Este trabalho apresenta três principais contribuições: i. a proposta de uma nova lógica de descrição probabilística; ii. um novo algoritmo de inferência em primeira ordem a ser utilizado em terminologias representadas nessa lógica; e iii. aplicações práticas em problemas reais. A lógica aqui proposta, crALC (credal ALC), adiciona inclusões probabilísticas na popular lógica ALC combinando as terminologias com condições de aciclicidade, de Markov, e adotando uma semântica baseada em interpretações. Como os métodos de inferência exata tradicionalmente apresentam problemas de escalabilidade devido à presença de quantificadores (restrições universal e existencial), apresentamos um algoritmo de loopy propagation em primeira-ordem que se comporta bem para terminologias com domínios não triviais. Uma série de testes foi feita com o algoritmo proposto em comparação com algoritmos tradicionais da literatura; os resultados apresentados mostram uma clara vantagem em relação aos outros algoritmos. São apresentadas ainda duas aplicações da lógica e do algoritmo para resolver problemas reais da área de robótica móvel. Embora os problemas tratados sejam relativamente simples, eles constituem a base de muitos outros problemas da área, sendo um passo importante na representação de conhecimento de agentes/robôs autônomos e no raciocínio sobre esse conhecimento. / This work presents two major contributions: i. a new probabilistic description logic; ii. a new algorithm for inference in terminologies expressed in this logic; iii. practical applications in real tasks. The proposed logic, referred to as crALC (credal ALC), adds probabilistic inclusions to the popular logic ALC, combining the usual acyclicity and Markov conditions, and adopting interpretation-based semantics. As exact inference does not seem scalable due to the presence of quantifiers (existential and universal), we present a first-order loopy propagation algorithm that behaves appropriately for non-trivial domain sizes. A series of tests were done comparing the performance of the proposed algorithm against traditional ones; the presented results are favorable to the first-order algorithm. Two applications in the field of mobile robotics are presented, using the new probabilistic logic and the inference algorithm. Though the problems can be considered simple, they constitute the basis for many other tasks in mobile robotics, being a important step in knowledge representation and in reasoning about it.

Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2016-01-20T10:10:28Z No. of bitstreams: 1 texto completo.pdf: 868133 bytes, checksum: fc299d68c5ac708f6318353d62153283 (MD5) / Made available in DSpace on 2016-01-20T10:10:28Z (GMT). No. of bitstreams: 1 texto completo.pdf: 868133 bytes, checksum: fc299d68c5ac708f6318353d62153283 (MD5) Previous issue date: 2015-02-25 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A presente dissertação teve como objetivo principal demonstrar um enfoque Bayesiano para a metodologia Choice-Based Conjoint Analysis (CBCA). Apresenta-se no texto uma ampla revisão sobre a CBCA (Capítulo 1), sobre o modelo Logit Multinomial [desenvolvimento do modelo, procedimentos de estimação de parâmetros, probabilidades e razões de escolha (Capítulo 2)] e sobre o enfoque de estimação Bayesiano [distribuição a priori utilizada, aproximação de Laplace para a função de verossimilhança, distribuições a posteriori e detalhes sobre o algoritmo MCMC empregado (Capítulo 3)]. No Capítulo 4 apresenta-se um exemplo hipotético, no intuito de demonstrar os resultados e inferências que podem ser obtidos por meio desta recente abordagem (Bayesiana), sendo também apresentados os resultados do enfoque Frequentista. O tratamento em estudo foi um tipo de refrigerante e avaliou-se o efeito de três fatores (A, B e C) na intenção de compra de 96 consumidores, por meio de dados simulados. As análises estatísticas foram conduzidas no software livre R, cujos scripts encontram-se disponibilizados nos apêndices desta dissertação. Concluiu-se que a abordagem Bayesiana para CBCA apresentou resultados interessantes e satisfatórios, com estimativas similares às Frequentistas e mostrando-se uma alternativa metodológica viável para os estudos de CBCA. Adicionalmente, a abordagem proposta possibilitou ainda ao pesquisador construir intervalos de credibilidade (percentis das distribuições a posteriori) para as probabilidades e razões de escolha, no intuito de comparar estas quantidades ou testar hipóteses sobre estas. Quanto aos resultados práticos, a maior probabilidade de escolha estava associada ao tratamento 4, composto pelo nível do fator A, nível do fator B e nível do fator C. / This dissertation main goal is to demonstrate the Bayesian approach to Choice-Based Conjoint Analysis (CBCA). We present a comprehensive review of the CBCA methodology (Chapter 1), on the Multinomial Logit model [model development, parameter estimation procedures, probabilities of choice ratios (Chapter 2)] and on the Bayesian estimation approach [prior distribution, Laplace approach to the likelihood function, posterior distributions and details about the MCMC algorithm we applied (Chapter 3)]. In Chapter 4 we present a hypothetical example, in order to demonstrate the results and inferences that can be obtained through this recent approach (Bayesian), and we also present the results of the frequentist approach. The treatment for the study was a type of refrigerant (soda or soft drink) and we evaluated the effect of three factors (volume, type and color) on purchase intention of 96 consumers, using simulated data. Statistical analyzes were conducted with the free software R, whose scripts are provided in the appendices of this dissertation. It was concluded that the Bayesian approach to CBCA presented interesting and satisfactory results, with estimates similar to the frequentist ones, therefore proved to be a viable alternative methodology for CBCA studies. Additionally, the proposed approach also allows the researcher to build credibile intervals (percentiles of the posterior distributions) for the probabilities and choice ratios, in order to compare these quantities or test hypotheses about them. In terms of practical or applied results, the highest estimated probability of choice was obtained for treatment 4, with a1 level of factor A, b2 level of factor B and C1 level of factor C.

Made available in DSpace on 2016-06-02T20:06:11Z (GMT). No. of bitstreams: 1 840.pdf: 637562 bytes, checksum: 655616584fbe63191ef8eeeb51966d31 (MD5) Previous issue date: 2005-12-13 / Financiadora de Estudos e Projetos / The statistical analysis of the continuous data set has been developed in most cases for normal models, specially, in the linear and nom linear models context. In the simple linear regression models, even accepting as reasonable the normal error assumption, usually it can take misleading inferences for the parameter of interest. In the classical literature is supposed that the errors follow the normal distribution with zero mean and unknown variance. In this work, we intend to make the normality as-sumption flexible using a new class of asymmetric distributions. The first class considered was studied by Azzalini [3], which includes the normal distributions as a particular case. The second flexible class was introduced by Ma & Genton [22] and the third one is the extended normal distributions proposed by Arellano-Valle [2]. These two last ones had been enclosed as alternative proposals to the model of Azzalini [3]. With this purpose, inferences procedures based on Bayesian approaches, will be developed to estimate the parameters involved in the simple linear regression models with asymmetrical errors. / A análise estatística para o estudo de dados contínuos tem sido desenvolvida em grande parte combase nomodelo normal, que se destaca sobretudo no contexto de modelos lineares e não lineares. No estudo da regressão linear univariada, mesmo aceitando como razoável a suposição de simetria para os erros, em muitas situações práticas essa suposição de normalidade pode nos levar a inferências pouco apropriadas sobre os parâmetros de interesse. Na literatura clássica é suposto que os erros seguem uma distribuição normal com mé- dia zero e variância desconhecida. Neste trabalho, pretendemos flexibilizar essa suposição de normalidade, dispondo de novas classes de distribuições assimétricas. A primeira classe considerada é a proposta por Azzalini [3], que inclui a distribuição normal como um caso particular. A segunda é a dos modelos flexíveis de Ma & Genton [22] e a terceira é a classe de distribuições normais assimétricas estendidas, proposta por Arellano-Valle & Azzalini [2]. Estas duas últimas foram incluídas como propostas alternativas ao modelo de Az-zalini [3]. Com esse objetivo, métodos de inferência baseados na abordagem bayesiana, serão desenvolvidos para estimar os parâmetros envolvidos no modelo de regressão linear simples com erros assimétricos.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017. / Submitted by Raquel Almeida (raquel.df13@gmail.com) on 2018-04-11T17:25:53Z No. of bitstreams: 1 2017_AlexLuizMartinsMatheusdaRocha.pdf: 620797 bytes, checksum: 102a7d62b41cea145fc3ea2987658596 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2018-04-20T19:39:37Z (GMT) No. of bitstreams: 1 2017_AlexLuizMartinsMatheusdaRocha.pdf: 620797 bytes, checksum: 102a7d62b41cea145fc3ea2987658596 (MD5) / Made available in DSpace on 2018-04-20T19:39:37Z (GMT). No. of bitstreams: 1 2017_AlexLuizMartinsMatheusdaRocha.pdf: 620797 bytes, checksum: 102a7d62b41cea145fc3ea2987658596 (MD5) Previous issue date: 2018-04-20 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES). / Estudos em que a população de interesse possui estrutura hierárquica ou mul tinível são cada vez mais frequentes nas áreas de educação e saúde, onde, por exemplo, tem-se o desejo de avaliar determinada característica de alunos dentro de escolas ou pacientes dentro de hospitais. Nessa situação, modelos hierárquicos são mais adequados do que modelos que não levam em consideração a hierarquia. Esses modelos incorporam a estrutura de dependência dos dados, tornando as estimativas mais realistas e não viesadas. Esses modelos fazem parte da classe de modelos mistos, que possui efeitos fixos e mais de um efeito aleatório em sua composição. Este trabalho apresenta aplicações do modelo de regressão linear hierárquica, utilizando a abordagem bayesiana para estimação dos parâmetros. Concluiu-se que esses modelos apresentam ganhos expressivos nas estimativas intervalares dos parâmetros, sem desrespeitar os pressupostos teóricos de um modelo mais simples, proporcionando estimativas não viesadas. / Studies in which the population of interest has a multilevel or hierarchical structure are increasingly frequent in the areas of education and health, when one has the desire to evaluate a certain characteristic of students clustered within schools or patients clustered within hospitals. In this situation, hierarchical models are more appropriate than models that do not take hierarchy into account. These models incorporate data dependency structure, making estimates more realistic and unbiased. These models are also called mixed models, containing both fixed effects and more than one random effect in its composition. This work presents applications of the linear hierarchical regression model, using bayesian methods of estimation. It was concluded that these models present expressive gains in the interval estimates of the parameters, without disrespecting the assumptions of a simpler model, providing unbiased estimates.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017. / Submitted by Raquel Almeida (raquel.df13@gmail.com) on 2017-08-09T16:59:56Z No. of bitstreams: 1 2017_LucianaMouraReinaldo.pdf: 2070623 bytes, checksum: 699f92bb8bd9d6292a427abe2ab42ee9 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-09-13T22:28:40Z (GMT) No. of bitstreams: 1 2017_LucianaMouraReinaldo.pdf: 2070623 bytes, checksum: 699f92bb8bd9d6292a427abe2ab42ee9 (MD5) / Made available in DSpace on 2017-09-13T22:28:40Z (GMT). No. of bitstreams: 1 2017_LucianaMouraReinaldo.pdf: 2070623 bytes, checksum: 699f92bb8bd9d6292a427abe2ab42ee9 (MD5) Previous issue date: 2017-09-13 / Estudos das mais diversas áreas de conhecimento utilizam várias metodologias de análises de dados quantitativos para verificar tendências e evoluções no comportamento de unidades de observação. Nesse sentido, a utilização de modelos que envolvam dados provenientes de várias unidades experimentais ao longo do tempo vem crescendo gradativamente na pesquisa científica. A metodologia de dados em painel permite a análise longitudinal de diversas unidades de observação em um único painel, possibilitando a identificação de padrões e a própria evolução das unidades de observação. Esse trabalho tem por objetivo sistematizar o conhecimento das estratégias de inferência relacionadas aos dados em painel, com o intuito de proporcionar uma linguagem clara e acessível àqueles que, embora não sendo econometristas, necessitam se apropriar dos métodos de análise dos dados em painel para aplicá-los na sua prática de pesquisa. Para facilitar a compreensão dos métodos, foram apresentados alguns exemplos implementados em um software gratuito, R, um ambiente de cálculos estatísticos, utilizando conjuntos de dados contidos nesse software e uma base de dados reais aplicando tanto a abordagem de inferência clássica quanto a abordagem de inferência bayesiana. / Studies of the most diverse areas of knowledge use several methodologies of quantitative data analysis to verify trends and evolutions in the behavior of observation units. In this sense, the use of models involving data from several experimental units over time has been growing gradually in scientific research. The panel data methodology allows the longitudinal analysis of several units of observation in a single panel, allowing the identification of patterns and the evolution of observation units themselves. This work aims to systematize the knowledge of inference strategies related to panel data, with the aim of providing a clear and accessible language to those who, although not being econometricians, need to appropriate the methods of panel data analysis to apply them in their research practice. To facilitate the comprehension of the method, we have presented some examples implemented in a free software, R, a environment for statistical computing, from datasets contained in this software and a real database using as much the classical approach as the bayesian inference approach.

Tese (doutorado)—Universidade de Brasília, Instituto de Física, Programa de Pós-Graduação em Física, 2017. / Submitted by Raquel Almeida (raquel.df13@gmail.com) on 2017-08-10T16:47:56Z No. of bitstreams: 1 2017_ValdeirAntoniodaSilva.pdf: 10112031 bytes, checksum: 0cfe3a30aa04fa0b1b14b285c6d728a0 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-09-22T18:11:17Z (GMT) No. of bitstreams: 1 2017_ValdeirAntoniodaSilva.pdf: 10112031 bytes, checksum: 0cfe3a30aa04fa0b1b14b285c6d728a0 (MD5) / Made available in DSpace on 2017-09-22T18:11:17Z (GMT). No. of bitstreams: 1 2017_ValdeirAntoniodaSilva.pdf: 10112031 bytes, checksum: 0cfe3a30aa04fa0b1b14b285c6d728a0 (MD5) Previous issue date: 2017-09-22 / Nesse estudo matrizes vítreas baseadas em óxidos, dopadas com íons de terras raras e/ou pontos quânticos de sais de chumbo, foram sintetizadas pelo tradicional método de fusão e investigadas por medidas experimentais. A matriz vítrea LBA foi sintetizada e dopada com íons de Nd3+. Os parâmetros espectroscópicos correspondentes foram obtidos pela teoria de Judd-Ofelt (JO) utilizando o método dos mínimos quadrados. Além disso, essa mesma matriz com 2% de Nd2O3 (concentração fixa) foi co-dopada com diferentes concentrações de TiO2, sendo esse um agente de variação do campo cristalino. Os parâmetros espectroscópicos foram investigados utilizando Inferência Bayesiana. Uma abordagem inovadora que não é apresentada na literatura. A matriz SNABP foi sintetizada com dopagem de íons de Yb3+ e/ou pontos quânticos de sais de chumbo e investigada. Essas amostras foram avaliadas quanto à possibilidade de desenvolvimento de dispositivos refrigeradores ópticos de estado sólido. Sendo essa a segunda inovação apresentada nessa tese. As amostras foram caracterizadas experimentalmente por medidas de densidade, índice de refração, absorção óptica, fotoluminescência, análise térmica diferencial e micro espectroscopia Raman. Os parâmetros de intensidade de JO, Ωλ, para amostras dopadas com Nd3+ e/ou co-dopadas com TiO2, se mostraram sensíveis às variações do campo cristalino, sugerindo que íons de TR podem atuar como sondas estruturais. As amostras dopadas com Yb3+ apresentaram cauda de refrigeração significativa, em torno de 1007 nm, revelando-se promissoras para aplicação em refrigeração óptica. Nanocristais de PbS foram sintetizados com sucesso e apresentaram propriedades de confinamento quântico, com o deslocamento da emissão para maiores comprimentos de onda em função do aumento do tamanho. Foi observado deslocamento Stokes relativamente grande (~140 nm), que pode comprometer a refrigeração óptica em PQs de PbS em específico. Contudo, a co-dopagem (PQs + Yb3+), mostrou-se interessante, uma vez que essas amostras apresentaram processo de transferência de energia (PQs→Yb3+) podendo potencializar a refrigeração óptica com íons de Yb3+ como centros refrigeradores. / In this study, oxide-based vitreous matrices were synthesized and investigated by the traditional fusion method and investigated by experimental measures, doped with rare earth ions (TR) and/or quantum dots (PQs) of lead salts. The LBA vitreous matrix was synthesized and doped with Nd3+ ions. The spectroscopic parameters were obtained by Judd-Ofelt (JO) theory using the least squares method. The LBA matrix doped with 2% Nd2O3 (fixed concentration) was co-doped with different TiO2 content, which is a variant of the crystalline field. The spectroscopic parameters were investigated using Bayesian inference as a new approach. An innovative approach that is not presented in the literature. The SNABP glass matrix was synthesized with Yb3+ ion and/or quantum dots of lead salts doping and investigated. These samples were evaluated for exploring the development of solid state optical refrigeration devices. This is another innovation presented in this thesis. The samples were experimentally characterized by mass density, refractive index, optical absorption, photoluminescence, differential thermal analysis and micro Raman spectroscopy measurements. The JO intensity parameters, Ωλ, for samples doped with Nd3+ and/or co-doped with TiO2, were sensitive to variations of the crystalline field, suggesting that TR ions could act as structural probes. Samples doped with Yb3+ showed significant refrigeration tail, around 1007 nm, suggesting promising application in optical refrigeration. Nanocrystals of PbS were successfully synthesized and presented quantum confinement properties as the emission shift for longer wavelengths as the size increases. A relatively large Stokes shift (~140 nm) was observed that could compromise optical cooling in PQs of PbS. However, the co-doping, QDs + Yb3+, proved to be of interest, once these samples showed energy transfer process (QDs→Yb3+) which could enhance optical refrigeration with Yb3+ ions as cooling centers.

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.

Este trabalho apresenta três principais contribuições: i. a proposta de uma nova lógica de descrição probabilística; ii. um novo algoritmo de inferência em primeira ordem a ser utilizado em terminologias representadas nessa lógica; e iii. aplicações práticas em problemas reais. A lógica aqui proposta, crALC (credal ALC), adiciona inclusões probabilísticas na popular lógica ALC combinando as terminologias com condições de aciclicidade, de Markov, e adotando uma semântica baseada em interpretações. Como os métodos de inferência exata tradicionalmente apresentam problemas de escalabilidade devido à presença de quantificadores (restrições universal e existencial), apresentamos um algoritmo de loopy propagation em primeira-ordem que se comporta bem para terminologias com domínios não triviais. Uma série de testes foi feita com o algoritmo proposto em comparação com algoritmos tradicionais da literatura; os resultados apresentados mostram uma clara vantagem em relação aos outros algoritmos. São apresentadas ainda duas aplicações da lógica e do algoritmo para resolver problemas reais da área de robótica móvel. Embora os problemas tratados sejam relativamente simples, eles constituem a base de muitos outros problemas da área, sendo um passo importante na representação de conhecimento de agentes/robôs autônomos e no raciocínio sobre esse conhecimento. / This work presents two major contributions: i. a new probabilistic description logic; ii. a new algorithm for inference in terminologies expressed in this logic; iii. practical applications in real tasks. The proposed logic, referred to as crALC (credal ALC), adds probabilistic inclusions to the popular logic ALC, combining the usual acyclicity and Markov conditions, and adopting interpretation-based semantics. As exact inference does not seem scalable due to the presence of quantifiers (existential and universal), we present a first-order loopy propagation algorithm that behaves appropriately for non-trivial domain sizes. A series of tests were done comparing the performance of the proposed algorithm against traditional ones; the presented results are favorable to the first-order algorithm. Two applications in the field of mobile robotics are presented, using the new probabilistic logic and the inference algorithm. Though the problems can be considered simple, they constitute the basis for many other tasks in mobile robotics, being a important step in knowledge representation and in reasoning about it.

Submitted by Irene Nascimento (irene.kessia@ufpe.br) on 2015-03-11T19:10:26Z No. of bitstreams: 2 DISSERTAÇÃO Flávio Leandro Alves dos Santos.pdf: 3045919 bytes, checksum: 6187bd40862e0817909589819cf96483 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-11T19:10:26Z (GMT). No. of bitstreams: 2 DISSERTAÇÃO Flávio Leandro Alves dos Santos.pdf: 3045919 bytes, checksum: 6187bd40862e0817909589819cf96483 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-04-10 / O presente trabalho propõe uma metodologia que permite obter métricas de Disponibilidade e Indisponibilidade de um funcionário que trabalha em uma das seis regiões de atuação de uma Companhia de geração de energia elétrica, através da integração entre o processo semi-Markoviano (PSM) e Análise de variabilidade populacional Bayesiana. A Análise de variabilidade populacional Bayesiana é um método para se chegar a uma distribuição a priori para avaliação Bayesiana dos parâmetros de confiabilidade baseado em dados parcialmente relevante. Já o processo semi-Markoviano pode ser visto como um processo cujas sucessivas transições de estados são governadas pelas probabilidades de transição do processo Markoviano (PM), mas sua permanência em qualquer estado é descrita por uma variável aleatória que depende do estado atual ocupado e do estado em que a próxima transição será feita. A integração do PSM e da Análise de variabilidade populacional Bayesiana origina um modelo híbrido o qual é capaz de representar o comportamento do trabalhador que sofre diversos tipos de acidentes do trabalho com diferentes tempos de recuperação e taxas de falhas. Diante deste contexto, será utiliza a Análise de variabilidade populacional Bayesiana para a estimação da distribuição da taxa de acidentes e de recuperação para o processo semi- Markoviano. Após aplicação da metodologia, é exposto métricas de um operário em cada uma das seis regiões de atuação da companhia elétrica como: Tempo operacional médio,Disponibilidade média, Disponibilidade instantânea ao final da missão, Tempo falho médio, Indisponibilidade média, Indisponibilidade instantânea ao final da missão e a Probabilidade do funcionário não acidentado e acidentado por acidente de trabalho.

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.