Os modelos beta mistos são amplamente utilizados na análise de dados que apresentam uma estrutura hierárquica e que assumem valores em um intervalo restrito conhecido. Com o objetivo de propor um método de predição dos componentes aleatórios destes, os resultados previamente obtidos na literatura para o preditor de Bayes empírico foram estendidos aos modelos de regressão beta com intercepto aleatório normalmente distribuído. O denominado melhor preditor empírico (MPE) proposto tem aplicação em duas situações diferentes: quando se deseja fazer predição sobre os efeitos individuais de novos elementos de grupos que já fizeram parte da base de ajuste e quando os grupos não pertenceram à tal base. Estudos de simulação foram delineados e seus resultados indicaram que o desempenho do MPE foi eficiente e satisfatório em diversos cenários. Ao utilizar-se da proposta na análise de dois bancos de dados da área da saúde, observou-se os mesmos resultados obtidos nas simulações nos dois casos abordados. Tanto nas simulações, quanto nas análises de dados reais, foram observados bons desempenhos. Assim, a metodologia proposta se mostrou promissora para o uso em modelos beta mistos, nos quais se deseja fazer predições. / The mixed beta regression models are extensively used to analyse data with hierarquical structure and that take values in a restricted and known interval. In order to propose a prediction method for their random components, the results previously obtained in the literature for the empirical Bayes predictor were extended to beta regression models with random intercept normally distributed. The proposed predictor, called empirical best predictor (EBP), can be applied in two situations: when the interest is predict individuals effects for new elements of groups that were already analysed by the fitted model and, also, for elements of new groups. Simulation studies were designed and their results indicated that the performance of EBP was efficient and satisfatory in most of scenarios. Using the propose to analyse two health databases, the same results of simulations were observed in both two cases of application, and good performances were observed. So, the proposed method is promissing for the use in predictions for mixed beta regression models.

Os modelos beta mistos são amplamente utilizados na análise de dados que apresentam uma estrutura hierárquica e que assumem valores em um intervalo restrito conhecido. Com o objetivo de propor um método de predição dos componentes aleatórios destes, os resultados previamente obtidos na literatura para o preditor de Bayes empírico foram estendidos aos modelos de regressão beta com intercepto aleatório normalmente distribuído. O denominado melhor preditor empírico (MPE) proposto tem aplicação em duas situações diferentes: quando se deseja fazer predição sobre os efeitos individuais de novos elementos de grupos que já fizeram parte da base de ajuste e quando os grupos não pertenceram à tal base. Estudos de simulação foram delineados e seus resultados indicaram que o desempenho do MPE foi eficiente e satisfatório em diversos cenários. Ao utilizar-se da proposta na análise de dois bancos de dados da área da saúde, observou-se os mesmos resultados obtidos nas simulações nos dois casos abordados. Tanto nas simulações, quanto nas análises de dados reais, foram observados bons desempenhos. Assim, a metodologia proposta se mostrou promissora para o uso em modelos beta mistos, nos quais se deseja fazer predições. / The mixed beta regression models are extensively used to analyse data with hierarquical structure and that take values in a restricted and known interval. In order to propose a prediction method for their random components, the results previously obtained in the literature for the empirical Bayes predictor were extended to beta regression models with random intercept normally distributed. The proposed predictor, called empirical best predictor (EBP), can be applied in two situations: when the interest is predict individuals effects for new elements of groups that were already analysed by the fitted model and, also, for elements of new groups. Simulation studies were designed and their results indicated that the performance of EBP was efficient and satisfatory in most of scenarios. Using the propose to analyse two health databases, the same results of simulations were observed in both two cases of application, and good performances were observed. So, the proposed method is promissing for the use in predictions for mixed beta regression models.

O trabalho reúne características relacionadas aos escopos de pesquisa de Vida e Inteligência Artificial, Ciência Cognitiva, e Realidade Virtual. O objetivo primordial é a concepção de um modelo de comportamento autônomo e adaptativo que permita a interação do personagem virtual num ambiente, mesmo dispondo de informações incertas e vagas. Sob esse intuito o projeto desenvolve a conciliação de recursos para tratarem a idéia de racionalizar sobre tais incertezas, promovendo assim, a capacidade de agir assumindo-se alguns riscos decorrentes desse caráter inexato. Por conseqüência, os humanos virtuais são capazes de observarem o ambiente no qual se situam, apresentarem representações internas e racionalizadas dessas informações incertas, que no trabalho são levantadas como crenças, e ainda tomarem decisões baseadas nessas informações. Através do processo de decisão o personagem é capaz de reavaliar as suas crenças; implicando em um comportamento maduro em decorrência dos procedimentos usados para deliberar e realizar ações em um ambiente virtual. / This work puts together features related to the research areas of Artificial Life, Artificial Intelligence, Cognitive Science and Virtual Reality. The main goal of this work is the conception of an adaptive and autonomous behavior model which alows the interaction, even with uncertain information, between a virtual character and an environment. Therefore, resources are organized to be handled rationally with uncertainties, thus, the ability to act assuming some risks of this inexact aspect are granted. The results enable the virtual humans to observe their environment, to present internal and rationalized representations of this uncertain information, represented in this work as beliefs, and taking decisions based on this information. Through the decision process, the character can re-evaluate its beliefs; which imply in a mature behavior, as a consequence of how procedures are used to deliberate and to perform actions in a virtual environment.

Systems-of-systems (SoS) have gained a very important status in industry and academia as an answer to the growing complexity of software-intensive systems. SoS are particular in the sense that their capabilities transcend the mere sum of the capacities of their diverse independent constituents. In parallel, the current growth in the amount of data collected in different formats is impressive and imposes a considerable challenge for researchers and professionals, characterizing hence the Big Data context. In this scenario, Machine Learning techniques have been increasingly explored to analyze and extract relevant knowledge from such data. SoS have also generated a large amount of data and text information and, in many situations, users of SoS need to manually register unstructured, critical texts, e.g., work orders and service requests, and also need to map them to structured information. Besides that, these are repetitive, time-/effort-consuming, and even error-prone tasks. The main objective of this Thesis is to present MaSTA, an approach composed of an innovative classification method to infer classifiers from large textual collections and an evaluation method that measures the reliability and performance levels of such classifiers. To evaluate the effectiveness of MaSTA, we conducted an experiment with a commercial SoS used by large companies that provided us four datasets containing near one million records related with three classification tasks. As a result, this experiment indicated that MaSTA is capable of automatically classifying the documents and also improve the user assertiveness by reducing the list of possible classifications. Moreover, this experiment indicated that MaSTA is a scalable solution for the Big Data scenarios in which document collections have hundreds of thousands (even millions) of documents, even produced by different constituents of an SoS. / Sistemas-de-sistemas (SoS) conquistaram um status muito importante na indústria e na academia como uma resposta à crescente complexidade dos sistemas intensivos de software. SoS são particulares no sentido de que suas capacidades transcendem a mera soma das capacidades de seus diversos constituintes independentes. Paralelamente, o crescimento atual na quantidade de dados coletados em diferentes formatos é impressionante e impõe um desafio considerável para pesquisadores e profissionais, caracterizando consequentemente o contexto de Big Data. Nesse cenário, técnicas de Aprendizado de Máquina têm sido cada vez mais exploradas para analisar e extrair conhecimento relevante de tais dados. SoS também têm gerado uma grande quantidade de dados e informações de texto e, em muitas situações, os usuários do SoS precisam registrar manualmente textos críticos não estruturados, por exemplo, ordens de serviço e solicitações de serviço, e também precisam mapeá-los para informações estruturadas. Além disso, essas tarefas são repetitivas, demoradas, e até mesmo propensas a erros. O principal objetivo desta Tese é apresentar o MaSTA, uma abordagem composta por um método de classificação inovador para inferir classificadores a partir de grandes coleções de texto e um método de avaliação que mensura os níveis de confiabilidade e desempenho desses classificadores. Para avaliar a eficácia do MaSTA, nós conduzimos um experimento com um SoS comercial utilizado por grandes empresas que nos forneceram quatro conjuntos de dados contendo quase um milhão de registros relacionados com três tarefas de classificação. Como resultado, esse experimento indicou que o MaSTA é capaz de classificar automaticamente os documentos e também melhorar a assertividade do usuário através da redução da lista de possíveis classificações. Além disso, esse experimento indicou que o MaSTA é uma solução escalável para os cenários de Big Data, nos quais as coleções de documentos têm centenas de milhares (até milhões) de documentos, até mesmo produzidos por diferentes constituintes de um SoS.

The world went through weeks of financial turbulence in stock markets and investors were overcome by fears fuelled by more bad news, while countries continued their attempts to calm the markets with more injection of funds. By these very disturbed times, even if traders hope extreme risk aversion has passed, an investor would like predict the future of the market in order to protect his portfolio and a speculator would like to optimize his tradings. This thesis describes the design of numerical models and algorithms for the forecasting of financial time series, for speculation on a short time interval. To this aim, we will use two models: - " Price Forecasting Model " forecasts the behavior of an asset for an interval of three hours. This model is based on Functional Clustering and smoothing by cubic-splines in the training phase to build local Neural models, and Functional Classification for generalization, - " Model of Trading " forecasts the First Stopping time, when an asset crosses for the first time a threshold defined by the trader. This model combines a Price Forecasting Model for the prediction of market trend, and a Trading Recommendation for prediction of the first stopping time. We use an auto-adaptive Dynamic State Space Model, with Particle Filters and Kalman-Bucy Filters for parameter estimation.

Zugl.: Fribourg, Univ., Diss., 2008 u.d.T.: Ardia, David: Bayesian estimation of single regime and regime switching GARCH models

Submitted by Elimar Veloso Conceição null (eli_fisica@hotmail.com) on 2018-09-12T14:33:29Z No. of bitstreams: 1 Dissertação_Elimar_Valuation_rev_27_08_2018_REVISADA_bancafinal.pdf: 2725779 bytes, checksum: 6720ea56f43ebf29faa7b75f0342a1a4 (MD5) / Approved for entry into archive by Neli Silvia Pereira null (nelisps@fcav.unesp.br) on 2018-09-13T11:18:22Z (GMT) No. of bitstreams: 1 conceicao_ev_me_jabo.pdf: 2725779 bytes, checksum: 6720ea56f43ebf29faa7b75f0342a1a4 (MD5) / Made available in DSpace on 2018-09-13T11:18:22Z (GMT). No. of bitstreams: 1 conceicao_ev_me_jabo.pdf: 2725779 bytes, checksum: 6720ea56f43ebf29faa7b75f0342a1a4 (MD5) Previous issue date: 2018-08-27 / Objetivo: Valorar um projeto de inovação oriundo da estratégia de diversificação de produtos, considerando as incertezas e a flexibilidade como fontes de valor ao projeto. Metodologia / Procedimentos de Pesquisa: É apresentado um estudo de caso, valorado por meio de opções reais, com a possibilidade de inclusão de novas informações, modeladas pelo Teorema de Bayes, as quais possibilitam ajustar às probabilidades iniciais do projeto. Resultados e Discussões: Espera-se que os resultados apontem para o efeito da nova informação e implicações na criação de valor para a empresa. Implicações Gerenciais: Demonstrar à comunidade, aos profissionais de mercado e acadêmicos a necessidade de uma abordagem mais profunda e sistêmica para o uso de estratégias de investimento, considerando fatores endógenos e exógenos à firma. Conclusões e Limitações da Pesquisa: Ao analisar um projeto de inovação com elevado nível de incerteza, variáveis probabilísticas podem não ser suficientes para mensurar o desempenho futuro do investimento. Assim, o conhecimento tácito, criado a partir de todo o conhecimento acumulado pelos tomadores de decisão, fornecem informações que podem e devem ser utilizadas para a avaliação do investimento. O presente estudo não considerou o valor da sinergia criada pela implementação deste novo projeto na estrutura organizacional, nem foram utilizados profissionais externos para a projeção dos fluxos de caixa. Originalidade: A originalidade reside em avaliar um projeto de inovação com a utilização de opções reais em conjunto com uma abordagem bayesiana em uma indústria de autopeças agrícolas, permitindo com isto, o incremento de novas informações, sem a utilização de métodos estocásticos para a determinação da volatilidade. / Objective: Value an innovation project from the product diversification strategy, considering the uncertainties and flexibility as sources of value to the project. Methodology / Research Procedures: We present a case study, evaluated through real options, with the possibility of including new information, modeled by Bayes' Theorem, in which they can adjust the probabilities of the initials of the project. Results and discussions: The results are expected to point to the effect of new information and implications on value creation for the company. Management Implications: Demonstrate to the community, market professionals and academics the need for a more profound and systemic approach to the use of investment strategies, considering factors that are endogenous and exogenous to the firm. Conclusions and Limitations of the Research: When analyzing an innovation project with a high level of uncertainty, probabilistic variables may not be sufficient to measure the future performance of the investment, thus, tacit knowledge, created from all the knowledge accumulated by decision makers, provides information that can and should be used for the evaluation of the investment. The present study did not consider the value of the synergy created by the implementation of this new project in the organizational structure, nor were external professionals used for the projection of cash flows. Originality: The originality lies in evaluating an innovation project with the use of real options together a bayesian approach in an agricultural autoparts industry, allowing with this, the increment of new information, without the use of stochastic methods to determine the volatility.

[pt] No Centro Nacional de Operação dos Sistemas - CNOS, órgão da Eletrobrás, encarregado de controlar o sistema elétrico brasileiro, localizado em Brasília, a varredura é feita de 20 em 20s e depois agregada para o minuto. Na transmissão dos dados há muitos erros de medidas acarretando descontinuidades visíveis. Estes erros podem ser causados por problemas na transmissão dos dados ou problema físico da medida em si. O objetivo desta dissertação é a implementação de um sistema que detecte e corrija estas descontinuidades nas séries de carga minuto a minuto do CNOS via Fator de Bayes. / [en] In the National Center for System Operation (CNOS), the Eletrobrás organ which controls the Brazilian electrical system, readings of load demand are taken every 20 seconds, and then integrated over the minute, to provide ninute-to-minute data. These data are then radio- transmitted via satellite. Many errors occur during the reading or the transmission, and so the data series contains many missing values (which appear as discontinuities in the graph of the series). In this paper, we propose a system that detects and corrects automatically these errors in the demand data, by means of a Bayesian approach using the Bayes factor.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-07-16T19:04:20Z No. of bitstreams: 1 ROSÂNGELA DA SILVA FIGUEIREDO - DISSERTAÇÃO PPGMAT 2007..pdf: 463444 bytes, checksum: 917a85b81e55496d6077fbf99966cab0 (MD5) / Made available in DSpace on 2018-07-16T19:04:20Z (GMT). No. of bitstreams: 1 ROSÂNGELA DA SILVA FIGUEIREDO - DISSERTAÇÃO PPGMAT 2007..pdf: 463444 bytes, checksum: 917a85b81e55496d6077fbf99966cab0 (MD5) Previous issue date: 2007-03 / Neste trabalho estudamos o Modelo de Covariância com Erro nas Variáveis, onde os erros têm distribuição elípitca, sob uma pespectiva Bayesiana. Para tanto usamos umainformaçãoapriori dotiponãoinformativa,propostaporJeffrey(1961),efazemos inferências sobre os parâmetros do modelo em estudo. Mostramos que, para qualquer modelo de covariância elíptico com erro nas variáveis combinado com a priori do tipo não informativa, conduz às mesmas análises da posteriori correspondente ao modelo de covariância normal com erro nas variáveis. / In this work the Model of Covariance with error in their variables will be studied, where these errors have elliptical distributions, under a Bayesian perspective. In order to accomplish this we will use “a priori” information of the not informative type, as proposed forJeffrey(1961),and we will make inferences on the parameters of the studied model. It will be showed that for any model of covariance with elliptical error in their variables, combined with “a priori” information of the not informative type, the results will lead to the same analyses obtained through the posteriori analyses that correspond to the normal model of covariance with errors in their variables.

Made available in DSpace on 2014-12-17T14:53:04Z (GMT). No. of bitstreams: 1 MelquiadesPLJ_DISSERT.pdf: 2472393 bytes, checksum: 59503f299bf1a82dcfc59bffce406c09 (MD5) Previous issue date: 2011-12-21 / The portfolio theory is a field of study devoted to investigate the decision-making by investors of resources. The purpose of this process is to reduce risk through diversification and thus guarantee a return. Nevertheless, the classical Mean-Variance has been criticized regarding its parameters and it is observed that the use of variance and covariance has sensitivity to the market and parameter estimation. In order to reduce the estimation errors, the Bayesian models have more flexibility in modeling, capable of insert quantitative and qualitative parameters about the behavior of the market as a way of reducing errors. Observing this, the present study aimed to formulate a new matrix model using Bayesian inference as a way to replace the covariance in the MV model, called MCB - Covariance Bayesian model. To evaluate the model, some hypotheses were analyzed using the method ex post facto and sensitivity analysis. The benchmarks used as reference were: (1) the classical Mean Variance, (2) the Bovespa index's market, and (3) in addition 94 investment funds. The returns earned during the period May 2002 to December 2009 demonstrated the superiority of MCB in relation to the classical model MV and the Bovespa Index, but taking a little more diversifiable risk that the MV. The robust analysis of the model, considering the time horizon, found returns near the Bovespa index, taking less risk than the market. Finally, in relation to the index of Mao, the model showed satisfactory, return and risk, especially in longer maturities. Some considerations were made, as well as suggestions for further work / A teoria de portf?lio ? um campo de estudos que se dedica a investigar a tomada de decis?o por investidores de recursos. O prop?sito desse processo ? a redu??o do risco por meio da diversifica??o e, portanto, a garantia de determinado retorno. Apesar disso, o modelo cl?ssico de M?dia-Vari?ncia cont?m cr?ticas quanto a sua parametriza??o, observa-se que o uso da vari?ncia e covari?ncias possui sensibilidade ao mercado e ? estima??o de par?metros. Como forma de redu??o dos erros de estima??o, os modelos bayesianos possuem mais flexibilidade na modelagem, com a possibilidade de inserir par?metros quantitativos e qualitativos sobre o comportamento do mercado como forma de redu??o de erros. Observando isso, o presente trabalho teve como objetivo formular um novo modelo de matriz por meio do teorema de Bayes, como forma de substitui??o da covari?ncia no modelo M-V, denominado de MCB - Modelo de Covari?ncia Bayesiana. Para avalia??o do modelo, algumas hip?teses s?o formuladas por meio do m?todo ex post facto e por an?lise de sensibilidade. Os benchmarks utilizados como refer?ncia foram: (1) o modelo cl?ssico de M?dia Vari?ncia; (2) o ?ndice de mercado da Bovespa; e, (3) 94 Fundos de Investimento. Os retornos acumulados durante o per?odo de maio de 2002 a dezembro de 2009 demonstraram superioridade do MCB em rela??o ao modelo cl?ssico M-V e o ?ndice Bovespa, por?m assumindo um pouco mais de risco diversific?vel que o M-V. A an?lise robusta do modelo, considerando o horizonte de tempo, constatou retornos pr?ximos ao Ibovespa, considerando menor risco que o mercado. Por ?ltimo, em rela??o ao ?ndice de Mao, o modelo se demonstrou satisfat?rio, em retorno e risco, principalmente em prazos mais longos. Por fim, algumas considera??es s?o realizadas, bem como sugest?es de futuros trabalhos