Submitted by Emanuel Varela Cardoso (emanuel.varela@ufcg.edu.br) on 2018-05-15T19:33:49Z No. of bitstreams: 1 LEONARDO FAGNER PONCIANO BARBIERI – DISSERTAÇÃO (PPGMET) 2016.pdf: 2556569 bytes, checksum: 2d377d114fdccde32b6d4af9ee448c47 (MD5) / Made available in DSpace on 2018-05-15T19:33:49Z (GMT). No. of bitstreams: 1 LEONARDO FAGNER PONCIANO BARBIERI – DISSERTAÇÃO (PPGMET) 2016.pdf: 2556569 bytes, checksum: 2d377d114fdccde32b6d4af9ee448c47 (MD5) Previous issue date: 2016-02-26 / CNPq / O desenvolvimento deste trabalho teve como objetivo caracterizar o regime de vento em superfície na área do Aeroporto Internacional de Petrolina (Senador Nilo Coelho) e identificar condições meteorológicas adversas cruciais às operações de pouso e decolagem. Enfoque especial foi dado aos episódios de vento cruzado, também denominado vento de través (vento perpendicular à pista de pouso). Os principais dados utilizados são as mensagens METAR do período 2003 - 2014. Um aumento significativo na frequência de vento de través, que chega a 100% no mês de julho, é informação importante a ser considerada pelos pilotos que atuam na Região. A Análise Fatorial por Componentes Principais (ACP) foi utilizada para identificar mecanismos físicos associados com mudanças significativas no vento local. Foram retidos três fatores que explicaram 94,9% da variabilidade dos dados no mês de abril. Os episódios mais significativos de vento de través do quadrante Nordeste (TRV_NE) ocorreram no ano de 2012 em condições atmosféricas influenciadas pela atuação de VCAN (Vórtice Ciclônico de Altos Níveis). Movimentos descendentes no centro do VCAN, redução na umidade atmosférica e um número maior de nuvens mais altas estão entre as principais características desses eventos. As análises mostram ainda uma relação positiva entre o número de registros de VCAN e a frequência de TRV_NE, e que a circulação da brisa lacustre induzida pela implantação do Lago de Sobradinho ao sul do aeroporto de Petrolina contribuiu para o aumento na frequência de vento de través do quadrante Sudoeste (TRV_SW). / The development of this work aimed to characterize the surface wind regime in the Petrolina International Airport area (Senator Nilo Coelho) and to identify adverse weather conditions crucial to landing and takeoff operations. Special focus was given to cross-wind (wind perpendicular to the runway) episodes. The main data used are the METAR messages for the period 2003 – 2014. A significant increase in cross-wind frequency, that reaches 100% in the month of July, is important information to be considered by the pilots that operate in the region. The Factor Analysis by Principal Components (PCA) was used to identify physical mechanisms associated with significant changes in the local wind. Three factors explaining 94.9% of the variance in the month of April were retained. The most significant episodes of cross-wind on the Northeast quadrant (TRV_NE) occurred in 2012 under atmospheric conditions influenced by UTCV (Upper Tropospheric Cyclonic Vortex). Descending motion in the UTCV center, reduction in atmospheric humidity and a larger number of higher base clouds are among the main characteristics of these events. The analyses show also a positive relationship between the number of UTCV reports and the frequency of TRV_NE, and that the lake breeze circulation induced by the implantation of the Sobradinho Lake to the south of the Petrolina airport contributed for the increase in the frequency of cross-wind on the Southwest quadrant (TRV_SW).

Neste trabalho, apresentamos uma extensão da análise bayesiana objetiva feita em Fonseca et al. (2008), baseada nas distribuições a priori de Jeffreys para o modelo de regressão linear com erros t-Student, para os quais consideramos a suposição de heteoscedasticidade. Mostramos que a distribuição a posteriori dos parâmetros do modelo regressão gerada pela distribuição a priori é própria. Através de um estudo de simulação, avaliamos as propriedades frequentistas dos estimadores bayesianos e comparamos os resultados com outras distribuições a priori encontradas na literatura. Além disso, uma análise de diagnóstico baseada na medida de divergência Kullback-Leiber é desenvolvida com a finalidade de estudar a robustez das estimativas na presença de observações atípicas. Finalmente, um conjunto de dados reais é utilizado para o ajuste do modelo proposto. / In this work , we present an extension of the objective bayesian analysis made in Fonseca et al. (2008), based on Jeffreys priors for linear regression models with Student t errors, for which we consider the heteroscedasticity assumption. We show that the posterior distribution generated by the proposed Jeffreys prior, is proper. Through simulation study , we analyzed the frequentist properties of the bayesian estimators obtained. Then we tested the robustness of the model through disturbances in the response variable by comparing its performance with those obtained under another prior distributions proposed in the literature. Finally, a real data set is used to analyze the performance of the proposed model . We detected possible in uential points through the Kullback -Leibler divergence measure, and used the selection model criterias EAIC, EBIC, DIC and LPML in order to compare the models.

Neste trabalho, apresentamos uma extensão da análise bayesiana objetiva feita em Fonseca et al. (2008), baseada nas distribuições a priori de Jeffreys para o modelo de regressão linear com erros t-Student, para os quais consideramos a suposição de heteoscedasticidade. Mostramos que a distribuição a posteriori dos parâmetros do modelo regressão gerada pela distribuição a priori é própria. Através de um estudo de simulação, avaliamos as propriedades frequentistas dos estimadores bayesianos e comparamos os resultados com outras distribuições a priori encontradas na literatura. Além disso, uma análise de diagnóstico baseada na medida de divergência Kullback-Leiber é desenvolvida com a finalidade de estudar a robustez das estimativas na presença de observações atípicas. Finalmente, um conjunto de dados reais é utilizado para o ajuste do modelo proposto. / In this work , we present an extension of the objective bayesian analysis made in Fonseca et al. (2008), based on Jeffreys priors for linear regression models with Student t errors, for which we consider the heteroscedasticity assumption. We show that the posterior distribution generated by the proposed Jeffreys prior, is proper. Through simulation study , we analyzed the frequentist properties of the bayesian estimators obtained. Then we tested the robustness of the model through disturbances in the response variable by comparing its performance with those obtained under another prior distributions proposed in the literature. Finally, a real data set is used to analyze the performance of the proposed model . We detected possible in uential points through the Kullback -Leibler divergence measure, and used the selection model criterias EAIC, EBIC, DIC and LPML in order to compare the models.

Submitted by Luciana Sebin (lusebin@ufscar.br) on 2016-09-26T18:57:40Z No. of bitstreams: 1 DissACRS.pdf: 1390452 bytes, checksum: a5365fdbf745228c0174f2643b3f7267 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-27T19:59:56Z (GMT) No. of bitstreams: 1 DissACRS.pdf: 1390452 bytes, checksum: a5365fdbf745228c0174f2643b3f7267 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-27T20:00:01Z (GMT) No. of bitstreams: 1 DissACRS.pdf: 1390452 bytes, checksum: a5365fdbf745228c0174f2643b3f7267 (MD5) / Made available in DSpace on 2016-09-27T20:00:08Z (GMT). No. of bitstreams: 1 DissACRS.pdf: 1390452 bytes, checksum: a5365fdbf745228c0174f2643b3f7267 (MD5) Previous issue date: 2016-02-18 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / In this work , we present an extension of the objective bayesian analysis made in Fonseca et al. (2008), based on Je reys priors for linear regression models with Student t errors, for which we consider the heteroscedasticity assumption. We show that the posterior distribution generated by the proposed Je reys prior, is proper. Through simulation study , we analyzed the frequentist properties of the bayesian estimators obtained. Then we tested the robustness of the model through disturbances in the response variable by comparing its performance with those obtained under another prior distributions proposed in the literature. Finally, a real data set is used to analyze the performance of the proposed model . We detected possible in uential points through the Kullback -Leibler divergence measure, and used the selection model criterias EAIC, EBIC, DIC and LPML in order to compare the models. / Neste trabalho, apresentamos uma extensão da análise bayesiana objetiva feita em Fonseca et al. (2008), baseada nas distribuicões a priori de Je reys para o modelo de regressão linear com erros t-Student, para os quais consideramos a suposicão de heteoscedasticidade. Mostramos que a distribuiçãoo a posteriori dos parâmetros do modelo regressão gerada pela distribuição a priori e própria. Através de um estudo de simulação, avaliamos as propriedades frequentistas dos estimadores bayesianos e comparamos os resultados com outras distribuições a priori encontradas na literatura. Além disso, uma análise de diagnóstico baseada na medida de divergência Kullback-Leiber e desenvolvida com analidade de estudar a robustez das estimativas na presença de observações atípicas. Finalmente, um conjunto de dados reais e utilizado para o ajuste do modelo proposto.

O objetivo desta tese é estudar métodos de estimação baseados na função de verossimilhança em modelos mistos lineares elípticos. Derivamos inicialmente os métodos de máxima verossimilhança, máxima verossimilhança restrita e de máxima verossimilhança perfilada modificada para o modelo linear normal. Estendemos os métodos para os modelos lineares elípticos e encontramos diferenças entre as equações resultantes de cada método. A principal motivação deste trabalho é que o método de máxima verossimilhança restrita tem sido aplicado para obter estimadores menos viesados para os componentes de variância-covariância, em contraste com os estimadores de máxima verossimilhança. O método tem sido muito utilizado em modelos com estruturas de variância-covariância como é o caso dos modelos mistos lineares. Assim, procuramos estender o método para os modelos mistos lineares elípticos bem como comparar com outros procedimentos de estimação, máxima verossimilhança e máxima verossimilhança perfilada modificada. Estudamos em particular os modelos mistos lineares com erros t-Student e exponencial potência. / The aim of this thesis is to study estimation methods based on the likelihood functions in elliptical linear mixed models. First, we review the modified profile maximum likelihood and the restricted maximum likelihood methods as well as the traditional maximum likelihood method in normal linear models. Then, we extend the methodologies for elliptical linear models and we compare the estimating equations derived for each method. The main motivation of the work is that the restricted maximum likelihood method has been largely applied in normal linear mixed models in order to reduce the bias of the maximum likelihood variance-component estimators. So, we intend to investigate the possible extension for elliptical linear mixed models as well as to compare with the modified profile maximum likelihood and the maximum likelihood methods. Particular studies for Student-t and power exponential linear mixed models are presented.

Submitted by Livia Mello (liviacmello@yahoo.com.br) on 2016-09-22T11:50:45Z No. of bitstreams: 1 DissPGLF.pdf: 2510277 bytes, checksum: ac0bc495fe911118e100ddeeaea3b4d9 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-10T14:47:09Z (GMT) No. of bitstreams: 1 DissPGLF.pdf: 2510277 bytes, checksum: ac0bc495fe911118e100ddeeaea3b4d9 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-10T14:47:16Z (GMT) No. of bitstreams: 1 DissPGLF.pdf: 2510277 bytes, checksum: ac0bc495fe911118e100ddeeaea3b4d9 (MD5) / Made available in DSpace on 2016-10-10T14:47:24Z (GMT). No. of bitstreams: 1 DissPGLF.pdf: 2510277 bytes, checksum: ac0bc495fe911118e100ddeeaea3b4d9 (MD5) Previous issue date: 2016-02-15 / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / Multiple Sclerosis (MS) is an inflammatory demyelinating (that is, with myelin loss) disease of the Central Nervous System (CNS). It is considered an autoimmune disease in which the immune system wrongly recognizes the myelin sheath of the CNS as an external element and attacks it, resulting in inflammation and scarring (sclerosis) of multiple areas of CNS’s white matter. Multi-contrast magnetic resonance imaging (MRI) has been successfully used in diagnosing and monitoring MS due to its excellent properties such as high resolution and good differentiation between soft tissues. Nowadays, the preferred method to segment MS lesions is the manual segmentation, which is done by specialists with limited help of a computer. However, this approach is tiresome, expensive and prone to error due to inter- and intra-variability between observers caused by low contrast on lesion edges. The challenge in automatic detection and segmentation of MS lesions in MR images is related to the variability of size and location of lesions, low contrast due to partial volume effect and the high range of forms that lesions can take depending on the stage of the disease. Recently, many researchers have turned their efforts into developing techniques that aim to accurately measure volumes of brain tissues and MS lesions, and also to reduce the amount of time spent on image analysis. In this context, this project proposes the study and development of an automatic computational technique based on an outlier detection approach, Student’s t-distribution finite mixture models and probabilistic atlases to segment and measure MS lesions volumes in MR images. / Esclerose Múltipla (EM) é uma doença inflamatória e desmielinizante (isto é, com perda de mielina) do sistema nervoso central (SNC). É considerada uma doença autoimune a qual o sistema imunológico reconhece erroneamente a bainha de mielina do SNC como um elemento externo e então a ataca, resultando em inflamação e formação de cicatrizes gliais (escleroses) em múltiplas áreas da substância branca do SNC. O imageamento multi- contraste por ressonância magnética (RM) tem sido usado clinicamente com muito sucesso para o diagnóstico e monitoramento da EM devido às suas excelentes propriedades como alta resolução e boa diferenciação de tecidos moles. Atualmente, o método utilizado para a segmentação de lesões de EM é o delineamento manual em imagens 3D de RM, o qual é realizado por especialistas com ajuda limitada do computador. Entretanto, tal procedimento é custoso e propenso à variabilidade inter e intraobservadores devido ao baixo contraste das bordas das lesões. A grande dificuldade na detecção e segmentação automáticas das le- sões de EM em imagens de RM está associada às suas variações no tamanho e localização, baixo contraste decorrente do efeito de volume parcial e o amplo espectro de aparências (realçadas, não-realçadas, black-holes) que elas podem ter, dependendo do estado evolutivo da doença. Atualmente, vários pesquisadores têm voltado seus esforços para o desenvol- vimento de técnicas que visam diminuir o tempo gasto na análise das imagens e medir, de maneira mais precisa, o volume dos tecidos cerebrais e das lesões de EM. Nesse contexto, este projeto propõe o estudo e o desenvolvimento de uma técnica computacional automá- tica, baseada na abordagem de detecção de outliers e usando modelos de misturas finitas de distribuições t-Student e atlas probabilísticos para a segmentação e medição do volume de lesões de EM em imagens de RM. / FAPESP: 2014/00019-6