Dados de s´eries temporais s~ao originados a partir de estudos em que se reportam, por exemplo, taxas de mortalidade, n´umero de hospitaliza¸c~oes, de infec¸c~oes por alguma doen¸ca ou outro evento de interesse, em per´?odos definidos (dia, semana, m^es ou ano), objetivando-se observar tend^encias, sazonalidades ou fatores associados. Dados de contagem s~ao aqueles representados pelas vari´aveis quantitativas discretas, ou seja, observa¸c~oes que assumem valores inteiros, no intervalo {0, 1, 2, 3, ...}, por exemplo, o n´umero de filhos de casais residentes em um bairro. Diante dessa particularidade, ferramentas estat´?sticas adequadas devem ser utilizadas, e modelos baseados na distribui¸c~ao de Poisson apresentam-se como op¸c~oes mais indicadas do que os baseados nos m´etodos propostos por Box e Jenkins (2008), usualmente utilizados para an´alise de dados cont´?nuos, mas empregados para dados discretos, ap´os transforma¸c~oes logar´?tmicas. Uma limita¸c~ao da distribui¸c~ao de Poisson ´e que ela assume m´edia e vari^ancia iguais, sendo um obst´aculo nos casos em que h´a superdispers~ao (vari^ancia maior que a m´edia) ou subdispers~ao (vari^ancia menor que a m´edia). Diante disso, a distribui¸c~ao Poisson Dupla, proposta por Efron (1986), surge como alternativa, pois permite se estimarem os par^ametros de m´edia e vari^ancia, nos casos em que a vari^ancia dos dados ´e menor, igual ou maior que a m´edia, fornecendo grande flexibilidade aos modelos. Este trabalho teve como objetivo principal o desenvolvimento de modelos Bayesianos de s´eries temporais para dados de contagem, utilizando-se distribui¸c~oes de probabilidade para vari´aveis discretas, tais como de Poisson e Poisson Dupla. Al´em disso, foi introduzido um modelo baseado na distribui¸c~ao Poisson Dupla para dados de contagem com excesso de zeros. Os resultados obtidos pelo ajuste dos modelos de s´eries temporais baseados na distribui¸c~ao Poisson Dupla foram comparados com aqueles obtidos por meio do uso da distribui¸c~ao de Poisson. Como aplica¸c~oes principais, foram apresentados resultados obtidos pelo ajuste de modelos para dados de registros de acidentes com picadas de cobras, no Estado de S~ao Paulo, e picadas de escorpi~oes, na cidade de Ribeir~ao Preto, SP, entre os anos de 2007 e 2014. Com rela¸c~ao a esta ´ultima aplica¸c~ao, foram consideradas covari´aveis referentes a dados clim´aticos, como temperaturas m´aximas e m´?nimas m´edias mensais e precipita¸c~ao. Nas situa¸c~oes em que a vari^ancia era diferente da m´edia, modelos baseados na distribui¸c~ao Poisson Dupla mostraram melhor ajuste aos dados, quando comparados aos modelos de Poisson. / Time series data are derived from studies in which there are reported mortality, number of hospitalizations infections by disease or other event of interest per day, week, month or year, in order to observe trends, seasonality or associated factors. Count data are represented by discrete quantitative variables, i.e. observations that take integer values in the range {0, 1, 2, 3, ...}. In view of this particular characteristic, such data must be analyzed by adequate statistical tools and the Poisson distribution is an option for modeling, being more suitable than models based on methods proposed by Box and Jenkins (2008), usually applied for continuous data, but used in the modeling of discrete data after logarithmic transformation. A limitation of the Poisson distribution is that it assumes equal mean and variance being an obstacle in cases which there are data overdispersion (variance higher than mean) or underdispersion (variance lower than mean). Therefore the Double Poisson distribution, proposed by Efron (1986), is an alternative because it allows to estimate the mean and variance parameters in cases wich variance of the data is lower, equal, or higher than mean providing great flexibility to the models. This work aims to develop time series models for count data, under Bayesian approach using probability distributions for discrete variables such as Poisson and Double Poisson. Furthermore it will be introduced a zero-inflated Double Poisson model to excess zeros counting data. The results obtained by adjusting the time series models based on Double Poisson distribution are compared with those obtained by considering the Poisson distribution. As main applications modeling of snake bites reports in the State of S~ao Paulo and scorpion stings in the city of Ribeir~ao Preto considering covariates as maximum and minimum average monthly temperatures and rainfall among the years 2007 and 2014 will be presented. Regression models based on double Poisson distribution showed a better fit to the data, when compared to Poisson models.

Dados de s´eries temporais s~ao originados a partir de estudos em que se reportam, por exemplo, taxas de mortalidade, n´umero de hospitaliza¸c~oes, de infec¸c~oes por alguma doen¸ca ou outro evento de interesse, em per´?odos definidos (dia, semana, m^es ou ano), objetivando-se observar tend^encias, sazonalidades ou fatores associados. Dados de contagem s~ao aqueles representados pelas vari´aveis quantitativas discretas, ou seja, observa¸c~oes que assumem valores inteiros, no intervalo {0, 1, 2, 3, ...}, por exemplo, o n´umero de filhos de casais residentes em um bairro. Diante dessa particularidade, ferramentas estat´?sticas adequadas devem ser utilizadas, e modelos baseados na distribui¸c~ao de Poisson apresentam-se como op¸c~oes mais indicadas do que os baseados nos m´etodos propostos por Box e Jenkins (2008), usualmente utilizados para an´alise de dados cont´?nuos, mas empregados para dados discretos, ap´os transforma¸c~oes logar´?tmicas. Uma limita¸c~ao da distribui¸c~ao de Poisson ´e que ela assume m´edia e vari^ancia iguais, sendo um obst´aculo nos casos em que h´a superdispers~ao (vari^ancia maior que a m´edia) ou subdispers~ao (vari^ancia menor que a m´edia). Diante disso, a distribui¸c~ao Poisson Dupla, proposta por Efron (1986), surge como alternativa, pois permite se estimarem os par^ametros de m´edia e vari^ancia, nos casos em que a vari^ancia dos dados ´e menor, igual ou maior que a m´edia, fornecendo grande flexibilidade aos modelos. Este trabalho teve como objetivo principal o desenvolvimento de modelos Bayesianos de s´eries temporais para dados de contagem, utilizando-se distribui¸c~oes de probabilidade para vari´aveis discretas, tais como de Poisson e Poisson Dupla. Al´em disso, foi introduzido um modelo baseado na distribui¸c~ao Poisson Dupla para dados de contagem com excesso de zeros. Os resultados obtidos pelo ajuste dos modelos de s´eries temporais baseados na distribui¸c~ao Poisson Dupla foram comparados com aqueles obtidos por meio do uso da distribui¸c~ao de Poisson. Como aplica¸c~oes principais, foram apresentados resultados obtidos pelo ajuste de modelos para dados de registros de acidentes com picadas de cobras, no Estado de S~ao Paulo, e picadas de escorpi~oes, na cidade de Ribeir~ao Preto, SP, entre os anos de 2007 e 2014. Com rela¸c~ao a esta ´ultima aplica¸c~ao, foram consideradas covari´aveis referentes a dados clim´aticos, como temperaturas m´aximas e m´?nimas m´edias mensais e precipita¸c~ao. Nas situa¸c~oes em que a vari^ancia era diferente da m´edia, modelos baseados na distribui¸c~ao Poisson Dupla mostraram melhor ajuste aos dados, quando comparados aos modelos de Poisson. / Time series data are derived from studies in which there are reported mortality, number of hospitalizations infections by disease or other event of interest per day, week, month or year, in order to observe trends, seasonality or associated factors. Count data are represented by discrete quantitative variables, i.e. observations that take integer values in the range {0, 1, 2, 3, ...}. In view of this particular characteristic, such data must be analyzed by adequate statistical tools and the Poisson distribution is an option for modeling, being more suitable than models based on methods proposed by Box and Jenkins (2008), usually applied for continuous data, but used in the modeling of discrete data after logarithmic transformation. A limitation of the Poisson distribution is that it assumes equal mean and variance being an obstacle in cases which there are data overdispersion (variance higher than mean) or underdispersion (variance lower than mean). Therefore the Double Poisson distribution, proposed by Efron (1986), is an alternative because it allows to estimate the mean and variance parameters in cases wich variance of the data is lower, equal, or higher than mean providing great flexibility to the models. This work aims to develop time series models for count data, under Bayesian approach using probability distributions for discrete variables such as Poisson and Double Poisson. Furthermore it will be introduced a zero-inflated Double Poisson model to excess zeros counting data. The results obtained by adjusting the time series models based on Double Poisson distribution are compared with those obtained by considering the Poisson distribution. As main applications modeling of snake bites reports in the State of S~ao Paulo and scorpion stings in the city of Ribeir~ao Preto considering covariates as maximum and minimum average monthly temperatures and rainfall among the years 2007 and 2014 will be presented. Regression models based on double Poisson distribution showed a better fit to the data, when compared to Poisson models.

Made available in DSpace on 2014-06-12T15:59:33Z (GMT). No. of bitstreams: 2 arquivo5175_1.pdf: 1994160 bytes, checksum: 29002a3ad03ec142019fe6f3747721fb (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2004 / O desenvolvimento de aplica¸c oes baseado em frameworks tem sido apontado como o pr´oximo passo em dire¸c ao a um maior reuso de software. O reuso atrav´es da composi¸c ao de dois frameworks, e n ao apenas atrav´es de extens oes de classes de um ´unico framework, tornou-se uma necessidade gerada pelo aumento da complexidade de desenvolvimento de sistemas computacionais. Neste sentido, tornam-se necess´arias novas t´ecnicas de documenta¸c ao ou especifica¸c ao de frameworks que eliminem imprecis oes e ambig¨uidades nas descri¸c oes dos seus comportamentos. Este trabalho apresenta uma estrat´egia de composi¸c ao de frameworks que utiliza linguagens de especifica¸c ao formal para descrever seus comportamentos e estruturas de dados. As linguagens utilizadas s ao CSP, Z e CSP-Z. Por tratar da composi¸c ao no n´ıvel das especifica¸c oes formais, a estrat´egia consegue abstrair detalhes de implementa¸c ao e eliminar restri¸c oes ligadas a estes detalhes. Al´em disso, a abordagem formal permite a verifica¸c ao, atrav´es do verificador de modelos de CSP, FDR, da manuten¸c ao das propriedades dos frameworks originais. O objetivo principal da estrat´egia ´e a composi¸c ao de fluxos de controle, que ´e um dos problemas mais comuns da composi¸c ao de frameworks. N´os apresentamos as causas e poss´ıveis solu¸c oes deste e dos demais problemas da composi¸c ao de frameworks. Por fim, mostramos que a estrat´egia aborda todos os problemas listados em menor ou maior grau. A estrat´egia pretende realizar a comunica¸c ao entre os frameworks atrav´es de um casamento entre os eventos e tipos de dados correspondentes dos dois frameworks. A composi¸c ao ´e realizada atrav´es de um terceiro componente, o componente de sincroniza¸c ao e comunica¸c ao (CSC). A ado¸c ao deste componente possibilita maior flexibilidade `a composi¸c ao e, entre outros benef´ıcios, permite que os frameworks se comuniquem de forma an onima e elimina efeitos colaterais nos seus comportamentos. A estrat´egia tem todos os seus pontos especificados num n´ıvel de detalhe que facilitar´a uma futura mecaniza¸c ao. Neste sentido, s ao apresentados modelos para a especifica¸c ao do CSC e uma abordagem construtiva para a sua gera¸c ao

Made available in DSpace on 2014-06-12T16:00:15Z (GMT). No. of bitstreams: 2 arquivo6285_1.pdf: 1527923 bytes, checksum: 78d4cb768e2160db1bd4ea015fdefa03 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2007 / Sistema Embarcado ¶e um sistema computacional projetado para uma fun»c~ao dedicada. Geralmente, este sistema executa uma tarefa espec¶³¯ca dentre um conjunto maior de tarefas, e possui particularidades tanto de hardware quanto de software. Os Sistemas Embarcados est~ao presentes no cotidiano sob diferentes formas e com diferentes objetivos. Geralmente possuem uma s¶erie de restri»c~oes, tais como: dimens~oes das mem¶orias, fonte de energia, baixa velocidade de processamento, dentre outras. Este trabalho apresenta o desenvolvimento de um modelo em Redes de Petri de desem- penho e energias para c¶odigos ANSI-C, considerando um processador de uma plataforma embarcada espec¶³¯ca, com o objetivo de estimar o consumo de energia. A linguagem ANSI-C, como c¶odigo de Sistemas Embarcados, foi escolhida por ser uma das mais utilizadas no desenvolvimento destes sistemas. Redes de Petri Temporizadas permitem a modelagem e especi¯ca»c~ao de sistemas paralelos e distribu¶³dos e, ao mesmo tempo, prov^eem o formalismo matem¶atico necess¶ario para uma avalia»c~ao de desempenho. Neste trabalho, o modelo Redes de Petri Temporizada ¶e anotado com informa»c~ao de consumo de energia, o que originou a Power Petri Net. Este trabalho contribui tamb¶em com a implementa»c~ao de um simulador estoc¶astico para avalia»c~ao de desempenho e de um ambiente computacional no qual s~ao realizadas as estimativas. Esse ambiente ¶e formado pelo tradutor de c¶odigo ANSI-C para Redes de Petri no formato PNML [1], padr~ao XML para descri»c~ao de Redes de Petri, simulador estoc¶astico e extens~ao do ambiente EzPetri [2]. Como o modelo apresentado, b¶asico, pode ser estendido em outros trabalhos ¶e caracterizada a forma»c~ao de um framework. Para valida»c~ao do m¶etodo proposto, foi utilizado um c¶odigo de avalia»c~ao, benchmark, PowerStone [3] desenvolvido para explorar o sistema sob diferentes aspectos de consumo de energia