O presente trabalho considera o problema de fazer inferência com acurácia para pequenas amostras, tomando por base a estatística da razão de verossimilhanças em modelos de regressão beta. Estes, por sua vez, são úteis para modelar proporções contínuas que são afetadas por variáveis independentes. Deduzem-se as estatísticas da razão de verossimilhanças ajustadas de Skovgaard (Scandinavian Journal of Statistics 28 (2001) 3-32) nesta classe de modelos. Os termos do ajuste, que têm uma forma simples e compacta, podem ser implementados em um software estatístico. São feitas simulações de Monte Carlo para mostrar que a inferência baseada nas estatísticas ajustadas propostas é mais confiável do que a inferência usual baseada na estatística da razão de verossimilhanças. Aplicam-se os resultados a um conjunto real de dados. / We consider the issue of performing accurate small-sample likelihood-based inference in beta regression models, which are useful for modeling continuous proportions that are affected by independent variables. We derive Skovgaards (Scandinavian Journal of Statistics 28 (2001) 3-32) adjusted likelihood ratio statistics in this class of models. We show that the adjustment terms have simple compact form that can be easily implemented from standard statistical software. We presentMonte Carlo simulations showing that inference based on the adjusted statistics we propose is more reliable than that based on the usual likelihood ratio statistic. A real data example is presented.

Experimentos em que medidas são realizadas repetidamente na mesma unidade experimental são comuns na área agronômica. As técnicas estatísticas utilizadas para análise de dados desses experimentos são chamadas de análises de medidas repetidas, tendo como caso particular o estudo de dados longitudinais, em que uma mesma variável resposta é observada em várias ocasiões no tempo. Além disso, o comportamento longitudinal pode seguir um padrão não linear, o que ocorre com freqüência em estudos de crescimento. Também são comuns experimentos em que a variável resposta refere-se a contagem. Este trabalho abordou a modelagem de dados de contagem, obtidos a partir de experimentos com medidas repetidas ao longo do tempo, em que o comportamento longitudinal da variável resposta é não linear. A distribuição Poisson multivariada, com covariâncias iguais entre as medidas, foi utilizada de forma a considerar a dependência entre os componentes do vetor de observações de medidas repetidas em cada unidade experimental. O modelo proposto por Karlis e Meligkotsidou (2005) foi estendido para dados longitudinais provenientes de experimentos inteiramente casualizados. Modelos para experimentos em blocos casualizados, supondo-se efeitos fixos ou aleatórios para blocos, foram também propostos. A ocorrência de superdispersão foi considerada e modelada através da distribuição Poisson multivariada mista. A estimação dos parâmetros foi realizada através do método de máxima verossimilhança, via algoritmo EM. A metodologia proposta foi aplicada a dados simulados para cada uma das situações estudadas e a um conjunto de dados de um experimento em blocos casualizados em que foram observados o número de folhas de bromélias em seis instantes no tempo. O método mostrou-se eficiente na estimação dos parâmetros para o modelo considerando o delineamento completamente casualizado, inclusive na ocorrência de superdispersão, e delineamento em blocos casualizados com efeito fixo, sem superdispersão e efeito aleatório para blocos. No entanto, a estimação para o modelo que considera efeito fixo para blocos, na presença de superdispersão e para o parâmetro de variância do efeito aleatório para blocos precisa ser aprimorada. / Experiments in which measurements are taken in the same experimental unit are common in agriculture area. The statistical techniques used to analyse data from those experiments are called repeated measurement analysis, and longitudinal study, in which the response variable is observed along the time, is a particular case. The longitudinal behaviour can be non linear, occuring freq¨uently in growth studies. It is also common to have experiments in which the response variable refers to count data. This work approaches the modelling of count data, obtained from experiments with repeated measurements through time, in which the response variable longitudinal behaviour is non linear. The multivariate Poisson distribution, with equal covariances between measurements, was used to consider the dependence between the components of the repeated measurement observation vector in each experimental unit. The Karlis and Meligkotsidou (2005) proposal was extended to longitudinal data obtained from completely randomized. Models for randomized blocks experiments, assuming fixed or random effects for blocks, were also proposed. The occurence of overdispersion was considered and modelled through mixed multivariate Poisson distribution. The parameter estimation was done using maximum likelihood method, via EM algorithm. The methodology was applied to simulated data for all the cases studied and to a data set from a randomized block experiment in which the number of Bromeliads leaves were observed through six instants in time. The method was efficient to estimate the parameters for the completely randomized experiment, including the occurence of overdispersion, and for the randomized blocks experiments assuming fixed effect, with no overdispersion, and random effect for blocks. The estimation for the model that considers fixed effect for block, with overdispersion and for the variance parameters of the random effect for blocks must be improved.

O presente trabalho considera o problema de fazer inferência com acurácia para pequenas amostras, tomando por base a estatística da razão de verossimilhanças em modelos de regressão beta. Estes, por sua vez, são úteis para modelar proporções contínuas que são afetadas por variáveis independentes. Deduzem-se as estatísticas da razão de verossimilhanças ajustadas de Skovgaard (Scandinavian Journal of Statistics 28 (2001) 3-32) nesta classe de modelos. Os termos do ajuste, que têm uma forma simples e compacta, podem ser implementados em um software estatístico. São feitas simulações de Monte Carlo para mostrar que a inferência baseada nas estatísticas ajustadas propostas é mais confiável do que a inferência usual baseada na estatística da razão de verossimilhanças. Aplicam-se os resultados a um conjunto real de dados. / We consider the issue of performing accurate small-sample likelihood-based inference in beta regression models, which are useful for modeling continuous proportions that are affected by independent variables. We derive Skovgaards (Scandinavian Journal of Statistics 28 (2001) 3-32) adjusted likelihood ratio statistics in this class of models. We show that the adjustment terms have simple compact form that can be easily implemented from standard statistical software. We presentMonte Carlo simulations showing that inference based on the adjusted statistics we propose is more reliable than that based on the usual likelihood ratio statistic. A real data example is presented.

A teoria do valor extremo é aplicada em áreas de pesquisa tais como hidrologia, estudos de poluição, engenharia de materiais, controle de tráfego e economia. A distribuição valor extremo ou Gumbel é amplamente utilizada na modelagem de valores extremos de fenômenos da natureza e no contexto de análise de sobrevivência para modelar o logaritmo do tempo de vida. A modelagem de valores extremos de fenômenos da natureza tais como velocidade de vento, nível da água de rio ou mar, altura de onda ou umidade é importante em estatística ambiental pois o conhecimento de valores extremos de tais eventos é crucial na prevenção de catátrofes. Ultimamente esta teoria é de particular interesse pois fenômenos extremos da natureza têm sido mais comuns e intensos. A maioria dos artigos sobre teoria do valor extremo para modelagem de dados considera amostras de tamanho moderado ou grande. A distribuição Gumbel é frequentemente incluída nas análises mas a qualidade do ajuste pode ser pobre em função de presença de ouliers. Investigamos modelagem estatística de eventos extremos com base na teoria de valores extremos. Consideramos um modelo de regressão valor extremo introduzido por Barreto-Souza & Vasconcellos (2011). Os autores trataram da questão de corrigir o viés do estimador de máxima verossimilhança para pequenas amostras. Nosso primeiro objetivo é deduzir ajustes para testes de hipótese nesta classe de modelos. Derivamos a estatística da razão de verossimilhanças ajustada de Skovgaard (2001) e cinco ajustes da estatística da razão de verossimilhanças sinalizada, que foram propostos por Barndorff-Nielsen (1986, 1991), DiCiccio & Martin (1993), Skovgaard (1996), Severini (1999) e Fraser et al. (1999). As estatísticas ajustadas são aproximadamente distribuídas como uma distribuição $\\chi^2$ e normal padrão com alto grau de acurácia. Os termos dos ajustes têm formas compactas simples que podem ser facilmente implementadas em softwares disponíveis. Comparamos a performance do teste da razão de verossimilhanças, do teste da razão de verossimilanças sinalizada e dos testes ajustados obtidos neste trabalho em amostras pequenas. Ilustramos uma aplicação dos testes usuais e suas versões modificadas em conjuntos de dados reais. As distribuições das estatísticas ajustadas são mais próximas das respectivas distribuições limites comparadas com as distribuições das estatísticas usuais quando o tamanho da amostra é relativamente pequeno. Os resultados de simulação indicaram que as estatísticas ajustadas são recomendadas para inferência em modelo de regressão valor extremo quando o tamanho da amostra é moderado ou pequeno. Parcimônia é importante quando os dados são escassos, mas flexibilidade também é crucial pois um ajuste pobre pode levar a uma conclusão completamente errada. Uma revisão da literatura foi feita para listar as distribuições que são generalizações da distribuição Gumbel. Nosso segundo objetivo é avaliar a parcimônia e flexibilidade destas distribuições. Com este propósito, comparamos tais distribuições através de momentos, coeficientes de assimetria e de curtose e índice da cauda. As famílias mais amplas obtidas pela inclusão de parâmetros adicionais, que têm a distribuição Gumbel como caso particular, apresentam assimetria e curtose flexíveis enquanto a distribuição Gumbel apresenta tais características constantes. Dentre estas distribuições, a distribuição valor extremo generalizada é a única com índice da cauda que pode ser qualquer número real positivo enquanto os índices da cauda das outras distribuições são zero. Observamos que algumas generalizações da distribuição Gumbel estudadas na literatura são não identificáveis. Portanto, para estes modelos a interpretação e estimação de parâmetros individuais não é factível. Selecionamos as distribuições identificáveis e as ajustamos a um conjunto de dados simulado e a um conjunto de dados reais de velocidade de vento. Como esperado, tais distribuições se ajustaram bastante bem ao conjunto de dados simulados de uma distribuição Gumbel. A distribuição valor extremo generalizada e a mistura de duas distribuições Gumbel produziram melhores ajustes aos dados do que as outras distribuições na presença não desprezível de observações discrepantes que não podem ser acomodadas pela distribuição Gumbel e, portanto, sugerimos que tais distribuições devem ser utilizadas neste contexto. / The extreme value theory is applied in research fields such as hydrology, pollution studies, materials engineering, traffic management, economics and finance. The Gumbel distribution is widely used in statistical modeling of extreme values of a natural process such as rainfall and wind. Also, the Gumbel distribution is important in the context of survival analysis for modeling lifetime in logarithmic scale. The statistical modeling of extreme values of a natural process such as wind or humidity is important in environmental statistics; for example, understanding extreme wind speed is crucial in catastrophe/disaster protection. Lately this is of particular interest as extreme natural phenomena/episodes are more common and intense. The majority of papers on extreme value theory for modeling extreme data is supported by moderate or large sample sizes. The Gumbel distribution is often considered but the resulting fit may be poor in the presence of ouliers since its skewness and kurtosis are constant. We deal with statistical modeling of extreme events data based on extreme value theory. We consider a general extreme-value regression model family introduced by Barreto-Souza & Vasconcellos (2011). The authors addressed the issue of correcting the bias of the maximum likelihood estimators in small samples. Here, our first goal is to derive hypothesis test adjustments in this class of models. We derive Skovgaard\'s adjusted likelihood ratio statistics Skovgaard (2001) and five adjusted signed likelihood ratio statistics, which have been proposed by Barndorff-Nielsen (1986, 1991), DiCiccio & Martin (1993), Skovgaard (1996), Severini (1999) and Fraser et al. (1999). The adjusted statistics are approximately distributed as $\\chi^2$ and standard normal with high accuracy. The adjustment terms have simple compact forms which may be easily implemented by readily available software. We compare the finite sample performance of the likelihood ratio test, the signed likelihood ratio test and the adjusted tests obtained in this work. We illustrate the application of the usual tests and their modified versions in real datasets. The adjusted statistics are closer to the respective limiting distribution compared to the usual ones when the sample size is relatively small. Simulation results indicate that the adjusted statistics can be recommended for inference in extreme value regression model with small or moderate sample size. Parsimony is important when data are scarce, but flexibility is also crucial since a poor fit may lead to a completely wrong conclusion. A literature review was conducted to list distributions which nest the Gumbel distribution. Our second goal is to evaluate their parsimony and flexibility. For this purpose, we compare such distributions regarding moments, skewness, kurtosis and tail index. The larger families obtained by introducing additional parameters, which have Gumbel embedded in, present flexible skewness and kurtosis while the Gumbel distribution skewness and kurtosis are constant. Among these distributions the generalized extreme value is the only one with tail index that can be any positive real number while the tail indeces of the other distributions investigated here are zero. We notice that some generalizations of the Gumbel distribution studied in the literature are not indetifiable. Hence, for these models meaningful interpretation and estimation of individual parameters are not feasible. We select the identifiable distributions and fit them to a simulated dataset and to real wind speed data. As expected, such distributions fit the Gumbel simulated data quite well. The generalized extreme value distribution and the two-component extreme value distribution fit the data better than the others in the non-negligible presence of outliers that cannot be accommodated by the Gumbel distribution, and therefore we suggest them to be applied in this context.

Alguns aspectos devem ser considerados nos trabalhos com frutíferas como o ponto adequado de colheita e estratégias de conservação, sendo fundamental a análise do crescimento e desenvolvimento dos frutos. Vários tipos de modelos estatísticos podem descrever os processos de crescimento envolvidos no sistema de produção vegetal, sendo os modelos não lineares considerados mais adequados para esse tipo de estudo. Para que os resultados obtidos no ajuste do modelo sejam válidos é necessário verificar a qualidade de ajuste por meio de uma análise dos resíduos. A distribuição dos resíduos ordinários para os modelos de regressão não linear, é matematicamente trabalhosa e os critérios de diagnóstico são falhos, principalmente em pequenas amostras. Diante de tal fato, Cook e Tsai (1985) definiram o resíduo projetado. O comportamento dos resíduos projetados é melhor do que o dos resíduos ordinários, pois suas propriedades são mais próximas das correspondentes ao resíduo ordinário da regressão normal linear. O ganho é substancial se o teste para a medida de não linearidade for significativo. Por meio dos ajustes dos modelos logístico e de Gompertz aos dados de comprimento de peras foi realizada a análise dos resíduos ordinários e dos resíduos projetados, a fim de evidenciar suas vantagens. Os resíduos projetados se mostraram viáveis para diagnóstico dos modelos e descartaram possíveis tendências apresentadas pelos resíduos normalizados. / Some aspects must be considered in the works with fruit tree such as the appropriate point of harvest and conservation strategies, being fundamental the analysis of growth and fruit developments. Several types of statistical models can describe the growth processes involved in plant production system and the non-linear models are considered more suitable for this type of study. For the results obtained from the model fit to be valid is necessary to check the quality of fit through a residual analysis. The distribution of the ordinary residuals in the non-linear regression models is mathematically complicated and the diagnostic criteria are not precise, mainly in small samples. To overcome this fact, Cook and Tsai (1985) defined the projected residual. The behaviour of the projected residuals is better than the ordinary residuals since their properties are closer to those corresponding to the ordinary residuals for the normal linear regression. The gain is substantial if the test for non-linearity is significant. Through the fit of the logistic and Gompertz models to the pears length data, it was performed an analysis of the ordinary and projected residuals in order to demonstrate their advantages. The projected residuals showed more feasible for the diagnostic of the models and ruled out possible trends presented by normalized residuals.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2016-12-23T10:42:58Z No. of bitstreams: 1 Cassio Binkowski_.pdf: 1965327 bytes, checksum: 87b7380f1bab367237fb868e0de20388 (MD5) / Made available in DSpace on 2016-12-23T10:42:59Z (GMT). No. of bitstreams: 1 Cassio Binkowski_.pdf: 1965327 bytes, checksum: 87b7380f1bab367237fb868e0de20388 (MD5) Previous issue date: 2016-09-14 / Nenhuma / A identificação de sistemas está longe de ser uma tarefa nova. Sendo inicialmente proposta na metade do século XX, foi extensamente desenvolvida para sistemas lineares, devido às exigências da época relacionadas à complexidade dos sistemas e também do poder computacional, atingindo excelente resultados. No entanto, com o aumento da complexidade dos sistemas e das exigências de controle, os modelos lineares não mais conseguiam representar os sistemas em toda a faixa de operação exigida, sendo assim requerendo uma aplicação dos modelos não-lineares. Visto que todos os sistemas presentes na natureza possuem certo grau de não linearidade, é correto afirmar que um modelo não-linear é capaz de representar as dinâmicas dos sistemas de forma mais compreensiva que um modelo linear. A identificação de sistemas não lineares foi então estudada e diversos modelos foram propostos, atingindo ótimos resultados. Nesse trabalho foi realizado um estudo de dois modelos não-lineares, NARMAX e Hammerstein-Wiener, aplicando esses modelos a dois processos simulados. Foram então derivados dois algoritmos para realizar a estimação dos parâmetros dos modelos NARMAX e Hammerstein-Wiener, utilizando um estimador ortogonal, e também um algoritmo para geração de sinais de entrada multinível. Os modelos foram então estimados para os sistemas simulados, e comparados utilizando os critérios AIC, FPE, Lipschitz e de correlação cruzada de alta ordem. Os melhores resultados foram obtidos com os modelos Hammerstein-Wiener-OLS e NARMAX-OLS, ao contrário do modelo NARMAX-RLS. No entanto, devido a resultados bastante divergentes entre os modelos, pode-se concluir que essa área ainda carece de desenvolvimento de técnicas precisas para comparação e avaliação de modelos, bem como quanto à quantificação do nível de não-linearidade do sistema em questão. / The task of system identification is far from being a new one. It was initially proposed in the mid of the 20th century, and had then been extensively developed for linear systems, due to the demands of that time concerning computational power, systems complexity and control requirements. It has achieved excellent results in this approach. However, due to the rise of systems complexity and control requirements, linear models were no longer able to meet the desired accuracy and larger operating range, and therefore the usage nonlinear models were pursued. As all systems in nature are nonlinear to some extent, it is correct to state that nonlinear models can represent a whole lot more of systems’ dynamics than linear models. Nonlinear models were then studied, and several techniques were presented, being able to achieve very good results. In this work, two of the available nonlinear models were studied, namely NARMAX and Hammerstein-Wiener, applying these models in two simulated systems. Two algorithms were then derived to estimate parameters for NARMAX and Hammerstein-Wiener models using an orthogonal estimator, and also an algorithm for generating multi-level input signals. The models were then estimated to the simulated systems, and compared using the AIC, FPE, Lipschitz and high-order cross-correlation criteria. The best results were obtained for the Hammerstein-Wiener-OLS and NARMAX-OLS models, as opposed to the NARMAX-RLS model. However, due to divergent observed results between models, it can be concluded that precise methods for model comparison and validation still needs to be developed, as well as a method for nonlinearity quantification for the system in hand.

Submitted by Pedro Montero Mattos (pmattos90@gmail.com) on 2017-09-05T14:09:34Z No. of bitstreams: 1 nowcasting-brazilian-gdp-ficha.pdf: 808279 bytes, checksum: 3b790fa6a2be106b618a354ab1f18650 (MD5) / Rejected by Joana Martorini (joana.martorini@fgv.br), reason: Prezado Pedro, boa noite, Seu trabalho não condiz com as normas necessárias para aprovação. Favor corrigir para que possamos aceitar o arquivo. Na capa faltou o nome completo da Escola, e ao identificar o local, na parte inferior da página, colocar somente o nome da cidade e o ano, retirar páginas em branco. Dissertação, banca examinadora, data da aprovação, campo de conhecimento devem estar ao lado inferior direito da página e deve haver um resumo em português. No link abaixo, a partir da página 11, tem o modelo dos requisitos necessários que podem auxiliá-lo: http://sistema.bibliotecas-sp.fgv.br/sites/bibliotecas.fgv.br/files/bibnormas1.pdf Se preferir, entre em contato pelo telefone: Thais Oliveira Cursos de Pós-Graduação (55 11) 3799-7764 SRA - Secretaria de Registros Acadêmicos on 2017-09-05T22:51:54Z (GMT) / Submitted by Pedro Montero Mattos (pmattos90@gmail.com) on 2017-09-06T18:29:03Z No. of bitstreams: 1 nowcasting-brazilian-gdp-final.pdf: 2797146 bytes, checksum: bc06f3221f99621eef79ac27ea0570ed (MD5) / Rejected by Joana Martorini (joana.martorini@fgv.br), reason: Prezado, boa tarde. Seu trabalho foi rejeitado pelo seguintes motivos: - O título na capa, contracapa e dissertação devem ser em negrito; - A numeração de páginas começa a partir da Introdução; - As Dissertações, Data da Aprovação e Banca Examinadora devem estar ao lado direito da página. Favor fazer a correção para que possamos aprovar o item. Qualquer dúvida entrar em contato no mestradoprofissional@fgv.br ou ligue 3799-7764 Att. on 2017-09-11T17:59:58Z (GMT) / Submitted by Pedro Montero Mattos (pmattos90@gmail.com) on 2017-09-11T20:14:04Z No. of bitstreams: 1 nowcasting-brazilian-gdp-final.pdf: 1435677 bytes, checksum: f7158565f421de4eacc385ee98d3348b (MD5) / Rejected by Joana Martorini (joana.martorini@fgv.br), reason: Prezado Pedro, boa noite. O trabalho está correto, exceto pela numeração de páginas, começa a partir da "Introdução", mas com o número de páginas certo, que no caso do seu arquivo seria "14" contando a partir da folha de rosto. Favor fazer a correção para que possamos aprovar o item. Grata. on 2017-09-11T21:34:20Z (GMT) / Submitted by Pedro Montero Mattos (pmattos90@gmail.com) on 2017-09-11T21:53:46Z No. of bitstreams: 1 nowcasting-brazilian-gdp-final.pdf: 1436704 bytes, checksum: 65555fa1bc7c021e54edc92cf70d35f2 (MD5) / Approved for entry into archive by Joana Martorini (joana.martorini@fgv.br) on 2017-09-11T22:28:54Z (GMT) No. of bitstreams: 1 nowcasting-brazilian-gdp-final.pdf: 1436704 bytes, checksum: 65555fa1bc7c021e54edc92cf70d35f2 (MD5) / Made available in DSpace on 2017-09-12T17:16:25Z (GMT). No. of bitstreams: 1 nowcasting-brazilian-gdp-final.pdf: 1436704 bytes, checksum: 65555fa1bc7c021e54edc92cf70d35f2 (MD5) Previous issue date: 2017-08-16 / Based on recent surveys on nowcasting methods, we apply the one-step estimation of dynamic factor models to the Brazilian case. Such methodology copes well with the problems of mixed-frequency series, ragged edges, timeliness and high dimensionality of data sets. We use the daily expectation published by the Brazilian Central Bank as a benchmark for our model and we do not find enough evidence to reject that both models have equal predictive accuracy, under non-distressed circumstances. / Baseado em recentes pesquisas em métodos de Nowcasting, foi aplicada a estimação de modelos de fatores dinâmicos em um passo ao caso brasileiro. Esta metodologia lida com os problemas de frequências mistas, amostras recortadas, horizonte temporal e alta dimensão da amostra. Foram utilizadas as expectativas diárias do PIB publicadas pelo Banco Central como um benchmark do modelo. Não foram encontradas evidências que rejeitam a hipótese de igual poder preditivo, para circunstâncias econômicas não estressadas.

Submitted by SIDNEY BRUCE SHIKI null (sbshiki@gmail.com) on 2016-04-02T14:43:01Z No. of bitstreams: 1 Thesis_PhD_SBShiki.pdf: 10090180 bytes, checksum: c44d2ebecbed6d011cf61ceabdfd3494 (MD5) / Approved for entry into archive by Felipe Augusto Arakaki (arakaki@reitoria.unesp.br) on 2016-04-05T14:42:00Z (GMT) No. of bitstreams: 1 shiki_sd_dr_ilha.pdf: 10090180 bytes, checksum: c44d2ebecbed6d011cf61ceabdfd3494 (MD5) / Made available in DSpace on 2016-04-05T14:42:00Z (GMT). No. of bitstreams: 1 shiki_sd_dr_ilha.pdf: 10090180 bytes, checksum: c44d2ebecbed6d011cf61ceabdfd3494 (MD5) Previous issue date: 2016-03-04 / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / Estruturas com comportamento não-linear são frequentes em dinâmica estrutural, principalmente considerando componentes parafusados, com juntas, folgas ou estruturas flexíveis sujeitas à grandes deslocamentos. Desse modo, o monitoramento de estruturas com métodos lineares clássicos, como os baseados em parâmetros modais, podem falhar drasticamente em caracterizar efeitos não-lineares. Neste trabalho foi proposta a utilização de séries de Volterra para identificação de sistemas mecânicos não-lineares em aplicações de detecção de danos e quantificação de parâmetros. A propriedade deste modelo de representar separadamente os componentes de resposta linear e não-linear do sistema foi aplicada para se construir índices de dano que evidenciam a necessidade de modelagem não-linear. Além disso métricas de resíduo linear e não-linear dos termos do modelo de Volterra são empregadas para identificar modelos paramétricos da estrutura. As metodologias propostas são ilustradas em bancadas experimentais de modo a evidenciar a importância de fenômenos não-lineares para o monitoramento de estruturas. / Nonlinear structures are frequent in structural dynamics, specially considering screwed components, with joints, clearance or flexible components presenting large displacements. In this sense the monitoring of systems based on classical linear methods, as the ones based on modal parameters, can drastically fail to characterize nonlinear effects. This thesis proposed the use of Volterra series for nonlinear system identification aiming applications in damage detection and parameter quantification. The property of this model of representing the linear and nonlinear components of the response of a system was used to formulate damage features to make clear the need of nonlinear modeling. Also metrics based on the linear and nonlinear residues of the terms of the Volterra model were employed to identify parametric models of the structure. The proposed methodologies are illustrated in experimental setups to show the relevance of nonlinear phenomena in the structural health monitoring. / FAPESP: 2012/04757-6 / FAPESP: 2013/25148-0 / FAPESP: 2012/21195-1 / FAPESP: 2015/03560-2

Made available in DSpace on 2014-06-11T19:26:07Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-02-19Bitstream added on 2014-06-13T20:54:08Z : No. of bitstreams: 1 savegnago_rp_me_jabo.pdf: 1186672 bytes, checksum: ecac87cb07ef42be339beaa3ed971737 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Modelos não lineares são úteis para ajustar curvas de produção de ovos de aves, facilitando o estudo do desempenho dessa característica ao longo do tempo. As estimativas de parâmetros genéticos da produção de ovos e de outras características associadas auxiliam no processo de seleção. O objetivo do trabalho foi: (1) utilizar modelos não lineares para ajustar curvas de produção de ovos aos dados de uma população de aves selecionada para postura e uma controle e verificar as mudanças ocorridas entre estas curvas preditas em função do processo de seleção, por meio do ganho genético e pelas diferenças entre as estimativas dos parâmetros dos modelos; (2) estimar parâmetros genéticos para características relacionadas à postura de ovos da população selecionada, avaliar a associação genética entre estas e determinar quais as melhores características que podem ser utilizadas para melhorar a produção de ovos. Foram estudados os ajustes de 10 modelos não lineares aplicados aos registros da produção de ovos de 54 semanas de postura de 1693 aves de uma população selecionada para taxa de postura e 282 aves de uma população controle. Foi utilizado o PROC NLIN do SAS com o algoritmo de Gauss-Newton para efetuar os ajustes dos modelos. Os parâmetros genéticos, considerando 1289 aves da linhagem selecionada, foram estimados pelo método da máxima verossimilhança restrita, utilizando modelo animal que incluiu o efeito fixo de incubação e os efeitos aleatórios genético aditivo e residual. As características estudadas foram relação altura-largura e peso dos ovos às 32, 37 e 40 semanas de idade (REL32, REL37, REL40, PO32, PO37 e PO40, respectivamente), peso corporal às 54 e 62 semanas (PC54 e PC62), idade à maturidade sexual (IMS), taxa de postura nos períodos parciais de 17 a 30 e 17 a 40 semanas (P1730 e P1740), taxa de postura nos períodos residuais de... / Nonlinear models are useful to adjust egg production curves to study the performance of this trait over the time. Estimates of genetic parameters for egg production and other associated traits help in the selection process. The aim of this study were: (1) use nonlinear models to fit curves of egg production data from a population of birds selected for laying and its respective control and describe the changes between these predicted curves through the genetic gain and differences between the estimates of parameters, resulting by the selection process; (2) to estimate genetic parameters for traits related to egg-laying of the selected population to evaluate the genetic association between them and determine what traits can be used to improve the egg production. Ten non-linear models have been used to adjust the record of egg production of 1693 laying hens of the selected population and 282 hens of the control population in 54 weeks of egg production. The SAS PROC NLIN with the Gauss-Newton algorithm has been used to make the adjustments of the models. Genetic parameters for 1289 selected hens were estimated by restricted maximum likehood using an animal model that included fixed effects of incubation and random additive genetic and residual effects. The traits in this study were the relation between height-width of the egg and egg weight at 32, 37 and 40 weeks of age (HW32, HW37, HW40, EW32, EW37 and EW40, respectively), body weight at 54 and 62 weeks (BW54 and BW62), age at first egg (AFE), the egg production in 17 to 30 and 17 to 40 weeks (P1730 and P1740), in 30 to 70 and 40 to 70 weeks (P3070 and P4070) and the total egg production (TEP). Two multivariate analyses were made: a k-means clustering method to describe patterns of egg and poultry and principal components with the breeding values (BV). There were differences between the parameters of egg production curves in the selected ... (Complete abstract click electronic access below)

Submitted by Jordan (jordanbiblio@gmail.com) on 2017-03-02T15:47:42Z No. of bitstreams: 1 DISS_2015_Merik Rocha Silva.pdf: 906319 bytes, checksum: cdabe1d5bf2be64c1bdf695157237bfe (MD5) / Approved for entry into archive by Jordan (jordanbiblio@gmail.com) on 2017-03-03T11:59:38Z (GMT) No. of bitstreams: 1 DISS_2015_Merik Rocha Silva.pdf: 906319 bytes, checksum: cdabe1d5bf2be64c1bdf695157237bfe (MD5) / Made available in DSpace on 2017-03-03T11:59:38Z (GMT). No. of bitstreams: 1 DISS_2015_Merik Rocha Silva.pdf: 906319 bytes, checksum: cdabe1d5bf2be64c1bdf695157237bfe (MD5) Previous issue date: 2015-03-20 / Objetivou-se avaliar modelos de regressão não linear utilizando as funções de Brody, Gompertz, Logístico, Morgan-Mercer-Flodin (MMF), Richards e von Bertalanffy na análise e interpretação da curva de crescimento de codornas de corte. Foram utilizados 30.410 registros de peso corporal, mensurados aos 1, 7, 14, 21, 28, 35 e 42 dias de idade de codornas de corte machos e fêmeas, participantes do Programa de Melhoramento Genético da Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM). Os modelos foram utilizados sob o enfoque de modelos fixos e também sob enfoque de modelos mistos. Dentre as funções utilizadas a de Brody não convergiu satisfatoriamente. Considerando modelos fixos e com base nos Critérios de Informação de Aikake (AIC) e Bayesiano (BIC) foi identificado o modelo de Gompertz como mais ajustado. Ao considerar o peso corporal assintótico, denominado parâmetro “A”; como aleatório, os modelos Gompertz, Logístico, MMF e von Bertalanffy apresentaram redução nas estimativas de desvio-padrão residual e melhores estimativas para AIC e BIC. Ao considerar o parâmetro “K” como aleatório, somente Richards apresentou convergência; e nenhum dos modelos apresentou convergência tendo A e K, simultaneamente como aleatórios. Entre os modelos mistos, Richards apresentou os menores valores de AIC e BIC, porém com problemas na matriz Hessiana, que resultou na estimação de parâmetros inutilizáveis, provavelmente devido a multicolinearidade entre parâmetros. Assim, o uso de modelos não-lineares mistos provocou redução do viés de predição com a redução do desvio-padrão residual, sendo o modelo MMF o mais apropriado para a descrição da curva de crescimento das codornas de corte. / Non-linear regression models were evaluated with Brody, Gompertz, Logistic, MorganMercer-Flodin (MMF), Richards and von Bertalanffy functions in the analysis and interpretation of the growth curve for broiler quails. Further, 30,410 body weight registers were used at 1, 7, 14, 21, 28, 35 and 42 days old of male and female quails for the Genetic Improvement Program of the Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM). Models comprised fixed and mixed modalities. Brody function failed to converge efficiently, whereas the Gompertz model proved to be the most adjusted when fixed models based on Aikake (AIC) and Bayesian (BIC) Information Criteria were taken into consideration. When the asymptotic body weight, called parameter A, is randomized, the Gompertz, Logístico, MMF and von Bertalanffy models had a decrease in residual standard deviation estimates and an increase for AIC and BIC. In the case of randomized parameter K, only Richards function converged, whilst no model converged with A and K simultaneously randomized. Richards had the lowest AIC and BIC rates among the mixed models, featuring problems in the Hessian matrix resulting in the estimation of unusable parameters, perhaps due to the multi-co-linearity among the parameters. Mixed non-linear models reduced prediction bias when the residual standard deviation was reduced. The MMF model fitted best to describe the growth curve of broiler quails.