Submitted by (ana.araujo@ufrpe.br) on 2016-07-05T14:28:06Z No. of bitstreams: 1 Erika Fialho Morais Xavier.pdf: 1751380 bytes, checksum: e29a62ff6bec1c7d6748c7552494f545 (MD5) / Made available in DSpace on 2016-07-05T14:28:06Z (GMT). No. of bitstreams: 1 Erika Fialho Morais Xavier.pdf: 1751380 bytes, checksum: e29a62ff6bec1c7d6748c7552494f545 (MD5) Previous issue date: 2013-04-10 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Through the analysis of Poisson processes has been possible to perform satisfactorily some studies with data point processes counting. However, these processes are limited to the study of situations with homogeneous patterns, hardly found in actual data. This research has proposed the study of Log Gaussian Cox Processes, process that makes possible the study of patterns points heterogeneous data, with a based from Poisson process with on the realization of a Gaussian random field. We did two applications for the process, the first with simulated data of outbreaks of fire in Castilla-La Mancha, Kingdom of Spain, in order to explore the properties of the graph and computational of LGCP, and study the heterogeneity proposed by the process. The second focuses on real data of fire points and average rainfal in the Amazon Biome, Brazil, detected by satellite NOAA 15, between the years 2007 and 2011. The Inference for these processes are carried out under the Bayesian approach, using the Monte Carlo Markov Chain (MCMC). The proposed objectives of this work were completed satisfactorily, enabling future predictions about the data in the study. / Através da análise de Processos de Poisson tem sido possível realizar de forma satisfatória diversos estudos a partir de processos pontuais, com dados provenientes de contagem. Entretanto, estes processos limitam-se ao estudo de situações com padrões homogêneos, difícilmente encontrados em dados reais. Este trabalho propôs o estudo dos Processos Log Gaussianos de Cox (LGCP), processo que torna possível o estudo de dados com padrões pontuais heterogeneos a partir de uma generalização do processo de Poisson, baseado na realizaçãoo de um campo aleatório Gaussiano. Foram realizadas duas aplicações para o processo, a primeira em dados simulados de focos de incêndio em Castilla-La Mancha, Reino da Espanha, com a finalidade de explorar as propriedades gráfico-computacionais do LGCP, bem como a heterogeneidade proposta pelo processo. A segunda em dados reais de focos de calor e precipitação média de chuva no Bioma Amazônia, Brasil, detectados pelo satélite NOAA 15, entre os anos de 2007 e 2011. A inferência para esses processos é realizada sob a abordagem Bayesiana, utilizando o método de Monte Carlo em Cadeias de Markov (MCMC). Os objetivos propostos neste trabalho foram cumpridos de forma satisfatória, possibilitando previsões futuras a respeito dos dados em estudo.