[EN] The research is a process that, by means of the application of the scientific method, procuration obtain information relieving to understand, verify, correct or apply the knowledge. Besides, the research do not belong to an only science, but that can apply in a big numeral of scientific fields. In occasions the union of efforts between branches of the science is necessary to resolve some questions, how is the case of this thesis. The collaboration between the medicine and the statistical generates a synergistic effect that allow the obtaining of trustworthy results. With reason of a continuous extension of knowledges in medicine, for can elevate the life average age and the quality of the same, the doctors researchers pose the following hypothesis: the blood cultures of a person, contain a higger quantity of bacteria in a short period of previous time to a feverish beak. How it seems evident, to corroborate this hypothesis would owe compare a series of samples of blood cultures preys in the period pre-febrile and other preys immediately after the feverish beak. The problem that have the doctors researchers is that they do not know when take the samples of blood cultures of the period pre-febrile, since have tools to determine when a person had fever with a sufficient time, and sinus that have the tool to determine when happen a feverish beak in real time (thermometer). In this thesis resolves the problem of when take the sample of blood cultures in the period pre-febrile, by means of mathematical models that feature of measures temperature of the own patient, and a series of variables that are measures of complexity calculated from the same measures of temperature of the patient. The obtaining of the data was done of way non invasive in patients of plant of the hospital of Móstoles, using a system of measure of temperature and storage of data called Thercom c . Once with the available data did a selection of technical of multivariate analysis that could be useful as the type of variables with which works. They calculate different models that can anticipate to a feverish beak, that later validate with new samples of patients. Finally they compare the models on the base of his effectiveness in the prediction of states pre-febrile. The resultant models, are the tool that needed the doctors researchers to take the samples of the period pre-febrile and can continue with his research. / [ES] La investigación es un proceso que, mediante la aplicación del método científico, procura obtener información relevante para entender, verificar, corregir o aplicar el conocimiento. Además, la investigación no pertenece a una sola ciencia, sino que puede aplicarse en un gran número de campos científicos . En ocasiones la unión de esfuerzos entre ramas de la ciencia es necesaria para resolver algunas incógnitas, como es el caso de esta tesis. La colaboración entre la medicina y la estadística genera un efecto sinérgico que permite la obtención de resultados fidedignos. Con motivo de una continua ampliación de conocimientos en medicina, para poder elevar la edad media de vida y la calidad de la misma, los médicos investigadores se plantean la siguiente hipótesis: los hemocultivos de una persona, contienen una mayor cantidad de bacterias en un corto periodo de tiempo anterior a un pico febril. Como parece evidente, para corroborar esta hipótesis se deberían de comparar una serie de muestras de hemocultivos tomadas en el periodo prefebril y otras tomadas inmediatamente tras el pico febril. El problema que tienen los médicos investigadores es que no saben cuando tomar las muestras de hemocultivos del periodo prefebril, ya que no tienen herramientas para determinar cuando una persona va tener fiebre con una antelación suficiente, y si que tienen la herramienta para determinar cuando sucede un pico febril en tiempo real (termómetro). En esta tesis se resuelve el problema de cuando tomar la muestra de hemocultivos en el periodo prefebril, mediante modelos matemáticos que constan de medidas temperatura del propio paciente, y una serie de variables que son medidas de complejidad calculadas a partir de las mismas medidas de temperatura del paciente. La obtención de los datos fue hecha de manera no invasiva en pacientes de planta del hospital de Móstoles, utilizando un sistema de medida de temperatura y almacenamiento de datos llamado Thercom c . Una vez con los datos disponibles se hizo una selección de técnicas de análisis multivariantes que pudieran ser útiles según el tipo de variables con las que se trabaja. Se calculan distintos modelos que puedan anticiparse a un pico febril, que posteriormente se validan con nuevas muestras de pacientes. Finalmente se comparan los modelos en base a su efectividad en la predicción de estados prefebriles. Los modelos resultantes, son la herramienta que necesitaban los médicos investigadores para tomar las muestras del periodo prefebril y poder continuar con su investigación. / [CA] La recerca és un procés que, mitjançant l'aplicació del mètode científic, procura obtenir informació rellevant per a entendre, verificar, corregir o aplicar el coneixement. A més, la recerca no pertany a una sola ciència, sinó que pot aplicar-se en un gran nombre de camps científics. En ocasions la unió d'esforços entre branques de la ciència és necessària per a resoldre algunes incògnites, com és el cas d'aquesta tesi. La col laboració entre la medicina i l'estadística genera un efecte sinèrgic que permet l'obtenció de resultats fidedignes. Amb motiu d'una contínua ampliació de coneixements en medicina, per a poder elevar l'edat mitjana de vida i la qualitat de la mateixa, els metges investigadors es plantegen la següent hipòtesi: els hemocultius d'una persona, contenen una major quantitat de bacteris en un curt període de temps anterior a un bec febril. Com sembla evident, per a corroborar aquesta hipòtesi es deurien comparar una sèrie de mostres d'hemocultius preses en el període prefebril i altres preses immediatament després del bec febril. El problema que tenen els metges investigadors és que no saben quan prendre les mostres d'hemocultius del període prefebril, ja que no tenen eines per a determinar quan una persona va tenir febre amb una antelació suficient, i si que tenen l'eina per a determinar quan succeeix un bec febril en temps real (termòmetre). En aquesta tesi es resol el problema de quan prendre la mostra d'hemocultius en el període prefebril, mitjançant models matemàtics que consten de mesures temperatura del propi pacient, i una sèrie de variables que són mesures de complexitat calculades a partir de les mateixes mesures de temperatura del pacient. L'obtenció de les dades va ser feta de manera no invasiva en pacients de planta de l'hospital de Móstoles, utilitzant un sistema de mesura de temperatura i emmagatzematge de dades anomenat Thercom c . Una vegada amb les dades disponibles es va fer una selecció de tècniques d'anàlisis multivariants que pogueren ser útils segons el tipus de variables amb les quals es treballa. Es calculen diferents models que puguen anticipar-se a un bec febril, que posteriorment es validen amb noves mostres de pacients. Finalment es comparen els models sobre la base de la seua efectivitat en la predicció d'estats prefebrils. Els models resultants, són l'eina que necessitaven els metges investigadors per a prendre les mostres del període prefebril i poder continuar amb la seua recerca. / Jordán Núñez, J. (2015). Estudio de la evolución de estados prefebriles, para su modelización mediante técnicas de análisis multivariantes [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/51222

Titre de l'écran-titre (visionné le 28 novembre 2023) / La chalcopyrite est un sulfure de cuivre et de fer trouvé dans une grande variété de gîtes minéraux. Sa composition en éléments traces est très variable. Parmi les facteurs les plus importants qui contrôlent sa concentration en éléments traces se trouvent la structure cristalline, les cœfficients de partage (chalcopyrite-liquide, chalcopyrite-minéraux qui co-cristallisent) et la composition du magma/fluide hydrothermal, lesquels reflètent les conditions physico-chimiques de l'environnement géologique de formation. Ces caractéristiques, ainsi que ses propriétés physiques, favorisent la chalcopyrite comme un potentiel minéral indicateur pour l'exploration. Avec l'objectif de déterminer les critères géochimiques permettant son utilisation comme un minéral indicateur, des échantillons appartenant à 8 types de dépôts à l'échelle mondiale, dont 2 magmatiques (sulfures à Ni-Cu et EGP lités) et 6 hydrothermaux (porphyres, sulfures massifs volcanogènes (SMV), iron-oxide-copper-gold (IOCG), skarn, or épithermal et or orogénique), ont été analysés par microsonde électronique (EPMA) et par ablation laser et spectrométrie de masse à plasma à couplage inductif (LA-ICP-MS). La composition en éléments traces de la chalcopyrite a été examinée à l'aide de méthodes statistiques pour caractériser sa variation dans les différents types de dépôts, lesquelles combinées avec l'apprentissage automatique, a permis le développement de modèles de discrimination. Cette étude montre que la différence la plus importante dans la composition de la chalcopyrite demeure entre les systèmes magmatiques et hydrothermaux. Le Ni détermine cette différence, enrichi dans la chalcopyrite magmatique par rapport à celle hydrothermale. Dans les systèmes magmatiques (chapitre 1), les processus ayant lieu pendant la cristallisation qui exercent une influence sur certains éléments ont été identifiés. La chalcopyrite des dépôts d'EGP lités est enrichie en Se et appauvrie en Te-Sn-Bi-In, comme une conséquence des rapports élevés magma/liquide sulfuré (facteur-R) pendant la cristallisation. La cristallisation fractionnée du liquide sulfuré dans les dépôts de sulfures à Ni-Cu impacte également sur la composition en éléments traces dans la chalcopyrite. Ainsi, la chalcopyrite formée à partir d'une solution solide intermédiaire (iss), cristallisant en dernier à partir d'un liquide résiduel riche en Cu, est enrichie en éléments incompatibles (Ag-Bi-Cd-Pb-Se-Sn-Tl), par rapport à celle formée d'une solution solide de monosulfure (mss) riche en Fe. Cela constitue la base des modèles de classification supervisée par l'analyse discriminante par les moindres carrés partiels (PLS-DA) développés dans cette étude, lesquels permettent de discriminer entre les deux types de dépôts magmatiques (sulfure à Ni-Cu vs. EGP lités) et le type de minerais. Dans les dépôts de SMV (chapitre 2), la concentration des éléments traces dans la chalcopyrite dépend de la composition (conditionnée par la roche encaissante), la température et de la nature du fluide hydrothermal. La PLS-DA indique que la composition en éléments traces de la chalcopyrite varie en fonction du sous-type lithostratigraphique. Ainsi, la chalcopyrite des SMV du sous-type ultramafique est enrichie en Ni-Co-Te, tandis que celle des SMV dans les environnements siliciclastique-felsique a des teneurs élevées en Sb-Bi-In. Dans les SMV en contexte mafique et siliciclastique-mafique, le Pb et Mn sont, respectivement, enrichis dans la chalcopyrite, tandis que dans celle des dépôts bimodal-felsique et mafique montrent une composition similaire. Des modèles de prédiction Random Forest (RF) ont été développés, un algorithme plus adapté et performant que la PLS-DA en raison du nombre élevé de classes (types de gîtes), afin de classifier la chalcopyrite parmi les 6 contextes lithostratigraphiques des SMV. Quatre algorithmes d'apprentissage automatique (Artificial Neural Network (ANN), RF, K-Nearest Neigbor (KNN) et Naïve Bayes (NB)) et une méthode statistique de classification supervisée (PLS-DA) sont comparés afin de classifier la chalcopyrite parmi les 8 types de dépôts (chapitre 3), dont le RF donne une performance plus élevée. Trois modèles RF ont été développés: le premier, permettant la classification entre chalcopyrite hydrothermale et magmatique; le deuxième, pour déterminer sa provenance selon le type de dépôt magmatique (sulfures à Ni-Cu vs. EGP lités); et le troisième, lequel discrimine la chalcopyrite parmi les 6 types de dépôts hydrothermaux. Ces modèles ont été testés sur des données compilées de la littérature et sur des grains analysés de chalcopyrite récupérés de sédiments de tills et eskers de la Province de Churchill (Québec, Canada), et démontre l'utilisation de la chimique de la chalcopyrite pour déterminer sa provenance aux fins d'exploration minérale. Une importante variation des éléments traces dans la chalcopyrite est présente dans chaque type de dépôt; néanmoins, sa composition a une signature particulière selon le contexte de formation. Cela met en évidence le fort potentiel de discrimination de la source de minéralisation, démontré par les modèles de discrimination. Cette étude démontre que la chalcopyrite peut être utilisée comme un minéral indicateur et offre l'opportunité d'appliquer ces méthodes dans les sédiments en exploration minérale. / Chalcopyrite is a Cu-Fe sulfide found in a wide diversity of mineral deposits. Its trace element composition is highly variable. The crystal structure, the partition coefficient (chalcopyrite-liquid, chalcopyrite-co-crystallizing minerals), and the composition of magma/fluid are major factors controlling the trace element content in chalcopyrite, which reflects the physicochemical conditions of geological environment of formation. These characteristics, as well as its physical properties, make chalcopyrite a potential indicator mineral for exploration. In order to determine geochemical criteria enabling the use of chalcopyrite as an indicator mineral, samples from 8 deposit types worldwide, including 2 magmatic (Ni-Cu sulfide and Reef-type PGE) and 6 hydrothermal (porphyry, volcanogenic massif sulfides (VMS), iron oxide-copper-gold (IOCG), skarn, epithermal gold and orogenic gold), were analysed by electron probe micro-analysis (EPMA) and LA-ICP-MS (laser ablation-inductively coupled plasma-mass spectrometry). The data were investigated with univariate, bivariate and multivariate statistical methods to characterise its variation in the different deposit types, which combined with the machine learning, enabled the development of discrimination models in order to determine the provenance of chalcopyrite. This study shows that the most important difference in trace element composition of chalcopyrite is observed between magmatic and hydrothermal systems. According to our results, Ni determines this difference, with values significatively higher in chalcopyrite formed in Ni-Cu sulfide and Reef-type PGE deposits than in hydrothermal deposits. In magmatic systems (chapter 1), the statistical analysis allowed the recognition of the processes occurring during crystallisation that affect the concentration of certain elements. In Reef-type PGE deposits, the high values of magma/sulfide liquid ratio (R-factor) during crystallisation led to Se enrichment (a strongly chalcophile element), whereas Te, Sn, Bi and In are depleted in chalcopyrite, compared to those formed in Ni-Cu sulfide deposits. Furthermore, the variation in trace elements in chalcopyrite is influenced by fractional crystallisation of sulfide liquid in Ni-Cu sulfide deposits. Thus, chalcopyrite from intermediate solid solution (iss), which crystallised from a Cu-rich residual liquid, is enriched in incompatible elements (Ag, Bi, Cd, Pb, Se, Sn and Tl) compared to chalcopyrite from an early-forming Fe-rich monosulfide solid solution (mss). These geochemical characteristics constitute the basis of the classification models with partial least squares-discriminant analysis (PLS-DA) to determine the deposit type (Ni-Cu sulfide vs. Reef-type PGE deposits) and ore type (Cu-rich vs. Fe-rich). In hydrothermal systems, the concentration of trace elements in chalcopyrite depends on hydrothermal fluid composition, which is a function of host rock composition, temperature, and nature of the fluid source. The PLS-DA results show that, in VMS deposits (chapter 2), trace elements in chalcopyrite vary in function of VMS setting, which is determined by the host rock composition. Chalcopyrite from ultramafic-hosted VMS is rich in Ni, Co and Te, whereas chalcopyrite from siliciclastic-felsic setting VMS has high values of Sb, Bi and In. Chalcopyrite from mafic and siliciclastic-mafic settings VMS is respectively high in Pb and Mn, whereas chalcopyrite from bimodal-mafic setting has similar trace element composition to those from bimodal-felsic subtype. Random Forest classifiers were developed and were shown to be more adapted and performance than PLS-DA because of high number of classes (deposit types), in order to classify chalcopyrite according to the 6 VMS lithostratigraphic settings. When 4 machine learning algorithms (Artificial Neural Network (ANN), Random Forest (RF), K-Nearest Neigbor (KNN) et Naïve Bayes (NB)) and a supervised classification multivariate method (PLS-DA) are compared to classify chalcopyrite according to 8 different deposit types (chapter 3), the RF model reported the highest performance. Three RF prediction models were developed. The first discriminates between magmatic and hydrothermal deposits; the second, discriminates between magmatic deposits (Ni-Cu sulfide and Reef-type PGE) and the third, discriminates between the 6 different hydrothermal deposits. These models were tested on literature data and chalcopyrite data from grains recovered from tills and eskers in Churchill Province (Québec, Canada), and demonstrate that chalcopyrite chemistry can be used to determine its provenance for mineral exploration. Although the trace element composition of chalcopyrite shows important variability within a deposit type, the results reveal that the chalcopyrite records a characteristic signature in its chemical composition according to the ore forming environment and highlights a strong potential to discriminate the source of mineralisation, as demonstrated by the RF models. This study demonstrates that chalcopyrite could be used as an indicator mineral and provides an opportunity to apply these methods in overburden sediments for mineral exploration.

Le démarrage de l'expérience ATLAS au LHC sur le site du CERN a eu lieu durant l'automne 2009. Pendant la construction et l'intégration du détecteur, des tests en faisceaux combinés contenant plusieurs sous-détecteurs ont eu lieu. Dans la région avant du détecteur (eta > 2.5), des tests en faisceaux combinés mettant en oeuvre les calorimètres hadronique et électromagnétique ont eu lieu. Des données de faisceaux de pions et d'électrons ont été analysées pour estimer l'efficacité d'identification des électrons et le facteur de rejet des pions. L'identification des électrons dans la région avant du détecteur peut être utilisée pour étudier les désintégrations des bosons W et Z et aussi développer des outils qui permettront de comprendre les différents bruits de fond mis en jeu. Une méthode pour estimer le facteur de rejet des pions ainsi que l'efficacité d'identification des électrons est présentée en utilisant une analyse discriminante basée sur les méthodes du discriminant de Fisher et sur les Boosted Decision Trees. Il est ainsi montré qu'il est possible d'obtenir une efficacité de détection des électrons de 50% pour un facteur de rejet de plus de 200. De plus les outils développés durant les tests en faisceaux ont permis également d'appliquer ces méthodes aux premières données du LHC avec des collisions à 7 TeV. Puisque la luminosité actuelle du LHC ne permet pas encore d'étudier avec précision les taux de production des bosons W et Z sur les données, une étude à partir du générateur Pythia a été menée sur la physique des électrons dans la partie avant.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

A atividade bovina do Brasil é uma das maiores do mundo, devido principalmente, ao uso predominante de pastagens tropicais na dieta do gado, porém, o alto custo dos insumos, com destaque para a adubação nitrogenada, dificulta a obtenção de altas produções de forragens. Por esta razão, a utilização de novas tecnologias que permitam melhorar o manejo e aumentar o rendimento de culturas como o capim \'Mombaça\', por meio do uso racional dos fatores de produção, é de alta relevância. O objetivo deste estudo foi avaliar o uso de dados hiperespectrais para a discriminação de diferentes tratamentos de adubação nitrogenada, e comparar diferentes métodos para obter valores de concentração de clorofila a partir de assinaturas espectrais de capim \'Mombaça\'. Foram estabelecidos quatro tratamentos de com doses diferentes de adubação nitrogenada. Foi medida a reflectância espectral de folhas coletadas em cada tratamento por meio de um sensor hiperespectral em laboratório além de medições de clorofila das folhas. Foi encontrado que as assinaturas espectrais de cada tratamento tiveram comportamentos diferentes, principalmente nas regiões do verde e do red-edge, sendo que tais diferenças dependeram da quantidade de adubo nitrogenado aplicado e do teor de clorofila foliar. A separação dos tratamentos foi possível mediante o uso de análise linear discriminante, baseando-se nos dados de reflectância espectral obtidos em cada tratamento. A obtenção de valores de concentração de clorofila da folha por meio de reflectância espectral foi possível por meio de técnicas de machine learning, destacando-se o support vector machine, como a melhor alternativa. As regiões do red-edge e do verde foram as mais influentes para realizar o cálculo dos valores de concentração de clorofila na folha. / Brazil\'s cattle production is one of the largest in the world, due mainly, to the predominant use of tropical pastures in the cattle diet. However, the high cost of inputs, especially nitrogen fertilizer, makes it difficult to obtain high forage production, for this reason, the use of new technologies to improve the management and to boost the yield of crops such as Mombaça grass, through the rational use of resources, is of high relevance. The aim of this study was to evaluate the use of hyperspectral data to discriminate different treatments of nitrogen fertilization, and to compare different methods to obtain chlorophyll values of chlorophyll concentration based on spectral signatures of \'Mombaça\' grass. Four treatments were established with different doses of nitrogen fertilization. The spectral reflectance of leaves collected in each treatment was measured with a hyperspectral sensor, and leaf chlorophyll measurements were performed, both, on laboratory conditions. It was found that the spectral signatures of each treatments had different behaviors, mainly in the green and red-edge regions, and such differences depended on the amount of nitrogen fertilizer applied and the chlorophyll content of the leaf. The separation of the treatments was possible through the use of linear discriminant analysis, based on the spectral reflectance data obtained in each treatment. Retrieve chlorophyll concentration values from the leaf spectral reflectance was possible by the use of machine learning techniques, highlighting the support vector machine as the best alternative. The red-edge and green regions were the most influential in calculating the values of leaf chlorophyll concentration.

Orientador: Carlos Roberto Padovani / Banca: Adriano Wagner Ballarin / Banca: Flávio Fekkari Aragon / Banca: José Carlos Martinez / Banca: Marie Oshiiwa / Resumo: Aspectos teóricos relacionados à Análise Discriminante Multivariada - Linear e Quadrática - foram discutidos, por meio de um extenso levantamento histórico da função discriminante, com seus primórdios no trabalho de Fisher e sua posterior evolução, enfocando o intenso desenvolvimento das técnicas classificatórias discriminantes com o advento dos computadores. Foi dada ênfase aos softwares estatísticos desenvolvidos para PC, que realizam a análise discriminante, e que representam uma grande contribuição para pesquisadores e usuários desta técnica. Considerando a dificuldade existente quanto a aplicativos computacionais acessíveis a pesquisadores da área de ciências agrárias, elaborou-se um programa que realiza a análise discriminante quadrática com as respectivas freqüências de classificação correta, bem como o manual explicativo do usuário. Verificou-se que a função discriminante quadrática trata de um procedimento bastante útil nas ciências agrárias, como, por exemplo, em estudos nas áreas de solos, cultivos diversos (soja, milho, cana de açúcar, pupunha, braquiária, frutas), criação de animais e classificação e seleção de madeiras; porém, subutilizada frente à dificuldade de programas computacionais de fácil manuseio e acesso a pesquisadores das áreas aplicadas. Os procedimentos estudados e discutidos foram ilustrados com exemplos de aplicação, utilizando dados experimentais agronômicos de espécies de Girassóis e Eucalyptus, submetidos ao aplicativo desenvolvido. / Abstract: A large historical study of the discriminant function has allowed a discussion on theoretical aspects related to the Multivaried Discriminant Analysis - Linear and Quadratic, showing its past in the work of Fisher and its later evolution, emphasizing the wide development of classificatory discriminant techniques with the happening of the computers, and specific statistic softwares which practice the discriminant analysis, representing a big contribution to researches and users of this technique. Considering the difficulty in relation to accessible softwares to researches of the agrarian area, a software which performs a linear and quadratic discriminant analysis was built with its frequencies of correct classification, as well as an explicative manual to users. The quadratic discriminant was studied as being a very useful process in agrarian sciences. Some examples of this usefulness is in studies of the ground, diversified cultivation (soybean, corn, sugarcane, pejibaye, brachiaria decumbens fruits), animal creation and wood selection, and classification; however, misused in relation to the difficulties of easy handing and access to researchers of applied areas. The studied and discussed procedures were illustrated with applications, using agronomic experimental data of Sunflower and Eucalyptus, submitted to developed software. / Doutor

Estudos com o objetivo de prever insolvência de empresas e que fazem uso de técnicas estatísticas modernas são conduzidos desde a década de 1960. Esta linha de pesquisa, que inicialmente usou técnicas univariadas, e em seguida incorporou as análises multivariadas, hoje emprega largamente técnicas que fazem uso de inteligência artificial e que necessitam uma grande capacidade de processamento computacional. Esta evolução trouxe melhorias contínuas aos resultados alcançados e hoje é possível afirmar que os demonstrativos financeiros de empresas quando analisados adequadamente são uma fonte importante de informação para a previsão de insolvência. Esta pesquisa teve como principal objetivo desenvolver e comparar modelos estatísticos usando as técnicas de Análise Discriminante Linear, Regressão Logística e Redes Neurais Artificiais a fim de investigar qual delas oferece os melhores resultados. A amostra foi composta por 40 empresas, divididas em dois grupos: o primeiro com empresas formalmente insolventes segundo os critérios da legislação brasileira, e o segundo com empresas sem tais problemas. Foram usadas inicialmente 16 variáveis para predição e empregou-se um critério de seleção de variáveis baseado nos melhores subconjuntos possíveis ao invés do stepwise. Foi tomado especial cuidado com os pré-requisitos das técnicas, sobretudo da Análise Discriminante, como normalidade e ausência de multicolinearidade das variáveis independentes. Os resultados das previsões obtidas com os modelos foram coerentes com o esperado, ou seja, a Análise Discriminante teve um desempenho inferior à Regressão Logística que também foi superada pelas Redes Neurais Artificiais. / Researches in bankruptcy prediction of companies that make use of modern statistics techniques are being held since the 1960’s. This branch of study, which initially employed univariate techniques, and then assimilated the multivariate techniques today uses artificial intelligence, a techniques that needs a great computational processing capability. This evolution brought continuing improvements to the results achieved and today is possible to say that financial statements when properly analyzed are a good source of information to the prediction of financial distress. This research aimed mainly the development of prediction models using Discriminant Analysis, Logistic Regression and Artificial Neural Networks so that they could be compared in terms of predictive capabilities. The sample consisted of 40 firms divided in 2 groups (bankrupt and non bankrupt companies) according to the Brazilian bankruptcy law. The 16 initial predictors were selected to enter the model according to the best subsets procedure in order than the stepwise procedure. Special attention was taken to accomplish the pre-requisites of the techniques, above all the Discriminant Analysis, like normality and lack of multicollinearity of the independent variables. The findings of the predictions were reasonable and according to what was expected: the Discriminant Analysis was outperformed by the Logistic Regression that was also outperformed by the Artificial Neural Networks.

O modelo de Composição de Especialistas Locais (CEL) para classificação de populações constitui uma interessante ferramenta de análise discriminante. Para construção do modelo CEL utiliza-se técnicas discriminantes paramétricas e não-paramétricas, como a Análise Discriminante de Fisher, Logit e Extended DEA-DA. Tais modelos são aplicados numa massa de dados particular como um todo, e na mesma massa de dados clusterizada, visando eleger os especialistas que apresentem melhor desempenho na classificação de populações, ditos vencedores. Ponderam-se os especialistas vencedores nos clusters com o objetivo de construir a composição de especialistas locais (CEL). Realiza-se um estudo de caso onde o modelo CEL é aplicado a um conjunto de empresas classificadas como solventes e insolventes e que serve de sustentáculo para a calibração dos especialistas locais e construção da composição. O presente trabalho tem por objetivo estudar um modelo de Composição de Especialistas Locais (CEL) como instrumento para classificação de populações e compará-lo com o modelo discriminante que apresentou maior número de observações corretamente classificadas numa massa de dados particular, verificando a ocorrência ou não de melhoria no número absoluto de classificações corretas.

Made available in DSpace on 2015-03-05T19:15:17Z (GMT). No. of bitstreams: 0 Previous issue date: 28 / Nenhuma / Este estudo, em suas abrangências teórica e prática, tem por objetivo apresentar um modelo de previsão de insolvência que retrate a realidade das micro e pequenas empresas (MPEs), fundamentado na utilização das análises discriminante e fatorial. Para atingir este objetivo realizou-se uma pesquisa qualitativa com os profissionais atuantes nos escritórios de contabilidade do Rio Grande do Sul, obtendo-se informações contábeis de 104 MPEs do período de 1995 a 2007. Para análise dos dados, foi adotado o software SPSS 10, cuja aplicação da análise fatorial reduziu o número de indica dores contábeis de 25 para 5 fatores. Para a construção da função discriminante Z, a qual permite identificar a que grupo de empresas pertence cada empresa que compõe à amostra, foi utilizada a análise discriminante. A validação do modelo foi realizada por meio do método conhecido como crossvalidation, ou seja, a subdivisão da amostra original, sendo uma para a definição do modelo e outra para a sua validação. O grau de predição do m / This study, in its theoretical and practical scope, aims to present a model for prediction of insolvency that portray the reality of micro and small enterprises (MEPs), based on the use of discriminant analysis and factor. To achieve this goal there was a qualitative research with professionals in the accounting office of Rio Grande do Sul, obtaining information accounting of 104 MEPs in the period 1995 to 2007. For data analysis, SPSS software was adopted 10, whose application of factor analysis reduced the number of pain states accounting for 25 to 5 factors. For the construction of the discriminant function Z, which allows to identify which group of companies that make each company belongs to the sample, we used the discriminant analysis. The model validation was done using the method known as crossvalidation, ie the subdivision of the original sample, one for defining the model and one for its validation. The degree of prediction of the model reached 96.15% of accuracy, representing a good index for predi

Neste trabalho se estuda a aplicação de técnicas de estatística multivariada para reconhecimento de padrões em sinais de ensaios não destrutivos (END) magnéticos, baseados no Ruído Magnético de Barkhausen (RMB). O reconhecimento de padrões pode ser feito de forma não supervisionada com a técnica multivariada de Análise de Agrupamentos, conglomerados ou Clusters que definem grupos segundo critérios de similaridade. Já para reconhecimento supervisionado a Análise Discriminante procura classificar amostras novas em grupos conhecidos, a priori, usando para este propósito uma regra de classificação criada a partir desses grupos de amostras conhecidos. Foram utilizados dois casos de detecção e classificação utilizando RMB. O RMB é um fenômeno magnético gerado por abruptas mudanças na magnetização de materiais ferromagnéticos quando submetidos a campos magnéticos variáveis. Essas mudanças estão relacionadas com a microestrutura do material, presença e distribuição de tensões elásticas (tensão e compressão). No primeiro caso de estudo procura-se identificar arames quebrados em risers, através da medição de tensão mecânica. No segundo caso procura-se classificar diferentes tratamentos térmicos em Aço AISI 420. Para a análise de integridade estrutural de risers foi feita a redução da dimensionalidade dos dados via Análise de Componentes Principais e posteriormente Análise de Agrupamentos. Já para o problema de classificação de amostras de aço foi usada a técnica de Análise Discriminante Linear de Fisher e a Quadrática. Os resultados das análises mostraram que as técnicas de Estatísticas Multivariadas proporcionam ferramentas muito adequadas para aumentar a eficiência da inspeção na área de END Magnéticos em geral e RMB em particular. / The present work deals with application of multivariate statistic techniques for pattern recognition in signals from Non-Destructive Essays (NDE), based on the Magnetic Barkhausen Noise (MBN). Pattern recognition can be done in a nonsupervised way by Cluster Analysis defining similarity criteria. On the other hand, for supervised recognition, Discriminant Analysis looks for classifying new samples in known groups, a priori, by means of classification rules created for these known sample groups. Two detection and classification cases were studied by MBN. The MBN is a magnetic phenomenon generated by sudden changes in magnetization of ferromagnetic materials, when these materials are subjected to variable magnetic fields. These changes are related to material microstructure as well as to the presence of elastic stresses (tension and compression). In the first studied case, the present study searches identifying broken wires in risers through measurements of mechanical strain. In the second case, the study classifies different thermal treatments in AISI 420 steel samples. Regarding the analysis of structural integrity of risers, firstly the reduction of data dimensionality was obtained via Analysis of Main Components and, later, Cluster Analysis was performed. Concerning the classification problem of steel samples, the Fisher Linear Discriminant Analysis and the Quadratic Analysis were used. Analysis results showed that Multivariate Statistic Techniques give rise to tools very appropriated for increasing the efficiency of inspection both in the Magnetic NDE area in general, and MBN in particular.