Dentro da biologia evolutiva, uma das questões centrais é a compreensão de como os processos evolutivos, em particular a seleção e o acaso (deriva genética) moldaram a diversidade obervada nos organismos. Dentro deste contexto, a utilização de abordagens como a integração morfológica e a genética quantitativa nos fornecem poderosas ferramentas. Enquanto a primeira descreve os padrões de relação entre caracteres e testa hipóteses sobre as relações de desenvolvimento e/ou funções subjacentes, a segunda possui ferramentas para investigar as forças que podem ter gerado os fenótipos atuais. Utilizando como modelo de estudo os gêneros de marsupiais da Ordem Didelphimorphia, analisei a evolução morfológica craniana unindo estas duas linhas de pesquisa. Central a genética quantitativa está a matriz de covariância genética (G) que descreve a porção da variância que é efetivamente herdada (no sentido de transmissão de valor entre gerações) e conseqüentemente serve como substrato à seleção. Apesar de ter sido desenvolvida inicialmente para estudos em escala microevolutiva, o arsenal matemático da genética quantitativa pode ser estendida a escalas macroevolutivas caso a matriz G permaneça relativamente estável. Entretanto, como a estimativa de uma matriz G requer um número grande de espécimes aparentados e com genealogia conhecida, utilizei ao longo deste trabalho sua correspondente fenotípica (P). Desta forma, no primeiro capítulo demonstrei a similaridade das matrizes de covariância e correlação P dos marsupiais Didelphimorphia. Em contrapartida, as magnitudes de integração morfológica, que medem o grau de associação entre os caracteres, se mostraram mais variáveis dentro do grupo. A história evolutiva (filogenia) e as distâncias morfológicas entre os gêneros não parecem ter tido influência sobre os padrões nem as magnitudes, já que não se correlacionaram significativamente a eles. No segundo capítulo, estendi estas análises para os gêneros ao longo do seu desenvolvimento e novamente os padrões se mostraram semelhantes, tanto quando comparei a ontogenia de um único gênero, quando analisei diferentes gêneros para diferentes classes etárias. Em contrapartida, as magnitudes de integração se mostraram mais variáveis, com uma tendência a diminuírem com o aumento da idade. Por conta destes resultados, comparei as matrizes de correlação empíricas com matrizes teóricas que expressam hipóteses de modularidade baseadas no desenvolvimento/função compartilhada pelas regiões do crânio. Testei para similaridade das duas regiões principais (face e neurocrânio), cinco sub-regiões (base e abóboda craniana, oral, nasal e zigomático), uma matriz 198 de integração somática (caracteres neurais vs. faciais) e uma de integração total, concatenando as cinco sub-regiões. Foram encontradas somente correlações significativas para as regiões da face e suas sub-regiões nasal e oral. Apesar das variações nas magnitudes de integração observadas nestes dois primeiros capítulos, as respostas evolutivas obtidas para estes gêneros foram todas muito similares. Este resultado, associado a constatação de que grande parte da variação entre os espécimes é devida ao tamanho, ou variações de forma associadas a ele (alometria), me levaram a analisar as conseqüências evolutivas associadas a estas variações alométricas. Assim, no terceiro capítulo analisei as direções de resposta à seleção simulada antes e após a remoção do tamanho. Variações alométricas exercem forte influência sobre estes crânios tornando-os muito integrados morfologicamente, ou seja, a percepção dos módulos que os compõem é muito difícil (baixa modularidade). Isto se reflete em uma maior variação ao longo da linha de menor resistência evolutiva (que resume o eixo de maior variação disponível entre os espécimes), já que os módulos não podem responder a seleção de forma independente (alta integração morfológica). Em marsupiais, esta linha é está alinhada na direção de variações de tamanho. Desta forma, não importa em que direção a seleção esteja atuando, as respostas evolutivas serão usualmente na direção desta linha de menor resistência e conseqüentemente de tamanho. Uma vez que o tamanho é removido, as magnitudes de integração diminuem e a modularidade do crânio aumenta. Por conseguinte, ele passa a ser capaz de responder à seleção em uma gama maior de direções porque aumenta também a relativa independência destes módulos em relação aos demais. Como estes resultados indicam que variações entre os Didelphimorphia são direcionadas a variações no tamanho, devido justamente às restrições impostas pela linha de menor resistência evolutiva, analisei as trajetórias ontegenéticas de dois gêneros irmãos, Didelphis e Philander, separando os efeitos da forma e tamanho nesta diversificação. Para tanto empreguei análises de morfometria tradicional, morfométrica e análises de coeficientes alométricos que apontaram para uma maior diferenciação no tamanho entre eles. Apesar da similaridade entre as trajetórias ontogenéticas destes dois gêneros, espécimes de Didelphis nascem maiores e crescem por mais tempo, como indicado pela sua trajetória mais longa. / One of the central goals in evolutionary biology is related to how evolutionary processes, mainly natural selection and genetic drift, shaped living organisms. The combined use of Morphologial Integration and Quantitative Genetics give us powerful tools to accomplish this goal. Morphological Integration is concerned of how characters are related, as well as their underlying genetics/developmental relationship, while Quantitative Genetics have methodologies designed to explore the phenotypic forces underlying diversity among organisms. Using Didelphimorphia marsupials as a study group, I combined these two approaches to study its morphologic cranial diversification. In Quantitative Genetics, the genetic additive covariance matrix (G) resume the genetic variation underlying resemblance among relatives, which is the portion of the variance responsive to selection. Initially developed to microevolutionary scale studies, it can be extended to a macroevolutionary scale if it remains relatively similar in that time scale. However, as G matrix estimations require a huge number of related specimens with known genealogy, I used its phenotypic (P) counterpart which was more easily obtained. In the first chapter I showed high similarities among Didelphimorphia marsupials covariance and correlation P matrices. On the other hand, integration magnitudes (which measure the average correlation among traits) vary among taxa. Neither phylogeny nor morphologic distances showed any association with the similarity in patterns and magnitudes of integration. In the second chapter, I did these same analyses, but throughout genera ontogeny. Again, there was a high similarity among taxa in patterns of integration, both when I analyzed the ontogeny for each genus separately or against each other (at different age class). Morphological integration magnitudes showed the same variation obtained for adults, with a tendency to decrease at older ages. Taking these results into account, I compared the phenotypic correlation matrices to theoretical matrices, based on hypotheses of shared developmental and functional units. I searched for modularity in the two main skull regions (face and neurocranium) and five sub regions (cranium base and vault, face, nasal, and oral). I also looked for modularity concerning somatic development (Neurocranium vs. Face) and total modularity, as the 200 summation of the five sub-regions. Only Face and its sub-regions nasal and oral, showed significant correlations to the phenotypic genera matrices. Despite integration magnitude differences, all evolutionary responses produced by taxa were highly similar. These results, combined with a huge size variation (or size related variation - allometry) across taxa, lead me to search for the evolutionary consequences due to size variation. In the third chapter, I compared evolutionary response directions produce by each genera matrices before and after size removal under a random selection simulation. Allometry strongly affect these skulls, turning them into highly integrated structures with lower modularity (skull modules are not easily distinguished). Because of this, modules cannot evolve relatively independent of other modules and evolutionary responses will strongly affect the whole cranium. This is related to the variation along the lines of least evolutionary resistance. This line is the multivariate direction of greatest genetic or phenotypic variation (the combination of a suite of traits that displays the maximum within-population variance). In Didelphimorphia marsupials, this line is aligned with size variation and regardless the selection direction, evolutionary change is usually aligned to this least resistance line. The removal of size variation diminish the magnitude of integration while increases modularity. Consequently, skulls become able to respond to selection in more directions as modules become relatively more independent of each other. In the last chapter I compared size and shape differences between ontogenetic trajectories of two sister genera Didelphis and Philander. Using traditional and geometric morphometric analysis plus allometric coefficient analysis, I could show that bigger differences between them are size related. Despite similarities, ontogenetic trajectory in Didelphis is longer, leading to bigger specimens.

Nesta dissertação, foi utilizada a técnica SIFT (Scale Invariant Feature Transform) para o reconhecimento de imagens da área dos olhos (região periorbital). Foi implementada uma classificação das imagens em subgrupos internos ao banco de dados, utilizando-se das informações estatísticas provenientes dos padrões invariantes produzidos pela técnica SIFT. Procedeu-se a uma busca categorizada pelo banco de dados, ao invés da procura de um determinado padrão apresentado, através da comparação deste com cada padrão presente no banco de dados. A tais padrões foi aplicada uma abordagem estatística, através da geração da matriz de covariâncias dos padrões gerados, sendo esta utilizada para a categorização, tendo por base uma rede neural híbrida. A rede neural classifica e categoriza o banco de dados de imagens, criando uma topologia de busca. Foram obtidos resultados corretos de classificação de 76,3% pela rede neural híbrida, sendo que um algoritmo auxiliar determina uma hierarquia de busca, onde, ocorrendo uma errônea classificação, a busca segue em grupos de pesquisas mais prováveis.

Nesta dissertação, foi utilizada a técnica SIFT (Scale Invariant Feature Transform) para o reconhecimento de imagens da área dos olhos (região periorbital). Foi implementada uma classificação das imagens em subgrupos internos ao banco de dados, utilizando-se das informações estatísticas provenientes dos padrões invariantes produzidos pela técnica SIFT. Procedeu-se a uma busca categorizada pelo banco de dados, ao invés da procura de um determinado padrão apresentado, através da comparação deste com cada padrão presente no banco de dados. A tais padrões foi aplicada uma abordagem estatística, através da geração da matriz de covariâncias dos padrões gerados, sendo esta utilizada para a categorização, tendo por base uma rede neural híbrida. A rede neural classifica e categoriza o banco de dados de imagens, criando uma topologia de busca. Foram obtidos resultados corretos de classificação de 76,3% pela rede neural híbrida, sendo que um algoritmo auxiliar determina uma hierarquia de busca, onde, ocorrendo uma errônea classificação, a busca segue em grupos de pesquisas mais prováveis.

Dentro da biologia evolutiva, uma das questões centrais é a compreensão de como os processos evolutivos, em particular a seleção e o acaso (deriva genética) moldaram a diversidade obervada nos organismos. Dentro deste contexto, a utilização de abordagens como a integração morfológica e a genética quantitativa nos fornecem poderosas ferramentas. Enquanto a primeira descreve os padrões de relação entre caracteres e testa hipóteses sobre as relações de desenvolvimento e/ou funções subjacentes, a segunda possui ferramentas para investigar as forças que podem ter gerado os fenótipos atuais. Utilizando como modelo de estudo os gêneros de marsupiais da Ordem Didelphimorphia, analisei a evolução morfológica craniana unindo estas duas linhas de pesquisa. Central a genética quantitativa está a matriz de covariância genética (G) que descreve a porção da variância que é efetivamente herdada (no sentido de transmissão de valor entre gerações) e conseqüentemente serve como substrato à seleção. Apesar de ter sido desenvolvida inicialmente para estudos em escala microevolutiva, o arsenal matemático da genética quantitativa pode ser estendida a escalas macroevolutivas caso a matriz G permaneça relativamente estável. Entretanto, como a estimativa de uma matriz G requer um número grande de espécimes aparentados e com genealogia conhecida, utilizei ao longo deste trabalho sua correspondente fenotípica (P). Desta forma, no primeiro capítulo demonstrei a similaridade das matrizes de covariância e correlação P dos marsupiais Didelphimorphia. Em contrapartida, as magnitudes de integração morfológica, que medem o grau de associação entre os caracteres, se mostraram mais variáveis dentro do grupo. A história evolutiva (filogenia) e as distâncias morfológicas entre os gêneros não parecem ter tido influência sobre os padrões nem as magnitudes, já que não se correlacionaram significativamente a eles. No segundo capítulo, estendi estas análises para os gêneros ao longo do seu desenvolvimento e novamente os padrões se mostraram semelhantes, tanto quando comparei a ontogenia de um único gênero, quando analisei diferentes gêneros para diferentes classes etárias. Em contrapartida, as magnitudes de integração se mostraram mais variáveis, com uma tendência a diminuírem com o aumento da idade. Por conta destes resultados, comparei as matrizes de correlação empíricas com matrizes teóricas que expressam hipóteses de modularidade baseadas no desenvolvimento/função compartilhada pelas regiões do crânio. Testei para similaridade das duas regiões principais (face e neurocrânio), cinco sub-regiões (base e abóboda craniana, oral, nasal e zigomático), uma matriz 198 de integração somática (caracteres neurais vs. faciais) e uma de integração total, concatenando as cinco sub-regiões. Foram encontradas somente correlações significativas para as regiões da face e suas sub-regiões nasal e oral. Apesar das variações nas magnitudes de integração observadas nestes dois primeiros capítulos, as respostas evolutivas obtidas para estes gêneros foram todas muito similares. Este resultado, associado a constatação de que grande parte da variação entre os espécimes é devida ao tamanho, ou variações de forma associadas a ele (alometria), me levaram a analisar as conseqüências evolutivas associadas a estas variações alométricas. Assim, no terceiro capítulo analisei as direções de resposta à seleção simulada antes e após a remoção do tamanho. Variações alométricas exercem forte influência sobre estes crânios tornando-os muito integrados morfologicamente, ou seja, a percepção dos módulos que os compõem é muito difícil (baixa modularidade). Isto se reflete em uma maior variação ao longo da linha de menor resistência evolutiva (que resume o eixo de maior variação disponível entre os espécimes), já que os módulos não podem responder a seleção de forma independente (alta integração morfológica). Em marsupiais, esta linha é está alinhada na direção de variações de tamanho. Desta forma, não importa em que direção a seleção esteja atuando, as respostas evolutivas serão usualmente na direção desta linha de menor resistência e conseqüentemente de tamanho. Uma vez que o tamanho é removido, as magnitudes de integração diminuem e a modularidade do crânio aumenta. Por conseguinte, ele passa a ser capaz de responder à seleção em uma gama maior de direções porque aumenta também a relativa independência destes módulos em relação aos demais. Como estes resultados indicam que variações entre os Didelphimorphia são direcionadas a variações no tamanho, devido justamente às restrições impostas pela linha de menor resistência evolutiva, analisei as trajetórias ontegenéticas de dois gêneros irmãos, Didelphis e Philander, separando os efeitos da forma e tamanho nesta diversificação. Para tanto empreguei análises de morfometria tradicional, morfométrica e análises de coeficientes alométricos que apontaram para uma maior diferenciação no tamanho entre eles. Apesar da similaridade entre as trajetórias ontogenéticas destes dois gêneros, espécimes de Didelphis nascem maiores e crescem por mais tempo, como indicado pela sua trajetória mais longa. / One of the central goals in evolutionary biology is related to how evolutionary processes, mainly natural selection and genetic drift, shaped living organisms. The combined use of Morphologial Integration and Quantitative Genetics give us powerful tools to accomplish this goal. Morphological Integration is concerned of how characters are related, as well as their underlying genetics/developmental relationship, while Quantitative Genetics have methodologies designed to explore the phenotypic forces underlying diversity among organisms. Using Didelphimorphia marsupials as a study group, I combined these two approaches to study its morphologic cranial diversification. In Quantitative Genetics, the genetic additive covariance matrix (G) resume the genetic variation underlying resemblance among relatives, which is the portion of the variance responsive to selection. Initially developed to microevolutionary scale studies, it can be extended to a macroevolutionary scale if it remains relatively similar in that time scale. However, as G matrix estimations require a huge number of related specimens with known genealogy, I used its phenotypic (P) counterpart which was more easily obtained. In the first chapter I showed high similarities among Didelphimorphia marsupials covariance and correlation P matrices. On the other hand, integration magnitudes (which measure the average correlation among traits) vary among taxa. Neither phylogeny nor morphologic distances showed any association with the similarity in patterns and magnitudes of integration. In the second chapter, I did these same analyses, but throughout genera ontogeny. Again, there was a high similarity among taxa in patterns of integration, both when I analyzed the ontogeny for each genus separately or against each other (at different age class). Morphological integration magnitudes showed the same variation obtained for adults, with a tendency to decrease at older ages. Taking these results into account, I compared the phenotypic correlation matrices to theoretical matrices, based on hypotheses of shared developmental and functional units. I searched for modularity in the two main skull regions (face and neurocranium) and five sub regions (cranium base and vault, face, nasal, and oral). I also looked for modularity concerning somatic development (Neurocranium vs. Face) and total modularity, as the 200 summation of the five sub-regions. Only Face and its sub-regions nasal and oral, showed significant correlations to the phenotypic genera matrices. Despite integration magnitude differences, all evolutionary responses produced by taxa were highly similar. These results, combined with a huge size variation (or size related variation - allometry) across taxa, lead me to search for the evolutionary consequences due to size variation. In the third chapter, I compared evolutionary response directions produce by each genera matrices before and after size removal under a random selection simulation. Allometry strongly affect these skulls, turning them into highly integrated structures with lower modularity (skull modules are not easily distinguished). Because of this, modules cannot evolve relatively independent of other modules and evolutionary responses will strongly affect the whole cranium. This is related to the variation along the lines of least evolutionary resistance. This line is the multivariate direction of greatest genetic or phenotypic variation (the combination of a suite of traits that displays the maximum within-population variance). In Didelphimorphia marsupials, this line is aligned with size variation and regardless the selection direction, evolutionary change is usually aligned to this least resistance line. The removal of size variation diminish the magnitude of integration while increases modularity. Consequently, skulls become able to respond to selection in more directions as modules become relatively more independent of each other. In the last chapter I compared size and shape differences between ontogenetic trajectories of two sister genera Didelphis and Philander. Using traditional and geometric morphometric analysis plus allometric coefficient analysis, I could show that bigger differences between them are size related. Despite similarities, ontogenetic trajectory in Didelphis is longer, leading to bigger specimens.

O presente trabalho procurou aperfeiçoar um código criado para calcular os parâmetros k0 e Q0, denominado COVAR, adicionando um outro método para a determinação do fator k0 e aprimorar a análise de covariância existente, criando uma nova versão: COVAR v4.1. O presente trabalho também desenvolveu um novo método de cálculo para os parâmetros α e vários fatores k0 em um único ajuste de mínimos quadrados, por meio de uma metodologia inédita, utilizando matrizes de covariância e todas as incertezas parciais envolvidas. Para aplicação deste método, outro código foi desenvolvido, denominado AKFIT v2.1, no qual possui a capacidade de efetuar dois ajustes, linear e não-linear, na determinação de α e k0 para várias irradiações. Foi utilizado um conjunto de dados com irradiações realizadas nos anos de 2008 e 2010, pelo Laboratório de Metrologia Nuclear (LMN) e por meio do reator nuclear IEAR-1, do IPEN-CNEN/SP, correspondendo aos radionuclídeos 95Zr, 65Zn, 69mZn, 46Sc, 140La e 60Co, resultando em 21 conjuntos de dados a serem analisados para verificar o desempenho dos códigos criados. Para COVAR v 4.1, os resultados do cálculo alternativo para o fator k0 foram próximos dos valores obtidos pelo método original do programa e foram consistentes com a literatura. Para AKFIT v2.1, realizou-se ajustes com ambas irradiações simultâneas e separadas. Os modelos ajustados concordaram com a literatura. O valor de α foi de 0,0025(83), que está de acordo com resultados obtidos anteriormente pelo LMN. As correlações entre os parâmetros k0 se comportaram como esperado, com valores menores entre diferentes elementos e maiores entre elementos iguais com diferentes energias e usando o mesmo comparador. Pode-se concluir que os métodos propostos foram capazes de calcular os valores de k0, com AKFIT v2.1 sendo uma nova técnica no qual é possível determinar dois parâmetros, α e k0, ao mesmo tempo, de modo rápido e preciso. Espera-se que o código AKFIT possa ser aperfeiçoado, adicionando mais parâmetros, como Q0 e f, tornando-o uma ferramenta de ajuste completo para a determinação de todos os parâmetros essenciais do Método k0 de AAN. / The present work aims to improve a code for calculating k0 and Q0 parameters, called COVAR, adding another method of calculating k0 factor and improving the covariance analysis, creating a new version: COVAR v4.1. The present work also aims the development of a new method of calculating the alpha and several k0 parameters in a single least square fit, by means of a novel methodology, using covariance matrices and all partial uncertainties. For the calculations applying this new method, another code was developed, called AKFIT v2.1 which performs linear and non-linear fittings for the determination of alpha and k0 parameters for several irradiations in different periods. We used a database with irradiations in the years 2008 and 2010 performed at the IEAR-1 nuclear reactor of the IPEN-CNEN/SP, by the Nuclear Metrology Laboratory (LMN), corresponding to radionuclides 95Zr, 65Zn, 69mZn, 46Sc, 140La and 60Co and resulting in 21 data sets which were analyzed in order to verify the performance of COVAR4.1 and AKFIT2.1. For COVAR v4.1, the results with the alternative calculation of k0 factor were close to the already existing calculation and were consistent with the literature. For AKFIT v2.1 fittings were performed with both irradiations simultaneously and separately. The fitted models agreed with the literature. The α value was 0,0025(83), which agrees with previous results obtained by the LMN. The correlations between the parameters k0 behaved as expected, with smaller values between different elements and greater correlations between equal elements with different energies and using the same comparator measurement. It can be concluded that the proposed methods were able to calculate the values of k0, with AKFIT v2.1 being a new technique in which it is possible to determine two parameters, alpha and k0 at the same time, quickly and accurately. It is expected that AKFIT code can be improved by adding more parameters, such as Q0 and f, by making a complete fitting for the determination of all the main parameters for the k0 NAA method.

O presente trabalho procurou aperfeiçoar um código criado para calcular os parâmetros k0 e Q0, denominado COVAR, adicionando um outro método para a determinação do fator k0 e aprimorar a análise de covariância existente, criando uma nova versão: COVAR v4.1. O presente trabalho também desenvolveu um novo método de cálculo para os parâmetros α e vários fatores k0 em um único ajuste de mínimos quadrados, por meio de uma metodologia inédita, utilizando matrizes de covariância e todas as incertezas parciais envolvidas. Para aplicação deste método, outro código foi desenvolvido, denominado AKFIT v2.1, no qual possui a capacidade de efetuar dois ajustes, linear e não-linear, na determinação de α e k0 para várias irradiações. Foi utilizado um conjunto de dados com irradiações realizadas nos anos de 2008 e 2010, pelo Laboratório de Metrologia Nuclear (LMN) e por meio do reator nuclear IEAR-1, do IPEN-CNEN/SP, correspondendo aos radionuclídeos 95Zr, 65Zn, 69mZn, 46Sc, 140La e 60Co, resultando em 21 conjuntos de dados a serem analisados para verificar o desempenho dos códigos criados. Para COVAR v 4.1, os resultados do cálculo alternativo para o fator k0 foram próximos dos valores obtidos pelo método original do programa e foram consistentes com a literatura. Para AKFIT v2.1, realizou-se ajustes com ambas irradiações simultâneas e separadas. Os modelos ajustados concordaram com a literatura. O valor de α foi de 0,0025(83), que está de acordo com resultados obtidos anteriormente pelo LMN. As correlações entre os parâmetros k0 se comportaram como esperado, com valores menores entre diferentes elementos e maiores entre elementos iguais com diferentes energias e usando o mesmo comparador. Pode-se concluir que os métodos propostos foram capazes de calcular os valores de k0, com AKFIT v2.1 sendo uma nova técnica no qual é possível determinar dois parâmetros, α e k0, ao mesmo tempo, de modo rápido e preciso. Espera-se que o código AKFIT possa ser aperfeiçoado, adicionando mais parâmetros, como Q0 e f, tornando-o uma ferramenta de ajuste completo para a determinação de todos os parâmetros essenciais do Método k0 de AAN. / The present work aims to improve a code for calculating k0 and Q0 parameters, called COVAR, adding another method of calculating k0 factor and improving the covariance analysis, creating a new version: COVAR v4.1. The present work also aims the development of a new method of calculating the alpha and several k0 parameters in a single least square fit, by means of a novel methodology, using covariance matrices and all partial uncertainties. For the calculations applying this new method, another code was developed, called AKFIT v2.1 which performs linear and non-linear fittings for the determination of alpha and k0 parameters for several irradiations in different periods. We used a database with irradiations in the years 2008 and 2010 performed at the IEAR-1 nuclear reactor of the IPEN-CNEN/SP, by the Nuclear Metrology Laboratory (LMN), corresponding to radionuclides 95Zr, 65Zn, 69mZn, 46Sc, 140La and 60Co and resulting in 21 data sets which were analyzed in order to verify the performance of COVAR4.1 and AKFIT2.1. For COVAR v4.1, the results with the alternative calculation of k0 factor were close to the already existing calculation and were consistent with the literature. For AKFIT v2.1 fittings were performed with both irradiations simultaneously and separately. The fitted models agreed with the literature. The α value was 0,0025(83), which agrees with previous results obtained by the LMN. The correlations between the parameters k0 behaved as expected, with smaller values between different elements and greater correlations between equal elements with different energies and using the same comparator measurement. It can be concluded that the proposed methods were able to calculate the values of k0, with AKFIT v2.1 being a new technique in which it is possible to determine two parameters, alpha and k0 at the same time, quickly and accurately. It is expected that AKFIT code can be improved by adding more parameters, such as Q0 and f, by making a complete fitting for the determination of all the main parameters for the k0 NAA method.

Submitted by Maicon Juliano Schmidt (maicons) on 2015-05-25T14:00:15Z No. of bitstreams: 1 Jorge Augusto Dias Samsonescu.pdf: 443638 bytes, checksum: 0ac887f981377608fa611c1016a91b22 (MD5) / Made available in DSpace on 2015-05-25T14:00:15Z (GMT). No. of bitstreams: 1 Jorge Augusto Dias Samsonescu.pdf: 443638 bytes, checksum: 0ac887f981377608fa611c1016a91b22 (MD5) Previous issue date: 2015-02-20 / Banco do Brasil S.A. / Este trabalho analisa o desempenho fora da amostra de carteiras de mínima variância e baixa volatilidade no mercado de ações brasileiro entre 2003 e 2013, comparativamente ao índice IBOVESPA e a uma carteira igualmente ponderada. As carteiras de mínima variância foram otimizadas com restrição de posições vendidas e limite de peso para os ativos. A matriz de covariância foi estimada pelo método amostral e método shrinkage proposto por Ledoit e Wolf (2003). A carteira de baixa volatilidade foi estruturada de forma similar ao método do índice S&P 500 Low Volatility. O período utilizado para o rebalanceamento das carteiras foi quadrimestral e os ativos elegíveis para as carteiras foram os componentes do IBOVESPA em cada quadrimestre analisado. A comparação das carteiras foi feita através dos indicadores de retorno, desvio padrão e índice de Sharpe anualizados, MVaR e maximum drawdown. Os resultados apontam para a importância na escolha do limite de pesos para os ativos das carteiras de mínima variância. As carteiras de menor risco obtiveram os melhores resultados em todos os indicadores testados. / This study analyzes the out-of-sample performance of minimum-variance and low volatility portfolios in the Brazilian stock market from 2003 to 2013, when compared to IBOVESPA index and an equally weighted portfolio. The minimum variance portfolios have been optimized with short selling restriction and weight limits for the assets. The covariance matrix was estimated by sample method and shrinkage method proposed by Ledoit & Wolf (2003). The low volatility portfolio was structured in a similar way to the S&P 500 Low Volatility index method. The portfolios rebalancing period were quarterly and the eligible assets for the portfolios were IBOVESPA components in each analyzed period. The portfolios performance was evaluated through indicators such return, standard deviation, Sharpe ratio, maximum drawdown and MVAR indicators. The results point to the importance in choosing the weight limits for the assets of minimum-variance portfolios. Lower risk portfolios delivered the best results in all tested indicators.

Made available in DSpace on 2016-06-02T19:05:35Z (GMT). No. of bitstreams: 1 2559.pdf: 3778790 bytes, checksum: 6c638e612ae760d51fad8def01969ed1 (MD5) Previous issue date: 2009-07-24 / Universidade Federal de Sao Carlos / Lately, the human face object has been exploited by the advent of systems involving biometrics, especially for applications in security. One of the most challenging applications is the problem of human face recognition, which consists of determining the correspondence between an input face and an individual from a database of known persons. The process of face recognition consists of two steps: feature extraction and classification. In the literature of face recognition, different techniques have been used, and they can be divided into holistic techniques (implicit feature extraction), feature-based techniques (explicit feature extraction) and hybrid techniques (involving the two previous). In many articles, holistic techniques have proved to be most efficient and generally they involve methods of statistical pattern recognition as Principal Component Analysis (PCA), Independent Component Analysis (ICA), Linear Discriminant Analysis (LDA), Support Vector Machines (SVM), and Neural Networks. For problems such as human face recognition in digital images, a crucial point is the ability to generalize. The solution for this problem is complex due to the high dimensionality of data and the small number of samples per person. Using a single classifier would reduce the ability of recognition, since it is difficult to design a single classifier in these conditions that capture all variability that span the human faces spaces. Thus, this work proposes to investigate the combination of multiple classifiers applied to the problem of face recognition, defining a new scheme to resolve this problem, varying the feature extraction with PCA and some its variants and LDA, K-Nearest Neighbor (K-NN) and Maximum Likelihood (MaxLike) classifiers and several trainable or not trainable methods for combining classifiers. Still, to mitigate the problem of small sample size (SSS), a technique for regularizing the covariance matrix was used. Finally, to assess the classification performance, Holdout and Resubstitution methods were used to partition the data set and the Kappa coefficient and Z and T statistics were used to measure the performance of the proposed scheme. From the experiments it was concluded that the best sub-schemes were the RBPCA/MaxLike-PCA/NN-KL5/NN classifiers combined by the Majorite Vote Rule for the ORL database and the RLDA+RPCA/MaxLike-KL4/NNKL5/ NN classifiers combined by the Sum Rule for the AR database, obtaining Kappa coefficients of 0.956 (mean) and 0.839, respectively. Besides that, it has been determined that these sub-schemes are robust to pose (ORL database), illumination and small change of the facial expression, but they were affected by occlusions (AR database). / Nas últimas décadas, o objeto face humana tem sido muito explorado graças ao advento dos sistemas envolvendo biometria, especialmente para aplicações nas áreas de segurança. Uma das aplicações mais desafiadoras é o problema de reconhecimento de face humana, que consiste em determinar a qual indivíduo em um banco de dados de pessoas conhecidas uma imagem de face corresponde. O processo de reconhecimento de face consiste basicamente em duas etapas: extração de atributos e classificação. Na literatura de reconhecimento de faces, diversas técnicas foram utilizadas, podendo ser divididas em técnicas holísticas (extração de atributos implícita), técnicas baseadas em características (extração de atributos explícita) e técnicas híbridas (envolvem as duas anteriores). Em maior número na literatura, as técnicas holísticas demonstraram ser mais eficientes e envolvem em geral, métodos de reconhecimento de padrões estatísticos como Principal Component Analysis (PCA), Independent Component Analysis (ICA), Linear Discriminant Analysis (LDA), Support Vector Machines (SVM), além de Redes Neurais. Para problemas como o reconhecimento de face humana em imagens digitais, um ponto determinante é a capacidade de generalização. Por esse problema ser complexo de ser resolvido, devido à alta dimensionalidade dos dados e ao número pequeno de amostras por pessoa, utilizar um único classificador tornaria reduzida a capacidade de reconhecimento, já que é difícil projetar um único classificador nestas condições que capture todas as variações que formam o espaço de faces humanas. Dessa forma, este trabalho se propôs à investigação de combinação de múltiplos classificadores aplicados ao problema do reconhecimento de face, obtendo um novo esquema para solução do mesmo, variando a extração de atributos com PCA e algumas variantes e LDA, classificadores K Vizinhos Mais Próximos e Máxima Verossimilhança e diversos combinadores treináveis ou não. Ainda, para amenizar o problema de poucas amostras, uma técnica de regularização de matrizes de covariância foi utilizada. Finalmente, para avaliação de desempenho utilizou-se Holdout e Resubstitution para particionar o conjunto de dados, assim como o coeficiente Kappa e testes de significância Z e T foram utilizados para medir o desempenho do esquema proposto. Dos experimentos concluiu-se que os melhores subesquemas foram o RBPCA/MaxVer-PCA/NN-KL5/NN → Votação por Maioria para o banco de dados ORL e o RLDA+RPCA/MaxVer-KL4/NN-KL5/NN → Soma para o banco de dados AR com coeficientes Kappa 0,956 (médio) e 0,839, respectivamente. Além disso, foi determinado que estes subesquemas são robustos à pose (ORL), iluminação e à pequenas variações de expressão facial, mas sofreram influência de oclusões (AR).

Neste trabalho, desenvolvemos três tópicos relacionados a modelos de regressão da família exponencial. No primeiro tópico, obtivemos a matriz de covariância assintótica de ordem $n^$, onde $n$ é o tamanho da amostra, dos estimadores de máxima verossimilhança corrigidos pelo viés de ordem $n^$ em modelos lineares generalizados, considerando o parâmetro de precisão conhecido. No segundo tópico calculamos o coeficiente de assimetria assintótico de ordem n^{-1/2} para a distribuição dos estimadores de máxima verossimilhança dos parâmetros que modelam a média e dos parâmetros de precisão e dispersão em modelos não-lineares da família exponencial, considerando o parâmetro de dispersão desconhecido, porém o mesmo para todas as observações. Finalmente, obtivemos fatores de correção tipo-Bartlett para o teste escore em modelos não-lineares da família exponencial, considerando covariáveis para modelar o parâmetro de dispersão. Avaliamos os resultados obtidos nos três tópicos desenvolvidos por meio de estudos de simulação de Monte Carlo / In this work, we develop three topics related to the exponential family nonlinear regression. First, we obtain the asymptotic covariance matrix of order $n^$, where $n$ is the sample size, for the maximum likelihood estimators corrected by the bias of order $n^$ in generalized linear models, considering the precision parameter known. Second, we calculate an asymptotic formula of order $n^{-1/2}$ for the skewness of the distribution of the maximum likelihood estimators of the mean parameters and of the precision and dispersion parameters in exponential family nonlinear models considering that the dispersion parameter is the same although unknown for all observations. Finally, we obtain Bartlett-type correction factors for the score test in exponential family nonlinear models assuming that the precision parameter is modelled by covariates. Monte Carlo simulation studies are developed to evaluate the results obtained in the three topics.

Made available in DSpace on 2010-04-20T20:51:05Z (GMT). No. of bitstreams: 3 98333.pdf.jpg: 13860 bytes, checksum: 411f2e503bdd3f85174e0db0b4bd251c (MD5) 98333.pdf: 711485 bytes, checksum: 410792964fe8e1c5a1db006b3e7fa833 (MD5) 98333.pdf.txt: 212638 bytes, checksum: 847f0564ff4a3061300b1a06e613bfd4 (MD5) Previous issue date: 2003-03-12T00:00:00Z / Este estudo faz uma revisão das origens do VaR, bem como dos conceitos e teorias que o fundamentam, e sua aplicabilidade aos fundos de pensão. Descreve as principais metodologias de cálculo e as situações nas quais o uso de cada uma é mais adequado. Revisa a literatura internacional acerca do uso do VaR como medida de risco pelos fundos de pensão. A seguir faz a previsão do VaR para as carteiras reais de três fundos de pensão brasileiros com três metodologias distintas: paramétrica, simulação histórica e simulação de Monte Carlo, esta última com duas suposições distintas para a distribuição dos retornos dos fatores de risco (normal e histórica). A partir disso, realiza um teste qualitativo, através da comparação do número de perdas efetivas realizadas pelas carteiras dos três fundos de pensão com o número de perdas correspondente admitido para os diferentes níveis de confiança utilizados no cálculo do VaR. O trabalho não encontra evidências de superioridade de nenhuma das metodologias de cálculo, sendo que todas elas superestimaram as perdas verificadas na prática (o VaR foi excedido menos vezes do que o esperado). / This study summarizes the theory underlying Value at risk, including its history, concepts and applicability to pension funds. It describes the main approaches in computing VaR, as well as the situations in which one approach is more appropriate than the other. It also revises the international literature about the use of VaR as a risk measure by pension funds. After that, VaR is computed for real portfolios of three Brazilian pension funds, applying three methods: analytical, historical simulation and Monte Carlo simulation, the last one with two different assumptions about risk factor returns’ distributions (normal and historical). Following VaR computation, a qualitative test is performed, by comparing the actual losses faced by the three pension funds’ portfolios with the associated number of losses, given the confidence level. Evidence about superiority of some of the approaches has not been found, and all of them have overestimated real losses (the VaR measure was exceeded less often than expected).