Submitted by Etelvina Domingos (etelvina.domingos@ufpe.br) on 2015-03-06T17:34:30Z No. of bitstreams: 2 DMO.pdf: 892234 bytes, checksum: e32f938f3f989f8bad84108ff8531c83 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-06T17:34:30Z (GMT). No. of bitstreams: 2 DMO.pdf: 892234 bytes, checksum: e32f938f3f989f8bad84108ff8531c83 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2012-02 / Esta tese de doutorado apresenta uma correção do quantil ou valor crítico da distribuição assintótica qui-quadrado da estatística de Wald para a estimação de posto de matrizes desconhecidas usando o critério de teste sequencial. A partir dos resultados teóricos obtidos, usando linguagem de programação Ox (Doornik, 2006), são feitas avaliações numéricas de tal melhora em estudos envolvendo modelos de equações simultâneas lineares, em que a distribuição dos erros aleatórios pertence à classe das distribuições de contorno elíptico. O objetivo é criar uma ligação entre as ideias propostas por Ratsimalahelo (2003a,b) e Phillips & Park (1988) para obter um quantil aperfeiçoado para a estatística de Wald desenvolvida por Ratsimalahelo (2003a,b), que possa produzir uma redução no viés do estimador do posto de matrizes desconhecidas. Inicialmente, encontra-se o desenvolvimento teórico, o qual usa o método da expansão de Edgeworth para produzir um aperfeiçoamento do valor crítico usado no teste para a estimativa do posto de matrizes desconhecidas. A seguir, foram fornecidos os conceitos teóricos sobre a formulação da correção do quantil aplicada ao modelo de equações simultâneas lineares para duas distribuições na classe das distribuições de contorno elíptico. Por fim, são feitas as avaliações numéricas dos resultados obtidos a partir de simulações que utilizam o método de Monte Carlo para as estimativas do posto de matrizes desconhecidas baseadas na estatística aperfeiçoada do tipo Wald, a qual é desenvolvida ao logo da primeira parte do texto.

Esta dissertação compreende um estudo da eficiência de estimadores dos parâmetros no modelo funcional com erro nas variáveis, com repetições para contornar o problema de falta de identificação. Nela, discute-se os procedimentos baseados nos métodos de máxima verossimilhança e escore corrigido. As estimativas obtidas pelos dois métodos levam a resultados similares. / This work is concerned with a study on the efficiency of parameter estimates in the functional linear relashionship with constant variances. Where the lack of identification is resolved of by considering replications. Estimation is dealt with by using maximum likelihood and the corrected score approach. Comparisons between the approaches are illustrated by using simulated data.

Esta dissertação compreende um estudo da eficiência de estimadores dos parâmetros no modelo funcional com erro nas variáveis, com repetições para contornar o problema de falta de identificação. Nela, discute-se os procedimentos baseados nos métodos de máxima verossimilhança e escore corrigido. As estimativas obtidas pelos dois métodos levam a resultados similares. / This work is concerned with a study on the efficiency of parameter estimates in the functional linear relashionship with constant variances. Where the lack of identification is resolved of by considering replications. Estimation is dealt with by using maximum likelihood and the corrected score approach. Comparisons between the approaches are illustrated by using simulated data.

Made available in DSpace on 2014-06-11T19:25:19Z (GMT). No. of bitstreams: 0 Previous issue date: 2008-02-22Bitstream added on 2014-06-13T18:26:16Z : No. of bitstreams: 1 carvalho_js_me_jabo.pdf: 532415 bytes, checksum: cfa12555262ca20f28efd7aad4d084ec (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O trabalho foi desenvolvido no Laboratório de Biologia e Criação de Insetos (LBCI) da Faculdade de Ciências Agrárias e Veterinárias, Unesp – Jaboticabal, SP, para estudar os efeitos de diferentes concentrações de sinigrina aplicada na superfície foliar de couve e brócolis, em alguns parâmetros biológicos de Plutella xylostella. Para realização dos testes, sinigrina foi aplicada à parte ventral/dorsal das folhas de brássicas das cultivares ‘Da Geórgia’ (couve-manteiga) e ‘Ramoso Piracicaba Precoce’ (brócolis), em solução 5% de Tween 20® em diferentes concentrações (0,0; 0,2; 0,4; 0,8; 1,6 e 3,2 mg/mL). Assim como, avaliou-se o consumo, pelas lagartas, através de medidas de peso fresco, peso seco, área foliar e escala visual de notas para os danos. Observou-se que concentração baixa de sinigrina, em couve e em brócolis, não prejudicou o desenvolvimento de P. xylostella, porém altas concentrações afetaram o parâmetro viabilidade. A análise de agrupamentos, pelo método de “cluster”, mostrou que a dose 0,2mg/mL de sinigrina em ambas variedades apresentou os maiores contrastes, não pertencendo a nenhum grupo. O índice Potencial Reprodutivo Corrigido foi determinante apenas para couve, indicando boa capacidade reprodutiva das lagartas alimentadas com a menor concentração de sinigrina. Nas doses extremas, 0,2 e 3,2mg/mL, observou-se aumento no consumo foliar em couve e diminuição em brócolis. O consumo foi maior pelas lagartas alimentadas com folhas de brócolis. Em geral, o comportamento da traça foi diferente nas cultivares testadas, mas essas diferenças podem estar relacionadas com a quantidade de sinigrina presente naturalmente nas folhas de cada espécie. / The work was carried out in the Laboratório de Biologia e Criação de Insetos (LBCI), at the Faculdade de Ciências Agrárias e Veterinárias, Unesp, Jaboticabal, SP, with the objective to evaluate the effect of sinigrin applied on foliar surface of cabbage and broccoli, on the biological aspects of Plutella xylostella. It was evaluated: the biology aspects of diamondback moth feeding on cabbage ‘Da Georgia’ and broccoli ‘Ramoso Piracicaba Precoce’ treated with different sinigrin concentrations (0.0, 0.2, 0.4, 0.8, 1.6 e 3.2mg/mL in 5% of Tween 20® solution, as well as, the consumption, measuring fresh weight, dry weight, foliar area and visual grade scale to the damage. It was observed that low sinigrin concentration, in cabbage and broccoli, does not affect P. xylostella development, however, high concentrations affect the viability. The group analysis by “cluster method”, showed that 0.2mg/mL of sinigrin of both varieties presented the biggest contrast, not belonging any group. The Corrected Reproductive Potential index was determinate just for cabbage, indicating good reproductive capacity with low sinigrin concentration. The extreme sinigrin doses, 0.2, 0.4 and 3.2mg/mL, increase the cabbage leafs consumption and decrease in broccoli. The consumption was bigger by the caterpillars fed on broccoli leafs. In general, the insect behavior was different in the tried cultivars, but these differences can be related to sinigrin quantity present naturally in the leaves of each specie.

O Modelo de Equações Estruturais (MEE) é habitualmente ajustado para realizar uma análise confirmatória sobre as conjecturas de um pesquisador acerca do relacionamento entre as variáveis observadas e latentes de algum estudo. Na prática, a maneira mais recorrente de avaliar a qualidade das estimativas de um MEE é a partir de medidas que buscam mensurar o quanto a usual matriz de covariâncias clássicas ou ordinárias se distancia da matriz de covariâncias do modelo ajustado, ou a magnitude do afastamento entre as funções de discrepância do modelo hipotético e do modelo saturado. Entretanto, elas podem não captar problemas no ajuste quando há muitos parâmetros a estimar ou bastantes observações. A fim de detectar irregularidades no ajustamento resultantes do impacto provocado pela presença de outliers no conjunto de dados, este trabalho contemplou alguns indicadores conhecidos na literatura, como também considerou alterações no Índice da Qualidade do Ajuste (ou GFI, de Goodness-of-Fit Index) e no Índice Corrigido da Qualidade do Ajuste (ou AGFI, de Ajusted Goodness-of-Fit Index), ambos nas expressões para estimação de parâmetros pelo método de Máxima Verossimilhança, que consistiram em substituir a tradicional matriz de covariâncias pelas matrizes de covariâncias computadas com os seguintes estimadores: Elipsoide de Volume Mínimo, Covariância de Determinante Mínimo, S, MM e Gnanadesikan-Kettenring Ortogonalizado (GKO). Através de estudos de simulação sobre perturbações de desvio de simetria e excesso de curtose, em baixa e alta frações de contaminação, em diferentes tamanhos de amostra e quantidades de variáveis observadas afetadas, foi possível constatar que as propostas de modificação do GFI e do AGFI adaptadas pelo estimador GKO foram as únicas que conseguiram ser informativas em todas essas situações, devendo-se escolher a primeira ou a segunda respectivamente quando a quantidade de parâmetros a serem estimados é baixa ou elevada. / The Structural Equation Model (SEM) is usually set to perform a confirmatory analysis on the assumptions of a researcher about the relationship between the observed variables and the latent variables of such a study. In practice, the most iterant way of evaluating the quality of the estimates of a SEM comes either from procedures of measuring how distant the usual classic or ordinary covariance matrix is from the covariance matrix of the adjusted model, or from the magnitude of the hiatus in discrepancy functions of both the hypothetical model and the saturated model. Nevertheless, they may fail to capture problems in the adjustment in the occurrence of either several parameters to estimate or several observations. This study included indicators known in the literature in order to detect irregularities in the adjustment resulting from the impact caused by the presence of outliers in the data set. This study has also considered changes in both the Goodness-of-Fit Index (GFI) and the Adjusted Goodness-of-Fit Index (AGFI) in the expressions for parameter estimation by Maximum Likelihood method, which consisted in replacing the traditional covariance matrix by the robust covariance matrices computed through the following estimators: Minimum Volume Ellipsoid, Minimum Covariance Determinant, S, MM and Orthogonalized Gnanadesikan-Kettenring (OGK). Through simulation studies on disturbances of both symmetry deviations and excess kurtosis in both low and high fractions of contamination in different sample sizes and quantities of affected observed variables it has become clear that the proposals of modification of both the GFI and the AGFI adapted by the OGK estimator were the only ones able to be informative in all these situations. It must be considered that GFI or AGFI must be used when the number of parameters to be estimated is either low or high, respectively.

O Modelo de Equações Estruturais (MEE) é habitualmente ajustado para realizar uma análise confirmatória sobre as conjecturas de um pesquisador acerca do relacionamento entre as variáveis observadas e latentes de algum estudo. Na prática, a maneira mais recorrente de avaliar a qualidade das estimativas de um MEE é a partir de medidas que buscam mensurar o quanto a usual matriz de covariâncias clássicas ou ordinárias se distancia da matriz de covariâncias do modelo ajustado, ou a magnitude do afastamento entre as funções de discrepância do modelo hipotético e do modelo saturado. Entretanto, elas podem não captar problemas no ajuste quando há muitos parâmetros a estimar ou bastantes observações. A fim de detectar irregularidades no ajustamento resultantes do impacto provocado pela presença de outliers no conjunto de dados, este trabalho contemplou alguns indicadores conhecidos na literatura, como também considerou alterações no Índice da Qualidade do Ajuste (ou GFI, de Goodness-of-Fit Index) e no Índice Corrigido da Qualidade do Ajuste (ou AGFI, de Ajusted Goodness-of-Fit Index), ambos nas expressões para estimação de parâmetros pelo método de Máxima Verossimilhança, que consistiram em substituir a tradicional matriz de covariâncias pelas matrizes de covariâncias computadas com os seguintes estimadores: Elipsoide de Volume Mínimo, Covariância de Determinante Mínimo, S, MM e Gnanadesikan-Kettenring Ortogonalizado (GKO). Através de estudos de simulação sobre perturbações de desvio de simetria e excesso de curtose, em baixa e alta frações de contaminação, em diferentes tamanhos de amostra e quantidades de variáveis observadas afetadas, foi possível constatar que as propostas de modificação do GFI e do AGFI adaptadas pelo estimador GKO foram as únicas que conseguiram ser informativas em todas essas situações, devendo-se escolher a primeira ou a segunda respectivamente quando a quantidade de parâmetros a serem estimados é baixa ou elevada. / The Structural Equation Model (SEM) is usually set to perform a confirmatory analysis on the assumptions of a researcher about the relationship between the observed variables and the latent variables of such a study. In practice, the most iterant way of evaluating the quality of the estimates of a SEM comes either from procedures of measuring how distant the usual classic or ordinary covariance matrix is from the covariance matrix of the adjusted model, or from the magnitude of the hiatus in discrepancy functions of both the hypothetical model and the saturated model. Nevertheless, they may fail to capture problems in the adjustment in the occurrence of either several parameters to estimate or several observations. This study included indicators known in the literature in order to detect irregularities in the adjustment resulting from the impact caused by the presence of outliers in the data set. This study has also considered changes in both the Goodness-of-Fit Index (GFI) and the Adjusted Goodness-of-Fit Index (AGFI) in the expressions for parameter estimation by Maximum Likelihood method, which consisted in replacing the traditional covariance matrix by the robust covariance matrices computed through the following estimators: Minimum Volume Ellipsoid, Minimum Covariance Determinant, S, MM and Orthogonalized Gnanadesikan-Kettenring (OGK). Through simulation studies on disturbances of both symmetry deviations and excess kurtosis in both low and high fractions of contamination in different sample sizes and quantities of affected observed variables it has become clear that the proposals of modification of both the GFI and the AGFI adapted by the OGK estimator were the only ones able to be informative in all these situations. It must be considered that GFI or AGFI must be used when the number of parameters to be estimated is either low or high, respectively.