Made available in DSpace on 2014-06-12T17:42:12Z (GMT). No. of bitstreams: 2 arquivo7409_1.pdf: 1001051 bytes, checksum: ea0fe2bbf5fe4d911d6a15851b4bba04 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2004 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A análise de confiabilidade é uma técnica de suporte a tomadas de decisão e controle que auxilia gestores na busca da garantia da execução satisfatória das funções dos ítens a respeito de um dado sistema, considerando suas limitações, o seu desgaste e os fatores que influenciam seu desempenho, sejam estes ítens equipamentos ou pessoas. É comum a aplicação de técnicas, tais como as de árvores de falhas e de eventos, na representação probabilística do funcionamento dos equipamentos integrantes do sistema, assim como métodos direcionados à análise de confiabilidade quando pessoas fazem parte do processo. Estas duas linhas são comumente chamadas de análise de confiabilidade de equipamentos e análise de confiabilidade humana, respectivamente. Um dos principais problemas de tais conjuntos de técnicas é que estas requerem adaptações que, em muitos casos, tornam a modelagem precária ou distante da realidade do sistema. Neste sentido, podese citar: suposições de independência entre variáveis que na verdade são relacionadas; partição simplória de eventos como favoráveis ou desfavoráveis e dificuldades para a inclusão de novos conhecimentos ou para sua quantificação nos modelos construídos. Neste trabalho, mostra-se que a modelagem, ou mesmo a abordagem, por redes Bayesianas de métodos direcionados às análises de confiabilidade de equipamentos e humana pode permitir uma maior flexibilidade e proporcionar uma maior fidelidade quanto aos mecanismos probabilísticos que regem as incertezas presentes nos sistemas, resultando em inferências mais precisas, além de uma maior compreensão diagramática do comportamento dinâmico do processo diante de eventos rotineiros ou anormais

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2017. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2017-05-03T18:30:08Z No. of bitstreams: 1 2017_AnaLuisaNunesdeAlencarOsorio.pdf: 3744924 bytes, checksum: 1929e87fe77712e89ddeb2ff1ec17432 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-05-09T22:44:56Z (GMT) No. of bitstreams: 1 2017_AnaLuisaNunesdeAlencarOsorio.pdf: 3744924 bytes, checksum: 1929e87fe77712e89ddeb2ff1ec17432 (MD5) / Made available in DSpace on 2017-05-09T22:44:56Z (GMT). No. of bitstreams: 1 2017_AnaLuisaNunesdeAlencarOsorio.pdf: 3744924 bytes, checksum: 1929e87fe77712e89ddeb2ff1ec17432 (MD5) Previous issue date: 2017-05-09 / A análise de frequência de cheias, utilizada na avaliação de riscos de inundação e no dimensionamento de estruturas hidráulicas, consiste no ajuste estatístico de uma distribuição teórica de probabilidade aos dados históricos de vazão. Na maioria das vezes, as vazões não são diretamente medidas em campo, mas estimadas a partir do histórico de cotas máximas de nível d’água e da curva-chave, que é uma função que tenta representar a relação estabelecida entre a cota de nível d’água e a vazão para a seção do rio em estudo. Como a curva-chave é apenas uma aproximação da real relação entre cota e vazão, os dados de vazão são altamente influenciados pela forma como essa curva é estabelecida e, portanto, sujeitos a incertezas. No caso da análise de cheias, essas incertezas podem ser ainda maiores, já que as vazões de pico são usualmente estimadas a partir da extrapolação da curva onde se tem pouca ou nenhuma informação disponível. A compreensão e melhor descrição dessas incertezas permite uma estimativa mais realista dos quantis estimados na análise de frequência de cheias. O uso da inferência Bayesiana é atraente nesses casos, pois o conhecimento das caraterísticas hidráulicas do rio, assim como a modelagem das incertezas envolvidas, pode ser incorporado à análise de uma maneira natural, permitindo que se considere as incertezas nos dados de vazão na estimativa dos quantis. Esse estudo propõe um Modelo Bayesiano Completo (BC), que incorpora o conhecimento hidráulico sobre o trecho do rio em questão na estimativa das incertezas inerentes ao ajuste da curva-chave, e considera essas incertezas na obtenção da curva de frequência de cheias. O modelo é aplicado em um caso sintético com parâmetros conhecidos e em um caso real na estação fluviométrica de Cáceres no rio Paraguai, com intuito de avaliar o impacto dessas incertezas em diferentes cenários de disponibilidade de dados e conhecimento sobre o trecho do rio. Os resultados obtidos mostram que o modelo proposto é adequado para estimativa da distribuição a posteriori dos parâmetros da curva-chave, da distribuição teórica de probabilidades e dos quantis e seus intervalos de credibilidade. O estudo demonstra que as incertezas da curva-chave não são desprezíveis e podem chegar até 70% do valor da incerteza global, e têm um impacto significativo na incerteza nos quantis de cheia. Além disso, os resultados mostram que a disponibilidade de dados de medição de descarga e cotas máximas anuais, assim como o conhecimento hidráulico sobre o trecho do rio podem alterar essas incertezas, indicando o importante papel dos levantamentos de campo na melhoria das estimativas. / Flood frequency analysis is developed to provide essential information for flood risk management and for the design of hydraulic structures. It consists of adjusting a theoretical probability distribution to a sample of streamflow data in order to relate flood magnitudes to their probability of exceedance. Daily streamflow records, however, are not actually measured in the field, but estimated based on daily measurements of water level in conjunction with the rating curve, a mathematical function that relates gauge readings with discharge values at a given station. As the rating curve is only an approximation of the real relationship between water levels and discharge values, daily streamflow data contain uncertainties. In flood frequency analysis, these uncertainties can be even larger because a relatively large portion of the data is estimated based on the extrapolation of the rating curve. The comprehension and quantitative assessment of these uncertainties are important to obtain a more realistic description of the uncertainties in flood quantile estimates. Bayesian inference is very attractive in theses cases because it can easily incorporate the often imprecise knowledge available on the hydraulic behavior of the river into the flood frequency analysis, providing a natural way to not only evaluate the uncertainties in the streamflow sample, but also to consider these uncertainties in the estimated flood quantiles.This dissertation develops a fully Bayesian model (BC) capable of incorporating imprecise knowledge on the hydraulic behavior of the river, when available, to estimate the uncertainties in the rating curve and to consider these uncertainties in the development of the flood frequency curve. The proposed model was applied in a synthetic case with known parameters and in a real case with data from a streamfow gauge located in the Paraguai River. These cases were used to evaluate the impacts of uncertainties in the rating curve in the flood quantile estimates considering different scenarios of record length, amount of discharge measurements and quality of information on the hydraulic behavior of the river. Results show the proposed fully Bayesian model provided adequate posterior distributions of parameters of the rating curve, the probability distribution of annual maximum floods, and flood quantiles. Estimated uncertainties in the rating curve were quite large, representing as much as 70% of the uncertainties in flood quantiles in extreme cases. Results also show that the amount of discharge measurements and prior knowledge on the hydraulic behavior of the river can have an impact on the uncertainties in the flood quantiles, indicating the potential role of field survey and discharge measurement in the reduction of uncertainties on flood quantile.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017. / Submitted by Raiane Silva (raianesilva@bce.unb.br) on 2017-07-14T17:45:49Z No. of bitstreams: 1 2017_GabrielHidekiVatanabeBrunello.pdf: 742677 bytes, checksum: db6cbff066e55f93f270f86dd849400d (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-08-25T20:49:23Z (GMT) No. of bitstreams: 1 2017_GabrielHidekiVatanabeBrunello.pdf: 742677 bytes, checksum: db6cbff066e55f93f270f86dd849400d (MD5) / Made available in DSpace on 2017-08-25T20:49:23Z (GMT). No. of bitstreams: 1 2017_GabrielHidekiVatanabeBrunello.pdf: 742677 bytes, checksum: db6cbff066e55f93f270f86dd849400d (MD5) Previous issue date: 2017-08-25 / Certificar-se de que o modelo probabilístico proposto representa satisfatoriamente o problema e um dos principais passos na modelagem estatística, pois a escolha de um modelo que não esteja bem ajustado pode provocar prejuízos irreparáveis com a tomada de uma decisão errada. Frequentemente, o objetivo da modelagem estatística e a predição de novas observações, fazendo com que avaliar a acurácia do modelo seja imprescindível. Por em, métodos que analisam a capacidade preditiva de um modelo não são muito utilizados por sua complexidade. Este trabalho apresentou uma adaptação para a metodologia de verificação da capacidade preditiva de um modelo proposta por Gelfand (1996), que apesar de simples e intuitiva, não permitia a validação de modelos de uma maneira objetiva. A adaptação possibilitou a definição de um critério de rejeição de modelos, por meio de estudos de simulação, proporcionando um meio de discriminação imparcial para a metodologia. O desenvolvimento da proposta foi realizado sob uma perspectiva bayesiana de inferência, expondo os conceitos utilizados em sua elaboração e apresentando os procedimentos necessários para sua aplicação. A metodologia proposta foi aplicada a base de dados reais para exemplificar sua utilização, possibilitando verificar a praticidade de sua aplicação em situações reais. / To ensure that a proposed probability model is a good representation of the problem is one of the main steps of statistical modelling, since choosing a model that does not have a good fit may lead to wrong decisions. Often, the aim of the statistical modelling is the prediction of new observations, making it necessary to ensure the model accuracy. This work provides an adjustment to Gelfand (1996) methodology to validate the model predictive capacity, which, although simple, does not allow an objective form of validation. The adjustment allowed the definition of a model rejection criterion, providing an impartial method to ensure model accuracy. The development of the adjustment was done on a bayesian inference approach, presenting the employed concepts and the necessary procedures to the application. The methodology was tested on a real database, exhibiting the practicality of the method on real applications.

A metanálise tem sido amplamente utilizada em estudos médicos especialmente em revisões sistemáticas de ensaios clínicos aleatorizados. Para modelos de regressão a técnica ainda é muito escassa e limitada. Geralmente trata-se apenas de uma medida baseada nas médias de estimativas pontuais dos diferentes estudos, perdendo-se muita informação dos dados originais. Atualmente torna-se cada vez mais fundamental o uso da metanálise para sumarizar estudos de mesmo objetivo, em razão do avanço da ciência e o desejo de usar o menor número de seres humanos em ensaios clínicos. Utilizando uma medida metanalítica Bayesiana, o objetivo é propor um método genérico e eficiente para realizar metanálise em modelos de regressão. / Meta analysis has been widely used in medical studies especially in systematic reviews of randomized clinical trials. For regression models the technique is still very scarce and limited. Usually it is just a measure based on the average point estimates of dierent studies, losing a lot of information of the original data. Currently it becomes increasingly important to use the meta-analysis to summarize the same objective studies, due to the advancement of science and the desire to use the smallest number of human subjects in clinical trials. Using a meta-analytic Bayesian measure, the objective is to propose a generic and ecient method to perform meta-analysis in regression models.

A aplicação da Mecânica Estatística no estudo de Redes Neurais é baseada no fato que a extração de informação de dados (exemplos) pode ser modelada por um processo de minimização de uma função energia. Técnicas originadas no estudo de sistemas desordenados, tais como o Método de Réplicas; o Método da Cavidade; Equações de TAP; bem como técnicas de Monte Carlo tem sido exaustivamente estudadas, levando a vários resultados dentro do que temos conhecido como aprendizagem off-line, onde o sistema é posto em equilíbrio termodinâmico. A possibilidade do tempo de relaxação ser muito grande implica alto custo computacional, o que tem estimulado a busca por algoritmos de aprendizagem fora do equilíbrio, onde surge uma interessante classe de métodos conhecidos por aprendizagem on-line, na qual cada informação (exemplo) é apresentada ao sistema apenas uma vez, trazendo um baixo custo computacional junto a um bom desempenho. Nessa dissertação nós trabalhamos em cima do trabalho de Opper, que relacionou a aprendizagem on-line ótima à aprendizagem off-line Bayesiana por meio de uma aproximação Gaussiana da distribuição posterior. Isso porém, pode ser visto como apenas o primeiro passo numa expansão generalizada de Gram-Charlier (G-Ch) da densidade posterior, a qual pode trazer novos caminhos para o entendimento da relação on-line/off-line. A expansão também pode ser estendida à aprendizagem por potencial, onde a distribuição de probabilidades é Gibbsiana utilizando-se de todos os termos da série, ou seja, na aprendizagem off-line.Assim a G-Ch nos permite estudar extensões não Gaussianas da aprendizagem fora do equilíbrio (on-line) para uma aprendizagem em equilíbrio (off-line), dando uma interpretação do uso das famílias dos hiperparâmetros, construídos a partir dos cumulantes da distribuição posterior, como uma incorporação de informações sobre a forma geométrica do espaço de Versões. Apresentamos duas aplicações para os algoritmos obtidos por tais caminhos: um Perceptron unidimensional e um N-dimensional. Na primeira observamos a aprendizagem Bayesiana na presença de ruído e quando a regra a ser aprendida muda no tempo, onde construímos um diagrama de robustez para a análise da adaptabilidade do algoritmo frente a estimação incorreta do nível de ruído. Na segunda aplicação apresentamos resultados preliminares para o Perceptron em N dimensões. Estudamos aprendizagem usando o potencial ótimo que leva à saturação do limite de Bayes para a generalização no limite termodinâmico.

Submitted by Gizele Lima (gizele.lima@inpa.gov.br) on 2017-04-11T13:18:06Z No. of bitstreams: 2 Tese Alexandre Somavilla PPG.pdf: 10209429 bytes, checksum: 4b9661e4c89503f805acb1a381194af3 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-04-11T13:18:06Z (GMT). No. of bitstreams: 2 Tese Alexandre Somavilla PPG.pdf: 10209429 bytes, checksum: 4b9661e4c89503f805acb1a381194af3 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-12-02 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / Polistes probably originated in the middle of the Jurassic period and it is estimated that its divergence from the remaining Vespidae occured duraing the Gondwana separation, around 140 million years ago. This genus currently houses 222 valid species and is taxonomically divided in four subgenera, Aphanilopterus in the New World (Nearctic+Neotropic) and the remaining ones in the Old World, Gyrostoma (East Asia and Indo-australian region), Polistella (Australasian region) and Polistes sensu stricto (Eurasia and African continent). A cladistic analysis was carried out in order to reconstruct the relationship of the New World Polistes, as well as testing its monophyly, using 90 of its known species as well as three Vespula species and eleven Old World Polistes species as the outgroup. In this analysis 1 40 morphological characters were proposed, 88 from female external morphology, 10 exclusive from adult male morphology, 22 from male genitalia, 13 from larval morphology and seven from nest architecture. Six molecular regions were also used, COI, 12S, 16S, 28S, EF1 -α e H3. The analysis were carried out under two phylogenetical criteria: parsimony (morphology data only and morphology and molecular data combined) and Bayesian inference (morphology and molecular data combined) using the softwares TNT and MrBayes respectively. In the phylogenetic hipoteses found, the five subgenera proposed by Richards and posteriorly synonymized with Polistes (Aphanilopterus) by Carpenter, was recovered as monophyletic in every analysis, except that of the Bayesian inference of 104 species due to the lack of molecular data for many species. Therefore, we propose the revalidation of the five New World subgenera of Polistes: Polistes (Onerarius) with one species, Polistes (Palisotius) with three species, Polistes (Fuscopolistes) with 13 species, Polistes (Epicnemius) with 24 species and Polistes (Aphanilopterus) with 52 species. Diagnose for each subgenus and an identification key for the species of New World Polistes are also provided as well as their taxonomic history, distribution, and description and illustration for the genitalia of the males of 58 species. / Polistes provavelmente surgiu em meados do Jurássico e estima-se que o grupo divergiu de outros Vespidae durante a separação da Gondwana, há cerca de 140 milhões de anos. Atualmente possui 222 espécies válidas e, taxonomicamente, é dividido em quatro subgêneros, P. (Aphanilopterus) com 93 espécies para o Novo Mundo e três para as espécies do Velho Mundo, sendo P. (Gyrostoma) (Leste Asiático e região Indo-australiana), P. (Polistella) (região Austral-asiática) e P. (Polistes) (Eurásia e continente Africano). Para reconstruir as relações entre as espécies de Polistes do Novo Mundo, bem como testar sua monofilia, uma análise cladística foi realizada para 90 espécies do Novo Mundo, além de três espécies de Vespula e onze de Polistes do Velho Mundo como grupos-externos. Foram propostos 140 caracteres morfológicos, sendo 88 relativos à morfologia externa de fêmeas, 32 exclusivos de machos adultos, incluindo os da genitália dos machos, 13 de larvas e sete da arquitetura dos ninhos, além de seis regiões moleculares COI, 12S, 16S, 28S, EF1 -α e H3. As análises foram realizadas sob dois critérios filogenéticos: parcimônia (apenas morfologia e combinado = morfologia + molecular) e inferência Bayesiana (combinado = morfologia + molecular) nos programas TNT e MrBayes, respectivamente. Foi verificado que os cinco subgêneros propostos por Richards e sinonimizados, posteriormente, a P. (Aphanilopterus) por Carpenter foram recuperados como monofiléticos em todas as análises, com exceção da inferência Bayesiana de 104 espécies, uma vez que a grande quantidade de dados moleculares faltando influenciou no resultado. Desta forma, foi sugerida a revalidação dos cinco subgêneros de Polistes do Novo Mundo, portanto Polistes (Onerarius) com uma espécie, Polistes (Palisotius) três espécies, Polistes (Fuscopolistes) com treze espécies, Polistes (Epicnemius) com 24 espécies e Polistes (Aphanilopterus) com 52 espécies. São apresentadas diagnoses para os subgêneros e chave dicotômica para as espécies. É fornecida uma atualização do catálogo das espécies de Polistes do Novo Mundo, com o histórico taxonômico e distribuição geográfica, bem como a descrição e ilustração da genitália dos machos de 58 espécies.

A aplicação da Mecânica Estatística no estudo de Redes Neurais é baseada no fato que a extração de informação de dados (exemplos) pode ser modelada por um processo de minimização de uma função energia. Técnicas originadas no estudo de sistemas desordenados, tais como o Método de Réplicas; o Método da Cavidade; Equações de TAP; bem como técnicas de Monte Carlo tem sido exaustivamente estudadas, levando a vários resultados dentro do que temos conhecido como aprendizagem off-line, onde o sistema é posto em equilíbrio termodinâmico. A possibilidade do tempo de relaxação ser muito grande implica alto custo computacional, o que tem estimulado a busca por algoritmos de aprendizagem fora do equilíbrio, onde surge uma interessante classe de métodos conhecidos por aprendizagem on-line, na qual cada informação (exemplo) é apresentada ao sistema apenas uma vez, trazendo um baixo custo computacional junto a um bom desempenho. Nessa dissertação nós trabalhamos em cima do trabalho de Opper, que relacionou a aprendizagem on-line ótima à aprendizagem off-line Bayesiana por meio de uma aproximação Gaussiana da distribuição posterior. Isso porém, pode ser visto como apenas o primeiro passo numa expansão generalizada de Gram-Charlier (G-Ch) da densidade posterior, a qual pode trazer novos caminhos para o entendimento da relação on-line/off-line. A expansão também pode ser estendida à aprendizagem por potencial, onde a distribuição de probabilidades é Gibbsiana utilizando-se de todos os termos da série, ou seja, na aprendizagem off-line.Assim a G-Ch nos permite estudar extensões não Gaussianas da aprendizagem fora do equilíbrio (on-line) para uma aprendizagem em equilíbrio (off-line), dando uma interpretação do uso das famílias dos hiperparâmetros, construídos a partir dos cumulantes da distribuição posterior, como uma incorporação de informações sobre a forma geométrica do espaço de Versões. Apresentamos duas aplicações para os algoritmos obtidos por tais caminhos: um Perceptron unidimensional e um N-dimensional. Na primeira observamos a aprendizagem Bayesiana na presença de ruído e quando a regra a ser aprendida muda no tempo, onde construímos um diagrama de robustez para a análise da adaptabilidade do algoritmo frente a estimação incorreta do nível de ruído. Na segunda aplicação apresentamos resultados preliminares para o Perceptron em N dimensões. Estudamos aprendizagem usando o potencial ótimo que leva à saturação do limite de Bayes para a generalização no limite termodinâmico.

O uso de fronteira de produ¸c˜ ao estoc´ astica com m´ ultiplos produtos tem despertado um interesse especial em ´areas da economia que defrontam-se com o problema de quantificar a eficiˆencia t´ecnica de firmas. Na estat´ýstica cl´ assica, quando se defronta com firmas que possuem v´arios produtos, as fun¸c˜ oes custo ou demanda s˜ ao mais utilizadas para calcular essa eficiˆencia, mas isso requer uma quantidade maior de informa¸c˜ oes sobre os dados, al´em das quantidades de insumos e produtos, tamb´em s˜ ao necess´ arios seus pre¸cos e custos. Quando existem apenas informa¸c˜ oes sobre os insumos (x) e os produtos (y) h´a a necessidade de se trabalhar com a fun¸c˜ ao de produ¸c˜ ao e a inexistˆencia de estat´ýsticas suficientes para alguns parˆ ametros tornam a an´alise d´ýficil. A abordagem Bayesiana pode se tornar uma ferramenta muito ´ util para esse caso, pois ´e poss´ývel obter uma amostra da distribui¸ c˜ ao de probabilidade dos parˆ ametros do modelo, possibilitando a obten¸c˜ ao de resumos de interesse. Para obter as amostras dessas distribui¸ c˜ oes m´etodos Monte Carlo com cadeias de Markov, tais como, amostrador de Gibbs, Metropolis-Hastings e "Slice sampling" s˜ ao utilizados. / The use of stochastic production frontier with multiple-outputs has been waking up a special interest in areas of the economy that are confronted with the problem of quantifying the technical efficiency of firms. In the classic statistics, when it is confronted with firms that possess several outputs, cost or profit functions are more used to calculate that efficiency, but that requests an amount larger of information about data set, besides the amounts of inputs and outputs, are also necessary your prices and costs. When just exist information on inputs (x) and outputs (y) there is need to work with the production function and the lack of enough statistics for some parameters turn the difficult analysis. Bayesian approach can become a useful tool for that case, because is possible to obtain a sample of the distribution of probability of the parameters of the model, making possible the obtaining of summaries of interest. To obtain samples of those distributions methods Markov chains Monte Carlo, that is, Gibbs sampling, Metropolis-Hastings and Slice sampling are used.

Este trabalho tem o objetivo de divulgar a metodologia de ponderação de modelos ou Bayesian Model Averaging (BMA) entre os pesquisadores da área agronômica e discutir suas vantagens e limitações. Com o BMA é possível combinar resultados de diferentes modelos acerca de determinada quantidade de interesse, com isso, o BMA apresenta-se como sendo uma metodologia alternativa de análise de dados frente os usuais métodos de seleção de modelos tais como o Coeficiente de Determinação Múltipla (R2 ), Coeficiente de Determinação Múltipla Ajustado (R2), Estatística de Mallows ( Cp) e Soma de Quadrados de Predição (PRESS). Vários trabalhos foram, recentemente, realizados com o objetivo de comparar o desempenho do BMA em relação aos métodos de seleção de modelos, porém, há ainda muitas situações para serem exploradas até que se possa chegar a uma conclusão geral acerca desta metodologia. Neste trabalho, o BMA foi aplicado a um conjunto de dados proveniente de um experimento agronômico. A seguir, o desempenho preditivo do BMA foi comparado com o desempenho dos métodos de seleção acima citados por meio de um estudo de simulação variando o grau de multicolinearidade e o tamanho amostral. Em cada uma dessas situações, foram utilizadas 1000 amostras geradas a partir de medidas descritivas de conjuntos de dados reais da área agronômica. O desempenho preditivo das metodologias em comparação foi medido pelo Logaritmo do Escore Preditivo (LEP). Os resultados empíricos obtidos indicaram que o BMA apresenta desempenho semelhante aos métodos usuais de seleção de modelos nas situações de multicolinearidade exploradas neste trabalho. / The objective of this work was divulge to Bayesian Model Averaging (BMA) between the researchers of the agronomy area and discuss its advantages and limitations. With the BMA is possible combine results of difeerent models about determined quantity of interest, with that, the BMA presents as being a metodology alternative of data analysis front the usual models selection approaches, for example the Coefficient of Multiple Determination (R2), Coefficient of Multiple Determination Adjusted (R2), Mallows (Cp Statistics) and Prediction Error Sum Squares (PRESS). Several works recently were carried out with the objective of compare the performance of the BMA regarding the approaches of models selection, however, there is still many situations for will be exploited to that can arrive to a general conclusion about this metodology. In this work, the BMA was applied to data originating from an agronomy experiment. It follow, the predictive performance of the BMA was compared with the performance of the approaches of selection above cited by means of a study of simulation varying the degree of multicollinearity, measured by the number of condition of the matrix standardized X'X and the number of observations in the sample. In each one of those situations, were utilized 1000 samples generated from the descriptive information of agronomy data. The predictive performance of the metodologies in comparison was measured by the Logarithm of the Score Predictive (LEP). The empirical results obtained indicated that the BMA presents similar performance to the usual approaches of selection of models in the situations of multicollinearity exploited.

This thesis is divided into two parts. In the first part, we show how problems of statistical inference and combinatorial optimization may be approached within a unified framework that employs tools from fields as diverse as machine learning, statistical physics and information theory, allowing us to i) design algorithms to solve the problems, ii) analyze the performance of these algorithms both empirically and analytically, and iii) to compare the results obtained with the optimal achievable ones. In the second part, we use this framework to study two specific problems, one of inference (compressed sensing) and the other of optimization (information hiding). In both cases, we review current approaches, identify their flaws, and propose new schemes to address these flaws, building on the use of message-passing algorithms, variational inference techniques, and spin glass models from statistical physics. / Esta tese está dividida em duas partes. Na primeira delas, mostramos como problemas de inferência estatística e de otimização combinatória podem ser abordados sob um framework unificado que usa ferramentas de áreas tão diversas quanto o aprendizado de máquina, a física estatística e a teoria de informação, permitindo que i) projetemos algoritmos para resolver os problemas, ii) analisemos a performance destes algoritmos tanto empiricamente como analiticamente, e iii) comparemos os resultados obtidos com os limites teóricos. Na segunda parte, este framework é usado no estudo de dois problemas específicos, um de inferência (compressed sensing) e outro de otimização (ocultação de dados). Em ambos os casos, revisamos abordagens recentes, identificamos suas falhas, e propomos novos esquemas que visam corrigir estas falhas, baseando-nos sobretudo em algoritmos de troca de mensagens, técnicas de inferência variacional, e modelos de vidro de spin da física estatística.