Orientador: Oseas Valente de Avilez Filho / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-03T18:56:08Z (GMT). No. of bitstreams: 1 Campos_AntonioMarcosFerrazde_M.pdf: 88432815 bytes, checksum: 1a16324b125cdcca05006def6973b23c (MD5) Previous issue date: 2003 / Mestrado

Orientador: Clarice Azevedo de Luna Freire / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Ciencia da Computação / Made available in DSpace on 2018-07-20T08:05:15Z (GMT). No. of bitstreams: 1 Vives_MariaCarolaAlfaro_M.pdf: 2360924 bytes, checksum: 7a09c2138cc3e2e7899e8ad23c36a5a4 (MD5) Previous issue date: 1994 / Resumo: Não informado. / Abstract: Not informed. / Mestrado / Mestre em Estatística

Orientador: José Fernando de Jesus / Resumo: Estudamos o campo escalar real como um possível candidato para explicar a matéria escura no universo. No contexto de um campo escalar livre com potencial quadrático, após encontrar as equações dinâmicas do modelo usamos os dados observacionais para limitar os parâmetros livres e assim encontrar um limite inferior para o valor da massa que foi da ordem de $10^{-34}$eV, esse valor está próximo ao encontrado por alguns autores. Não foi possível encontrar um limite superior para a massa da matéria escura do campo escalar combinando os dados de $H(z)$, SN Ia. Como verificado neste trabalho e observado em outros estudos, a matéria escura pode ser descrita por um campo escalar real. Em outra linha de pesquisa, usando um método estatístico não-paramétrico envolvendo os chamados Processos Gaussianos, obtivemos um valor do redshift de transição, $z_t$, de $z_t = 0.59^{+0.12}_{-0.11}$ para dados de $H(z)$ e $z_t= 0.683^{+0.11}_{-0.082}$ para dados de SNs Ia. / Abstract: We studied the real scalar field as a possible candidate to explain the dark matter in the universe. In the context of a free scalar field with quadratic potential, after finding the dynamic equations of the model we used the observational data to limit the free parameters and thus find a lower limit for the mass value that was in the order of 10−34 eV , this value is close to that found by some authors. It was not possible to find an upper limit for the mass of dark matter in the scalar field by combining the H(z) + SNe Ia data. As verified in this work and observed in other studies, dark matter can be described by a real scalar field. In another line of research, using a non-parametric statistical method involving the so-called Gaussian Processes, we obtained a value of the transition redshift, zt , of zt = 0.59+0.12 −0.11 for H(z) data and zt = 0.683+0.11 −0.082 for SNs Ia data. / Mestre

Os modelos geoestatísticos bivariados denem funções aleatórias para dois processos estocásticos com localizações espaciais conhecidas. Pode-se adotar a suposição da existência de um campo aleatório gaussiano latente para cada variável aleatória. A suposição de gaussianidade do processo latente é conveniente para inferências sobre parâmetros do modelo e para obtenção de predições espaciais, uma vez que a distribuição de probabilidade conjunta para um conjunto de pontos do processo latente é também gaussiana. A matriz de covariância dessa distribuição deve ser positiva denida e possuir a estrutura de variabilidade espacial entre e dentre os atributos. Gelfand et al. (2004) e Diggle e Ribeiro Jr. (2007) propuseram estratégias para estruturar essa matriz, porém não existem muitos relatos sobre o uso e avaliações comparativas entre essas abordagens. Neste trabalho foi conduzido um estudo de simulação de modelos geoestatísticos bivariados em conjunto com estimação por máxima verossimilhança e krigagem ordinária, sob diferentes congurações amostrais de localizações espaciais. Também foram utilizados dados provenientes da análise de solo de uma propriedade agrícola com 51,8ha de área, onde foram amostradas 67 localizações georeferenciadas. Foram utilizados os valores mensurados de pH e da saturação por bases do solo, que foram submetidas à análise descritiva espacial, modelagens geoestatísticas univariadas, bivariadas e predições espaciais. Para vericar vantagens quanto à adoção de modelos univariados ou bivariados, a amostra da saturação por bases, que possui coleta mais dispendiosa, foi dividida em uma subamostra de modelagem e uma subamostra de controle. A primeira foi utilizada para fazer a modelagem geoestatística e a segunda foi utilizada para comparar as precisões das predições espaciais nas localizações omitidas no processo de modelagem. / Bivariate geostatistical models dene random functions for two stochastic processes with known spatial locations. Existence of a Gaussian random elds can be assumed for each latent random variable. This Gaussianity assumption for the latent process is a convenient one for the inferences on the model parameters and for spatial predictions once the joint distribution for a set of points is multivariate normal. The covariance matrix of this distribution should be positivede nite and to have the spatial variability structure between and among the attributes. Gelfand et al. (2004) and Diggle e Ribeiro Jr. (2007) suggested strategies for structuring this matrix, however there are few reports on comparing approaches. This work reports on a simulation study of bivariate models together with maximum likelihood estimators and spatial prediction under dierent sets of sampling locations space. Soil sample data from a eld with 51.8 hectares is also analyzed with the two soil attributes observed at 67 spatial locations. Data on pH and base saturation were submitted to spatial descriptive analysis, univariate and bivariate modeling and spatial prediction. To check for advantages of the adoption of univariate or bivariate models, the sample of the more expensive variable was divided into a modeling and testing subsamples. The rst was used to t geostatistical models, and the second was used to compare the spatial prediction precisions in the locations not used in the modeling process.

O presente texto discorre sobre o método da mistura de gaussianas aplicado à formação de agrupamentos (clusters) de observações a partir de um conjunto maior de dados. Trata-se de um problema sem solução analítica e, assim, utiliza-se o algoritmo EM (Expectation Maximization) para encontrar soluções por meio de dois procedimentos: inicializações aleatórias e pré-estimativas via métodos hierárquicos de formação de clusters. Conclui-se que a segunda opção é robusta quando se utiliza o método de Ward, enquanto que a primeira também propicia bons resultados, mas que são raros dentre muitas soluções ruins ou pontos de singularidade. Apresenta-se também um exemplo dos métodos estudados com dados reais de empresas brasileiras para ilustrar e complementar o trabalho.

O tópico de identificação de sistemas aparece em vários ramos da ciência, com especial importância ao campo de Controle Automático. Entretanto, os problemas encontrados na construção de uma representação precisa de um sistema, como a falta de informações prévias, e as diversas decisões de projeto que devem ser tomadas para a resolução de problemas de identificação de sistemas por meios mais tradicionais, podem ser solucionados através da análise empírica do sistema. Nesse sentido, os processos Gaussianos apresentam-se como uma alternativa viável para a modelagem não-paramétrica de sistemas, trazendo a vantagem da estimação da incerteza do modelo. Para verificar o potencial dos processos Gaussianos em problemas de identificação de sistemas, foi realizada a identificação do modelo longitudinal de um veículo de grande porte, tendo alcançado um desempenho satisfatório, mesmo quando se utilizou poucos dados de treinamento. A partir do modelo aprendido, foi projetado um controlador preditivo baseado em modelo para controlar a velocidade do veículo. O controlador levou em consideração a variância da predição do modelo GP (Gaussian Process - Processos Gaussianos) em consideração durante o processo de otimização do sinal de controle. O controlador proposto alcançou um baixo erro no seguimento da referência, mesmo em situações extremas, como estradas íngremes. Entretanto, em alguns tipos de problemas, o resultado só pode ser mensurado a partir da combinação de uma sequência de ações, ou sinais de controle, aplicados ao longo da execução do processo, como é o caso do problema de direção ecológica (eco-driving). Nesses casos, estratégias que otimizem sinais de controle instantâneos podem não ser viáveis, sendo necessária a utilização de estratégias em que toda a política de controle seja otimizada de uma vez. Além disso, a avaliação do custo, ou execução de todo um episódio do processo, pode ser dispendiosa, é desejável que uma solução seja encontrada com a menor quantidade de interações possíveis com o sistema real. Uma técnica apropriada para essa situação é a Otimização Bayesiana, um algoritmo de otimização caixa-preta bastante eficiente. Porém, um dos problemas dessa solução é a incapacidade de lidar com um grande número de dimensões. Sendo assim, nesse trabalho, foi proposto o Coordinate Descent Bayesian Optimisation, um algoritmo baseado na Otimização Bayesiana, que busca o ótimo em espaços de alta dmensionalidade de maneira mais eficiente pois otimiza cada dimensão individualmente, em um esquema de descida coordenada. / The system identification topic appears in various branches of science, with particular emphasis on Automatic Control field. However, problems encountered in building an accurate representation of a system, such as lack of prior information, and the various design decisions which have to be taken to deal with system identification problems by more traditional means, can be solved through the empirical analysis of the system. In this sense, the Gaussian processes are presented as a viable alternative for non-parametric modelling systems, bringing the advantage of estimating the uncertainty of the model. To investigate the potential of Gaussian processes of system identification problems, identifying the longitudinal model of a large vehicle was performed, achieving reasonable performance even when used little training data. From the obtained model, a Model Predictive Controller was designed to control the vehicle speed. The controller took into account the variance of the GP model prediction on the control signal optimization and achieved low reference tracking error, even on hard conditions, like steep roads. However, in some kinds of problems, the observable outcome can often be described as the combined effect of an entire sequence of actions, or controls, applied throughout its execution. In these cases, strategies to optimise control policies for individual stages of the process might not be applicable, and instead the whole policy might have to be optimised at once. Also, the cost to evaluate the policy\'s performance might also be high, being desirable that a solution can be found with as few interactions with the real system as possible. One appropriate candidate is Bayesian Optimization, a very efficient black-box optimization algorithm. But one of the main problems of this solution is the inability of dealing with a large number of dimensions. For that reason, in this work it was proposed Coordinate Descent Bayesian Optimisation, an algorithm to search more efficiently over high-dimensional policy-parameter spaces with BO, by searching over each dimension individually, in a sequential coordinate descent-like scheme.

Os modelos geoestatísticos bivariados denem funções aleatórias para dois processos estocásticos com localizações espaciais conhecidas. Pode-se adotar a suposição da existência de um campo aleatório gaussiano latente para cada variável aleatória. A suposição de gaussianidade do processo latente é conveniente para inferências sobre parâmetros do modelo e para obtenção de predições espaciais, uma vez que a distribuição de probabilidade conjunta para um conjunto de pontos do processo latente é também gaussiana. A matriz de covariância dessa distribuição deve ser positiva denida e possuir a estrutura de variabilidade espacial entre e dentre os atributos. Gelfand et al. (2004) e Diggle e Ribeiro Jr. (2007) propuseram estratégias para estruturar essa matriz, porém não existem muitos relatos sobre o uso e avaliações comparativas entre essas abordagens. Neste trabalho foi conduzido um estudo de simulação de modelos geoestatísticos bivariados em conjunto com estimação por máxima verossimilhança e krigagem ordinária, sob diferentes congurações amostrais de localizações espaciais. Também foram utilizados dados provenientes da análise de solo de uma propriedade agrícola com 51,8ha de área, onde foram amostradas 67 localizações georeferenciadas. Foram utilizados os valores mensurados de pH e da saturação por bases do solo, que foram submetidas à análise descritiva espacial, modelagens geoestatísticas univariadas, bivariadas e predições espaciais. Para vericar vantagens quanto à adoção de modelos univariados ou bivariados, a amostra da saturação por bases, que possui coleta mais dispendiosa, foi dividida em uma subamostra de modelagem e uma subamostra de controle. A primeira foi utilizada para fazer a modelagem geoestatística e a segunda foi utilizada para comparar as precisões das predições espaciais nas localizações omitidas no processo de modelagem. / Bivariate geostatistical models dene random functions for two stochastic processes with known spatial locations. Existence of a Gaussian random elds can be assumed for each latent random variable. This Gaussianity assumption for the latent process is a convenient one for the inferences on the model parameters and for spatial predictions once the joint distribution for a set of points is multivariate normal. The covariance matrix of this distribution should be positivede nite and to have the spatial variability structure between and among the attributes. Gelfand et al. (2004) and Diggle e Ribeiro Jr. (2007) suggested strategies for structuring this matrix, however there are few reports on comparing approaches. This work reports on a simulation study of bivariate models together with maximum likelihood estimators and spatial prediction under dierent sets of sampling locations space. Soil sample data from a eld with 51.8 hectares is also analyzed with the two soil attributes observed at 67 spatial locations. Data on pH and base saturation were submitted to spatial descriptive analysis, univariate and bivariate modeling and spatial prediction. To check for advantages of the adoption of univariate or bivariate models, the sample of the more expensive variable was divided into a modeling and testing subsamples. The rst was used to t geostatistical models, and the second was used to compare the spatial prediction precisions in the locations not used in the modeling process.

O tópico de identificação de sistemas aparece em vários ramos da ciência, com especial importância ao campo de Controle Automático. Entretanto, os problemas encontrados na construção de uma representação precisa de um sistema, como a falta de informações prévias, e as diversas decisões de projeto que devem ser tomadas para a resolução de problemas de identificação de sistemas por meios mais tradicionais, podem ser solucionados através da análise empírica do sistema. Nesse sentido, os processos Gaussianos apresentam-se como uma alternativa viável para a modelagem não-paramétrica de sistemas, trazendo a vantagem da estimação da incerteza do modelo. Para verificar o potencial dos processos Gaussianos em problemas de identificação de sistemas, foi realizada a identificação do modelo longitudinal de um veículo de grande porte, tendo alcançado um desempenho satisfatório, mesmo quando se utilizou poucos dados de treinamento. A partir do modelo aprendido, foi projetado um controlador preditivo baseado em modelo para controlar a velocidade do veículo. O controlador levou em consideração a variância da predição do modelo GP (Gaussian Process - Processos Gaussianos) em consideração durante o processo de otimização do sinal de controle. O controlador proposto alcançou um baixo erro no seguimento da referência, mesmo em situações extremas, como estradas íngremes. Entretanto, em alguns tipos de problemas, o resultado só pode ser mensurado a partir da combinação de uma sequência de ações, ou sinais de controle, aplicados ao longo da execução do processo, como é o caso do problema de direção ecológica (eco-driving). Nesses casos, estratégias que otimizem sinais de controle instantâneos podem não ser viáveis, sendo necessária a utilização de estratégias em que toda a política de controle seja otimizada de uma vez. Além disso, a avaliação do custo, ou execução de todo um episódio do processo, pode ser dispendiosa, é desejável que uma solução seja encontrada com a menor quantidade de interações possíveis com o sistema real. Uma técnica apropriada para essa situação é a Otimização Bayesiana, um algoritmo de otimização caixa-preta bastante eficiente. Porém, um dos problemas dessa solução é a incapacidade de lidar com um grande número de dimensões. Sendo assim, nesse trabalho, foi proposto o Coordinate Descent Bayesian Optimisation, um algoritmo baseado na Otimização Bayesiana, que busca o ótimo em espaços de alta dmensionalidade de maneira mais eficiente pois otimiza cada dimensão individualmente, em um esquema de descida coordenada. / The system identification topic appears in various branches of science, with particular emphasis on Automatic Control field. However, problems encountered in building an accurate representation of a system, such as lack of prior information, and the various design decisions which have to be taken to deal with system identification problems by more traditional means, can be solved through the empirical analysis of the system. In this sense, the Gaussian processes are presented as a viable alternative for non-parametric modelling systems, bringing the advantage of estimating the uncertainty of the model. To investigate the potential of Gaussian processes of system identification problems, identifying the longitudinal model of a large vehicle was performed, achieving reasonable performance even when used little training data. From the obtained model, a Model Predictive Controller was designed to control the vehicle speed. The controller took into account the variance of the GP model prediction on the control signal optimization and achieved low reference tracking error, even on hard conditions, like steep roads. However, in some kinds of problems, the observable outcome can often be described as the combined effect of an entire sequence of actions, or controls, applied throughout its execution. In these cases, strategies to optimise control policies for individual stages of the process might not be applicable, and instead the whole policy might have to be optimised at once. Also, the cost to evaluate the policy\'s performance might also be high, being desirable that a solution can be found with as few interactions with the real system as possible. One appropriate candidate is Bayesian Optimization, a very efficient black-box optimization algorithm. But one of the main problems of this solution is the inability of dealing with a large number of dimensions. For that reason, in this work it was proposed Coordinate Descent Bayesian Optimisation, an algorithm to search more efficiently over high-dimensional policy-parameter spaces with BO, by searching over each dimension individually, in a sequential coordinate descent-like scheme.

Made available in DSpace on 2016-02-05T18:29:09Z (GMT). No. of bitstreams: 0 Previous issue date: 2015-11-12. Added 1 bitstream(s) on 2016-02-05T18:33:17Z : No. of bitstreams: 1 000858605.pdf: 2289436 bytes, checksum: 3728a29094417cadf89fbeb1c1dc825b (MD5) / A interface entre simuladores do comportamento e destino ambiental de defensivos agrícolas e softwares de geoprocessamento, tem sido cada vez mais frequente em estudos de avaliação de risco ambiental. Destaca-se nesse contexto, o uso da geoestatística, a qual considera a correlação espacial e interpolação de um determinado fenômeno na natureza. No entanto, a aplicação do processo de interpolação geoestatística nos dados de entrada ou saída de um simulador pode fornecer resultados diferentes. Diante disso, a hipótese deste trabalho assenta-se na proposição de que o uso de técnicas de simulação sequencial na interpolação dos dados de entrada ou saída do modelo de lixiviação do software ARAquá produzirá um cenário mais crítico de contaminação de águas subterrâneas, quando comparado com a interpolação dos dados de saída deste mesmo modelo. Portanto, o objetivo foi implementar a metodologia de simulação sequencial como procedimento de interpolação dos dados de entrada e saída do modelo de lixiviação do software ARAquá, com a posterior comparação dos resultados. O estudo foi realizado para uma área de cana-de-açúcar com a aplicação simulada do herbicida Tebuthiuron, no município de São Manuel - SP. Foram consideradas duas abordagens: Calcular Antes - Interpolar Depois (CI) e Interpolar Antes - Calcular Depois (IC). Ambas consideraram a profundidade do lençol freático a 2 m e 1 m. Para a abordagem CI foram aplicados o software ARAquá, os variogramas univariados das concentrações estimadas e a Simulação Sequencial Gaussiana (SSG). Na abordagem IC foram aplicados o Modelo Linear de Corregionalização (MLC) dos parâmetros do solo, a co-Simulação Sequencial Gaussiana (co-SSG) e a aplicação do software ARAquá para obtenção das concentrações simuladas. Os resultados obtidos pelas abordagens mostraram que a abordagem IC obteve as maiores ... / The interface between simulators of pesticide environmental behavior and fate and geoprocessing softwares has been increasingly used in environmental risk assessment studies. In this context, the use of geostatistics, which considers the spatial correlation and interpolation of a given phenomenon in nature, has a great importance. However, application of geostatistical interpolation processes on the input or output simulator data can provide different results. Therefore, the hypothesis of this work relies on the proposition that using stochastic simulation techniques on ARAquá software input data interpolation will produce a more critical scenario of groundwater contamination, when compared with ARAquá software output data interpolation. Therefore, the aim of this work was to implement the stochastic simulation methodology as interpolation procedure for ARAquá software input and output data, with the subsequent comparison of results. The study was conducted for a sugarcane area with Tebuthiuron simulated application, in São Manuel-SP, Brazil. Two approaches were considered: Calculate Before - Interpolate After (CI) and Interpolate Before - Calculate After (IC). Both approaches considered the groundwater depth of 2 m and 1 m. For CI approach were applied ARAquá software, univariate variograms of estimated concentrations and Sequential Gaussian Simulation (SSG). In the IC approach were applied the Linear Model of Coregionalization (LMC) of soil parameters, the co-Sequential Gaussian Simulation (co-SSG) and the application of ARAquá software to obtain simulated concentrations. The results obtained by the approaches showed that the IC approach obtained the worst case scenario for Tebuthiuron simulated concentrations in groundwater, and acute risk to aquatic plants when considering 1 m groundwater depth. Through LMC analysis it was possible to identify that field capacity water content, organic ...

Made available in DSpace on 2014-06-11T19:25:30Z (GMT). No. of bitstreams: 0 Previous issue date: 2005-04Bitstream added on 2014-06-13T20:48:05Z : No. of bitstreams: 1 bessada_dfa_me_ift.pdf: 3052096 bytes, checksum: bfe2b25d2283cf5ec06ca7dc7407c70c (MD5) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / Realizamos neste trabalho uma exposição geral da Teoria do Movimento Browniano, desde suas primeiras observações, feitas no âmbito da Biologia, até sua completa descrição seundo as leis da Mecânica estatística, formulação esta efetuada por Einstein em 1905. Com base nestes princípios físicos analisamos a Teoria do Movimento Browniano de Einstein como sendo um processo estocástico, o que permite sua generalização para um processo de Lévy. Fazemos uma exposição da Teoria de Lévy, e aplicamo-la em seguida na análise de dados provenientes do índice IBOVESPA. Camparamos os resultados com as distribuições empíricas e a modelada via distribuição gaussiana, demonstrando efetivamente que a série financeira analisada apresenta um comportamento não-gaussiano. / Abstracts: We review in this work the foundations of the Theory of Brownian Motion, from the first observations made in Biology to its complete description according to the laws of Statistical Mechanics performed by einstein in 1905. Afterwards we discuss the Einstein's Theory of Brownian Motion as a stochastic process, since this connection allows its generalization to a Lévy process. After a brief review of Lévy Theory we analyse IBOVESPA data within this framework. We compare the outcomes with the empirical and gaussian distributions, showing effectively that the analyzed financial series behaves exactly as a non-gaussian stochastic process.