Em vista das mudanças ambientais em nível global, disponibilizar informações ecológicas e buscar uma melhor compreensão dos fatores e processos que moldam a distribuição de espécies, é uma iniciativa importante para o planejamento de ações de conservação. Neste contexto, a importância e carência de informações sobre a distribuição geográficas das espécies nos motivaram a predizer a distribuição potencial de arbustos e árvores das famílias Lauraceae e Myrtaceae na Floresta Atlântica, no sul do Brasil. Modelos lineares generalizados (GLM) foram usados para ajustar modelos preditivos com os registros de ocorrência de 88 espécies em função de variáveis ambientais. As variáveis preditoras foram selecionadas com base no menor critério de informação de Akaike corrigido. Nós avaliamos o desempenho dos modelos usando o método de validação cruzada (10-fold) para calcular a habilidade estatística verdadeira (TSS) e a área sob a curva característica do operador receptor (AUC). Nós usamos GLM para testar a influência da área de ocorrência estimada, do número de registros das espécies e da complexidade dos modelos sobre a TSS e a AUC. Nossos resultados mostraram que as variáveis climáticas governam amplamente a distribuição de espécies, mas as variáveis que captam as variações ambientais locais são relativamente importantes na área de estudo. A TSS foi significativamente influenciada pelo número de registros e complexidade dos modelos, enquanto a AUC sofreu com o efeito de todos os três fatores avaliados. A interação entre estes fatores é uma questão importante e a ser considerada em novas avaliações sobre ambas medidas e com diferentes técnicas de modelagem. Nossos resultados também mostraram que as distribuições de algumas espécies foram superestimadas e outras corresponderam bem com a ocorrência por nós conhecida. Efetivamente nossos resultados têm fundamentos para embasar novos levantamentos de campo, a avaliação de áreas prioritárias e planos de conservação, além de inferências dos efeitos de mudanças ambientais sobre as espécies da Mata Atlântica. / In view of environmental change on a global level, providing ecological information and getting a better understanding of the factors and processes that shape species distribution is an important initiative for planning conservation actions. In this context, the importance and lack of information about the geographical distribution of species motivated us to predict the potential species distribution of shrubs and trees of the family Lauraceae and Myrtaceae, in the Atlantic Forest in southern Brazil. Generalized linear models (GLM) were used to fit predictive models with records of occurrence of 88 species according to environmental variables. Predictor variables were selected based on the lowest corrected Akaike information criterion. We evaluate the performance of the models using the method of cross-validation (10-fold) to calculate the true skill statistic (TSS) and area under the receiver operator characteristic curve (AUC). We used GLM to test the influence of the area of occurrence estimated, the number of records of the species and the complexity of the models on the TSS and AUC. Our results show that climatic variables largely govern the distribution of species, but the variables that capture the local environmental variations are relatively important in the study area. The TSS was significantly influenced by the number of records and complexity of models while the AUC suffered from the effect of all three evaluated factors. The interaction between these factors is an important issue and be considered for new reviews on both measures and with different modeling techniques. Our results also showed that the distributions of some species were overestimated and other corresponded well with the occurrence known to us. Indeed our results have foundations to support new field surveys, assessment of priority areas and conservation plans, and inferences of the effects of environmental change on species of the Atlantic Forest.

Made available in DSpace on 2016-06-02T20:04:52Z (GMT). No. of bitstreams: 1 5021.pdf: 1591649 bytes, checksum: 6798e65e3b572fcfe760f083f660ff50 (MD5) Previous issue date: 2013-04-05 / Financiadora de Estudos e Projetos / We know that statistic modeling by regression had a stronger impulse since generalized linear models (GLMs) development in 70 decade beginning of the XX century, proposed by Nelder e Wedderburn (1972). GLMs theory can be interpret like a traditional linear regression model generalization, where outcomes don't need necessary to assume a normal distribution, that is, any distribution belong to exponential distributions family. In binary logistic regression case, however, in many practice situations the outcomes response is originally from a discrete or continuous distribution, that is, the outcomes response has an original distribution that is not Bernoulli distribution and, although, because some purpose this variable was later dicothomized by an arbitrary cut of point C. In this work we propose a regression models family with original outcomes information, whose probability distribution or density function probability belong to exponential family. We present the models construction and development to each class, incorporating the original distribution outcomes response information. The proposed models are an extension of Suissa (1991) and Suissa and Blais (1995) works which present methods of estimating the risk of an event de_ned in a sample subspace of a continuous outcome variable. Simulation studies are presented in order to illustrate the performance of the developed methodology. For original normal outcomes we considered logistic, exponential, geometric, Poisson and lognormal models. For original exponential outcomes we considered logistic, normal, geometric, Poisson and lognormal models. In contribution to Suissa and Blais (1995) works we attribute two discrete outcomes for binary model, geometric and Poisson, and we also considered a normal distributions with multiplicative heteroscedastic structures continuous outcomes. In supplement we also propose the binary model with inated power series distributions outcomes considering a sample subspace of a zero inated geometric outcomes. We do several artificial data studies comparing the model of original distribution information regression model with usual regression model. Simulation studies are presented in order to illustrate the performance of the developed methodology. A real data set is analyzed by using the proposed models. Assuming a correct speci_ed distribution, the incorporation of this information about outcome response in the model produces more eficient likelihood estimates. / É sabido que a área de modelagem estatística por regressão sofreu um grande impulso desde o desenvolvimento dos modelos lineares generalizados (MLGs) no início da década de 70 do Século XX, propostos por Nelder e Wedderburn (1972). A teoria dos MLGs pode ser interpretada como uma generalização do modelo de regressão linear tradicional, em que a variável resposta não precisa necessariamente assumir a distribuição normal, e sim, qualquer distribuição pertencente à família exponencial de distribuições. Em algumas situações, porém, a distribuição da variável resposta Se originalmente fruto de uma outra distribuição discreta ou contínua, ou seja, a variável resposta tem uma distribuição original que não Se a usualmente considerada. Um exemplo desta situação Se a dicotomização de uma variável discreta ou contínua por meio de um ponto de corte arbitrário. Além disso, a variável resposta pode estar relacionada, de alguma forma, com uma outra variável de interesse. Nesse trabalho propomos uma família de modelos de regressão com a informação da variável resposta original, cuja distribuição de probabilidades ou função densidade de probabilidade pertence à família exponencial. O modelo de regressão logística com resposta normal e log-normal desenvolvido por Suissa e Blais (1995) Se apresentado como caso particular dos modelos de regressão com resposta de origem. Para a resposta de origem normal consideramos os modelos logístico, exponencial, geométrico, Poisson e log-normal. Para a resposta de origem exponencial consideramos os modelos logístico, normal, geométrico, Poisson e log-normal. Em contribuição ao trabalho de Suissa e Blais atribuímos duas respostas discretas ao modelo logístico, geométrico e de Poisson, e também consideramos uma resposta contínua normal com estrutura heteroscedástica. Adicionalmente, propomos também o modelo logístico com resposta pertencente à classe de distribuições séries de potências inflacionadas considerando o caso particular da resposta geométrica zero inflacionada. Realizamos vários estudos com dados artificiais comparando o modelo de regressão proposto com a informação da distribuição de origem e o modelo de regressão usual. Dois conjuntos de dados reais também são considerados. Assumindo uma distribuição corretamente especificada, o modelo produz estimativas de máxima verossimilhança mais eficientes e estimativas intervalares mais precisas para os coeficientes de regressão.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-07-27T16:10:22Z No. of bitstreams: 1 FABIANA UCHÔA BARROS - DISSERTAÇÃO PPGMAT 2011..pdf: 444205 bytes, checksum: dd1ada684703bcb400e631c5f044668b (MD5) / Made available in DSpace on 2018-07-27T16:10:22Z (GMT). No. of bitstreams: 1 FABIANA UCHÔA BARROS - DISSERTAÇÃO PPGMAT 2011..pdf: 444205 bytes, checksum: dd1ada684703bcb400e631c5f044668b (MD5) Previous issue date: 2011-12 / Capes / Com base na expressão de Pace e Salvan (1997 pág. 30), obtivemos a matriz de covariâncias de segunda ordem dos estimadores de máxima verossimilhança corrigidos pelo viés de ordem n−1 em modelos lineares generalizados, considerando o parâmetro de dispersão desconhecido, porém o mesmo para todas as observações. A partir dessa matriz, realizamos modi cações no teste de Wald. Os resultados obtidos foram avaliados através de estudos de simulação de Monte Carlo. / Based on the expression of Pace and Salvan (1997 pág. 30), we obtained the second order covariance matrix of the of the maximum likelihood estimators corrected for bias of order n−1in generalized linear models, considering that the dispersion parameter is the same although unknown for all observations. From this matrix, we made modi cations to the Wald test. The results were evaluated through simulation studies of Monte Carlo.

Made available in DSpace on 2015-05-08T14:53:37Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 958288 bytes, checksum: 96e8f893e65870e14e2f18b157219114 (MD5) Previous issue date: 2013-12-30 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The objective of this study is to analyze the influence of risk factors on exposure to WMSD workers in repetitive activities in the footwear sector. Therefore, we analyzed the data for 71 workplaces in the productive area of a shoe company which are characterized by having a defined task cycle, and had the index of exposure to WMSD upper limbs calculated through the OCRA method. Data analysis was accomplished using the exploratory data analysis of WMSD and construction of a Generalized Linear Model (GLM). This model identified the factors that influence the rate of exposure the most and made it possible to quantify the possible chance of raising this index when risk factors are present in the workplaces. The factor indicated as the most influential one was the "sudden movements" factor, the presence of this factor increases the chance of raising the level of exposure in 2.12 times more than when this factor is not present. / O objetivo deste trabalho foi analisar os fatores de risco e o índice de exposição a LER/DORT dos trabalhadores em atividades repetitivas no setor calçadista.Para tanto foram analisados dados referentes a 71 postos de trabalho da área produtiva de uma empresa calçadista que se caracterizam por possuir um ciclo de tarefa definido, e que tiveram calculados o índice de exposição a LER/DORT nos membros superiores através do método OCRA. O tratamento dos dados foi realizado através da análise exploratória dos dados de LER/DORT e da construção de um Modelo Linear Generalizado (MLG).Este modeloidentificou os fatores que mais influenciam o índice de exposição e possibilitouquantificar a chance de elevação deste índice quando os fatores de risco estão presentes nos postos de trabalho. O fator indicado como o mais influente foi o fator movimentos bruscos , a presença deste fator aumenta a chance de se elevar o índice de exposição em 2,12 vezes a mais do que quando este fator não está presente.

Em vista das mudanças ambientais em nível global, disponibilizar informações ecológicas e buscar uma melhor compreensão dos fatores e processos que moldam a distribuição de espécies, é uma iniciativa importante para o planejamento de ações de conservação. Neste contexto, a importância e carência de informações sobre a distribuição geográficas das espécies nos motivaram a predizer a distribuição potencial de arbustos e árvores das famílias Lauraceae e Myrtaceae na Floresta Atlântica, no sul do Brasil. Modelos lineares generalizados (GLM) foram usados para ajustar modelos preditivos com os registros de ocorrência de 88 espécies em função de variáveis ambientais. As variáveis preditoras foram selecionadas com base no menor critério de informação de Akaike corrigido. Nós avaliamos o desempenho dos modelos usando o método de validação cruzada (10-fold) para calcular a habilidade estatística verdadeira (TSS) e a área sob a curva característica do operador receptor (AUC). Nós usamos GLM para testar a influência da área de ocorrência estimada, do número de registros das espécies e da complexidade dos modelos sobre a TSS e a AUC. Nossos resultados mostraram que as variáveis climáticas governam amplamente a distribuição de espécies, mas as variáveis que captam as variações ambientais locais são relativamente importantes na área de estudo. A TSS foi significativamente influenciada pelo número de registros e complexidade dos modelos, enquanto a AUC sofreu com o efeito de todos os três fatores avaliados. A interação entre estes fatores é uma questão importante e a ser considerada em novas avaliações sobre ambas medidas e com diferentes técnicas de modelagem. Nossos resultados também mostraram que as distribuições de algumas espécies foram superestimadas e outras corresponderam bem com a ocorrência por nós conhecida. Efetivamente nossos resultados têm fundamentos para embasar novos levantamentos de campo, a avaliação de áreas prioritárias e planos de conservação, além de inferências dos efeitos de mudanças ambientais sobre as espécies da Mata Atlântica. / In view of environmental change on a global level, providing ecological information and getting a better understanding of the factors and processes that shape species distribution is an important initiative for planning conservation actions. In this context, the importance and lack of information about the geographical distribution of species motivated us to predict the potential species distribution of shrubs and trees of the family Lauraceae and Myrtaceae, in the Atlantic Forest in southern Brazil. Generalized linear models (GLM) were used to fit predictive models with records of occurrence of 88 species according to environmental variables. Predictor variables were selected based on the lowest corrected Akaike information criterion. We evaluate the performance of the models using the method of cross-validation (10-fold) to calculate the true skill statistic (TSS) and area under the receiver operator characteristic curve (AUC). We used GLM to test the influence of the area of occurrence estimated, the number of records of the species and the complexity of the models on the TSS and AUC. Our results show that climatic variables largely govern the distribution of species, but the variables that capture the local environmental variations are relatively important in the study area. The TSS was significantly influenced by the number of records and complexity of models while the AUC suffered from the effect of all three evaluated factors. The interaction between these factors is an important issue and be considered for new reviews on both measures and with different modeling techniques. Our results also showed that the distributions of some species were overestimated and other corresponded well with the occurrence known to us. Indeed our results have foundations to support new field surveys, assessment of priority areas and conservation plans, and inferences of the effects of environmental change on species of the Atlantic Forest.

O teste de Salmonella/microssoma é um ensaio biológico amplamente utilizado para avaliar o potencial mutagênico de substâncias que podem colocar em risco a saúde humana e a qualidade ambiental. A variável resposta é constituída pela contagem do número de colônias revertentes em cada placa, entretanto geralmente há dois efeitos confundidos, o de toxicidade e o de mutagenicidade. Alguns modelos foram propostos para a análise dos dados desses experimentos, que nem sempre apresentam bons ajustes e não consideram explicitamente interações. Há, ainda, poucas plataformas computacionais disponíveis que integram todas essas propostas e forneçam critérios para a seleção adequada de um modelo. Além disso, geralmente é difícil comparar os efeitos de diferentes substâncias sobre as várias linhagens da bactéria, então medidas com interpretação biológica direta são necessárias. Neste trabalho, foram investigadas as propriedades dos preditores dos modelos tradicionais, bem como o comportamento das distribuições amostrais dos estimadores dos parâmetros desses modelos, na presença de diversos níveis de superdispersão. Também, foram realizados experimentos com as linhagens TA98 e TA100 da bactéria, expostas aos inseticidas, metabolizados e não-metabolizados, Fipronil e Tiametoxam, dois agroquímicos bastante utilizados no Brasil. Aos dados desses experimentos foram ajustados diversos modelos, tanto aqueles tradicionalmente utilizados, quanto novos modelos, alguns baseados na regressão de Skellam e outros com interações explícitas. Para tal, foi obtida uma nova classe de modelos chamada de modelos não-lineares vetoriais generalizados e foi desenvolvido um pacote computacional em linguagem R, intitulado \"ames\", para o ajuste, diagnóstico e seleção de modelos. Por fim, foram propostas medidas de interesse biológico, baseadas nos modelos selecionados, para avaliação de risco e do comprometimento do material genético e intervalos de confiança bootstrap paramétrico foram obtidos. Dentre os modelos tradicionais, aqueles cujas distribuições amostrais dos estimadores possuem melhor aproximação normal foram os de Bernstein, Breslow e Myers. Estes resultados forneceram um critério prático para a seleção de modelos, particularmente nas situações em que as medidas de AIC e de bondade de ajuste, os testes de razão de verossimilhanças e a análise de resíduos ou são pouco informativos ou simplesmente não podem ser aplicados. A partir dos modelos selecionados, pode-se concluir que a interação do fator de metabolização é significativa para a linhagem TA98 exposta ao Fipronil, tanto com relação aos efeitos tóxicos quanto aos efeitos mutagênicos; que o mecanismo de ação do Tiametoxam sobre a linhagem TA98 é completamente diferente quando o produto está metabolizado; e que, para a linhagem TA100, não houve efeito de metabolização considerando ambos os agroquímicos. Baseando-se nas medidas propostas, pode-se concluir que o Tiametoxam oferece os maiores riscos de contaminação residual, ainda que o Fipronil apresente os maiores índices de mutagenicidade. / The Salmonella/microsome test is a widely accepted biological assay used to evaluate the mutagenic potential of substances, which can compromise human health and environment quality. The response variable in such experiments is typically the total number of reverts per plate, which, in turn, is the result of the confounded effects of mutagenicity and toxicity. Despite of some statistical models have already been established in the literature, they do not always fit well and neither explicitly consider interaction terms. Besides, there is just a number of available software able to handle these different approaches, usually lacking of global performance and model selection criteria. Also, it is often a hard task to compare the effects of different chemicals over the several available strains to perform the assay, and, thus, direct measures of biological implications are required. In this work, the properties of the predictors in each traditional model were investigated, as well as the behavior of the sampling distributions of the parameter estimators of these models, in different levels of overdispersion. Also, experiments using TA98 and TA100 strains were perfomed, by exposition to two insecticides, namely Fipronil and Thiamethoxam, currently used in Brazil, each of them prior and after to a metabolization processes. Then, the traditional models, empirical regression models based on the Skellam distribution and also compound mechanistic-empirical models with explicit interaction terms were fitted to the data. In order to use a single fitting framework, a new class of models was presented, namely the vector generalized nonlinear models, and a R language package, entitled \"ames\", was developed for fitting, diagnosing and selection of models. Finally, some measures of biological interest were approached based on the selected models for the data, in the contexts of risk evaluation and of DNA damage cautioning. Confidence intervals for such measures were provided using bootstrap percentiles. Among the traditional models, the ones from Bernstein, Breslow and Myers were those whose sampling distributions presented the best normal approximations. These results provided a practical criterion for model selection, particularly in situations where measures as AIC and goodness of fit, likelihood ratio tests, and residual analysis are non informative or simply cannot be applied. From the final selected models, it was inferred that the interactions between the metabolization factor is significative for TA98 strain exposed to Fipronil, regarding both, mutagenic and toxic effects; that the dynamics between mutagenicity and toxicity are different when Thiamethoxam is metabolized compared to when it is not; and that there was no evidence to consider metabolization factor interactions for the TA100 strain data exposed to neither of the insecticides. By appling the referred measures of biological interest, it was concluded that the use of Thiamethoxam provides greater residual contamination risks and that Fipronil causes higher mutagenicity indices.

Experimentos cujas variaveis respostas s~ ao proporcoes ou contagens, sao muito comuns nas diversas areas do conhecimento, principalmente na area agricola. Na analise desses experimentos, utiliza-se a teoria de modelos lineares generalizados, bastante difundida (McCullagh & Nelder, 1989; Demetrio, 2001), em que as respostas sao independentes. Caso a variancia estimada seja maior do que a esperada, estima-se o parametro de dispersao, incluindo-o no processo de estimaçao dos parametros. Quando a variavel resposta e observada ao longo do tempo, pode haver uma correlacao entre as observacoes e isso tem que ser levado em consideracao na estimacao dos parametros. Uma forma de se trabalhar essa correlacao e aplicando a metodologia de equacoes de estimacao generalizada (EEG), discutida por Liang & Zeger (1986), embora, neste caso, o interesse esteja nas estimativas dos efeitos fixos e a inclusao da matriz de correlacao de trabalho sirva para se obter um melhor ajuste. Uma outra alternativa e a inclusao, no preditor linear, de um efeito latente para captar variabilidades nao consideradas no modelo e que podem in uenciar nos resultados. No presente trabalho, usa-se uma forma combinada de efeito aleatorio e parametro de dispersao, incluidos conjuntamente na estimacao dos parametros. Essa metodologia e aplicada a um conjunto de dados obtidos de um experimento com camu-camu, com objetivo de se avaliarem quais os melhores metodos de enxertia e tipos de porta-enxertos que podem ser utilizados, atraves da proporcao de pegamentos da muda. Varios modelos sao ajustados, desde o modelo em parcelas subdivididas (supondo independencia), ate o modelo em que se considera o parametro de dispersao e efeito aleatorio conjuntamente. Ha evidencias de que o modelo em que se inclui o efeito aleatorio e o parametro de dispersao, conjuntamente, resultam em melhores estimativas dos parametros. Outro conjunto de dados longitudinais, com milho transgenico MON810, em que a variavel resposta e o numero de lagartas (Spodoptera frugiperda), e utilizado. Neste caso, devido ao excesso de respostas zero, emprega-se o modelo de regressao Poisson in acionado de zeros (ZIP), alem do modelo Poisson padrao, em que as observacoes sao consideradas independentes, e do modelo Poisson in acionado de zeros com efeito aleatorio. Os resultados mostram que o efeito aleatorio incluido no preditor foi nao significativo e, assim, o modelo adotado e o modelo de regressao Poisson in acionado de zeros. Os resultados foram obtidos usando-se os procedimentos NLMIXED, GENMOD e GPLOT do SAS - Statistical Analysis System, versao 8.2. / Experiments which response variables are proportions or counts are very common in several research areas, specially in the area of agriculture. The theory of generalized linear models, well difused (McCullagh & Nelder, 1989; Demetrio, 2001), is used for analyzing these experiments where the responses are independent. If the estimated variance is greater than the expected variance, the dispersion parameter is estimated including it on the parameter estimation process. When the response variable is observed over time a correlation among observations might occur and it should be taken into account in the parameter estimation. A way of dealing with this correlation is applying the methodology of generalized estimating equations (GEEs) discussed by Liang & Zeger (1986) although, in this case, the interest is on the estimates of the xed efect being the inclusion of a working correlation matrix useful to obtain more accurate estimates. Another alternative is the inclusion of a latent efect in the linear predictor to explain variabilities not considered in the model that might in uence the results. In this work the random efect and the dispersion parameter are combined and included together in the parameter estimation. Such methodology is applied to a data set obtained from an experiment realized with camu-camu to evaluate, through proportion of grafting well successful of seedling, which kind of grafting and understock are suitable to be used. Several models are fitted, since the split plot model (with independence assumption) up to the model where the dispersion parameter and the random efect are considered together. There is evidence that the model including the random efect and the dispersion parameter together, produce better estimates of the parameters. Another longitudinal data set used here comes from an experiment realized with the MON810 transgenic corn where the response variable is the number of caterpillars (Spodoptera frugiperda). In this case, due to the excessive number of zeros obtained, the zero in ated Poisson regression model (ZIP) is used in addition to the standard Poisson model, where observations are considered independent, and the zero in ated Poisson regression model with random efect. The results show that the random efect included in the linear predictor was not significant and, therefore, the adopted model is the zero in ated Poisson regression model. The results were obtained using the procedures NLMIXED, GENMOD and GPLOT available on SAS - Statistical Analysis System, version 8.2.

Em vista das mudanças ambientais em nível global, disponibilizar informações ecológicas e buscar uma melhor compreensão dos fatores e processos que moldam a distribuição de espécies, é uma iniciativa importante para o planejamento de ações de conservação. Neste contexto, a importância e carência de informações sobre a distribuição geográficas das espécies nos motivaram a predizer a distribuição potencial de arbustos e árvores das famílias Lauraceae e Myrtaceae na Floresta Atlântica, no sul do Brasil. Modelos lineares generalizados (GLM) foram usados para ajustar modelos preditivos com os registros de ocorrência de 88 espécies em função de variáveis ambientais. As variáveis preditoras foram selecionadas com base no menor critério de informação de Akaike corrigido. Nós avaliamos o desempenho dos modelos usando o método de validação cruzada (10-fold) para calcular a habilidade estatística verdadeira (TSS) e a área sob a curva característica do operador receptor (AUC). Nós usamos GLM para testar a influência da área de ocorrência estimada, do número de registros das espécies e da complexidade dos modelos sobre a TSS e a AUC. Nossos resultados mostraram que as variáveis climáticas governam amplamente a distribuição de espécies, mas as variáveis que captam as variações ambientais locais são relativamente importantes na área de estudo. A TSS foi significativamente influenciada pelo número de registros e complexidade dos modelos, enquanto a AUC sofreu com o efeito de todos os três fatores avaliados. A interação entre estes fatores é uma questão importante e a ser considerada em novas avaliações sobre ambas medidas e com diferentes técnicas de modelagem. Nossos resultados também mostraram que as distribuições de algumas espécies foram superestimadas e outras corresponderam bem com a ocorrência por nós conhecida. Efetivamente nossos resultados têm fundamentos para embasar novos levantamentos de campo, a avaliação de áreas prioritárias e planos de conservação, além de inferências dos efeitos de mudanças ambientais sobre as espécies da Mata Atlântica. / In view of environmental change on a global level, providing ecological information and getting a better understanding of the factors and processes that shape species distribution is an important initiative for planning conservation actions. In this context, the importance and lack of information about the geographical distribution of species motivated us to predict the potential species distribution of shrubs and trees of the family Lauraceae and Myrtaceae, in the Atlantic Forest in southern Brazil. Generalized linear models (GLM) were used to fit predictive models with records of occurrence of 88 species according to environmental variables. Predictor variables were selected based on the lowest corrected Akaike information criterion. We evaluate the performance of the models using the method of cross-validation (10-fold) to calculate the true skill statistic (TSS) and area under the receiver operator characteristic curve (AUC). We used GLM to test the influence of the area of occurrence estimated, the number of records of the species and the complexity of the models on the TSS and AUC. Our results show that climatic variables largely govern the distribution of species, but the variables that capture the local environmental variations are relatively important in the study area. The TSS was significantly influenced by the number of records and complexity of models while the AUC suffered from the effect of all three evaluated factors. The interaction between these factors is an important issue and be considered for new reviews on both measures and with different modeling techniques. Our results also showed that the distributions of some species were overestimated and other corresponded well with the occurrence known to us. Indeed our results have foundations to support new field surveys, assessment of priority areas and conservation plans, and inferences of the effects of environmental change on species of the Atlantic Forest.

Dissertação(mestrado) - Universidade Federal do Rio Grande, Programa de Pós–Graduação em Oceanografia Biológica, Instituto de Oceanografia, 2013. / Submitted by Cristiane Gomides (cristiane_gomides@hotmail.com) on 2013-11-19T11:38:07Z No. of bitstreams: 1 elisa.pdf: 1223620 bytes, checksum: b663448fea1aa40da19e4272a5aab6d2 (MD5) / Approved for entry into archive by Angelica Miranda (angelicacdm@gmail.com) on 2013-11-20T21:35:09Z (GMT) No. of bitstreams: 1 elisa.pdf: 1223620 bytes, checksum: b663448fea1aa40da19e4272a5aab6d2 (MD5) / Made available in DSpace on 2013-11-20T21:35:09Z (GMT). No. of bitstreams: 1 elisa.pdf: 1223620 bytes, checksum: b663448fea1aa40da19e4272a5aab6d2 (MD5) Previous issue date: 2013 / A vulnerabilidade dos mamíferos marinhos a ameaças que comprometam a manutenção de suas populações é uma das razões que os levam a ser alvo de pesquisas que visam sua conservação. A baleia-franca-austral, Eubalaena australis, é uma dessas espécies, sendo que a caça foi uma forte ameaça a todas as suas populações. No Brasil, sua principal concentração reprodutiva ocorre no litoral de Santa Catarina, onde indivíduos da espécie são observados anualmente entre os meses de julho e novembro. Esses indivíduos pertencem a uma população compartilhada entre Brasil e Argentina e que se recupera a taxas significativas. Esforços vêm sendo realizados a fim de preservar essa importante área para a espécie, porém faz-se necessário um melhor conhecimento acerca do seu uso de habitat na região, bem como de fatores que podem influenciar a taxa relativa de nascimentos de indivíduos, a qual possui forte relação com a recuperação populacional. O objetivo do presente trabalho foi testar a influência de variáveis temporais e ambientais na distribuição da espécie no litoral sul de Santa Catarina e avaliar a influência de anomalias climáticas em sua taxa relativa de nascimentos através de Modelos Lineares Generalizados e correlação cruzada, respectivamente. Os resultados sugerem que tanto grupos de fêmeas com filhotes quanto de adultos desacompanhados preferem enseadas amplas, com declive suave e parecem evitar enseadas com grandes ângulos de inclinação quando ventos intensos da direção leste atuam sobre elas. O sucesso reprodutivo dos indivíduos parece influenciado por anomalias climáticas, relacionadas principalmente à temperatura superficial da água do mar, que afetam a disponibilidade de alimento em sua área de alimentação, no entorno das ilhas Geórgias do Sul. / Vulnerability to threats that can compromise population maintenance is one of the reasons why many marine mammal species are targeted for conservation research. The southern right whale, Eubalaena australis, is one such species, and hunting was a strong threat to all of their populations. On the Brazilian coast, its main reproductive site is located along the Santa Catarina State, where individuals of the species are observed annually between July and November. These individuals belong to a population shared between Brazil and Argentina, which recovers at significant rates. Efforts have been made to preserve this important area for the species, but the habitat use of right whales in the region needs to be better known, as well as factors that may be influencing their relative birth rates, which are strongly related to population recovery. The objective of this study was to test the influence of temporal and environmental variables on species distribution at the southern coast of Santa Catarina and whether climate anomalies influence their relative birth rate using Generalized Linear Models and cross correlation, respectively. Our results suggest that both cowcalf and unaccompanied adult groups prefer large bays with gentle slope and they seem to avoid bays with great inclination angles when strong east winds are acting on them. The reproductive success of individuals appears to be influenced by climate anomalies, mainly the ones related to sea surface temperature, which affect food availability on the species feeding area, in the vicinity of South Georgia Islands.

Orientador: Mauricio Enrique Zevallos Herencia / Dissertação (mestrado) - Universidade Estadadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-15T13:14:28Z (GMT). No. of bitstreams: 1 Borges_CristianoAmancioVieira_M.pdf: 2172730 bytes, checksum: 3a0a212a114d920caf7bafe3f7a04868 (MD5) Previous issue date: 2010 / Resumo: A modelagem de séries temporais não gaussianas é um tema de alta relevância na análise de séries temporais. Utilizando-se de estimação por verossimilhança parcial, Kedem e Fokianos (2002) estenderam sistematicamente a metodologia dos Modelos Lineares Generalizados (MLG) para séries temporais em que tanto a série de interesse quanto as covariáveis são estocasticamente dependentes. Entretanto, a análise estatística de séries com memória longa (ML), seja na resposta ou nas covariáveis, não é discutida em detalhes. O primeiro objetivo desta dissertação é investigar, através de simulações, as propriedades dos estimadores de máxima verossimilhança parcial dos coeficientes do MLG quando utilizado para séries temporais com ML. O segundo objetivo consiste em um estudo sobre a qualidade das previsões obtidas para vários modelos ajustados a dados de séries com ML, utilizando a metodologia proposta por Kedem e Fokianos (2002). Os modelos considerados nesta dissertação são modelos para séries de contagens, séries binárias e séries categóricas ordinais. Finalmente, as metodologias são ilustradas através de aplicações em conjuntos de dados reais de finanças e de poluição do ar. / Abstract: Non-gaussian time series modeling is a high relevance issue of time series analysis. Kedem and Fokianos (2002) have used partial likelihood estimation to extend the Generalized Linear Models (GLM) methodology systematically to time series where the response and covariate data are both stochastically dependent. However, statistical analysis of time series with long memory (LM), whether in the response or in the covariates, is not discussed in detail. The first purpose of this paper is to investigate, via simulations, the properties of the partial maximum likelihood estimators of the GLM coefficients as used for modeling LM time series. As a second purpose, we have assessed the quality of the forecasts obtained from several adjusted models (using the methodology proposed by Kedem and Fokianos (2002)) as applied to data with LM series. The models we have chosen for our work include count series, binary series, and categorical ordinal time series models. Finally, the methodologies are illustrated with applications to financial and air pollution real data. / Mestrado / Series Temporais / Mestre em Estatística