Experimentos cujas variaveis respostas s~ ao proporcoes ou contagens, sao muito comuns nas diversas areas do conhecimento, principalmente na area agricola. Na analise desses experimentos, utiliza-se a teoria de modelos lineares generalizados, bastante difundida (McCullagh & Nelder, 1989; Demetrio, 2001), em que as respostas sao independentes. Caso a variancia estimada seja maior do que a esperada, estima-se o parametro de dispersao, incluindo-o no processo de estimaçao dos parametros. Quando a variavel resposta e observada ao longo do tempo, pode haver uma correlacao entre as observacoes e isso tem que ser levado em consideracao na estimacao dos parametros. Uma forma de se trabalhar essa correlacao e aplicando a metodologia de equacoes de estimacao generalizada (EEG), discutida por Liang & Zeger (1986), embora, neste caso, o interesse esteja nas estimativas dos efeitos fixos e a inclusao da matriz de correlacao de trabalho sirva para se obter um melhor ajuste. Uma outra alternativa e a inclusao, no preditor linear, de um efeito latente para captar variabilidades nao consideradas no modelo e que podem in uenciar nos resultados. No presente trabalho, usa-se uma forma combinada de efeito aleatorio e parametro de dispersao, incluidos conjuntamente na estimacao dos parametros. Essa metodologia e aplicada a um conjunto de dados obtidos de um experimento com camu-camu, com objetivo de se avaliarem quais os melhores metodos de enxertia e tipos de porta-enxertos que podem ser utilizados, atraves da proporcao de pegamentos da muda. Varios modelos sao ajustados, desde o modelo em parcelas subdivididas (supondo independencia), ate o modelo em que se considera o parametro de dispersao e efeito aleatorio conjuntamente. Ha evidencias de que o modelo em que se inclui o efeito aleatorio e o parametro de dispersao, conjuntamente, resultam em melhores estimativas dos parametros. Outro conjunto de dados longitudinais, com milho transgenico MON810, em que a variavel resposta e o numero de lagartas (Spodoptera frugiperda), e utilizado. Neste caso, devido ao excesso de respostas zero, emprega-se o modelo de regressao Poisson in acionado de zeros (ZIP), alem do modelo Poisson padrao, em que as observacoes sao consideradas independentes, e do modelo Poisson in acionado de zeros com efeito aleatorio. Os resultados mostram que o efeito aleatorio incluido no preditor foi nao significativo e, assim, o modelo adotado e o modelo de regressao Poisson in acionado de zeros. Os resultados foram obtidos usando-se os procedimentos NLMIXED, GENMOD e GPLOT do SAS - Statistical Analysis System, versao 8.2. / Experiments which response variables are proportions or counts are very common in several research areas, specially in the area of agriculture. The theory of generalized linear models, well difused (McCullagh & Nelder, 1989; Demetrio, 2001), is used for analyzing these experiments where the responses are independent. If the estimated variance is greater than the expected variance, the dispersion parameter is estimated including it on the parameter estimation process. When the response variable is observed over time a correlation among observations might occur and it should be taken into account in the parameter estimation. A way of dealing with this correlation is applying the methodology of generalized estimating equations (GEEs) discussed by Liang & Zeger (1986) although, in this case, the interest is on the estimates of the xed efect being the inclusion of a working correlation matrix useful to obtain more accurate estimates. Another alternative is the inclusion of a latent efect in the linear predictor to explain variabilities not considered in the model that might in uence the results. In this work the random efect and the dispersion parameter are combined and included together in the parameter estimation. Such methodology is applied to a data set obtained from an experiment realized with camu-camu to evaluate, through proportion of grafting well successful of seedling, which kind of grafting and understock are suitable to be used. Several models are fitted, since the split plot model (with independence assumption) up to the model where the dispersion parameter and the random efect are considered together. There is evidence that the model including the random efect and the dispersion parameter together, produce better estimates of the parameters. Another longitudinal data set used here comes from an experiment realized with the MON810 transgenic corn where the response variable is the number of caterpillars (Spodoptera frugiperda). In this case, due to the excessive number of zeros obtained, the zero in ated Poisson regression model (ZIP) is used in addition to the standard Poisson model, where observations are considered independent, and the zero in ated Poisson regression model with random efect. The results show that the random efect included in the linear predictor was not significant and, therefore, the adopted model is the zero in ated Poisson regression model. The results were obtained using the procedures NLMIXED, GENMOD and GPLOT available on SAS - Statistical Analysis System, version 8.2.

Dados longitudinais na forma de contagens e na forma binária são muito comuns, os quais, frequentemente, podem ser analisados por distribuições de Poisson e de Bernoulli, respectivamente, pertencentes à família exponencial. Duas das principais limitações para modelar esse tipo de dados são: (1) a ocorrência de superdispersão, ou seja, quando a variabilidade dos dados não é adequadamente descrita pelos modelos, que muitas vezes apresentam uma relação pré-estabelecida entre a média e a variância, e (2) a correlação existente entre medidas realizadas repetidas vezes na mesma unidade experimental. Uma forma de acomodar a superdispersão é pela utilização das distribuições binomial negativa e beta binomial, ou seja, pela inclusão de um efeito aleatório com distribuição gama quando se considera dados provenientes de contagens e um efeito aleatório com distribuição beta quando se considera dados binários, ambos introduzidos de forma multiplicativa. Para acomodar a correlação entre as medidas realizadas no mesmo indivíduo podem-se incluir efeitos aleat órios com distribuição normal no preditor linear. Esses situações podem ocorrer separada ou simultaneamente. Molenberghs et al. (2010) propuseram modelos que generalizam os modelos lineares generalizados mistos Poisson-normal e Bernoulli-normal, incorporando aos mesmos a superdispersão. Esses modelos foram formulados e ajustados aos dados, usando-se o método da máxima verossimilhança. Entretanto, para um modelo de efeitos aleatórios, é natural pensar em uma abordagem Bayesiana. Neste trabalho, são apresentados modelos Bayesianos hierárquicos para dados longitudinais, na forma de contagens e binários que apresentam superdispersão. A análise Bayesiana hierárquica é baseada no método de Monte Carlo com Cadeias de Markov (MCMC) e para implementação computacional utilizou-se o software WinBUGS. A metodologia para dados na forma de contagens é usada para a análise de dados de um ensaio clínico em pacientes epilépticos e a metodologia para dados binários é usada para a análise de dados de um ensaio clínico para tratamento de dermatite. / Longitudinal count and binary data are very common, which often can be analyzed by Poisson and Bernoulli distributions, respectively, members of the exponential family. Two of the main limitations to model this data are: (1) the occurrence of overdispersion, i.e., the phenomenon whereby variability in the data is not adequately captured by the model, and (2) the accommodation of data hierarchies owing to, for example, repeatedly measuring the outcome on the same subject. One way of accommodating overdispersion is by using the negative-binomial and beta-binomial distributions, in other words, by the inclusion of a random, gamma-distributed eect when considering count data and a random, beta-distributed eect when considering binary data, both introduced by multiplication. To accommodate the correlation between measurements made in the same individual one can include normal random eects in the linear predictor. These situations can occur separately or simultaneously. Molenberghs et al. (2010) proposed models that simultaneously generalizes the generalized linear mixed models Poisson-normal and Bernoulli-normal, incorporating the overdispersion. These models were formulated and tted to the data using maximum likelihood estimation. However, these models lend themselves naturally to a Bayesian approach as well. In this paper, we present Bayesian hierarchical models for longitudinal count and binary data in the presence of overdispersion. A hierarchical Bayesian analysis is based in the Monte Carlo Markov Chain methods (MCMC) and the software WinBUGS is used for the computational implementation. The methodology for count data is used to analyse a dataset from a clinical trial in epileptic patients and the methodology for binary data is used to analyse a dataset from a clinical trial in toenail infection named onychomycosis.

Nesta dissertação estudou-se o modelo GARMA para modelar séries temporais de dados de contagem com as distribuições condicionais de Poisson, binomial e binomial negativa. A principal finalidade foi analisar no contexto clássico e bayesiano, o desempenho e a qualidade do ajuste dos modelos de interesse, bem como o desempenho dos percentis de cobertura dos intervalos de confiança dos parâmetros para os modelos adotados. Para atingir tal finalidade considerou-se a análise dos estimadores pontuais bayesianos e foram analisados intervalos de credibilidade. Neste estudo é proposta uma distribuição a priori conjugada para os parâmetros dos modelos e busca-se a distribuição a posteriori, a qual associada a certas funções de perda permite encontrar estimativas bayesianas para os parâmetros. Na abordagem clássica foram calculados estimadores de máxima verossimilhança, usandose o método de score de Fisher e verificou-se por meio de simulação a consistência dos mesmos. Com os estudos desenvolvidos pode-se observar que, tanto a inferência clássica quanto a inferência bayesiana para os parâmetros dos modelos em questão, apresentou boas propriedades analisadas por meio das propriedades dos estimadores pontuais. A última etapa do trabalho consiste na análise de um conjunto de dados reais, sendo uma série real correspondente ao número de internações por causa da dengue em Campina Grande. Estes resultados mostram que tanto o estudo clássico, quanto o bayesiano, são capazes de descrever bem o comportamento da série / In this work, it was studied the GARMA model to model time series count data with Poisson, binomial and negative binomial discrete conditional distributions. The main goal is to analyze, in the bayesian and classic context, the performance and the quality of fit of the corresponding models, as well as the coverage percentages performance to these models. To achieve this purpose we considered the analysis of Bayesian estimators and credible intervals were analyzed. To the Bayesian study it was proposed a priori distribution joined to the models parameters and sought a posteriori distribution, which one associate with to certain loss functions allows finding out Bayesian estimates to the parameters. In the classical approach, it was calculated the maximum likelihood estimators using the method of Fisher scoring, whose interest was to verify, by simulation, the consistence. With the studies developed we can notice that, both classical and inference Bayesian inference for the parameters of those models, presented good properties analysed through the properties of the punctual estimators. The last stage of the work consisted of the analysis of one real data set, being a real serie corresponding to the admission number because of dengue in the city of Campina Grande. These results show that both the classic and the Bayesian studies are able to describe well the behavior of the serie

Dados longitudinais na forma de contagens e na forma binária são muito comuns, os quais, frequentemente, podem ser analisados por distribuições de Poisson e de Bernoulli, respectivamente, pertencentes à família exponencial. Duas das principais limitações para modelar esse tipo de dados são: (1) a ocorrência de superdispersão, ou seja, quando a variabilidade dos dados não é adequadamente descrita pelos modelos, que muitas vezes apresentam uma relação pré-estabelecida entre a média e a variância, e (2) a correlação existente entre medidas realizadas repetidas vezes na mesma unidade experimental. Uma forma de acomodar a superdispersão é pela utilização das distribuições binomial negativa e beta binomial, ou seja, pela inclusão de um efeito aleatório com distribuição gama quando se considera dados provenientes de contagens e um efeito aleatório com distribuição beta quando se considera dados binários, ambos introduzidos de forma multiplicativa. Para acomodar a correlação entre as medidas realizadas no mesmo indivíduo podem-se incluir efeitos aleat órios com distribuição normal no preditor linear. Esses situações podem ocorrer separada ou simultaneamente. Molenberghs et al. (2010) propuseram modelos que generalizam os modelos lineares generalizados mistos Poisson-normal e Bernoulli-normal, incorporando aos mesmos a superdispersão. Esses modelos foram formulados e ajustados aos dados, usando-se o método da máxima verossimilhança. Entretanto, para um modelo de efeitos aleatórios, é natural pensar em uma abordagem Bayesiana. Neste trabalho, são apresentados modelos Bayesianos hierárquicos para dados longitudinais, na forma de contagens e binários que apresentam superdispersão. A análise Bayesiana hierárquica é baseada no método de Monte Carlo com Cadeias de Markov (MCMC) e para implementação computacional utilizou-se o software WinBUGS. A metodologia para dados na forma de contagens é usada para a análise de dados de um ensaio clínico em pacientes epilépticos e a metodologia para dados binários é usada para a análise de dados de um ensaio clínico para tratamento de dermatite. / Longitudinal count and binary data are very common, which often can be analyzed by Poisson and Bernoulli distributions, respectively, members of the exponential family. Two of the main limitations to model this data are: (1) the occurrence of overdispersion, i.e., the phenomenon whereby variability in the data is not adequately captured by the model, and (2) the accommodation of data hierarchies owing to, for example, repeatedly measuring the outcome on the same subject. One way of accommodating overdispersion is by using the negative-binomial and beta-binomial distributions, in other words, by the inclusion of a random, gamma-distributed eect when considering count data and a random, beta-distributed eect when considering binary data, both introduced by multiplication. To accommodate the correlation between measurements made in the same individual one can include normal random eects in the linear predictor. These situations can occur separately or simultaneously. Molenberghs et al. (2010) proposed models that simultaneously generalizes the generalized linear mixed models Poisson-normal and Bernoulli-normal, incorporating the overdispersion. These models were formulated and tted to the data using maximum likelihood estimation. However, these models lend themselves naturally to a Bayesian approach as well. In this paper, we present Bayesian hierarchical models for longitudinal count and binary data in the presence of overdispersion. A hierarchical Bayesian analysis is based in the Monte Carlo Markov Chain methods (MCMC) and the software WinBUGS is used for the computational implementation. The methodology for count data is used to analyse a dataset from a clinical trial in epileptic patients and the methodology for binary data is used to analyse a dataset from a clinical trial in toenail infection named onychomycosis.

A hanseníase, doença crônica estigmatizante com potencial de causar danos neurológicos, resulta da infecção pelo Mycobacterium leprae. Análises epidemiológicas atuais têm utilizado ferramentas clínicas e de análise espacial para o mapeamento dos principais focos de ocorrência de doenças e de áreas de alto risco. Analisar os municípios maranhenses quanto à distribuição dos casos de hanseníase torna-se uma ferramenta a mais na prevenção e controle da Hanseníase no estado por inúmeros fatores: comporta-se como área hiperendêmica de hanseníase; apresenta fluxo migratório intenso com outras cidades de forma interestadual; e tem grandes contrastes sociais marcados por pouca, ou nenhuma, infraestrutura básica em algumas áreas dos vários municípios deste. Objetivos: Analisar a distribuição espaço-temporal da hanseníase para o estado do Maranhão, no período de 2001 a 2013. Identificar a ocorrência de agrupamentos espaços-temporais de provável alta transmissão (risco) e verificar se há associação dessa distribuição de taxas de detecção de risco relativo (RR) da doença com as variáveis do contexto geográfico como socioeconômicas e ambientais. Metodologia: A fonte de coleta dos dados clínicos e epidemiológicos foi o Sistema de Informação Nacional de Agravos Notificáveis do Ministério da Saúde e dos dados demográficos, ambientais e bases cartográficas digitais do Instituto Brasileiro de Geografia e Estatística. Foi adotada uma abordagem ecológica sobre tendências dos padrões espaçostemporais de transmissibilidade, com utilização dos métodos: varredura espacial (scan), para a identificação dos agregados (clusters) de risco, considerando o modelo de distribuição de probabilidade Discreto de Poisson; Estimador Bayesiano Empírico para a suavização local de taxas, a partir de informações de municípios vizinhos tendo como estratégia de construção o critério da contiguidade; regressão múltipla espacial considerando uma modelagem com distribuição de Poisson no contexto Bayesiano, levando em conta a dependência espacial, com o propósito de avaliar a relação entre a ocorrência da variável dependente com as variáveis demográficas, socioeconômicas e ambientais. Resultados: A taxa média de detecção foi de 6,73 casos por 10.000 hab., com 53.826 casos notificados no período. O estudo revelou que a distribuição dos casos de sexo masculino (57,75%) apresentou maior proporção em relação ao feminino (42,25%), havendo predominância da doença na faixa etária >15 anos (89,87%). A alta ocorrência na classificação operacional multibacilar (60,10%) é um forte indicativo decorrente do longo período de incubação da doença somado ao não diagnóstico precoce. A análise da distribuição dos agregados espaciais identificou 14 (7 de risco alto e 7 de risco baixo) e 6 (3 de risco alto e 3 de risco baixo) agrupamentos espaciais, considerando-se 10% e 50% da população em risco, respectivamente, em áreas com taxas de detecção alta e que possuem baixa qualidade de vida. O estimador Bayesiano empírico local possibilitou gerar índices corrigidos e com menores instabilidades. A análise de regressão múltipla espacial mostrou que as variáveis índice Gini, bioma predominante cerrado/caatinga e percentual de população urbana tiveram associação positiva e significativa para explicar o risco relativo (RR) no estado do Maranhão. Conclusões: O estudo mostrou que existem aglomerados com elevado risco para transmissão da hanseníase no estado do Maranhão. A associação entre o risco relativo da hanseníase e o percentual de população urbana indica que a hipótese que associa o M. leprae e a população que vive em condições de acentuada desigualdade socioeconômica ainda é forte. Essa hiperendemicidade pode demonstrar que o crescimento da população urbana é um preditor de incidência da hanseníase, face à urbanização descontrolada e ao fluxo de migrantes advindos de diferentes espaços rurais. Foi possível identificar áreas prioritárias para implementação de programas eficazes de controle de hanseníase no estado do Maranhão. / Leprosy, a chronic stigmatizing disease with the potential to cause neurological damage resulting from infection by Mycobacterium leprae. Current epidemiological studies have used clinical and spatial analysis for mapping of the main occurrence of disease outbreaks and high-risk areas. Analyze the municipalities of Maranhão state regarding the distribution of leprosy cases becomes another tool in the prevention and control of leprosy in the state by numerous factors like behaves as hyper-endemic area of leprosy; It presents intense migration to other interstate cities; and has great social contrasts marked by little or no basic infrastructure in some areas of several municipalities.. Objectives: To analyze the spatiotemporal distribution of leprosy in the Maranhão state, from 2001 to 2013. To identify the spatiotemporal clusters occurrence of probable high transmission (risk) and check for association of this distribution of relative risk (RR) detection rates of the disease with the variables of geographic context as socioeconomic and environmental. Methodology: Clinical and epidemiological data was obtained from the Ministry of Healths Disease Reporting System and demographic data, environmental and digital cartographic bases were obtained from the Brazilian Geography and Statistics Institute. An ecological approach to trends transmissibility of spatiotemporal patterns, using the methods: spatial scan to identification the clusters of risk, considering the Discrete Poisson probability distribution model; empirical Bayesian method was applied for local rate flattening, using data from municipalities having as building strategy the criterion of contiguity; ecological regression modeling with considering a Poisson distribution in the Bayesian context, taking into account the spatial dependence, in order to evaluate the relationship between the occurrence of the dependent variable with demographic, socioeconomic and environmental variables. Results: The mean detection rate was 6.73 cases per 10,000 inhabitants, with 53,826 reported cases. The study revealed that the distribution of male cases (57.75%) showed a predominance over female (42.25%), with predominance of the disease in the age group upper than 15 years (89.87%). The high occurrence in operational classification multibacillary (60.10%) is a strong indication due to the long incubation period of the disease added to no early diagnosis. The analysis of the distribution of spatial clusters identified 14 (7 high risk and 7 low risk) and 6 (3 high risk and 3 low risk) spatial clusters, considering 10% and 50% of the population at risk in areas with high detection rates and which have low quality of life. Local empirical Bayes estimator allowed to generate fixed and minor instabilities indexes. The best results of modeling to spatial multiple regression analysis for the relative risk (RR) presented for the variables Gini index, cerrado/caatinga biome and percentage of urban population. Conclusions: The study showed that there are clusters at high risk for transmission of leprosy in the Maranhao state. The association between the relative risk of leprosy and the percentage of urban population indicates that the hypothesis that associates M. leprae and the population living in severe socioeconomic inequality is still strong. This hyperendemicity can demonstrate that the growth of the urban population is a predictor incidence of leprosy due to uncontrolled urbanization and the influx of migrants coming from different rural areas.It was possible to identify priority areas for implementation of effective leprosy control programs in the Maranhão state.

Made available in DSpace on 2016-06-02T20:06:03Z (GMT). No. of bitstreams: 1 2510.pdf: 1878422 bytes, checksum: 882e21e70271b7a106e3a27a080da004 (MD5) Previous issue date: 2009-04-06 / This work has as central theme the Inflated Modified Power Series Distributions, where the objective is to study its main properties and the applicability in the bayesian context. This class of models includes the generalized Poisson, binomial and negative binomial distributions. These probability distributions are very helpful to models discrete data with inflated values. As particular case the - zero inflated Poisson models (ZIP) is studied, where the main purpose was to verify the effectiveness of it when compared to the Poisson distribution. The same methodology was considered for the negative binomial inflated distribution, but comparing it with the Poisson, negative binomial and ZIP distributions. The Bayes factor and full bayesian significance test were considered for selecting models. / Este trabalho tem como tema central a classe de distribuições série de potências inflacionadas, em que o intuito é estudar suas principais propriedades e a aplicabilidade no contexto bayesiano. Esta classe de modelos engloba as distribuições de Poisson, binomial e binomial negativa simples e as generalizadas e, por isso é muito aplicada na modelagem de dados discretos com valores excessivos. Como caso particular propôs-se explorar a distribuição de Poisson zero inflacionada (ZIP), em que o objetivo principal foi verificar a eficácia de sua modelagem quando comparada à distribuição de Poisson. A mesma metodologia foi considerada para a distribuição binomial negativa inflacionada, mas comparando-a com as distribuições de Poisson, binomial negativa e ZIP. Como critérios formais para seleção de modelos foram considerados o fator de Bayes e o teste de significância completamente bayesiano.

Made available in DSpace on 2016-06-02T20:06:06Z (GMT). No. of bitstreams: 1 4336.pdf: 1594022 bytes, checksum: ff2370b4d516b9cdf6dd6da3be557c42 (MD5) Previous issue date: 2012-03-16 / Financiadora de Estudos e Projetos / Experiments involving chemical induction of carcinogens in animals are common in the biological area. Interest in these experiments is, in general, evaluating the chemopreventive effect of a substance in the destruction of damaged cells. In this type of study, two variables of interest are the number of induced tumors and their development times. We explored the use of statistical model proposed by Kokoska (1987) for the analysis of experimental data of chemoprevention of cancer in animals. We flexibility the Kokoska s model, subsequently used by Freedman (1993), whereas for the variable number of tumors induced Conway-Maxwell Poisson (COM-Poisson) distribution. This distribution has demonstrated efficiency due to its great flexibility, when compared to other discrete distributions to accommodate problems related to sub-dispersion and super-dispersion often found in count data. The purpose of this paper is to adapt the theory of long-term destructive model (Rodrigues et al., 2011) for experiments chemoprevention of cancer in animals, in order to evaluate the effectiveness of cancer treatments. Unlike the proposed Rodrigues et al. (2011), we formulate a model for the variable number of detected malignant tumors per animal, assuming that the probability of detection is no longer constant, but dependent on the time step. This is an extremely important approach to cancer chemoprevention experiments, because it makes the analysis more realistic and accurate. We conducted a simulation study, in order to evaluate the efficiency of the proposed model and to verify the asymptotic properties of maximum likelihood estimators. We also analyze a real data set presented in the article by Freedman (1993), to demonstrate the efficiency of the COM-Poisson model compared to results obtained by him with the Poisson and Negative Binomial distributions. / Experimentos que envolvem a indução química de substâncias cancerígenas em animais são comuns na área biológica. O interesse destes experimentos é, em geral, avaliar o efeito de uma substância quimiopreventiva na destruição das células danificadas. Neste tipo de estudo, duas variáveis de interesse são o número de tumores induzidos e seus tempos de desenvolvimento. Exploramos o uso do modelo estatístico proposto por Kokoska (1987) para a análise de dados de experimentos de quimioprevenção de câncer em animais. Flexibilizamos o modelo de Kokoska (1987), posteriormente utilizado por Freedman (1993), considerando para a variável número de tumores induzidos a distribuição Conway-Maxwell Poisson (COM-Poisson). Esta distribuição tem demonstrado eficiência devido à sua grande flexibilidade, quando comparada a outras distribuições discretas, para acomodar problemas relacionados à subdispersão e sobredispersão encontrados frequentemente em dados de contagem. A proposta deste trabalho consiste em adaptar a teoria de modelo destrutivo de longa duração (Rodrigues et al., 2011) para experimentos de quimioprevenção do câncer em animais, com o propósito de avaliar a eficiência de tratamentos contra o câncer. Diferente da proposta de Rodrigues et al. (2011), formulamos um modelo para a variável número de tumores malignos detectados por animal, supondo que sua probabilidade de detecção não é mais constante, e sim dependente do instante de tempo. Esta é uma abordagem extremamente importante para experimentos quimiopreventivos de câncer, pois torna a análise mais realista e precisa. Realizamos um estudo de simulação com o propósito de avaliar a eficiência do modelo proposto e verificar as propriedades assintóticas dos estimadores de máxima verossimilhança. Analisamos também um conjunto de dados reais apresentado no artigo de Freedman (1993), visando demonstrar a eficiência do modelo COM-Poisson em relação aos resultados por ele obtidos com as distribuições Poisson e Binomial Negativa.

Made available in DSpace on 2016-06-02T20:06:10Z (GMT). No. of bitstreams: 1 6128.pdf: 965623 bytes, checksum: 08d957ba051c6348918f8348a857eff7 (MD5) Previous issue date: 2014-04-23 / Financiadora de Estudos e Projetos / The modelling of paired counts data is a topic that has been frequently discussed in several threads of research. In particular, we can cite bivariate counts, such as the analysis of sports scores. As a result, in this work we present the bivariate Poisson distribution to modelling positively correlated scores. The possible independence between counts is also addressed through the double Poisson model, which arises as a special case of the bivariate Poisson model. The main characteristics and properties of these models are presented and a simulation study is conducted to evaluate the behavior of the estimates for different sample sizes. Considering the possibility of modeling parameters by insertion of predictor variables, we present the structure of the bivariate Poisson regression model as a general case as well as the structure of an effects model for application in sports data. Particularly, in this work we will consider applications to Brazilian Championship Serie A 2012 data, in which the effects will be estimated by double Poisson and bivariate Poisson models. Once obtained the fits, the probabilities of scores occurence are estimated and then we obtain forecasts for the outcomes. In order to obtain more accurate forecasts, we present the weighted likelihood method from which it will be possible to quantify the relevance of the data according to the time they were observed. / A modelagem de dados provenientes de contagens pareadas e um típico que vem sendo frequentemente abordado em diversos segmentos de pesquisa. Em particular, podemos citar os casos em que as contagens de interesse são bivariadas, como por exemplo na analise de placares esportivos. Em virtude disso, neste trabalho apresentamos a distribuição Poisson bivariada para os casos em que as contagens de interesse sao positivamente correlacionadas. A possível independencia entre as contagens tambem e abordada por meio do modelo Poisson duplo, que surge como caso particular do modelo Poisson bivariado. As principais características e propriedades desses modelos são apresentadas e um estudo de simulação é realizado, visando avaliar o comportamento das estimativas para diferentes tamanhos amostrais. Considerando a possibilidade de se modelar os parâmetros por meio da inserçao de variáveis preditoras, apresentamos a estrutura do modelo de regressão Poisson bivariado como caso geral, bem como a estrutura de um modelo de efeitos para aplicação a dados esportivos. Particularmente, neste trabalho vamos considerar aplicações aos dados da Serie A do Campeonato Brasileiro de 2012, na qual os efeitos serão estimados por meio dos modelos Poisson duplo e Poisson bivariado. Uma vez obtidos os ajustes, estimam-se as probabilidades de ocorrência dos placares e, a partir destas, obtemos previsões para as partidas de interesse. Com o intuito de se obter previsões mais acuradas para as partidas, apresentamos o metodo da verossimilhança ponderada, a partir do qual seria possível quantificar a relevância dos dados em função do tempo em que estes foram observados.

A hanseníase, doença crônica estigmatizante com potencial de causar danos neurológicos, resulta da infecção pelo Mycobacterium leprae. Análises epidemiológicas atuais têm utilizado ferramentas clínicas e de análise espacial para o mapeamento dos principais focos de ocorrência de doenças e de áreas de alto risco. Analisar os municípios maranhenses quanto à distribuição dos casos de hanseníase torna-se uma ferramenta a mais na prevenção e controle da Hanseníase no estado por inúmeros fatores: comporta-se como área hiperendêmica de hanseníase; apresenta fluxo migratório intenso com outras cidades de forma interestadual; e tem grandes contrastes sociais marcados por pouca, ou nenhuma, infraestrutura básica em algumas áreas dos vários municípios deste. Objetivos: Analisar a distribuição espaço-temporal da hanseníase para o estado do Maranhão, no período de 2001 a 2013. Identificar a ocorrência de agrupamentos espaços-temporais de provável alta transmissão (risco) e verificar se há associação dessa distribuição de taxas de detecção de risco relativo (RR) da doença com as variáveis do contexto geográfico como socioeconômicas e ambientais. Metodologia: A fonte de coleta dos dados clínicos e epidemiológicos foi o Sistema de Informação Nacional de Agravos Notificáveis do Ministério da Saúde e dos dados demográficos, ambientais e bases cartográficas digitais do Instituto Brasileiro de Geografia e Estatística. Foi adotada uma abordagem ecológica sobre tendências dos padrões espaçostemporais de transmissibilidade, com utilização dos métodos: varredura espacial (scan), para a identificação dos agregados (clusters) de risco, considerando o modelo de distribuição de probabilidade Discreto de Poisson; Estimador Bayesiano Empírico para a suavização local de taxas, a partir de informações de municípios vizinhos tendo como estratégia de construção o critério da contiguidade; regressão múltipla espacial considerando uma modelagem com distribuição de Poisson no contexto Bayesiano, levando em conta a dependência espacial, com o propósito de avaliar a relação entre a ocorrência da variável dependente com as variáveis demográficas, socioeconômicas e ambientais. Resultados: A taxa média de detecção foi de 6,73 casos por 10.000 hab., com 53.826 casos notificados no período. O estudo revelou que a distribuição dos casos de sexo masculino (57,75%) apresentou maior proporção em relação ao feminino (42,25%), havendo predominância da doença na faixa etária >15 anos (89,87%). A alta ocorrência na classificação operacional multibacilar (60,10%) é um forte indicativo decorrente do longo período de incubação da doença somado ao não diagnóstico precoce. A análise da distribuição dos agregados espaciais identificou 14 (7 de risco alto e 7 de risco baixo) e 6 (3 de risco alto e 3 de risco baixo) agrupamentos espaciais, considerando-se 10% e 50% da população em risco, respectivamente, em áreas com taxas de detecção alta e que possuem baixa qualidade de vida. O estimador Bayesiano empírico local possibilitou gerar índices corrigidos e com menores instabilidades. A análise de regressão múltipla espacial mostrou que as variáveis índice Gini, bioma predominante cerrado/caatinga e percentual de população urbana tiveram associação positiva e significativa para explicar o risco relativo (RR) no estado do Maranhão. Conclusões: O estudo mostrou que existem aglomerados com elevado risco para transmissão da hanseníase no estado do Maranhão. A associação entre o risco relativo da hanseníase e o percentual de população urbana indica que a hipótese que associa o M. leprae e a população que vive em condições de acentuada desigualdade socioeconômica ainda é forte. Essa hiperendemicidade pode demonstrar que o crescimento da população urbana é um preditor de incidência da hanseníase, face à urbanização descontrolada e ao fluxo de migrantes advindos de diferentes espaços rurais. Foi possível identificar áreas prioritárias para implementação de programas eficazes de controle de hanseníase no estado do Maranhão. / Leprosy, a chronic stigmatizing disease with the potential to cause neurological damage resulting from infection by Mycobacterium leprae. Current epidemiological studies have used clinical and spatial analysis for mapping of the main occurrence of disease outbreaks and high-risk areas. Analyze the municipalities of Maranhão state regarding the distribution of leprosy cases becomes another tool in the prevention and control of leprosy in the state by numerous factors like behaves as hyper-endemic area of leprosy; It presents intense migration to other interstate cities; and has great social contrasts marked by little or no basic infrastructure in some areas of several municipalities.. Objectives: To analyze the spatiotemporal distribution of leprosy in the Maranhão state, from 2001 to 2013. To identify the spatiotemporal clusters occurrence of probable high transmission (risk) and check for association of this distribution of relative risk (RR) detection rates of the disease with the variables of geographic context as socioeconomic and environmental. Methodology: Clinical and epidemiological data was obtained from the Ministry of Healths Disease Reporting System and demographic data, environmental and digital cartographic bases were obtained from the Brazilian Geography and Statistics Institute. An ecological approach to trends transmissibility of spatiotemporal patterns, using the methods: spatial scan to identification the clusters of risk, considering the Discrete Poisson probability distribution model; empirical Bayesian method was applied for local rate flattening, using data from municipalities having as building strategy the criterion of contiguity; ecological regression modeling with considering a Poisson distribution in the Bayesian context, taking into account the spatial dependence, in order to evaluate the relationship between the occurrence of the dependent variable with demographic, socioeconomic and environmental variables. Results: The mean detection rate was 6.73 cases per 10,000 inhabitants, with 53,826 reported cases. The study revealed that the distribution of male cases (57.75%) showed a predominance over female (42.25%), with predominance of the disease in the age group upper than 15 years (89.87%). The high occurrence in operational classification multibacillary (60.10%) is a strong indication due to the long incubation period of the disease added to no early diagnosis. The analysis of the distribution of spatial clusters identified 14 (7 high risk and 7 low risk) and 6 (3 high risk and 3 low risk) spatial clusters, considering 10% and 50% of the population at risk in areas with high detection rates and which have low quality of life. Local empirical Bayes estimator allowed to generate fixed and minor instabilities indexes. The best results of modeling to spatial multiple regression analysis for the relative risk (RR) presented for the variables Gini index, cerrado/caatinga biome and percentage of urban population. Conclusions: The study showed that there are clusters at high risk for transmission of leprosy in the Maranhao state. The association between the relative risk of leprosy and the percentage of urban population indicates that the hypothesis that associates M. leprae and the population living in severe socioeconomic inequality is still strong. This hyperendemicity can demonstrate that the growth of the urban population is a predictor incidence of leprosy due to uncontrolled urbanization and the influx of migrants coming from different rural areas.It was possible to identify priority areas for implementation of effective leprosy control programs in the Maranhão state.

Made available in DSpace on 2016-06-02T20:06:07Z (GMT). No. of bitstreams: 1 4375.pdf: 903031 bytes, checksum: 03118f406867a5d7be3cbc63571d4a2b (MD5) Previous issue date: 2012-04-12 / Financiadora de Estudos e Projetos / The chemical induction of carcinogens in chemopreventive animal experiments is becoming increasingly frequent in biological research. The purpose of these biological experiments is to evaluate the effect of a particular treatment on the rate of tumors incidence in animals. In this work, the number of promoted tumors per animal will be parametrically modeled following the suggestions given by Kokoska (1987) and Freedman et al. (1993). The study of these chemopreventive experiments will be presented in the context of the destructive model proposed by Rodrigues et al. (2010) with terminal variable that allows or censures the experiment at time of the animal death. Since the data analyzed in this field are subject to excess of zeros (Freedman et al. (1993)), we propose for the number of promoted tumors a negative binomial distribution (NB), a zero-inflated Poisson distribution (ZIP), and a zero-inflated Negative Binomial distribution (ZINB). The selection of these models will be made through the likelihood ratio test and the AIC, BIC criteria. The estimation of its parameters will be obtained by using the method of maximum likelihood, and further simulation studies will also be realized. As a future proposition to finalize this project, it is suggested the Bayesian methodology as an alternative to the method of maximum likelihood via the EM algorithm. / A indução química de substâncias cancerígenas em experimentos quimiopreventivos em animais é cada vez mais frequente em pesquisas biológicas. O objetivo destes experimentos biológicos é avaliar o efeito de um determinado tratamento na taxa de incidência de tumores em animais. Neste trabalho o número de tumores promovidos por animal será modelado parametricamente seguindo as sugestões dadas por Kokoska (1987) e por Freedman et al. (1993). O estudo desses experimentos quimiopreventivos será apresentado no contexto do modelo destrutivo proposto por Rodrigues et al. (2010) com variável terminal que condiciona ou censura o experimento no instante de morte do animal. Os dados analisados possuem uma grande quantidade de zeros, portanto será proposto para o número de tumores promovidos as seguintes distribuições: binomial negativa, a distribuição de Poisson com zeros inflacionados e a distribuição binomial negativa com zeros inflacionados. A seleção destes modelos será feita através do teste da razão de verossimilhança e os critérios AIC, BIC. As estimativas dos respectivos parâmetros serão obtidas utilizando o método de máxima verossimilhança e serão feitos estudos de simulação. Para continuar este projeto, a proposta futura é utilizar a metodologia Bayesiana como alternativa ao método de máxima verossimilhança via algoritmo EM.