Submitted by FREDERICO MONFARDINI null (fred.monf@gmail.com) on 2016-05-04T01:21:27Z No. of bitstreams: 1 DISSERTAÇÃO - FREDERICO.pdf: 1083790 bytes, checksum: e190391e7f59e12ce3b3f062297293e5 (MD5) / Rejected by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br), reason: Solicitamos que realize uma nova submissão seguindo as orientações abaixo: O arquivo submetido está sem a ficha catalográfica. A versão submetida por você é considerada a versão final da dissertação/tese, portanto não poderá ocorrer qualquer alteração em seu conteúdo após a aprovação. Corrija esta informação e realize uma nova submissão contendo o arquivo correto. Agradecemos a compreensão. on 2016-05-06T14:24:35Z (GMT) / Submitted by FREDERICO MONFARDINI null (fred.monf@gmail.com) on 2016-05-11T01:12:32Z No. of bitstreams: 1 DISSERTAÇÃO - FREDERICO.pdf: 979406 bytes, checksum: 75d1f03b99c1e8e3627b3ee7b3776361 (MD5) / Rejected by Felipe Augusto Arakaki (arakaki@reitoria.unesp.br), reason: Solicitamos que realize uma nova submissão seguindo as orientações abaixo: O mês informado na capa e contra-capa do documento estão diferentes da data de defesa informada na folha de aprovação. Corrija estas informações no arquivo PDF e realize uma nova submissão contendo o arquivo correto. Agradecemos a compreensão. on 2016-05-13T13:14:09Z (GMT) / Submitted by FREDERICO MONFARDINI null (fred.monf@gmail.com) on 2016-05-16T04:01:38Z No. of bitstreams: 1 DISSSERTAÇÃO - FREDERICO.pdf: 1003174 bytes, checksum: 3449613d0bfa6567b122b1461608bc55 (MD5) / Approved for entry into archive by Felipe Augusto Arakaki (arakaki@reitoria.unesp.br) on 2016-05-16T14:41:59Z (GMT) No. of bitstreams: 1 monfardini_f_me_prud.pdf: 1003174 bytes, checksum: 3449613d0bfa6567b122b1461608bc55 (MD5) / Made available in DSpace on 2016-05-16T14:41:59Z (GMT). No. of bitstreams: 1 monfardini_f_me_prud.pdf: 1003174 bytes, checksum: 3449613d0bfa6567b122b1461608bc55 (MD5) Previous issue date: 2016-02-19 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Os Modelos Lineares Generalizados (GLM) foram introduzidos no início dos anos 70, tendo um grande impacto no desenvolvimento da teoria estatística. Do ponto de vista teórico, esta classe de modelos representa uma abordagem unificada de muitos modelos estatísticos, correntemente usados nas aplicações, podendo-se utilizar dos mesmos procedimentos de inferência. Com o avanço computacional das últimas décadas foi notável o desenvolvimento de extensões nesta classe de modelos e de métodos para os procedimentos de inferência. No contexto da abordagem Bayesiana, até a década de 80 utilizava-se de métodos aproximados de inferência, tais como aproximação de Laplace, quadratura Gaussiana e outros. No início da década de 90, foram popularizados os métodos de Monte Carlo via Cadeias de Markov (Monte Carlo Markov Chain - MCMC) que revolucionaram as aplicações no contexto Bayesiano. Apesar de serem métodos altamente eficientes, a convergência do algoritmo em modelos complexos pode ser extremamente lenta, o que gera alto custo computacional. Em 2009 surgiu o método de Aproximações de Laplace Aninhadas Integradas (Integrated Nested Laplace Aproximation - INLA) que busca eficiência tanto no custo computacional como na precisão das estimativas. Considerando a importância desta classe de modelos, neste trabalho propõem-se explorar extensões dos MLG para dados longitudinais e recentes propostas apresentadas na literatura para os procedimentos de inferência. Mais especificamente, explorar modelos para dados binários (binomiais) e para dados de contagem (Poisson), considerando a presença de variabilidade extra, incluindo superdispersão e presença de efeitos aleatórios através de modelos hierárquicos e modelos hierárquicos dinâmicos. Além disso, explorar diferentes procedimentos de inferência no contexto Bayesiano, incluindo MCMC e INLA. / Generalized Linear Models (GLM) were introduced in the early 70s, having a great impact on the development of statistical theory. From a theoretical point of view, this class of model is a unified approach to many statistical models commonly used in applications and can be used with the same inference procedures. With advances in the computer over subsequent decades has come a remarkable development of extensions in this class of design and method for inference procedures. In the context of Bayesian approach, until the 80s, it was used to approximate inference methods, such as approximation of Laplace, Gaussian quadrature, etc., The Monte Carlo Markov Chain methods (MCMC) were popularized in the early 90s and have revolutionized applications in a Bayesian context. Although they are highly efficient methods, the convergence of the algorithm in complex models can be extremely slow, which causes high computational cost. The Integrated Nested Laplace Approximations method (INLA), seeking efficiency in both computational cost and accuracy of estimates, appeared in 2009. This work proposes to explore extensions of GLM for longitudinal data considering the importance of this class of model, and recent proposals in the literature for inference procedures. More specifically, it explores models for binary data (binomial) and count data (Poisson), considering the presence of extra variability, including overdispersion and the presence of random effects through hierarchical models and hierarchical dynamic models. It also explores different Bayesian inference procedures in this context, including MCMC and INLA.

Orientador: Falcondes José Mendes de Seixas / Resumo: A tese de doutorado tem como objetivo específico a proposição de um sistema de controle digital aplicado ao compensador série TCSC (Thyristor Controlled Series Compensator), cujo efeito é proporcionar regulação de tensão para cargas dinâmicas presentes no sistema de distribuição de energia elétrica, como no caso de partida de motores elétricos. Os estudos teóricos contemplam a análise detalhada do estágio de potência do TCSC operando em regime permanente. Gráficos generalizados indicam o comportamento harmônico, as possibilidades de ressonância paralela, a característica de reatância fundamental e os esforços de tensão e corrente nos elementos do TCSC ideal, base para a especificação dos componentes do estágio de potência do compensador série. Os resultados para operação em regime permanente do protótipo indicam, nas condições de plena carga, nível máximo de compensação capacitiva de 125% e aumento na regulação de tensão na carga de 7,3% quando comparado às condições da linha sem compensação. A operação em malha fechada do compensador série realizada por controladores digitais do tipo proporcional-integral com saturação anti-windup e realimentações via Integradores Generalizados de Segunda Ordem Multirressonante (IGSOM), garantem robustez, boa dinâmica na resposta transitória e erro nulo em regime permanente para a regulação da reatância fundamental do TCSC. Os ensaios experimentais com partidas diretas de motores demonstram o efeito positivo do compensador série na regulação... (Resumo completo, clicar acesso eletrônico abaixo) / Doutor

ROCHA, Thiago Alves. Complexidade descritiva de classes de complexidade probabilísticas de tempo polinomial e das classes ⊕P e NP∩coNP através de lógicas com quantificadores de segunda ordem. 2014. 81 f. Dissertação (Mestrado em ciência da computação)- Universidade Federal do Ceará, Fortaleza-CE, 2014. / Submitted by Elineudson Ribeiro (elineudsonr@gmail.com) on 2016-07-12T18:02:32Z No. of bitstreams: 1 2014_dis_tarocha.pdf: 600184 bytes, checksum: 8e317715dd15118a1061361a5251f08e (MD5) / Approved for entry into archive by Rocilda Sales (rocilda@ufc.br) on 2016-07-22T12:36:28Z (GMT) No. of bitstreams: 1 2014_dis_tarocha.pdf: 600184 bytes, checksum: 8e317715dd15118a1061361a5251f08e (MD5) / Made available in DSpace on 2016-07-22T12:36:28Z (GMT). No. of bitstreams: 1 2014_dis_tarocha.pdf: 600184 bytes, checksum: 8e317715dd15118a1061361a5251f08e (MD5) Previous issue date: 2014 / Many computable problems can be solved more efficiently or in a more natural way through probabilistic algorithms, which shows that the use of such algorithms is quite relevant in Computer Science. However, probabilistic algorithms may return a wrong answer with a certain probability. Also, the use of probabilistic algorithms does not solve problems that are not computable. In Computational Complexity, the complexity of a problem is characterized based on the amount of computational resources, such as space and time, needed to solve it. Problems that have the same complexity compose the same class. The computational complexity classes are related by a hierarchy. In Descriptive Complexity, a logic is used to express problems and capture computational complexity classes in order to express all and only the problems of this class. Thus, the complexity of a problem does not depend on physical factors, such as time and space, but only on the expressiveness of the logic that defines it. Important results of the area states that several classes of computational complexity can be characterized by a logic. For example, the class NP has been shown equivalent to the class of problems expressed by the existential fragment of Second-Order Logic. This close relationship between these areas allows some results about Logics to be transferred to Computational Complexity and vice versa. Despite of the importance of probabilistic algorithms and of Descriptive Complexity, there are few results on the characterization, by a logic, of probabilistic computational complexity classes. In this work, we show characterizations for each of the polinomial time probabilistic complexity classes. In our results, we use second-order generalized quantifiers to simulate the acceptance of the nondeterministic machines of these classes. We found Logical characterizations in the literature only for classes PP and BPP. In the first case, the logic employed was the first-order added by a quantifier most of second-order. With the approach established in this work, we obtain an alternative proof for the characterization of PP. With the same methodology, we also characterize the class ⊕P through a logic with a second-order parity quantifier. In the case of BPP , there was a result that used a logic with probabilistic semantics. Using our approach of generalized quantifiers, we obtain an alternative characterization for this class. With the same method, we were able to characterize the probabilistic semantic classes RP, coRP, ZPP and the semantic class NP ∩ coNP. Finally, we show an application of Descriptive Complexity results in the creation of algorithms from a logic specification. / Vários problemas computáveis podem ser resolvidos de maneira mais eficiente ou mais natural através de algoritmos probabilísticos, o que mostra que o uso de tais algoritmos é bastante relevante em computação. Entretanto, os algoritmos probabilísticos podem retornar uma resposta errada com uma certa probabilidade. Observe, ainda que o uso de algoritmos probabilísticos não resolve problemas não computáveis. A Complexidade Computacional caracteriza a complexidade de um problema a partir da quantidade de recursos computacionais, como espaço e tempo, para resolvê-lo. Problemas que tem a mesma complexidade compõem uma classe. As classes de complexidade computacional são relacionadas através de uma hierarquia. A Complexidade Descritiva usa lógicas para expressar os problemas e capturar classes de complexidade computacional no sentido de expressar todos, e apenas, os problemas desta classe. Dessa forma, a complexidade de um problema não depende de fatores físicos, como tempo e espaço, mas apenas da expressividade da lógica que o define. Resultados importantes da área mostraram que várias classes de complexidade computacional podem ser caracterizadas por lógicas. Por exemplo, a classe NP foi mostrada equivalente à classe dos problemas expressos pelo fragmento existencial da Lógica de Segunda Ordem. Este estreito relacionamento entre tais áreas permite que alguns resultados da área de Lógica sejam transferidos para a de Complexidade Computacional e vice-versa. Apesar da importância de algoritmos probabilísticos e da Complexidade Descritiva, existem poucos resultados de caracterização, por lógicas, das classes de complexidade computacional probabilísticas. Neste trabalho, buscamos mostrar caracterizações para cada uma das classes de complexidade probabilísticas de tempo polinomial. Nos nossos resultados, utilizamos quantificadores generalizados de segunda ordem para simular a aceitação das máquinas não-determinísticas dessas classes. Achamos caracterizações lógicas na literatura apenas para as classes PP e BPP. No primeiro caso, a lógica utilizada era a de primeira ordem adicionada de um quantificador maioria de segunda ordem. Com a abordagem criada neste trabalho, conseguimos obter uma prova alternativa para a caracterização de PP. Com essa mesma metodologia, também conseguimos caracterizar a classe ⊕P através de uma lógica com um quantificador de paridade. No caso de BPP, existia um resultado que utilizava uma lógica com semântica probabilística. Usando nossa abordagem de quantificadores generalizados, conseguimos obter uma caracterização alternativa para essa classe. Com o mesmo método, conseguimos caracterizar as classes probabilísticas semânticas RP, coRP, ZPP e a classe semântica NP∩coNP. Por fim, mostramos uma aplicação dos resultados de Complexidade Descritiva na criação de algoritmos através de uma especificação lógica.

Dissertação (mestrado)—Universidade de Brasília, Departamento de Estatística, 2012. / Submitted by Tania Milca Carvalho Malheiros (tania@bce.unb.br) on 2012-04-30T13:46:03Z No. of bitstreams: 1 2012_ThaisCarvalhoValadaresRodrigues_Parcial.pdf: 2162663 bytes, checksum: 435c4aab7ab9af8aa2453336c4529a5b (MD5) / Approved for entry into archive by Elzi Bittencourt(elzi@bce.unb.br) on 2012-05-01T12:22:13Z (GMT) No. of bitstreams: 1 2012_ThaisCarvalhoValadaresRodrigues_Parcial.pdf: 2162663 bytes, checksum: 435c4aab7ab9af8aa2453336c4529a5b (MD5) / Made available in DSpace on 2012-05-01T12:22:13Z (GMT). No. of bitstreams: 1 2012_ThaisCarvalhoValadaresRodrigues_Parcial.pdf: 2162663 bytes, checksum: 435c4aab7ab9af8aa2453336c4529a5b (MD5) / A regressão global pressupõe que um modelo único é adequado para descrever todas as partes de uma região de estudo. No entanto, a força dos relacionamentos entre as variáveis pode não ser espacialmente constante. Além disso, os fatores envolvidos são geralmente tão complexos, que é difícil identificá-los na forma de variáveis explanatórias. Muitas vezes, ainda tem-se o problema de tamanho de amostra reduzido. Neste contexto, surge a Regressão Geograficamente Ponderada (RGP), a fim de modelar dados espaciais não est acionários. Utilizando funções kernel, a RGP permite que os parâmetros do modelo variem espacialmente, produzindo superfícies não paramétricas das suas estimativas. Considerando dados de contagem com superdispersão, o mais adequado é utilizar a distribuição Binomial Negativa. Por isso, o presente trabalho propõe dois modelos de Regressão Geograficamente Ponderada utilizando esta distribuição, a saber, RBNGPg e RBNGP. Estes modelos diferem-se na forma de estimação do parâmetro de superdispersão e, consequentemente, em termos de complexidade. Neste trabalho, os modelos propostos sao aplicados a 5 estudos de caso, envolvendo dados reais e simulados. Os resultados obtidos mostram a superioridade deles no ajuste de dados de contagem nao estacionários e com superdispersão com respeito aos modelos concorrentes, a saber, regressão global - Poisson e Binomial Negativa - e Regressão de Poisson Geograficamente Ponderada- Além disso, verifica-se que estes modelos concorrentes sao casos especiais do modelo mais robusto RBNGP. ______________________________________________________________________________ ABSTRACT / The global regression assumes that a single model is adequate to describe all parts of a study region. However, the strength of relationships between variables may not be spatially constant. In addition, the factors involved are often so complex that it is difficult to identify them in the form of explanatory variables. Many times, we also have the problem of small sample size. hi this context Geographically Weighted Regression (GW R) is introduced in order to model non-stationary spatial data. Using kernel functions, GW R allows the model parameters to vary spatially, producing non-parametric surfaces of their estimates. To model count data with overdispersion, the most- appropriate is to use the Negative Binomial distribution. Therefore, we propose two models of Geographically Weighted Regression using this distribution, namely GW NBRg and GW NBR. These models differ in the way the overdispersion parameter is estimated and, consequently, in terms of complexity. In this dissertation, the proposed models are applied to 5 case studies involving real and simulated data. The results show their superiority in modelling non-stationary count data with overdispersion with respect to competing models, namely, global regression - Poisson and Negative Binomial - and Geographically Weighted Poisson Regression. Moreover, we demonstrate that these competing models are special cases of the more robust model GW NBR.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2013. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2016-01-12T15:24:17Z No. of bitstreams: 1 2013_RubemKalpperCeratti.pdf: 1830693 bytes, checksum: 5cc2b460e956662ebc74cdfd9b67bd15 (MD5) / Approved for entry into archive by Patrícia Nunes da Silva(patricia@bce.unb.br) on 2016-01-12T15:52:07Z (GMT) No. of bitstreams: 1 2013_RubemKalpperCeratti.pdf: 1830693 bytes, checksum: 5cc2b460e956662ebc74cdfd9b67bd15 (MD5) / Made available in DSpace on 2016-01-12T15:52:07Z (GMT). No. of bitstreams: 1 2013_RubemKalpperCeratti.pdf: 1830693 bytes, checksum: 5cc2b460e956662ebc74cdfd9b67bd15 (MD5) / Neste trabalho são abordados modelos lineares generalizados de efeitos mistos para análise de dados longitudinais multivariados, no tratamento de dados em que se assume a distribuição Poisson composta, que tem suporte em $[0,+\infty)$ e é um caso particular da família Tweedie de distribuições, também pertencente à família exponencial de dispersão. No ajuste dos modelos mistos multivariados para a distribuição Poisson composta, utiliza-se uma abordagem de pseudo-verossimilhança, estimando modelos par-a-par e reduzindo o tempo computacional. Como aplicação, analisa-se um conjunto de dados provenientes de um experimento agronômico no qual avaliam-se os efeitos de tratamentos, ao longo do tempo, no perfil de 25 compostos químicos de plantas de algodão. ______________________________________________________________________________ ABSTRACT / This work presents generalized linear mixed effects models as a framework to the analysis of longitudinal multivariate data for which the underlying distribution is assumed to follow a compound Poisson distribution, whose support lies in $[0,+\infty)$, and is a particular case of the Tweedie family of distributions, and, also, belongs to the exponential dispersion family. In order to fit multivariate mixed models to the compound Poisson distribution, a pseudo-likelihood approach is used, fitting pairwise models and reducing computational time. As an application, agronomic experiment data is analyzed, estimating the effects of 5 treatments, over different time periods, on the profile of 25 organic compounds of cotton plants.

Submitted by LUCIANO DE SOUZA DA COSTA E SILVA null (lucianocosta_@hotmail.com) on 2017-04-22T02:39:16Z No. of bitstreams: 1 tese_final_Luciano_corrigido 20-04 final.pdf: 5962866 bytes, checksum: 2f53189a0d49ff5c29d6d23ec699b233 (MD5) / Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-04-25T19:28:06Z (GMT) No. of bitstreams: 1 silva_lsc_dr_ilha.pdf: 5962866 bytes, checksum: 2f53189a0d49ff5c29d6d23ec699b233 (MD5) / Made available in DSpace on 2017-04-25T19:28:06Z (GMT). No. of bitstreams: 1 silva_lsc_dr_ilha.pdf: 5962866 bytes, checksum: 2f53189a0d49ff5c29d6d23ec699b233 (MD5) Previous issue date: 2017-02-23 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / A tese de doutorado tem como objetivo específico a proposição de um sistema de controle digital aplicado ao compensador série TCSC (Thyristor Controlled Series Compensator), cujo efeito é proporcionar regulação de tensão para cargas dinâmicas presentes no sistema de distribuição de energia elétrica, como no caso de partida de motores elétricos. Os estudos teóricos contemplam a análise detalhada do estágio de potência do TCSC operando em regime permanente. Gráficos generalizados indicam o comportamento harmônico, as possibilidades de ressonância paralela, a característica de reatância fundamental e os esforços de tensão e corrente nos elementos do TCSC ideal, base para a especificação dos componentes do estágio de potência do compensador série. Os resultados para operação em regime permanente do protótipo indicam, nas condições de plena carga, nível máximo de compensação capacitiva de 125% e aumento na regulação de tensão na carga de 7,3% quando comparado às condições da linha sem compensação. A operação em malha fechada do compensador série realizada por controladores digitais do tipo proporcional-integral com saturação anti-windup e realimentações via Integradores Generalizados de Segunda Ordem Multirressonante (IGSOM), garantem robustez, boa dinâmica na resposta transitória e erro nulo em regime permanente para a regulação da reatância fundamental do TCSC. Os ensaios experimentais com partidas diretas de motores demonstram o efeito positivo do compensador série na regulação dinâmica e melhora dos níveis de afundamento momentâneo da tensão na carga. / The specific objective this doctoral thesis consist in the proposition of a digital control system applied to the Thyristor Controlled Series Compensator (TCSC), wich the intended is to provide voltage regulation for dynamics loads present in the electric power distribution system, as in the case of the starting of induction motors. Theoretical studies contemplate the detailed analysis of the TCSC power stage operating under steady-state conditions. Generalized graphs indicate the harmonic behavior, the parallel resonance possibilities, the fundamental reactance characteristic and the stress across the voltage and current in the elements of the ideal TCSC, which are the bases for the design the components of the series compensator power stage. The results for steady-state operation of the prototype indicate under full load conditions a maximum leve of capacitive compensation of 125% and a increase in the load voltage regulation of 7.3% if compared to conditions of the line without compensation. The closed-loop operation of the series compensator, based on proportional-integral digital controllers with anti-windup saturation and feedback by Multiresonant Second-Order Generalized Integrators (MSOGI), presents robustness, good transient response dynamics and null error in steady-state to the regulation of the TCSC fundamental reactance. The experimental tests with motor direct starting demonstrate the positive effect of the series compensator in the dynamic regulation and improvement of the levels of load voltage sags. / FAPESP: 2015/15872-9

CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / VÃrios problemas computÃveis podem ser resolvidos de maneira mais eficiente ou mais natural atravÃs de algoritmos probabilÃsticos, o que mostra que o uso de tais algoritmos à bastante relevante em computaÃÃo. Entretanto, os algoritmos probabilÃsticos podem retornar uma resposta errada com uma certa probabilidade. Observe, ainda que o uso de algoritmos probabilÃsticos nÃo resolve problemas nÃo computÃveis. A Complexidade Computacional caracteriza a complexidade de um problema a partir da quantidade de recursos computacionais, como espaÃo e tempo, para resolvÃ-lo. Problemas que tem a mesma complexidade compÃem uma classe. As classes de complexidade computacional sÃo relacionadas atravÃs de uma hierarquia. A Complexidade Descritiva usa lÃgicas para expressar os problemas e capturar classes de complexidade computacional no sentido de expressar todos, e apenas, os problemas desta classe. Dessa forma, a complexidade de um problema nÃo depende de fatores fÃsicos, como tempo e espaÃo, mas apenas da expressividade da lÃgica que o define. Resultados importantes da Ãrea mostraram que vÃrias classes de complexidade computacional podem ser caracterizadas por lÃgicas. Por exemplo, a classe NP foi mostrada equivalente à classe dos problemas expressos pelo fragmento existencial da LÃgica de Segunda Ordem. Este estreito relacionamento entre tais Ãreas permite que alguns resultados da Ãrea de LÃgica sejam transferidos para a de Complexidade Computacional e vice-versa. Apesar da importÃncia de algoritmos probabilÃsticos e da Complexidade Descritiva, existem poucos resultados de caracterizaÃÃo, por lÃgicas, das classes de complexidade computacional probabilÃsticas. Neste trabalho, buscamos mostrar caracterizaÃÃes para cada uma das classes de complexidade probabilÃsticas de tempo polinomial. Nos nossos resultados, utilizamos quantificadores generalizados de segunda ordem para simular a aceitaÃÃo das mÃquinas nÃo-determinÃsticas dessas classes. Achamos caracterizaÃÃes lÃgicas na literatura apenas para as classes PP e BPP. No primeiro caso, a lÃgica utilizada era a de primeira ordem adicionada de um quantificador maioria de segunda ordem. Com a abordagem criada neste trabalho, conseguimos obter uma prova alternativa para a caracterizaÃÃo de PP. Com essa mesma metodologia, tambÃm conseguimos caracterizar a classe ⊕P atravÃs de uma lÃgica com um quantificador de paridade. No caso de BPP, existia um resultado que utilizava uma lÃgica com semÃntica probabilÃstica. Usando nossa abordagem de quantificadores generalizados, conseguimos obter uma caracterizaÃÃo alternativa para essa classe. Com o mesmo mÃtodo, conseguimos caracterizar as classes probabilÃsticas semÃnticas RP, coRP, ZPP e a classe semÃntica NP∩coNP. Por fim, mostramos uma aplicaÃÃo dos resultados de Complexidade Descritiva na criaÃÃo de algoritmos atravÃs de uma especificaÃÃo lÃgica. / Many computable problems can be solved more efficiently or in a more natural way through probabilistic algorithms, which shows that the use of such algorithms is quite relevant in Computer Science. However, probabilistic algorithms may return a wrong answer with a certain probability. Also, the use of probabilistic algorithms does not solve problems that are not computable. In Computational Complexity, the complexity of a problem is characterized based on the amount of computational resources, such as space and time, needed to solve it. Problems that have the same complexity compose the same class. The computational complexity classes are related by a hierarchy. In Descriptive Complexity, a logic is used to express problems and capture computational complexity classes in order to express all and only the problems of this class. Thus, the complexity of a problem does not depend on physical factors, such as time and space, but only on the expressiveness of the logic that defines it. Important results of the area states that several classes of computational complexity can be characterized by a logic. For example, the class NP has been shown equivalent to the class of problems expressed by the existential fragment of Second-Order Logic. This close relationship between these areas allows some results about Logics to be transferred to Computational Complexity and vice versa. Despite of the importance of probabilistic algorithms and of Descriptive Complexity, there are few results on the characterization, by a logic, of probabilistic computational complexity classes. In this work, we show characterizations for each of the polinomial time probabilistic complexity classes. In our results, we use second-order generalized quantifiers to simulate the acceptance of the nondeterministic machines of these classes. We found Logical characterizations in the literature only for classes PP and BPP. In the first case, the logic employed was the first-order added by a quantifier most of second-order. With the approach established in this work, we obtain an alternative proof for the characterization of PP. With the same methodology, we also characterize the class ⊕P through a logic with a second-order parity quantifier. In the case of BPP , there was a result that used a logic with probabilistic semantics. Using our approach of generalized quantifiers, we obtain an alternative characterization for this class. With the same method, we were able to characterize the probabilistic semantic classes RP, coRP, ZPP and the semantic class NP ∩ coNP. Finally, we show an application of Descriptive Complexity results in the creation of algorithms from a logic specification.

Submitted by Danielle Karla Martins Silva (danielle.martins@ufpe.br) on 2015-03-12T12:27:53Z No. of bitstreams: 2 DISSERTAÇÃO FINAL - HELOISA DE MELO RODRIGUES.pdf: 1188446 bytes, checksum: 6b747fae4929500c9d046035820f9da5 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-12T12:27:53Z (GMT). No. of bitstreams: 2 DISSERTAÇÃO FINAL - HELOISA DE MELO RODRIGUES.pdf: 1188446 bytes, checksum: 6b747fae4929500c9d046035820f9da5 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013 / CAPES / No contexto de modelos de regressão, em alguns casos é comum o fenô- meno da superdispersão, que ocorre quando a variância observada dos dados excede aquela prevista por um modelo. Assim, Dey et al. (1997) desenvolveram os modelos lineares generalizados com superdispersão (MLGSs), considerando um modelo de regressão adicional para o parâmetro de dispersão, que é incorporado na função de variância. Desta forma, os MLGSs permitem modelar, simultaneamente, a média e a dispersão no contexto dos modelos lineares generalizados (MLGs) de Nelder e Wedderburn, 1972. Além disso, os MLGSs caracterizam-se por ser uma classe de modelos mais geral que os modelos lineares generalizados duplos (Smyth, 1989). Nesta dissertação são propostas técnicas de diagnósticos para os MLGSs, sendo desenvolvidas as técnicas de alavancagem generalizada, análise de resíduos, in uência global, como também o método de in uência local, este avaliado sob três esquemas de perturbação. Por m, é apresentada uma análise grá ca por meio de dados simulados.

Submitted by Danielle Karla Martins Silva (danielle.martins@ufpe.br) on 2015-03-12T13:25:58Z No. of bitstreams: 2 CD- Dissertação Thiago A. N. de Andrade.pdf: 787795 bytes, checksum: eccb193488aebfede11aa4dd03b03587 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-12T13:25:58Z (GMT). No. of bitstreams: 2 CD- Dissertação Thiago A. N. de Andrade.pdf: 787795 bytes, checksum: eccb193488aebfede11aa4dd03b03587 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013 / CNPq / A classe de Modelos Lineares Generalizados com Superdispersão (MLGSs) proposta por Dey et al. (1997), tem sido amplamente utilizada na modelagem de dados cuja variância da variável resposta excede o valor nominal predito no modelo. O principal objetivo da presente dissertação é a obtenção de um fator de correção de Bartlett, segundo a metodologia proposta por DiCiccio e Stern (1994), à estatística da razão de verossimilhanças perfiladas ajustadas proposta por Cox e Reid (1987) para o teste conjunto dos efeitos da dispersão nesta classe de modelos. Estudos de simulação de Monte Carlo foram realizados com o objetivo de avaliar os desempenhos dos testes baseados nas estatísticas da razão de verossimilhanças usual (LR), razão de verossimilhanças perfiladas ajustadas (LRpa) e razão de verossimilhanças perfiladas ajustadas corrigida (LRc pa), no que se refere a tamanho e poder em amostras finitas. Os resultados numéricos obtidos favorecem o teste proposto nesta dissertação.

Orientador: Hildete Prisco Pinheiro / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-08T17:00:10Z (GMT). No. of bitstreams: 1 Mendes_ClariceCamargo_M.pdf: 1127292 bytes, checksum: f015352011300a41bb50c17c81a49bb1 (MD5) Previous issue date: 2007 / Resumo: Ao lidarmos com dados de contagem, uma abordagem possível é estimar um Modelo Linear Generalizado com distribuição de Poisson. Freqüentemente nestes modelos costuma surgir o problema da superdispersão, um fenômeno que aparece quando estamos diante de uma variabilidade dos dados maior do que a média. Temos basicamente três soluções para este problema: abordagem bayesiana, assumindo que o parâmetro do modelo possui uma distribuição de probabilidade; estimação por Quase-verossimilhança, incluindo um fator de dispersão diferente da unidade ou uma função de variância diversa e, finalmente, o emprego de modelos mistos, com a separação de efeitos fixos e aleatórios. Outra ocorrência comum para dados de contagem é encontrarmos amostras que apresentem um número excessivo de zeros. Detectamos a presença da superdispersão, mas agora ela é devida à ocorrência de mais valores zero na amostra do que seria esperado para dados que seguissem a distribuição de Poisson. Para este caso Lambert (1982) apresenta a chamada regressão de Poisson inflacionada de zeros (ZIP - Zero lnflated Poisson). Através de uma aplicação a dados reais, em estudo referente à alimentação de rãs da espécie Adenomera, identificamos os melhores modelos para explicar a quantidade de comida ingerida em função dos efeitos de sexo e da estação do ano. Utilizamos técnicas de diagnóstico para avaliar o impacto que uma determinada observação exerce na estimativa dos parâmetros. / Abstract: When one deals with count data, a possible approach is to fit a generalized linear model with Poisson distribution. Usually it may occur the problem of superdispersion, when the variability of the data is greater then the mean. There are three basic solutions to this problem: the Bayesian approach, when we assume that the parameter of the mo deI has a distribution of probability; the Quasilikelihood estimation, including a non-unitary dispersion parameter or a different variance function and, finally, the mixed models. Another possible occurrence to count data is the presence of samples with an excess of zeros. We detect the presence of the superdispersion, but now it is due to more zero counts than expected from the Poisson distribution. For this case, Lambert (1982) presents the Zero Infiated Poisson (ZIP) mode. As an application to real data, in the study of frogs' nourishment from the species Adenomera, we identify the best models to explain the quantity of swallowed food related to sex and season effects. We employ techniques of diagnosis to verify the impact of a specific observation in the parameter estimations / Mestrado / Bioestatistica / Mestre em Estatística