espaciais de área, envolvendo modelos autorregressivos condicionais multivariados para capturar a estrutura espacial e modelos dinâmicos para capturar a estrutura temporal. Como aplicação da metodologia é estudada a distribuição espacial da mortalidade pelos cânceres de maior importância quantitativa, segundo as microrregiões administrativas do estado de São Paulo, considerando o período 1998 até 2010. Os resultados da aplicação de um modelo bayesiano hierárquico para os dados evidenciaram quais as regiões de maior risco de mortalidade no estado de São Paulo para cada um dos cânceres estudados, além de mostrar que existe forte correlação espacial entre algumas das doenças, o que constitui um resultado muito importante para os órgãos do sistema de saúde, que têm como função direcionar e alocar recursos para o tratamento e diagnóstico de tais doenças... / Abstract: Data modeling area has been the subject of several studies in Statistics in recent decades. Spatio-temporal models have been used to deal with this kind of data in a natural way, since they often involve processes that have transitions in time and space. The advancement of technology and simultaneously statistical methods have allowed the development of increasingly structured models for the description of complex random phenomena, whose idea is to describe realistically, the structure of this correlation in the data, which can be done through the use of hierarchical models. Given the current importance of modeling spatio-temporal phenomena, the aim of this work is study recent paper that involve multivariate conditional autoregressive models to capture the spatial and dynamic structure models to capture the temporal structure. As an application of the methodology is the spatial distribution of mortality for cancers of greater quantitative importance studied, according to the administrative microregions of the state of São Paulo, considering the period 1998 to 2010... / Mestre

Orientador: Fernando Antonio Moala / Banca: Jorge Alberto Achcar / Banca: Carlos Aparecido dos Santos / Resumo: Várias distribuições bivariadas para análise de confiabilidade tem sido propostas, mas a distribuição Exponencial Generalizada Bivariada (BVGE) apresentada por Gupta e Kundu (2009) possui interessantes propriedades. Por exemplo, a distribuição BVGE possui distribuições marginais Exponenciais Generalizadas (GE), que tem sido muito utilizadas em problemas unidimensionais. Dessa forma, uma análise estatística dos parâmetros e distribuição BVGE é de grande importância na modelagem de problemas em confiabilidade. Um modo alternativo de obtenção de distribuições bivariadas (ou multivariadas) é através da teoria de Cópulas e a técnica mostra-se ser uma grande alternativa, à medida que esta teoria permite a criação de distribuições multivariadas sem a necessidade de se supor qualquer tipo de restrição às distribuições marginais e muito menos às multivariadas. Inferências para estas diferentes versões de modelos bivariados de tempo de falha são agora de grande importância, consequentemente a realização de uma comparação se faz necessária e o método Bayesiano de análise estatística é amplamente reconhecido por oferecer significantes benefícios na análise de dados e assim justifica sua utilização. Neste trabalho foram consideradas comparações entre as distribuições BVGE e algumas distribuições exponenciais generalizadas bivariadas definidas a partir das funções cópulas, de modo a propor várias opções de distribuições que possam ser utilizadas no caso bivariado. / Abstract: Many bivariate distributions for survival analysis were proposed, but the Bivariate Generalized Exponential Distribution (BVGE) presented by Gupta and Kundu (2009) has interesting properties. For example, the BVGE distribution has Generalized Exponential marginal distributions, which is used in many unidimensional problems. An alternative way to obtain multivariate (or bivariate) distributions is the use of Copula theory, which is proving to be a useful alternative, because it permits the construction of multivariate distributions without the necessity of giving restrictions to marginal and multivariate distributions. Inference about different bivariate models of failure time are very important, and consequently, comparisons can be made and the Bayesian method is recognized to offer significantly benefits in data analysis, justifying its use. This work considered comparisons between the Bivariate Generalized Exponential Distributition and generalized bivariate exponential distributions obtained by copulas functions. / Mestre