Water quality and river/stream ecosystems are important for all living creatures. To protect human health, aquatic life and the surrounding ecosystem, a considerable amount of time and money has been spent on sampling and monitoring streams and rivers. Water quality monitoring and analysis can help researchers predict and learn from natural processes in the environment and determine human impacts on an ecosystem. Measurements such as temperature, pH, nitrogen concentration, algae and fish count collected along the network are all important factors in water quality analysis. The main purposes of the statistical analysis in this thesis are (1) to assess the relationship between the variable measured in the water (response variable) and other variables that describe either the locations on/along the stream network or certain characteristics at each location (explanatory variable), and (2) to assess the degree of similarity between the response variable values measured at different locations of the stream, i.e. spatial dependence structure. It is commonly accepted that measurements taken at two locations close to each other should have more similarity than locations far away. However, this is not always true for observations from stream networks. Observations from two sites that do not share water flow could be independent of each other even if they are very close in terms of stream distance, especially those observations taken on objects that move passively with the water flow. To model stream network data correctly, it is important to quantify the strength of association between observations from sites that do not share water.

O padrão espacial de ocorrência de atributos de espécies florestais, tal como a área basal das árvores, pode fornecer informações para o entendimento da estrutura da comunidade vegetal. Uma vez que fatores ambientais podem influenciar tanto o padrão espacial de ocorrência quanto os atributos das espécies em florestas nativas. Desse modo, investigar a relação entre as características ambientais e o padrão espacial de espécies florestais pode ajudar a entender a dinâmica das florestas. Especificamente, neste trabalho, o objetivo é avaliar métodos estatísticos que permitam identificar quais atributos do solo são capazes de explicar a variação da área basal de cada espécie de árvore. A área basal foi considerada como variável resposta e como covariáveis, um grande número de atributos físicos e químicos do solo, medidos em uma malha de localizações cobrindo a área de estudo. Foram revisados e utilizados os métodos de regressão linear múltipla com método de seleção stepwise, modelos aditivos generalizados e árvores de regressão. Em uma segunda fase das análises, adicionou-se um efeito espacial aos modelos, com o intuito de verificar se havia ainda padrões na variabilidade, não capturados pelos modelos. Com isso, foram considerados os modelos autoregressivo simultâneo, condicional autoregressivo e geoestatístico. Dado o grande número de atributos do solo, as análises foram também conduzidas utilizando-se as covariáveis originais, fatores identificados em uma análise fatorial prévia dos atributos de solo. A seleção de modelos com melhor ajuste foi utilizada para identificar os atributos de solo relevantes, bem como a presença e melhor descrição de padrões espaciais. A área de estudo foi a Estação Ecológica de Assis, da Unidade de Conservação do Estado de São Paulo em parcelas permanentes, dentro do projeto \"Diversidade, Dinâmica e Conservação em Florestas do Estado de São Paulo: 40 ha de parcelas permanentes\", do programa Biota da FAPESP. As análises reportadas aqui se referem à área basal das espécies Copaifera langsdorffii, Vochysia tucanorum e Xylopia aromatica. Com os atributos de solo reduzidos e consistentemente associados à área basal, a declividade, altitude, saturação por alumínio e potássio mostraram-se relevantes para duas das espécies. Resultados obtidos mostraram a presença de um padrão na variabilidade, mesmo levando-se em consideração os efeitos das covariáveis, ou seja, os atributos do solo explicam parcialmente a variabilidade da área basal, mas existe um padrão que ocorre no espaço que não é capturado por essas covariáveis. / The spatial pattern of occurrenceis of forest species and their attributes, such as the basal area of trees, can provide information for understanding the structure of the vegetable community. Considering the environmental factors can influence the spatial pattern of occurrences of species in native forests and related attributes, describing relationship between environmental characteristics and spatial pattern of forest species can be associated with the dynamics of forests. The objective of the present study is to assess different statistical methods used to identify which soil attributes are associated with the basal area of each tree selected species. The basal area was considered as the response variable and the covariates are given by a large number of physical and chemical attributes of the soil, measured at a grid of locations covering the study area. The methods considered are the multiple linear regression with stepwise model selection, generalized additive models and regression trees. Spatial effects were added to the models, in order to ascertain whether there is residual spatial patterns not captured by the covariates. Thus, simultaneous autoregressive model, autoregressive conditional and geostatistical were considered. Considering the large number of soil attributes, analysis were were conducted both ways, using the original covariates, and using factors identified in a preliminar factor analysis of the soil attributes. Model selection was used to identify the relevant attributes of soil as well as the presence and better description of spatial patterns. The study area was the Ecological Station of Assis, the Conservation Unit of the State of São Paulo in permanent plots within the \"Diversity Dynamics and Conservation Forests in the State of São Paulo: 40 ha of permanent plots\" project, under the research project FAPESP biota. The analyzes reported here refer to the basal area of the species Copaifera langsdorffii, Vochysia tucanorum and Xylopia aromatica. Results differ among the considered methods reinforcing the reccomendation of considering differing modeling strategies. Covariates consistently associated with basal area are slope, altitude and aluminum saturation, potassium, relevant to at least two of the species. Results obtained showed the presence of patterns in residual variability, even taking into account the effects of covariates. The soil characteristics only partially explain the variability of the basal area and there are spatial patterns not captured by these covariates.

O padrão espacial de ocorrência de atributos de espécies florestais, tal como a área basal das árvores, pode fornecer informações para o entendimento da estrutura da comunidade vegetal. Uma vez que fatores ambientais podem influenciar tanto o padrão espacial de ocorrência quanto os atributos das espécies em florestas nativas. Desse modo, investigar a relação entre as características ambientais e o padrão espacial de espécies florestais pode ajudar a entender a dinâmica das florestas. Especificamente, neste trabalho, o objetivo é avaliar métodos estatísticos que permitam identificar quais atributos do solo são capazes de explicar a variação da área basal de cada espécie de árvore. A área basal foi considerada como variável resposta e como covariáveis, um grande número de atributos físicos e químicos do solo, medidos em uma malha de localizações cobrindo a área de estudo. Foram revisados e utilizados os métodos de regressão linear múltipla com método de seleção stepwise, modelos aditivos generalizados e árvores de regressão. Em uma segunda fase das análises, adicionou-se um efeito espacial aos modelos, com o intuito de verificar se havia ainda padrões na variabilidade, não capturados pelos modelos. Com isso, foram considerados os modelos autoregressivo simultâneo, condicional autoregressivo e geoestatístico. Dado o grande número de atributos do solo, as análises foram também conduzidas utilizando-se as covariáveis originais, fatores identificados em uma análise fatorial prévia dos atributos de solo. A seleção de modelos com melhor ajuste foi utilizada para identificar os atributos de solo relevantes, bem como a presença e melhor descrição de padrões espaciais. A área de estudo foi a Estação Ecológica de Assis, da Unidade de Conservação do Estado de São Paulo em parcelas permanentes, dentro do projeto \"Diversidade, Dinâmica e Conservação em Florestas do Estado de São Paulo: 40 ha de parcelas permanentes\", do programa Biota da FAPESP. As análises reportadas aqui se referem à área basal das espécies Copaifera langsdorffii, Vochysia tucanorum e Xylopia aromatica. Com os atributos de solo reduzidos e consistentemente associados à área basal, a declividade, altitude, saturação por alumínio e potássio mostraram-se relevantes para duas das espécies. Resultados obtidos mostraram a presença de um padrão na variabilidade, mesmo levando-se em consideração os efeitos das covariáveis, ou seja, os atributos do solo explicam parcialmente a variabilidade da área basal, mas existe um padrão que ocorre no espaço que não é capturado por essas covariáveis. / The spatial pattern of occurrenceis of forest species and their attributes, such as the basal area of trees, can provide information for understanding the structure of the vegetable community. Considering the environmental factors can influence the spatial pattern of occurrences of species in native forests and related attributes, describing relationship between environmental characteristics and spatial pattern of forest species can be associated with the dynamics of forests. The objective of the present study is to assess different statistical methods used to identify which soil attributes are associated with the basal area of each tree selected species. The basal area was considered as the response variable and the covariates are given by a large number of physical and chemical attributes of the soil, measured at a grid of locations covering the study area. The methods considered are the multiple linear regression with stepwise model selection, generalized additive models and regression trees. Spatial effects were added to the models, in order to ascertain whether there is residual spatial patterns not captured by the covariates. Thus, simultaneous autoregressive model, autoregressive conditional and geostatistical were considered. Considering the large number of soil attributes, analysis were were conducted both ways, using the original covariates, and using factors identified in a preliminar factor analysis of the soil attributes. Model selection was used to identify the relevant attributes of soil as well as the presence and better description of spatial patterns. The study area was the Ecological Station of Assis, the Conservation Unit of the State of São Paulo in permanent plots within the \"Diversity Dynamics and Conservation Forests in the State of São Paulo: 40 ha of permanent plots\" project, under the research project FAPESP biota. The analyzes reported here refer to the basal area of the species Copaifera langsdorffii, Vochysia tucanorum and Xylopia aromatica. Results differ among the considered methods reinforcing the reccomendation of considering differing modeling strategies. Covariates consistently associated with basal area are slope, altitude and aluminum saturation, potassium, relevant to at least two of the species. Results obtained showed the presence of patterns in residual variability, even taking into account the effects of covariates. The soil characteristics only partially explain the variability of the basal area and there are spatial patterns not captured by these covariates.

This study delves into the application of Small Area Estimation (SAE) techniques to enhance the accuracy of predicting global needs for assistive spectacles. By leveraging the power of SAE, the research undertakes a comprehensive exploration, employing arange of predictive models including Linear Regression (LR), Empirical Best Linear Unbiased Prediction (EBLUP), hglm (from R package) with Conditional Autoregressive (CAR), and Generalized Linear Mixed Models (GLMM). At last phase,the global spectacle needs’ prediction includes various essential steps such as random effects simulation, coefficient extraction from GLMM estimates, and log-linear modeling. The investigation develops a multi-faceted approach, incorporating area-level modeling, spatial correlation analysis, and relative standard error, to assess their impact on predictive accuracy. The GLMM consistently displays the lowest Relative Standard Error (RSE) values, almost close to zero, indicating precise but potentially overfit results. Conversely, the hglm with CAR model presents a narrower RSE range, typically below 25%, reflecting greater accuracy; however, it is worth noting that it contains a higher number of outliers. LR illustrates a performance similar to EBLUP, with RSE values reaching around 50% in certain scenarios and displaying slight variations across different contexts. These findings underscore the trade-offs between precision and robustness across these models, especially for finer geographical levels and countries not included in the initial sample.