O presente trabalho possui como metas o estudo, simulação, identificação de parâmetros e comparação estatística de modelos compartimentais utilizados em tomografia por emissão de pósitrons (PET). Para tanto, propõe-se utilizar a metodologia de equações de sensibilidade e o método de Levenberg-Marquardt para a tarefa de estimação de parâmetros característicos das equações diferenciais descritoras dos referidos sistemas. Para comparação entre modelos, foi empregado o critério de informação de Akaike. São consideradas três estruturas compartimentais compostas, respectivamente, por dois compartimentos e duas constantes características, três compartimentos e quatro constantes características e quatro compartimentos e seis constantes características. Os dados considerados neste texto foram sintetizados preocupando-se em reunir as principais características de um exame de tomografia real, tais como tipo e nível de ruído e morfologia de função de excitação do sistema. Para tanto, foram utilizados exames de pacientes do setor de Medicina Nuclear do Instituto do Coração da Faculdade de Medicina da Universidade de São Paulo. Aplicando-se a metodologia proposta em três níveis de ruído (baixo, médio e alto), obteve-se concordância do melhor modelo em graus forte e considerável (com índices de Kappa iguais a 0.95, 0.93 e 0.63, respectivamente). Observou-se que, com elevado nível de ruído e modelos mais complexos (quatro compartimentos), a classificação se deteriora devido ao pequeno número de dados para a decisão. Foram desenvolvidos programas e uma interface gráfica que podem ser utilizadas na investigação, elaboração, simulação e identificação de parâmetros de modelos compartimentais para apoio e análise de diagnósticos clínicos e práticas científicas. / This work has as goals the study, simulation, parameter identification and statistical comparison of compartmental models used in positron emission tomography (PET). We propose to use the methodology of sensitivity equations and the method of Levenberg-Marquardt for the task of estimating the characteristic parameters of the differential equations describing such systems. For model comparison, Akaikes information criterion is applied. We have considered three compartmental structures represented, respectively, by two compartments and two characteristic constants, three compartments and four characteristic constants and four compartments and six characteristics constants. The data considered in this work were synthesized taking into account key features of a real tomography exam, such as type and level of noise and morphology of the input function of the system. To this end, we used tests of patients in the sector of Nuclear Medicine of the Heart Institute of the Faculty of Medicine, University of São Paulo. Applying the proposed methodology with three noise levels (low, medium and high), we obtained agreement of the best model with strong and considerable degrees (with Kappa indexes equal to 0.95, 0.93 and 0.63, respectively). It was observed that, with high noise level and more complex models (four compartments), the classification is deteriorated due to lack of data for the decision. Programs have been developed and a graphical interface that can be used in research, development, simulation and parameter identification of compartmental models, supporting analysis of clinical diagnostics and scientific practices.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-09-04T18:35:15Z No. of bitstreams: 1 OrlandoRochaFilho.pdf: 10104010 bytes, checksum: 7c750a6e03597fc2e7f7474b62c35a46 (MD5) / Made available in DSpace on 2017-09-04T18:35:15Z (GMT). No. of bitstreams: 1 OrlandoRochaFilho.pdf: 10104010 bytes, checksum: 7c750a6e03597fc2e7f7474b62c35a46 (MD5) Previous issue date: 2017-04-24 / This thesis presents a maximum likelihood based modeling approach applied to dynamic systems operating in non-stationary environment that uses recursive parametric estimation based on the method of fuzzy instrumental variable. The context is evolving and the idea is to guarantee a robust for estimation of the parameters of noise-corrupted experimental data. The methodology consists of an evolving fuzzy clustering algorithm based on the similarity of the data which employs an adaptive distance norm based on the maximum likelihood criterion that use an adaptive search strategy on the experiment in order to avoid the curse of dimensionality related to the number of rules created during data clustering of the data set. The computational and experimental results to exemplify the proposed methodology are: statistical analysis of the fuzzy instrumental variable inserted in the evolving context; black box modeling of a thermal plant; identification of a benchmark nonlinear system widely published in the literature and the black box modeling of a 2DOF helicopter. These examples are used to illustrate the performance and efficiency by operating in a non–stationary environment. / Nesta tese é apresentada uma proposta de modelagem baseada máxima verossimilhança aplicada a sistemas dinâmicos operando em ambiente não-estacionário que utiliza a estima- ção paramétrica recursiva baseada no método de variável instrumental nebulosa, inserido no contexto evolutivo, no sentido de garantir robustez para estimação dos parâmetros diante de dados experimentais corrompidos por ruído. A metodologia é composta por um algoritmo de agrupamento nebuloso evolutivo baseado na similaridade dos dados que emprega uma norma de distância adaptativa baseada no critério de máxima verossimilhança que utiliza uma estratégia de busca adaptativa no experimento para evitar o problema da maldição de dimensionalidade relacionada ao número de regras criadas durante o agrupamento do conjunto de dados. Os resultados computacionais e experimentais para exemplificação da metodologia proposta são: análise estatística da variável instrumental nebulosa inserida no contexto evolutivo; na modelagem caixa preta de uma planta térmica (processo térmico); identificação de um sistema não-linear amplamente divulgado na literatura e a modelagem caixa preta de um helicóptero com dois graus de liberdade que ilustra o desempenho e a eficiência operando ambiente não-estacionário.

Neste trabalho apresentamos os mais importantes processos de estimação em algumas classes de modelos de resposta ao item (Dicotômicos e Policotômicos). Discutimos algumas propriedades desses métodos. Com o objetivo de comparar o desempenho dos métodos conduzimos simulações apropriadas. / In this work we show the most important estimation methods for some item response models (both dichotomous and polichotomous). We discuss some proprieties of these methods. To compare the characteristic of these methods we conducted appropriate simulations.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / In the present scenario rotating machines have been widely used in industry because of its relative simplicity, constructive robustness and low price. In this context, adequately characterize engine behavior in nominal operating conditions, as this mathematical modeling of these machines becomes interesting and can contribute to the implementation of a predictive control real-time, moreover, there fault detection possibility to, since the engine behavior change will be felt by the identified model. One way to get this mathematical structure is through their experimental data input and output, in order to identify systems is a good option as it studies ways to model and analyze systems, through its information input and output, with the aim of discovering knowledge standards. In this context, the work is to develop a mathematical model using system identification techniques in three phase induction machines through the experimental data with the objective to implement a model apt to behavior anticipate the three-phase induction motor application control for prediction. Moreover, it presents the importance of modeling the rotating machine, moreover, is demonstrated using the method of modeling identification system and a brief justification about ARX and ARMAX models. Also there was performed parametric estimation and then we performed a test to show the performance of the identification of the three-phase induction motor. / No cenário atual as máquinas rotativas têm sido bastante utilizadas nas indústrias, devido a sua relativa simplicidade, robustez construtiva e baixo preço. Neste contexto, caracterizar adequadamente o comportamento do motor operando em condições nominais diários, visto isto a modelagem matemática destas máquinas se torna interessante podendo contribuir para a implementação de um controle preditivo em tempo real, além disso, existe a possibilidade de detecção de falhas, visto que a mudança de comportamento do motor será sentida pelo modelo identificado. Essas falhas se desencadeiam com o envelhecimento e com condições adversas as quais os motores são submetidos ao longo de suas vidas úteis. Uma forma de obter essa estrutura matemática é por meio de seus dados experimentais de entrada e saída, neste intuito a identificação de sistemas é uma boa opção visto que estuda formas de se modelar e analisar sistemas, por meio de suas informações de entrada e saída, com o objetivo de descobrir padrões de comportamento. Neste contexto, o trabalho consiste em elaborar uma modelagem matemática utilizando as técnicas de identificação de sistema em máquinas de indução trifásicas por intermédio dos dados experimentais com o objetivo de implementar um modelo apto a antecipar o comportamento do motor de indução trifásico com aplicação em controle por predição. Além disso, apresenta a importância de se modelar a máquina rotativa, além disso, é demonstrada a metodologia da modelagem utilizando identificação de sistema e uma breve fundamentação sobre os modelos ARX e ARMAX. Também realizou-se a estimação paramétrica e em seguida efetuou-se um teste para mostrar o desempenho da identificação do motor de indução trifásico. / Mestre em Ciências

A confiabilidade de um sistema de componentes depende da confiabilidade de cada componente. Assim, a estimação da função de confiabilidade de cada componente do sistema é de interesse. No entanto, esta não é uma tarefa fácil, pois quando o sistema falha, o tempo de falha de um dado componente pode não ser observado, isto é, um problema de dados censurados. Neste trabalho, propomos modelos Bayesianos paramétricos para estimação das funções de confiabilidade de componentes e sistemas em quatro diferentes cenários. Inicialmente, um modelo Weibull é proposto para estimar a distribuição do tempo de vida de um componente de interesse envolvido em sistemas coerentes não reparáveis, quando estão disponíveis o tempo de falha do sistema e o estado do componente no momento da falha do sistema. Não é imposta a suposição de que os tempos de vida dos componentes sejam identicamente distribuídos, mas a suposição de independência entre os tempos até a falha dos componentes é necessária, conforme teorema anunciado e devidamente demonstrado. Em situações com causa de falha mascarada, os estados dos componentes no momento da falha do sistema não são observados e, neste cenário, um modelo Weibull com variáveis latentes no processo de estimação é proposto. Os dois modelos anteriormente descritos propõem estimar marginalmente as funções de confiabilidade dos componentes quando não são disponíveis ou necessárias as informações dos demais componentes e, por consequência, a suposição de independência entre os tempos de vida dos componentes é necessária. Com o intuito de não impor esta suposição, o modelo Weibull multivariado de Hougaard é proposto para a estimação das funções de confiabilidade de componentes envolvidos em sistemas coerentes não reparáveis. Por fim, um modelo Weibull para a estimação da função de confiabilidade de componentes de um sistema em série reparável com causa de falha mascarada é proposto. Para cada cenário considerado, diferentes estudos de simulação são realizados para avaliar os modelos propostos, sempre comparando com a melhor solução encontrada na literatura até então, em que, em geral, os modelos propostos apresentam melhores resultados. Com o intuito de demonstrar a aplicabilidade dos modelos, análises de dados são realizadas com problemas reais não só da área de confiabilidade, mas também da área social. / The reliability of a system of components depends on reliability of each component. Thus, the initial statistical work should be the estimation of the reliability of each component of the system. This is not an easy task because when the system fails, the failure time of a given component can be not observed, that is, a problem of censored data. We propose parametric Bayesian models for reliability functions estimation of systems and components involved in four scenarios. First, a Weibull model is proposed to estimate component failure time distribution from non-repairable coherent systems when there are available the system failure time and the component status at the system failure moment. Furthermore, identically distributed failure times are not a required restriction. An important result is proved: without the assumption that components\' lifetimes are mutually independent, a given set of sub-reliability functions does not identify the corresponding marginal reliability function. In masked cause of failure situations, it is not possible to identify the statuses of the components at the moment of system failure and, in this second scenario, we propose a Bayesian Weibull model by means of latent variables in the estimation process. The two models described above propose to estimate marginally the reliability functions of the components when the information of the other components is not available or necessary and, consequently, the assumption of independence among the components\' failure times is necessary. In order to not impose this assumption, the Hougaard multivariate Weibull model is proposed for the estimation of the components\' reliability functions involved in non-repairable coherent systems. Finally, a Weibull model for the estimation of the reliability functions of components of a repairable series system with masked cause of failure is proposed. For each scenario, different simulation studies are carried out to evaluate the proposed models, always comparing then with the best solution found in the literature until then. In general, the proposed models present better results. In order to demonstrate the applicability of the models, data analysis are performed with real problems not only from the reliability area, but also from social area.

A confiabilidade de um sistema de componentes depende da confiabilidade de cada componente. Assim, a estimação da função de confiabilidade de cada componente do sistema é de interesse. No entanto, esta não é uma tarefa fácil, pois quando o sistema falha, o tempo de falha de um dado componente pode não ser observado, isto é, um problema de dados censurados. Neste trabalho, propomos modelos Bayesianos paramétricos para estimação das funções de confiabilidade de componentes e sistemas em quatro diferentes cenários. Inicialmente, um modelo Weibull é proposto para estimar a distribuição do tempo de vida de um componente de interesse envolvido em sistemas coerentes não reparáveis, quando estão disponíveis o tempo de falha do sistema e o estado do componente no momento da falha do sistema. Não é imposta a suposição de que os tempos de vida dos componentes sejam identicamente distribuídos, mas a suposição de independência entre os tempos até a falha dos componentes é necessária, conforme teorema anunciado e devidamente demonstrado. Em situações com causa de falha mascarada, os estados dos componentes no momento da falha do sistema não são observados e, neste cenário, um modelo Weibull com variáveis latentes no processo de estimação é proposto. Os dois modelos anteriormente descritos propõem estimar marginalmente as funções de confiabilidade dos componentes quando não são disponíveis ou necessárias as informações dos demais componentes e, por consequência, a suposição de independência entre os tempos de vida dos componentes é necessária. Com o intuito de não impor esta suposição, o modelo Weibull multivariado de Hougaard é proposto para a estimação das funções de confiabilidade de componentes envolvidos em sistemas coerentes não reparáveis. Por fim, um modelo Weibull para a estimação da função de confiabilidade de componentes de um sistema em série reparável com causa de falha mascarada é proposto. Para cada cenário considerado, diferentes estudos de simulação são realizados para avaliar os modelos propostos, sempre comparando com a melhor solução encontrada na literatura até então, em que, em geral, os modelos propostos apresentam melhores resultados. Com o intuito de demonstrar a aplicabilidade dos modelos, análises de dados são realizadas com problemas reais não só da área de confiabilidade, mas também da área social. / The reliability of a system of components depends on reliability of each component. Thus, the initial statistical work should be the estimation of the reliability of each component of the system. This is not an easy task because when the system fails, the failure time of a given component can be not observed, that is, a problem of censored data. We propose parametric Bayesian models for reliability functions estimation of systems and components involved in four scenarios. First, a Weibull model is proposed to estimate component failure time distribution from non-repairable coherent systems when there are available the system failure time and the component status at the system failure moment. Furthermore, identically distributed failure times are not a required restriction. An important result is proved: without the assumption that components\' lifetimes are mutually independent, a given set of sub-reliability functions does not identify the corresponding marginal reliability function. In masked cause of failure situations, it is not possible to identify the statuses of the components at the moment of system failure and, in this second scenario, we propose a Bayesian Weibull model by means of latent variables in the estimation process. The two models described above propose to estimate marginally the reliability functions of the components when the information of the other components is not available or necessary and, consequently, the assumption of independence among the components\' failure times is necessary. In order to not impose this assumption, the Hougaard multivariate Weibull model is proposed for the estimation of the components\' reliability functions involved in non-repairable coherent systems. Finally, a Weibull model for the estimation of the reliability functions of components of a repairable series system with masked cause of failure is proposed. For each scenario, different simulation studies are carried out to evaluate the proposed models, always comparing then with the best solution found in the literature until then. In general, the proposed models present better results. In order to demonstrate the applicability of the models, data analysis are performed with real problems not only from the reliability area, but also from social area.