Orientador: Regina Celia Carvalho Pinto Moran / Dissertação (mestrado) - Universidade Estadual de Campinas, Intituto de Matematica, Estatistica e Ciencia da Computação / Made available in DSpace on 2018-07-18T09:24:33Z (GMT). No. of bitstreams: 1 Aguayo_MariaTeresaVillalobos_M.pdf: 3836065 bytes, checksum: 26e932de463d0371ce29d60f25bf6d9a (MD5) Previous issue date: 1993 / Resumo: Na literatura, a Análise de Correspondência (AC), é proposta como uma técnica para a análise exploratória de dados, mas pouco se fala de como ela pode integrar-se a um modelo log-linear, e servir como ferramenta para a interpretação das interações ou dos resíduos. Neste trabalho, a AC e uma das suas generalizações, Análise de Correspondência Generalizada (ACG), são desenvolvidas amplamente. A AC e ACG, são apresentadas como uma ferramenta que pode ser usada para a análise de resíduos de um modelo log-linear. Isto é possível reconhecendo as relações entre a AC e modelos log-lineares. Mais ainda, é mostrado como estas relações podem ser usadas para chegar a uma abordagem combinada para a análise de tabelas de contingência usando ambas as análises. No caso de tabelas multi-entradas, estas são recodificadas como tabelas de duas entradas, e logo analisadas com AC; neste caso, a AC pode ser interpretada como a decomposição de resíduos de um modelo log-linear específico de independência. A AC, também pode ser usada para decompor resíduos do modelo de quase-independência. A ACG, pode ser usada para decompor resíduos de modelos log-lineares menos restritos que o modelo de independência, como o modelo de simetria / Mestrado / Mestre em Estatística

Orientador: Renato M. E. Sabbatini / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-21T01:42:31Z (GMT). No. of bitstreams: 1 Porrelli_RaulNeder_M.pdf: 10278987 bytes, checksum: 09e9a4c65fd6c396aa90700be5fdf713 (MD5) Previous issue date: 1995 / Resumo: Apesar do grande número de algoritmos existentes para a previsão de estrutura secundária de proteínas, determinadas técnicas estatísticas ainda não haviam sido exploradas. Utilizamos a metodologia de funções discriminantes logísticas na tentativa de ultrapassar a acurácia obtida por métodos que usaram redes neurais e teoria da informação. O número de parâmetros foi limitado explorando-se a natureza periódica das alfa-hélices e placas pregueadas beta. Uma grande variedade de modelos foi pesquisada, usando abordagem semi-paramétrica (máxima verossimilhança com penalização) combinada com seleção gradual de parâmetros. Mostramos que os modelos mais bem sucedidos tem ao redor de 800 parâmetros "efetivos" para o conjunto de dados utilizado. Os 340 parâmetros lineares e parte dos 800 parâmetros quadráticos puderam ser interpretados do ponto de vista físico-químico, contrastando com outros métodos da literatura. Após otimização e validação _cruzada, a acurácia foi de 65.9% para três estados estruturais, o que representa um resultado ligeiramente superior aos dos algoritmos já publicados. A maior acurácia de previsão está concentrada numa porção dos resíduos e a confiança da previsão pode ser facilmente calculada. Exploramos a possibilidade de usar estes resíduos, previstos com alta confiabilidade, para prever a estrutura completa da proteína, assim como muitos outros artifícios para aumentar a eficiência do método, com resultados limitados. Embora tenhamos obtido apenas uma modesta melhora da acurácia, a maneira como implementamos o modelo sugere que utilizamos toda a informação estrutural contida em segmentos de até 17 aminoácidos, no nível de complexidade que a quantidade de dados permite / Mestrado / Mestre em Engenharia Elétrica

Orientador: Geovane Cayres Magalhães / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-04T02:10:07Z (GMT). No. of bitstreams: 1 Silva_FlavioRoberto_M.pdf: 2674028 bytes, checksum: 456319a74b85e74d16832bff92d67eed (MD5) Previous issue date: 2004 / Resumo: Outliers são elementos que não obedecem a um padrão do conjunto de dados ao qual eles pertencem. A detecção de outliers pode trazer informações não esperadas e importantes para algumas aplicações, como por exemplo: descoberta de fraudes em sistemas telefônicos e de cartão de crédito e sistemas de detecção de intrusão. Esta dissertação apresenta uma nova abordagem para detecção de outliers em bancos de dados com atributos categóricos. A abordagem proposta usa modelos log-lineares como um padrão para o conjunto de dados, o que torna mais fácil a tarefa de interpretação dos resultados pelo usuário. Também é apresentado o FOCaD (Finding Outliers in Categorical Data), protótipo de um sistema de análise de dados categóricos. Ele ajusta e seleciona modelos, faz testes estatísticos e detecta outliers / Abstract: An outlier is an element that does not conform to a given pattern to a set. Outlier detection can lead to unexpected and useful information to some applications, e.g., discovery of fraud in telephonic and credit card systems, intrusion detection systems. This Master Thesis presents a new approach for outlier detection in databases with categorical attributes. The proposed approach uses log-linear models as a pattern for the dataset, which makes easier the task of interpreting results by the user'. It is also presented FOCaD (Finding Outliers in Categorical Data), a prototype of a categorical data analysis system. It adjusts and selects models, performs statistic tests, and outlier detection / Mestrado / Ciência da Computação / Mestre em Ciência da Computação

Orientador: Aida C. G. Verdugo Lazo / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-07-23T18:33:22Z (GMT). No. of bitstreams: 1 Matuda_NiveadaSilva_M.pdf: 3623854 bytes, checksum: 146f65b0f200872e091830629e681137 (MD5) Previous issue date: 1998 / Resumo: Não informado / Abstract: Not informed / Mestrado / Mestre em Estatística