As doenças crônicas mostram-se como um desafio para o epidemiologista pela dificuldade de se conhecer a sua história natural, os agentes etiológicos, os suscetíveis e outras informações importantes para a sua prevenção, controle e tratamento. Dentre as doenças crônicas interessa, particularmente, o câncer devido à sua importância no obituário geral e pelos altos custos requeridos no seu tratamento. Porém as estatísticas oficiais rotineiras dão pouca ou nenhuma informação sobre a sua incidência e/ou prevalência. Neste sentido, tendo em vista a parcialidade e a precariedade das estatísticas de morbidade, muitos estudos têm sido realizados com o objetivo de elaborar medidas indiretas de estimativas de incidência e prevalência. O presente trabalho verifica a adequação de dois modelos matemáticos existentes na literatura que utilizam dados de população, mortalidade e sobrevivência para estimar a incidência de câncer de estômago, pulmão e mama feminina, utilizando dados do Município de São Paulo, para o ano de 1978. Além disso apresenta um modelo probabilístico que utiliza as mesmas informações dos modelos de literatura para estimar a incidência de doenças de caráter irreversível, com incidência, mortalidade e taxas de sobrevivência constantes por, pelo menos, um ano. Os resultados mostraram que o modelo proposto por este trabalho apresentou as melhores estimativas dos coeficientes de incidência de câncer de estômago, pulmão e mama feminina, quando comparado com os modelos de literatura. Os bons resultados obtidos incentivam a que se continue o aprimoramento de modelos matemáticos que utilizem dados de mortalidade para estimar a incidência de câncer. / Cronic diseases seem like a challenge for the epidemiologists, because it is difficult to know their natural history, etiologic agents, susceptibles and other importante information for their prevention, control and treatment. Among cronic diseàses, there is a special interest in cancer, because it is an important cause of death and the costs for its treatment are high. However, the routine official statistics give little or no information at all about its incidence and/or prevalence. In relation to these lines, having in mind the partiality and the precariousness of the morbidity statistics, many studies have been carried out with the objective of elaborating indirect measures of estimations of incidence and prevalence. This study checks the application of two mathematical models from the current literature that use population, mortality and survival data to estimate the incidence of stomach, lung and female breast cancer, using date from São Paulo City, for 1978. It was created a probabilistic model which uses the same informations of the literature models to forecast the incidence of the irreversible diseases, supposing that the rates of incidence, mortality and also survival are constants for at least one year. The results have demonstrated that the proposed model of this study showed the best estimative for the cancer incidence rate for stomach, lung and female breast when compared to the literature models. The good results obtained by this proposed model encourage the continuation of the development of mathematical models using mortality date to forecast cancer incidence rates.

As doenças crônicas mostram-se como um desafio para o epidemiologista pela dificuldade de se conhecer a sua história natural, os agentes etiológicos, os suscetíveis e outras informações importantes para a sua prevenção, controle e tratamento. Dentre as doenças crônicas interessa, particularmente, o câncer devido à sua importância no obituário geral e pelos altos custos requeridos no seu tratamento. Porém as estatísticas oficiais rotineiras dão pouca ou nenhuma informação sobre a sua incidência e/ou prevalência. Neste sentido, tendo em vista a parcialidade e a precariedade das estatísticas de morbidade, muitos estudos têm sido realizados com o objetivo de elaborar medidas indiretas de estimativas de incidência e prevalência. O presente trabalho verifica a adequação de dois modelos matemáticos existentes na literatura que utilizam dados de população, mortalidade e sobrevivência para estimar a incidência de câncer de estômago, pulmão e mama feminina, utilizando dados do Município de São Paulo, para o ano de 1978. Além disso apresenta um modelo probabilístico que utiliza as mesmas informações dos modelos de literatura para estimar a incidência de doenças de caráter irreversível, com incidência, mortalidade e taxas de sobrevivência constantes por, pelo menos, um ano. Os resultados mostraram que o modelo proposto por este trabalho apresentou as melhores estimativas dos coeficientes de incidência de câncer de estômago, pulmão e mama feminina, quando comparado com os modelos de literatura. Os bons resultados obtidos incentivam a que se continue o aprimoramento de modelos matemáticos que utilizem dados de mortalidade para estimar a incidência de câncer. / Cronic diseases seem like a challenge for the epidemiologists, because it is difficult to know their natural history, etiologic agents, susceptibles and other importante information for their prevention, control and treatment. Among cronic diseàses, there is a special interest in cancer, because it is an important cause of death and the costs for its treatment are high. However, the routine official statistics give little or no information at all about its incidence and/or prevalence. In relation to these lines, having in mind the partiality and the precariousness of the morbidity statistics, many studies have been carried out with the objective of elaborating indirect measures of estimations of incidence and prevalence. This study checks the application of two mathematical models from the current literature that use population, mortality and survival data to estimate the incidence of stomach, lung and female breast cancer, using date from São Paulo City, for 1978. It was created a probabilistic model which uses the same informations of the literature models to forecast the incidence of the irreversible diseases, supposing that the rates of incidence, mortality and also survival are constants for at least one year. The results have demonstrated that the proposed model of this study showed the best estimative for the cancer incidence rate for stomach, lung and female breast when compared to the literature models. The good results obtained by this proposed model encourage the continuation of the development of mathematical models using mortality date to forecast cancer incidence rates.

O ambiente aquático tem notória importância para a pesquisa, pela biodiversidade e vastidão, e também do ponto de vista comercial, para a indústria militar e de óleo&gás por exemplo. Entretanto, a sua exploração é prejudicada por diversos fatores, entre eles devido à dificuldade de navegação. Infelizmente, carece-se de sinal GPS (Global Positioning System) embaixo d\'água, o que exige outras técnicas de localização. Assim, este trabalho analisa um sistema de navegação para um veículo submarino autônomo. Graças a sensores de velocidade, girômetros, bússola, entre outros, aplica-se o princípio de dead reckoning para calcular a posição atual do veículo a partir da última posição conhecida. Para tal, é feito inicialmente um estudo dos sensores a serem utilizados e um algoritmo de navegação é proposto, cujos resultados são expressos em coordenadas geodésicas (latitude e longitude), permitindo a visualização da trajetória do veículo em mapas geo-referenciados. Além disso, problemas práticos de medição são tratados. Em seguida, é feito um estudo sobre o ruído dos sensores, utilizando a curva de variância de Allan para caracterização dos sinais dos girômetros e do DVL (Doppler Velocity Logger). Por meio de equações de propagação de erro, os ruídos são recuperados em simulação, permitindo a estimação do erro de posição e de atitude (posição angular) acumulados para uma dada manobra. Finalmente, discute-se um critério de emersão a partir das estimativas de erro de posição. / The main part of our planet is filled with water, so the aquatic environment has notorious research and commercial importance. However, its exploration faces many difficulties. In navigation, the lack of GPS signal (Global Positioning System) during underwater missions requires different techniques, so this document focus on analyzing a navigation system for autonomous underwater vehicles. Thanks to different embedded sensors, like DVL (Doppler Velocity Logger), compass, gyrometers and others, the processes of dead reckoning is applied, witch calculates vehicle\'s current position by using the previously determined position. To do so, a navigation algorithm is implemented, providing geodesic coordinates to plot vehicle\'s trajectories on geo-referenced maps. Also, practical difficulties are discussed and treated. To improve the quality of the results, girometer\'s and DVL\'s errors are analyzed using Allan\'s variance and the navigation errors are estimated using first order time derivative equations in an augmented state space. Lastly, it is discussed a criterion to emerge and correct the vehicle\'s position using GPS signal.

While most statistical learning methods are designed to work with data stored in a single table, many large datasets are stored in relational database systems. Probabilistic Relational Models (PRM) extend Bayesian networks by introducing relations and individuals, thus making it possible to represent information in a relational database. However, learning a PRM from relational data is a more complex task than learning a Bayesian Network from \"flat\" data. The main difficulties that arise while learning a PRM are establishing what are the legal dependency structures, searching for possible structures, and scoring them. This thesis focuses on the development of a novel approach to learn the structure of a PRM, describes a package in the R language to support the learning framework, and applies it to a real, large scale scenario of a city named Atibaia, in the state of São Paulo, Brazil. The research is based on a database combining three different tables, each representing one class in the domain of study. The first table contains 27 attributes from 110,816 citizens of Atibaia. The second table contains 9 attributes from 20,162 companies located in the city. And finally, the third table has 8 attributes from 327 census sectors (small territorial units that comprise the city of Atibaia). The proposed framework is applied to learn a PRM structure and parameters from the database. The model is used to verify if the Social Class of a person can be explained by the location where they live, their neighbors, and the companies nearby. Preliminary experiments have been conducted and a paper published in the 2017 Symposium on Knowledge Discovery, Mining and Learning (KDMiLe). The algorithm performance was further evaluated by extensive experimentation, and a broader study using Serasa Experian data was conducted. Finally, the package in the R language that supports our method was refined along with proper documentation and a tutorial. / Embora a maioria dos métodos de aprendizado estatístico tenha sido desenvolvida para se trabalhar com dados armazenados em uma única tabela, muitas bases de dados estão armazenadas em bancos de dados relacionais. Modelos Probabilísticos Relacionai (PRM) estendem Redes Bayesianas introduzindo relações e indivíduos, tornando possível a representação de informação em uma base de dados relacional. Entretanto, aprender um PRM através de dados relacionais é uma tarefa mais complexa que aprender uma Rede Bayesiana de uma única tabela. As maiores dificuldades que se impõe enquanto se aprende um PRM são estabelecer quais são as estruturas de dependência legais, procurar por possíveis estruturas, e avalia-las. Esta tese foca em desenvolver um novo método de aprendizado de estruturas de PRM, descrever um pacote na linguagem R que suporte este método e aplica-lo a um cenário real e de grande escala, a cidade de Atibaia, no estado de São Paulo, Brasil. Esta pesquisa está baseada em uma base de dados combinando três tabelas distintas, cada uma representando uma classe no domínio de estudo. A primeira tabela contém 27 atributos de 110.816 habitantes de Atibaia, e a segunda tabela contém 9 atributos de 20.162 empresas da cidade. Por fim, a terceira tabela possui 8 atributos para 327 setores censitários (pequenas unidades territoriais que formam a cidade de Atibaia). A proposta é aplicada para aprender-se a estrutura de um PRM e seus parâmetros através desta base de dados. O modelo foi utilizado para verificar se a classe social de uma pessoa pode ser explicada pelo local onde ela vive, seus vizinhos e as companhias próximas. Experimentos preliminares foram conduzidos e um artigo foi publicado no Symposium on Knowledge Discovery, Mining and Learning (KDMiLe). O desempenho do algoritmo foi reavaliada através de extensiva experimentação, e um estudo mais amplo foi conduzido com os dados da Serasa Experian. Por fim, o pacote em R que suporta o método proposto foi refinado, e documentação e tutorial apropriado foram descritos.

A maior parte dos mapas empregados em tarefas de navegação por robôs móveis representam apenas informações espaciais do ambiente. Outros tipos de informações, que poderiam ser obtidos dos sensores do robô e incorporados à representação, são desprezados. Hoje em dia é comum um robô móvel conter sensores de distância e um sistema de visão, o que permitiria a princípio usá-lo na realização de tarefas complexas e gerais de maneira autônoma, dada uma representação adequada e um meio de extrair diretamente dos sensores o conhecimento necessário. Uma representação possível nesse contexto consiste no acréscimo de informação semântica aos mapas métricos, como por exemplo a segmentação do ambiente seguida da rotulação de cada uma de suas partes. O presente trabalho propõe uma maneira de estruturar a informação espacial criando um mapa semântico do ambiente que representa, além de obstáculos, um vínculo entre estes e as imagens segmentadas correspondentes obtidas por um sistema de visão omnidirecional. A representação é implementada por uma descrição relacional do domínio, que quando instanciada gera um campo aleatório condicionado, onde são realizadas as inferências. Modelos que combinam probabilidade e lógica de primeira ordem são mais expressivos e adequados para estruturar informações espaciais em semânticas. / Most maps used in navigational tasks by mobile robots represent only environmental spatial information. Other kinds of information, that might be obtained from the sensors of the robot and incorporated in the representation, are negleted. Nowadays it is common for mobile robots to have distance sensors and a vision system, which could in principle be used to accomplish complex and general tasks in an autonomously manner, given an adequate representation and a way to extract directly from the sensors the necessary knowledge. A possible representation in this context consists of the addition of semantic information to metric maps, as for example the environment segmentation followed by an attribution of labels to them. This work proposes a way to structure the spatial information in order to create a semantic map representing, beyond obstacles, an anchoring between them and the correspondent segmented images obtained by an omnidirectional vision system. The representation is implemented by a domains relational description that, when instantiated, produces a conditional random field, which supports the inferences. Models that combine probability and firstorder logic are more expressive and adequate to structure spatial in semantic information.

A maior parte dos mapas empregados em tarefas de navegação por robôs móveis representam apenas informações espaciais do ambiente. Outros tipos de informações, que poderiam ser obtidos dos sensores do robô e incorporados à representação, são desprezados. Hoje em dia é comum um robô móvel conter sensores de distância e um sistema de visão, o que permitiria a princípio usá-lo na realização de tarefas complexas e gerais de maneira autônoma, dada uma representação adequada e um meio de extrair diretamente dos sensores o conhecimento necessário. Uma representação possível nesse contexto consiste no acréscimo de informação semântica aos mapas métricos, como por exemplo a segmentação do ambiente seguida da rotulação de cada uma de suas partes. O presente trabalho propõe uma maneira de estruturar a informação espacial criando um mapa semântico do ambiente que representa, além de obstáculos, um vínculo entre estes e as imagens segmentadas correspondentes obtidas por um sistema de visão omnidirecional. A representação é implementada por uma descrição relacional do domínio, que quando instanciada gera um campo aleatório condicionado, onde são realizadas as inferências. Modelos que combinam probabilidade e lógica de primeira ordem são mais expressivos e adequados para estruturar informações espaciais em semânticas. / Most maps used in navigational tasks by mobile robots represent only environmental spatial information. Other kinds of information, that might be obtained from the sensors of the robot and incorporated in the representation, are negleted. Nowadays it is common for mobile robots to have distance sensors and a vision system, which could in principle be used to accomplish complex and general tasks in an autonomously manner, given an adequate representation and a way to extract directly from the sensors the necessary knowledge. A possible representation in this context consists of the addition of semantic information to metric maps, as for example the environment segmentation followed by an attribution of labels to them. This work proposes a way to structure the spatial information in order to create a semantic map representing, beyond obstacles, an anchoring between them and the correspondent segmented images obtained by an omnidirectional vision system. The representation is implemented by a domains relational description that, when instantiated, produces a conditional random field, which supports the inferences. Models that combine probability and firstorder logic are more expressive and adequate to structure spatial in semantic information.

O ambiente aquático tem notória importância para a pesquisa, pela biodiversidade e vastidão, e também do ponto de vista comercial, para a indústria militar e de óleo&gás por exemplo. Entretanto, a sua exploração é prejudicada por diversos fatores, entre eles devido à dificuldade de navegação. Infelizmente, carece-se de sinal GPS (Global Positioning System) embaixo d\'água, o que exige outras técnicas de localização. Assim, este trabalho analisa um sistema de navegação para um veículo submarino autônomo. Graças a sensores de velocidade, girômetros, bússola, entre outros, aplica-se o princípio de dead reckoning para calcular a posição atual do veículo a partir da última posição conhecida. Para tal, é feito inicialmente um estudo dos sensores a serem utilizados e um algoritmo de navegação é proposto, cujos resultados são expressos em coordenadas geodésicas (latitude e longitude), permitindo a visualização da trajetória do veículo em mapas geo-referenciados. Além disso, problemas práticos de medição são tratados. Em seguida, é feito um estudo sobre o ruído dos sensores, utilizando a curva de variância de Allan para caracterização dos sinais dos girômetros e do DVL (Doppler Velocity Logger). Por meio de equações de propagação de erro, os ruídos são recuperados em simulação, permitindo a estimação do erro de posição e de atitude (posição angular) acumulados para uma dada manobra. Finalmente, discute-se um critério de emersão a partir das estimativas de erro de posição. / The main part of our planet is filled with water, so the aquatic environment has notorious research and commercial importance. However, its exploration faces many difficulties. In navigation, the lack of GPS signal (Global Positioning System) during underwater missions requires different techniques, so this document focus on analyzing a navigation system for autonomous underwater vehicles. Thanks to different embedded sensors, like DVL (Doppler Velocity Logger), compass, gyrometers and others, the processes of dead reckoning is applied, witch calculates vehicle\'s current position by using the previously determined position. To do so, a navigation algorithm is implemented, providing geodesic coordinates to plot vehicle\'s trajectories on geo-referenced maps. Also, practical difficulties are discussed and treated. To improve the quality of the results, girometer\'s and DVL\'s errors are analyzed using Allan\'s variance and the navigation errors are estimated using first order time derivative equations in an augmented state space. Lastly, it is discussed a criterion to emerge and correct the vehicle\'s position using GPS signal.

Os vírus são as entidades biológicas mais abundantes encontradas na natureza. O método clássico de estudo dos vírus requerem seu isolamento e propagação in vitro. Contudo, necessita-se ter um conhecimento prévio sobre as condições necessárias para seu cultivo em células, sendo assim a maior parte dos vírus existentes não é conhecida. Análises metagenômicas são uma alternativa para a detecção e caracterização de novos vírus, uma vez que não requerem um cultivo prévio e as amostras podem conter material genético de múltiplos organismos. Uma vez obtidas as sequências montadas a partir das leituras metagenômicas, o método mais utilizado para a identificação e classificação dos organismos é a busca de similaridade com o programa BLAST contra bancos de sequências conhecidas. Contudo, métodos de alinhamento pareado são capazes de identificar apenas sequências com identidade superior a 20-30%. Uma alternativa a essa limitação é o uso de métodos baseados no uso de perfis, que podem aumentar a sensibilidade de detecção de homólogos filogeneticamente distantes. HMMs de perfil são modelos probabilísticos capazes de representar a diversidade de caracteres em posições-específicas de um alinhamento de múltiplas sequências. Nosso grupo desenvolveu a ferramenta TABAJARA, utilizada neste projeto, para a identificação de blocos que podem ser conservados em todas as sequências do alinhamento ou discriminativos entre grupos de sequências. Esses blocos são utilizados para a geração de HMMs de perfil, os quais podem ser usados, no contexto da virologia, para a identificação de grupos taxonômicos amplos como famílias virais ou, ainda, taxa mais restritos como gêneros ou mesmo espécies de vírus. O presente projeto teve como objetivos aplicar e otimizar o programa TABAJARA em diferentes grupos taxonômicos de vírus, construir modelos específicos para cada um desses grupos e validar esses modelos em dados metagenômicos. O primeiro modelo de estudo escolhido foi a ordem Bunyavirales, composta de vírus de ssRNA (-) majoritariamente envelopados e esféricos, com genoma segmentado e pertencentes ao grupo 5 da classificação de Baltimore. Este grupo inclui vírus causadores de várias doenças em humanos, animais e plantas. O segundo modelo de estudo escolhido foi a família Togaviridae, composta de vírus de ssRNA (+) envelopados e esféricos, cujo genoma expressa uma poliproteína e pertencem ao grupo 4 da classificação de Baltimore. Este grupo inclui o vírus Chikungunya e outras espécies que causam diversas patologias ao homem. O terceiro modelo de estudo escolhido foi a subfamília Spounavirinae, compreendendo bacteriófagos que infectam vários hospedeiros bacterianos e em alguns casos possuem potencial terapêutico comprovado contra infecções bacterianas que afetam o homem. Estes fagos apresentam partículas virais com estrutura cabeça-cauda, não são envelopados, apresentam genoma de dsDNA e pertencem ao grupo 1 da classificação de Baltimore. Todos os modelos construídos foram validados quanto à sensibilidade e especificidade de detecção e, ao final, foram utilizados em análises de prospecção de vírus em dados metagenômicos obtidos na base SRA do NCBI. Os HMMs de perfil apresentaram excelente desempenho, comprovando a viabilidade da metodologia proposta neste projeto. Os resultados apresentados neste trabalho abrem a perspectiva da ampla utilização de HMMs de perfil como ferramentas universais para a detecção e classificação de vírus em dados metagenômicos. / Viruses are the most widely biological entities found in nature. Most of the information that can be obtained from these organisms requires viral in vitro isolation and cultivation. However, most of the existing viruses are still unknown because the biological requirements for their successful propagation have not been identified so far. Metagenomic analyses offer an interesting alternative for the detection and characterization of novel viruses, since previous cultivation is not required, and the samples may contain genetic material of multiple organisms. Once assembled sequences are obtained from individual reads, the most widely used method for viral identification and classification is the use of BLAST similarity searches against databases of known sequences. However, pairwise alignment methods are only able to identify sequences that present identity greater than 20-30%. Profile-based methods may increase the sensitivity of detection of remote homologues. Profile HMMs are probabilistic models capable of representing the diversity of amino acid residues at specific positions of a multiple sequence alignment. Our group is developing TABAJARA, a tool for the identification of alignment blocks that are conserved across all sequences of the alignment or discriminative between groups of sequences. These blocks are used to generate profile HMMs, which can in turn be used, in the context of virology, to identify broad taxonomic groups, such as viral families, or narrower taxa as genera or viral species. The present project aimed to apply and standardize the use of TABAJARA in different taxonomic groups of viruses, to build specific models for each of these groups and to validate these models in metagenomic data. We used three viral models for this study. The first chosen model was the Bunyavirales order, composed of mostly enveloped and spherical ssRNA(-) viruses with a segmented genome belonging to group 5 of the Baltimore classification. This group includes viruses that cause several important diseases in humans, animals and plants. The second chosen model was the Togaviridae family, composed of enveloped and spherical ssRNA(+) viruses, with a genome coding for a polyprotein, and belonging to group 4 of the Baltimore classification. This group includes the Chikungunya virus and some other viral species that cause relevant pathologies to humans and animals. Finally, we used the Spounavirinae subfamily, comprising viruses that infect a variety of bacterial hosts and that can potentially be used for phage therapy of some human bacterial diseases. These phages present non-enveloped virions with a head-to-tail structure, a dsDNA genome, and belong to group 1 of the Baltimore classification. All constructed profile HMMs were evaluated in regard to their sensitivity and specificity of detection, as well as tested in viral surveys using metagenomic data from the SRA database. The profile HMMs presented excellent performance, proving the viability of the methodology proposed in this project. The results presented in this work open the perspective of the wide use of profile HMMs as universal tools for the detection and classification of viruses in metagenomic data.