University, Diss., 2003--Heidelberg.

Techn. University, Diss., 2002--Dresden.

Techn. University, Diss., 2002--Berlin.

Techn. Hochsch., Diss., 2003--Aachen.

University, Diss., 2003--Jena.

University, Diss., 2004--Jena.

Universiẗat, Diss., 2005--Köln.

[pt] Nesta tese de mestrado, foram analisados aspectos, propriedades, utilidade e desempenho do bootstrap, um método de reamostragem, na estimação de um parâmetro relacionado à memória longa, ou longa dependência, em séries temporais. Entre outras coisas, obtém-se estimativas do desvio-padrão do estimador do parâmetro, e um teste de hipóteses para o parâmetro. O bootstrap pode conseguir propriedades de grandes amostras a partir de um número pequeno de observações. O procedimento do bootsptrap consiste de reamostrar, com reposição, da amostra original um número grande de amostras do mesmo tamanho. A longa dependência ou memória longa (long memory) pode se caracterizado por um lento decaimento das autocorrelações conforme cresce o valor do lag. A longa dependência pode ser estudada por modelos ARIMA (p,d,q.), com o parâmetro d, relativo integração a ser feita em ruídos brancos na construção da série (ARFIMA), assumindo valor fracionário. Este trabalho está relacionado com o uso do bootstrap na estimação do parâmetro d fracionário dos modelos ARFIMA (p,d,q). / [en] This thesis treats features, properties, utility and performance of the use of bootstrap, a resample techique, in the estimation of a parameter related to long memory in times. Among other things, we estimate the standard deviation of the parameter estimator and define a null hypothesis test for the parameter. With bootstrap, we can get large sample properties from a small sample. It consists of many resamples, with reposition, of the original sample, all with the same size as the original. Long memory can be featured by a small decay of the autocorrelations as the lag tends to infinity. Long memory can be studied by ARIMA (p,d,q) models with the d parameters assuming a fractional value (ARFIMA). This work concerns the use of bootstrap in the estimation of the fractional d parameter of ARFIMA (p,d,q) models.

The Method of Moments (MOM) has been extensively used in statistics for obtaining conventional moment-based estimators of various parameters. However, the disadvantage of this method is that the estimates “can be substantially biased, have high variance, or can be influenced by outliers” (Headrick & Pant, 2012). The Method of Percentiles (MOP) provides a useful alternative to the MOM when the distributions are non-normal, specifically being more computationally efficient in terms of estimating population parameters. Examples include the generalized lambda distribution (Karian & Dudewicz, 1999), third order power method (Koran, Headrick & Kuo, 2015) and fifth order power method (Kuo & Headrick, 2017). Further, the HH, HR and HQ distributions, as extensions of the Tukey g-h (GH) family, are of interest for investigation using the MOP in this dissertation. More specifically, closed form solutions are obtained for left-right tail-weight ratio (a skew function) and tail-weight factor (a kurtosis function). A Monte Carlo simulation study which includes the comparison of monotonic and nonmonotonic transformation scenarios is also performed. The effect on Type 1 error and power rates under severely nonmonotonic scenarios are of special interest in the study. Dissimilarities of not strictly monotonic scenarios are discussed. The empirical confirmation that Rank Transform (RT) is appropriate for 2x2 designs is obtained.

O processo de radioterapia consiste em várias etapas, iniciando na indicação pelo médico. O plano de tratamento passa então por um processo denominado simulação, onde é adquirida uma série de imagens por tomografia computadorizada que são transferidas para o sistema de planejamento, onde a delineação dos volumes alvos e tecidos normais adjacentes serão realizadas. Após a delineação desses volumes, no sistema de planejamento são colocados os campos de irradiação e a dose desejada conforme prescrição médica. O sistema de planejamento calcula então a dose que o volume alvo e os tecidos adjacentes poderão receber. Se estas doses estão dentro dos padrões aceitáveis, o planejamento então é aprovado e enviado ao acelerador linear para a execução do tratamento. Antes da execução do tratamento, é realizada uma imagem, seja através de filme radiográfico ou digitalmente, para avaliar a posição no paciente na mesa de tratamento. Se a localização do paciente está correta, a dose é então liberada. Esse protocolo de aquisição de imagem é denominado como Radioterapia Guiada por Imagem (IGRT). A quantidade de radiografias de posicionamento segue um protocolo definido conforme a região a ser irradiada. Como resultado deste procedimento, sabe-se que uma determinada dose adicional é recebida pelos pacientes, tornando-se um fator importante a ser determinado. Esta avaliação foi realizada através da simulação de Monte Carlo, utilizando o código MCNP. Para isso foi realizada primeiramente toda a caracterização da fonte de raios X com uso de câmaras de ionização e dosimetros TL juntamente com as simulações no MCNP. Após essa caracterização, as imagens e as estruturas do planejamento radioterápico foram convertidas para serem utilizadas no código MCNP. Para que as doses fossem calculadas nos principais órgãos de risco no tratamento de próstata: bexiga, reto e cabeças de fêmur direita e esquerda. / The process of radiotherapy treatment consists of several stages, starting from the statement given by the physician. The treatment planning undergoes a process called simulation, where a series of computed tomography images is acquired and transferred to the treatment planning system, where the delineation of target volumes and adjacent normal tissues will be performed. After the delineation of these volumes, then irradiation fields and dose precribed by the physician are placed in the treatment planning system. It calculates the dose that target volume and surrounding tissues are receiving. If the doses are within acceptable standard values, then the design is approved and submitted to the linear accelerator for the treatment course. Before treatment course, an image is performed, either by radiographic or digital film, in order to evaluate (check) the patient position on the treatment table. If the patient position is correct, the treatment is realized. This image acquisition protocol is called Image-Guided Radiotherapy (IGRT). The amount of radiographic positioning follow a protocol defined for the region to be treated. As a result of this procedure, it is known that a specific additional dose is received by the patient, becoming an important factor to be determined. In this work, this additional dose evaluation was performed by the Monte Carlo simulation using the MCNP algorithm. The characterization of the entire X-ray source was primarily realized with ionization chamber thermoluminescent dosimeters and simulations with the MCNP code. After the X-ray tube characterization, images and the structures for the radiotherapy planning were converted to be used in the MCNP code for dose calculation at the main organs at risk during a prostate treatment: bladder, rectum and femoral heads right and left.