Orientador: Fernando Antonio Moala / Banca: Josemar Rodrigues / Banca: Sergio Minouru Oikawa / Resumo: A Exponencial-Logarítmica (EL(p; )) é uma distribuição para modelos de sobrevivência com taxa de falha decrescente. Esta distribuição pode ser usada para estudar os tempos de vida de organismos, materiais, dispositivos, etc, em ciências biológicas e na engenharia. Neste trabalho foram utilizadas as abordagens Clássica e Bayesiana para inferir sobre os parâmetros do modelo com conjunto de dados completos e censurados. A abordagem Bayesiana requer a seleção de distribuições a priori para os parâmetros do modelo. No caso onde há informação dos dados, foram escolhidas distribuições a priori não-informativas. Por outro lado, quando há poucos dados e/ou são dados censurados, torna-se necessária uma priori informativa obtida a partir das informações de um especialista. Neste trabalho propôs-se uma priori informativa elicitada através de informações de especialistas e derivada da aproximação de Laplace. Portanto, a análise Bayesiana foi realizada considerando os dois tipos de distribuição a priori: informativa e não-informativa. As distribuições a priori não-informativas usadas foram: priori de Jeffreys (Jeffreys (1967)), priori de Referência (Berger and Bernardo (1992)), priori de Máxima Informação dos Dados (Zellner (1977)) e priori derivada da função Cópula (Achcar et al. (2010)). Estas distribuições a priori também foram comparadas com outras distribuições a priori comuns, tais como Beta, Gama e Uniforme. A fim de avaliar o desempenho das distribuições a priori, foi apresentado um estudo comparativo utilizando dados simulados a partir da distribuição EL(p; ) e um conjunto de dados reais introduzido por Lawless (1982). Utilizou-se o algoritmo MCMC para obter uma amostra de valores da posteriori conjunta, a fim de extrair características das distribuições posteriores marginais, tais como médias a posteriori, moda e intervalos de credibilidade / Abstract: The Exponential-Logarithmic, denoted by EL(p; ), is a lifetime distribution with decreasing failure rate. This distribution can be used to study the lengths of organisms, devices, materials, etc., in the biological and engineering sciences. In this dissertation we use classical and Bayesian approaches to make inferences for the parameters of the model under complete and censored data set. Bayesian approach requires the selection of prior distributions for all parameters of the model. In this case, we will seek to choose a noninformative prior that provides best estimation when there is absence of information or with large data set and uncensored data. On the other hand, when there is few data to use or presence of censored data, an informative prior obtained from the expert's information is necessary. We propose an informative prior elicited from the expert's opinion and derived though Laplace's approximation. Thus, we carry out the Bayesian estimation by considering the two types of prior distributions. Different noninformative prior distributions are used as Jeffreys (Jeffreys (1967)), Reference (Berger and Bernardo (1992)), maximal data information prior (Zellner (1977)) and prior derived from copula function (Achcar et al. (2010)). These priors are also compared with other common priors such as beta, gamma, and uniform distributions. A comparative study to evaluate the performance of the prior distributions through simulated data from the EL(p; ) distribution and a practical data set introduced by Lawless (1982) presented. We also need to appeal to the MCMC algorithm to obtain a sample of values of and from the joint posterior in order to extract characteristics of marginal posterior distributions such as Bayes estimator, mode and credible intervals / Mestre

Orientador: Sérgio Minoru Oikawa / Banca: Mario Hissamitsu Tarumoto / Banca: Roseli Aparecida Leandro / Resumo: Na literatura existem varias distribuições de probabilidade utilizadas em confiabilida e analise de sobrevivência. Entre as famílias de distribuições utilizadas para este fim é a mais popular e a distribuição de Weibull cuja fução de risco apresenta formas: constante, crescente e decrescente. No entanto, quando a função de risco e do tipo unimodal ou em forma de banheira, a Weibull distribui c~ao n~ao e apropriada. Assim, nos ultimos anos, t^em sido propostas novas distribui c~oes que acomodam as v arias formas que a fun c~ao de risco pode tomar e consequentemente, para se ajustar a um maior n umero de problemas pr aticos. Carrasco et al. (2008) prop^os uma nova distribui c~ao chamada Weibull Modi cada Generalizada, denotada por WMG, sua fun c~ao de risco pode assumir muitas formas, tais como constante, crescente, decrescente, unimodal e banheira. A distribui c~ao Weibull Modi cada Generalizada proposta por Carrasco, Ortega e Cordeiro (2008) foi amplamente estudada no contexto de infer^encia cl assica, por em n~ao existem ainda trabalhos desenvolvidos na literatura sob o enfoque Bayesiano. O objetivo deste trabalho foi realizar uma compara c~ao entre os m etodos de estima c~ao cl assico e Bayesiano para a distribui c~ao Weibull Modi cada Generalizada. Tal distribui c~ao ainda tem como sub-modelos as distribui c~oes Exponencial, Exponencial Generalizada, Weibull, Weibull Modi cada, Weibull Exponenciada e valor extremo. Foram realizados estudos sobre as propriedades da distribui c~aoWeibull Modi cada Generalizada e simula c~oes para comparar o desempenho dos estimadores de m axima verossimilhan ca e Bayesiano. Uma abordagem Cl assica e Bayesiana para a esta distribui c~ao foi proposta e exempli cada, modelando conjunto de dados de sobreviv^encia e de con abilidade / Abstract: In the literature there are various probability distributions to model lifetimes of equipment or individual problems in survival analysis. Among the families of distributions used for this purpose, the most popular is the Weibull distribution whose hazard function presents constant, increasing and decreasing forms. However, when the hazard function is the type unimodal or bathtub shaped, the Weibull distribution is not appropriated. Thus, in recent years, there have been proposed new distributions that t the various forms that the hazard function can take and consequently to t a greater number of practical problems. Carrasco et al. (2008) has proposed a new distribution called Generalized Modi ed Weibull, denoted by GMW, whose hazard function can take many forms such as constant, increasing, decreasing, unimodal and bathtub. The Generalized Modi ed Weibull distribution proposed by Carrasco, Ortega e Cordeiro (2008) was most studied in the context of classical inference. However, no studies were found under the Bayesian approach. The aim of this work was to do a comparison of estimation methods for classical and Bayesian Generalized Modi ed Weibull distribution. The Generelized Modi ed Weibull distribuition has a function of risk that can be increasing, decreasing, unimodal and bathtub shaped and has as sub-models Exponential distributions, Exponentiated Exponential, Weibull, Modi ed Weibull, Exponentiated Weibull and extreme value. It was performed the properties of Generalized Modi ed Weibull distribution and a simulation study to compare the performance of maximum likelihood estimator and Bayesian estimator. Classical and Bayesian approach to this distribution was proposed and exempli ed, modeling data sets of survival and reliability / Mestre

Neste trabalho, apresentamos uma maneira alternativa de planejar. monitorar c analisar um ensaio clínico. A proposta é utilizar de um planejamento sequencial em grupos dentro ele um cont.exto baycsiano ele Teoria, ele Decisão. As principais vantagens deste tipo de planejamento são a sua flexibilidade quanto a possíveis interrupções do ensaio e a possibilidade de incorporação de opiniões e preferências subjetivas tão comuns na área médica. Discutimos alguns aspectos sobre "Ética. e Ensaios Clínicos'' e apresentamos conceitos de Teoria de Decisão. Além di sso, desenvolvemos formalmente um planejamento para o problema de comparar a eficácia ele duas drogas e apresentamos exemplos de como conduzir e analisar o ensaio proposto. / We present an alternative way of designing. monitoring and analising a cl inicai trial. The aim is to use a group sequential design in a Bayesian context of Decision Theory. The rnain advantages of this kincl of design are the flexibility with regarei Lo possiblc interruptions of the trial anel the possibili ty of incorporating subjective opinions anel preferences. as usual in the medicai field. We discuss some aspects of "Ethics anel Clinicai Trials anel present concepts of Decision Theory. Furthermore: we formally develop a design for the problem of comparing the effi cacy of two drugs anel present some examples of how to conduct anel analyse the proposed trial.

Tese (doutorado)—Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Ciência da Informação e Documentação, Departamento de Economia, Programa de Pós-Graduação, 2012. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2013-01-31T13:28:50Z No. of bitstreams: 1 2012_GilvanCandidodaSilva.pdf: 648338 bytes, checksum: 3422c67bef638d08eeaee135f1a987ea (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2013-02-25T11:02:53Z (GMT) No. of bitstreams: 1 2012_GilvanCandidodaSilva.pdf: 648338 bytes, checksum: 3422c67bef638d08eeaee135f1a987ea (MD5) / Made available in DSpace on 2013-02-25T11:02:53Z (GMT). No. of bitstreams: 1 2012_GilvanCandidodaSilva.pdf: 648338 bytes, checksum: 3422c67bef638d08eeaee135f1a987ea (MD5) / Esta tese avalia o papel do mercado de crédito brasileiro e suas influências na ativi dade econômica. Em particular, estuda como a economia se comporta diante de choques monetários e financeiros. Para tanto, utiliza modelo de equilíbrio geral dinâmico e estocástico, incorporando fricções financeiras, um sistema bancário com competição imperfeita e requerimento de capital. Os bancos ofertam serviços de empréstimos e poupanças ligeiramente diferenciados, o que lhes confere certo poder de mercado. Isto implica taxas de juros diferenciadas. Por outro lado, custos de ajustamento prevalecem nos setores de produtivos e financeiros produzindo rigidez de preços. Utilizando técnicas bayesianas com dados da economia brasileira, as simulações do modelo sugerem que o mercado bancário, em particular a rigidez de taxa de juros retardam os efeitos da política monetária sobre a atividade econômica. Além disso, choques que afetem o capital próprio dos bancos produzem impactos limitados, tendo em vista o baixo desenvolvimento do mercado de capitais brasileiro. Como o modelo foi originalmente proposto por Gerali et al. (2010) para estudar a área do Euro, nossa análise fornece também uma comparação com uma economia, cujo sistema financeiro é mais complexo e sofisticado. _______________________________________________________________________________________ ABSTRACT / This thesis evaluates the role of the Brazilian of credit market and its influences on economic activity. In particular, studying the responses of the economy to monetary policy and financial shocks. We use a dynamic stochastic general equilibrium (DSGE) model with financial frictions, imperfectly competitive banking sector and capital requirement. The banks issue loans and savings contracts slightly different, giving them some market power, implying different interest rates. On the other hand, adjustment costs prevail in the producer and financial sector, occasioning price rigidities. Using Bayesian techniques with data of the Brazilian economy, the simulations of the model suggest that the banking market, in particular the rigidity of interest rates they delay the effect of the monetary policy on the economic activity. Furthermore, shocks that affect the capital of banks produce limited impact given the low development of the Brazilian credit market. As the model was originally proposed by Gerali et al. (2010) to study the European economy, our analysis provides also a comparison with an economy with more complex and sophisticated financial system.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2008. / Submitted by Diogo Trindade Fóis (diogo_fois@hotmail.com) on 2009-10-09T14:02:12Z No. of bitstreams: 1 2008_RommelNovaesCarvalho_reduzida.pdf: 2306641 bytes, checksum: a442bd9631a732feaae059332a6a5068 (MD5) / Approved for entry into archive by Gomes Neide(nagomes2005@gmail.com) on 2010-10-15T14:38:05Z (GMT) No. of bitstreams: 1 2008_RommelNovaesCarvalho_reduzida.pdf: 2306641 bytes, checksum: a442bd9631a732feaae059332a6a5068 (MD5) / Made available in DSpace on 2010-10-15T14:38:05Z (GMT). No. of bitstreams: 1 2008_RommelNovaesCarvalho_reduzida.pdf: 2306641 bytes, checksum: a442bd9631a732feaae059332a6a5068 (MD5) Previous issue date: 2008-02-29 / O objetivo geral deste trabalho é pesquisar formalismos para extensão de redes bayesianas (BN) e raciocínio plausível na Web Semântica. Dentre os formalismos para raciocínio plausível, um dos mais utilizados, dada sua flexibilidade, é a rede bayesiana. No entanto, há diversas situações do mundo real e na Web que as BN são incapazes de representar. As duas principais restrições de redes bayesianas são a impossibilidade de representar recursão e situações onde o número de variáveis aleatórias envolvidas é desconhecido. Exatamente para superar essas limitações que utilizaremos o formalismo MEBN (Multi-Entity Bayesian Network), que agrega o poder de expressividade da lógica de primeira ordem (FOL) às redes bayesianas, possibilitando a representação de um número infinito de variáveis aleatórias e a representação de definições recursivas. Na Web Semântica, a linguagem OWL (Ontology Web Language) permite a definição de ontologias, mas por ser baseada na FOL não possui um suporte adequado para possibilitar o raciocínio plausível. Por ser uma implementação de lógica probabilística de primeira ordem, a MEBN é um dos formalismos mais indicados para tal expansão, tendo a linguagem PR-OWL (Probabilistic OWL) sido proposta como uma integração de MEBN e OWL [29, 28, 27]. O presente trabalho de pesquisa propõe alguns refinamentos do formalismo MEBN e da linguagem PR-OWL e apresenta a primeira implementação no mundo de MEBN com a possibilidade de representar e raciocinar em domínios com incerteza através de ontologias probabilísticas baseadas em PR-OWL. Além disso, um novo algoritmo para geração de SSBN (Situation-Specific Bayesian Network) foi proposto. Essa implementação foi feita no UnBBayes [26], ferramenta livre para raciocínio probabilístico, aproveitando o mecanismo de criação e inferência de BN que esta já possui. Para exemplificar uma aplicação de MEBN/PR-OWL, o UnBBayes-MEBN [6] foi utilizado para modelar e raciocinar no domínio fictício Star Trek. Como ontologias probabilísticas possuem um grande potencial de uso no campo da Web Semântica onde a incerteza é tratada de forma probabilística, essa pesquisa representa uma contribuição para os trabalhos que estão sendo realizados pelo URW3-XG (W3C Uncertainty Reasoning for the World Wide Web Incubator Group) [30], criado pelo Consórcio World Wide Web para melhor definir o desafio de representar e raciocinar com a informação incerta disponível na Web. _________________________________________________________________________________ ABSTRACT / The general objective of this work is to research formalisms for extending Bayesian networks (BN) and plausible reasoning in the Semantic Web. Among the formalisms for plausible reasoning, one of the most used, given its flexibility, is BN. However, there are several situations in the real world and in the Web that BN is unable to represent. The two main restrictions of BN are the impossibility of representing recursion and situations where the number of random variables is unknown. It is exactly to overcome those limitations that we will use the MEBN formalism (Multi-Entity Bayesian Network), which joins the expressiveness power of first order logic (FOL) to BN, making possible the representation of an infinite number of random variables and of recursive definitions. In Semantic Web, the OWL language (Ontology Web Language) allows the definition of ontologies, but because it is based in FOL it doesn’t possess an appropriate support to make the plausible reasoning possible. MEBN is one of the most suitable formalisms for such expansion, as it is an implementation of first order probabilistic logic, having the PR-OWL language (Probabilistic OWL) as an integration of MEBN and OWL [29, 28, 27]. This research proposes some refinements for the MEBN formalism and PR-OWL language and it presents the first implementation in the world of MEBN with the possibility to represent and reason in domains with uncertainty through probabilistic ontologies based in PR-OWL. Besides that, a new algorithm for the SSBN generation was proposed. This implementation was made in UnBBayes [26], a free tool for probabilistic reasoning, taking advantage of the BN modeling and inference mechanism that it already has. To exemplify an application of MEBN/PR-OWL, UnBBayes-MEBN [6] was used to model and to reason in the Star Trek toy domain. As probabilistic ontologies have a great potential use in the field of Semantic Web where the uncertainty is treated in a probabilistic way, this research represents a contribution for the work that is being accomplished by the URW3-XG (W3C Uncertainty Reasoning for the World Wide Web Incubator Group) [30], created by the World Wide Web Consortium for best defining the challenge of representing and reasoning with the available uncertain information in the Web.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2010. / Submitted by Jaqueline Ferreira de Souza (jaquefs.braz@gmail.com) on 2011-06-06T22:12:07Z No. of bitstreams: 1 2010_LeandroTavaresCorreia.pdf: 1328237 bytes, checksum: fa092671ee62cf204b5794b18e95461b (MD5) / Approved for entry into archive by Jaqueline Ferreira de Souza(jaquefs.braz@gmail.com) on 2011-06-06T22:22:07Z (GMT) No. of bitstreams: 1 2010_LeandroTavaresCorreia.pdf: 1328237 bytes, checksum: fa092671ee62cf204b5794b18e95461b (MD5) / Made available in DSpace on 2011-06-06T22:22:07Z (GMT). No. of bitstreams: 1 2010_LeandroTavaresCorreia.pdf: 1328237 bytes, checksum: fa092671ee62cf204b5794b18e95461b (MD5) / Com base na abordagem bayesiana de Modelos Dinâmicos, séries de tempo de dados composicionais são modeladas para análises de previsão e de comportamento. Por se tratar de dados convertidos para a escala de proporções relativas a uma série agregada, os modelos são construídos utilizando-se de transformações razão-log e distribuição Logística-Normal, nos casos em que se assume a normalidade dos dados. Para casos mais gerais, os modelos baseiam-se na classe dos Modelos Lineares Dinâmicos Generalizados (MLDG), e em dados com distribuição Beta, e tais desenvolvimentos consistem em contribuições inéditas na área de modelos dinâmicos. _____________________________________________________________________________ ABSTRACT / Using a bayesian approach for Dynamic Models, compositional time series data are modeled for forecasting and analysing data behavior. Since the original data is converted to the scale of relative proportions of the aggregated series, the models are constructed using log-ratio transformation and Logistic-Normal distribution for the cases where the restriction of normally distributed data is assumed. For more general situations, we develop methodology for models that are related to the class of Dynamic Generalized Linear Models (DGLM), more specifically for the Beta distribution. Such developments represent new contributions in the area of dynamic models.

Dissertação (mestrado)—Universidade de Brasília, Programa de Pós-Graduação em Economia, 2011. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2012-02-08T12:33:47Z No. of bitstreams: 1 2011_FernandaSenraMora.pdf: 303905 bytes, checksum: a519596915e2fa4a7c06d3e106f7e9b8 (MD5) / Approved for entry into archive by Marília Freitas(marilia@bce.unb.br) on 2012-02-15T11:21:20Z (GMT) No. of bitstreams: 1 2011_FernandaSenraMora.pdf: 303905 bytes, checksum: a519596915e2fa4a7c06d3e106f7e9b8 (MD5) / Made available in DSpace on 2012-02-15T11:21:20Z (GMT). No. of bitstreams: 1 2011_FernandaSenraMora.pdf: 303905 bytes, checksum: a519596915e2fa4a7c06d3e106f7e9b8 (MD5) / Kochov (2007) demonstra que preferências incompletas sobre menu de loterias admitem uma representação baseada em um espaço de estados subjetivos único e um conjunto de crenças. Esta é uma generalização da representação de preferências completas sobre menus desenvolvida em Dekel, Lipman, and Rustichini (2001). Quando preferências sobre menus são completas, Riella (2010) mostra que Flexibility Consistency é a versão apropriada de Dynamic Consistency, a propriedade geralmente associada a representações em que o espaço de estados é exógeno. Neste trabalho, procuramos por uma versão apropriada para Flexibility Consistency quando as preferências não são completas. Uma versão mais geral de Flexibility Consistency, chamada Flexibility Consistency II, que também é relacionada com noções de preferência por flexibilidade, quando satisfeita, garante que novas informações são usadas para atualizar as crenças na representação pela Regra de Bayes. ______________________________________________________________________________ ABSTRACT / Kochov (2007) shows that incomplete preferences over menus of lotteries admit a representation based upon a unique subjective state space and a set of priors. This is a generalization of the representation for complete preferences over menus developed by Dekel, Lipman, and Rustichini (2001). When preferences over menus are complete Riella (2010) shows that Flexibility Consistency is the appropriate version of Dynamic Consistency, the property usually associated with exogenous space state representations. In this paper we look for an appropriate version of Flexibility Consistency when preferences are not complete. A more general version of Flexibility Consistency, deemed Flexibility Consistency II, which is also related to notions of preference for flexibility, if satisfied is enough to guarantee that new information will be used to update the priors by the Bayes’ Rule.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2013. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2014-01-27T13:38:48Z No. of bitstreams: 1 2013_LeonardoOliveiraGoisCella.pdf: 783579 bytes, checksum: c7b0917eb8cf3bdcf8dfba759c5c0d04 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2014-02-11T12:30:18Z (GMT) No. of bitstreams: 1 2013_LeonardoOliveiraGoisCella.pdf: 783579 bytes, checksum: c7b0917eb8cf3bdcf8dfba759c5c0d04 (MD5) / Made available in DSpace on 2014-02-11T12:30:19Z (GMT). No. of bitstreams: 1 2013_LeonardoOliveiraGoisCella.pdf: 783579 bytes, checksum: c7b0917eb8cf3bdcf8dfba759c5c0d04 (MD5) / Este trabalho apresenta a inferência do modelo de regressão ordinal, considerando a ligação Logit e a abordagem da verossimilhança multinomial. Foi proposta uma reparametrização do modelo de regressão. As inferências foram realizadas dentro de um cenário bayesiano fazendo-se o uso das técnicas de MCMC (Markov Chain Monte Carlo). São apresentadas estimativas pontuais dos parâmetros e seus respectivos intervalos HPD, assim como um teste de significância genuinamente bayesiano FBST (Full Bayesian Significance Test) para os parâmetros de regressão. A metodologia adotada foi aplicada em dados simulados e ilustrada por um problema genético que verificou a influência de um certo tipo de radiação na ocorrência de danos celulares. A abordagem da verossimilhança multinomial combinada à reparametrização do modelo é de fácil tratamento devido ao aumento da capacidade computacional e do avanço dos métodos MCMC. Além disso, o FBST se mostrou um procedimento simples e útil para testar a significância dos coeficientes de regressão, motivando assim a utilização de uma abordagem bayesiana na modelagem de dados ordinais. _______________________________________________________________________________________ ABSTRACT / This work presents inferences of ordinal regression models considering the Logit link functions and the multinomial likelihood approach. A new reparametrization was proposed for the regression model. The inferences were performed in a bayesian scenario, using the MCMC (Markov Chain Monte Carlo) technics. Point estimates of the parameters and their respective HPD credibility intervals are presented, as well a Full Bayesian Significance Test (FBST) for the regression parameters. This methodology was applied on simulated data and illustrated in a genetic problem which was to verify the inuence of certain radiation on the occurrence of cellular damage. The multinomial likelihood approach combined with the model reparametrization is easy to treat due the increasing computing power and the advancement of MCMC methods. Moreover, the FBST proved being a simple and useful procedure for testing the significance of regression coeficients, thus motivating the use of a bayesian approach in ordinal data modeling.

This thesis is divided into two parts. In the first part, we show how problems of statistical inference and combinatorial optimization may be approached within a unified framework that employs tools from fields as diverse as machine learning, statistical physics and information theory, allowing us to i) design algorithms to solve the problems, ii) analyze the performance of these algorithms both empirically and analytically, and iii) to compare the results obtained with the optimal achievable ones. In the second part, we use this framework to study two specific problems, one of inference (compressed sensing) and the other of optimization (information hiding). In both cases, we review current approaches, identify their flaws, and propose new schemes to address these flaws, building on the use of message-passing algorithms, variational inference techniques, and spin glass models from statistical physics. / Esta tese está dividida em duas partes. Na primeira delas, mostramos como problemas de inferência estatística e de otimização combinatória podem ser abordados sob um framework unificado que usa ferramentas de áreas tão diversas quanto o aprendizado de máquina, a física estatística e a teoria de informação, permitindo que i) projetemos algoritmos para resolver os problemas, ii) analisemos a performance destes algoritmos tanto empiricamente como analiticamente, e iii) comparemos os resultados obtidos com os limites teóricos. Na segunda parte, este framework é usado no estudo de dois problemas específicos, um de inferência (compressed sensing) e outro de otimização (ocultação de dados). Em ambos os casos, revisamos abordagens recentes, identificamos suas falhas, e propomos novos esquemas que visam corrigir estas falhas, baseando-nos sobretudo em algoritmos de troca de mensagens, técnicas de inferência variacional, e modelos de vidro de spin da física estatística.

Este trabalho apresenta três principais contribuições: i. a proposta de uma nova lógica de descrição probabilística; ii. um novo algoritmo de inferência em primeira ordem a ser utilizado em terminologias representadas nessa lógica; e iii. aplicações práticas em problemas reais. A lógica aqui proposta, crALC (credal ALC), adiciona inclusões probabilísticas na popular lógica ALC combinando as terminologias com condições de aciclicidade, de Markov, e adotando uma semântica baseada em interpretações. Como os métodos de inferência exata tradicionalmente apresentam problemas de escalabilidade devido à presença de quantificadores (restrições universal e existencial), apresentamos um algoritmo de loopy propagation em primeira-ordem que se comporta bem para terminologias com domínios não triviais. Uma série de testes foi feita com o algoritmo proposto em comparação com algoritmos tradicionais da literatura; os resultados apresentados mostram uma clara vantagem em relação aos outros algoritmos. São apresentadas ainda duas aplicações da lógica e do algoritmo para resolver problemas reais da área de robótica móvel. Embora os problemas tratados sejam relativamente simples, eles constituem a base de muitos outros problemas da área, sendo um passo importante na representação de conhecimento de agentes/robôs autônomos e no raciocínio sobre esse conhecimento. / This work presents two major contributions: i. a new probabilistic description logic; ii. a new algorithm for inference in terminologies expressed in this logic; iii. practical applications in real tasks. The proposed logic, referred to as crALC (credal ALC), adds probabilistic inclusions to the popular logic ALC, combining the usual acyclicity and Markov conditions, and adopting interpretation-based semantics. As exact inference does not seem scalable due to the presence of quantifiers (existential and universal), we present a first-order loopy propagation algorithm that behaves appropriately for non-trivial domain sizes. A series of tests were done comparing the performance of the proposed algorithm against traditional ones; the presented results are favorable to the first-order algorithm. Two applications in the field of mobile robotics are presented, using the new probabilistic logic and the inference algorithm. Though the problems can be considered simple, they constitute the basis for many other tasks in mobile robotics, being a important step in knowledge representation and in reasoning about it.