Made available in DSpace on 2017-05-12T14:48:22Z (GMT). No. of bitstreams: 1 Rosangela_texto.pdf: 2310887 bytes, checksum: d9e69eaef22ee697283c66446001b19e (MD5) Previous issue date: 2010-12-16 / The presence of inconsistent observations make it improper to consider the gaussian process, as it is found in the literature. This process should be replaced by models of the symmetric distribution classes, such as the t-student distribution, which incorporates additional parameters to reduce the influence of inconsistent points. This work has developed the EM algorithm for estimating the structure of the spatial dependence of the parameters and of the spatial linear model, assuming that the process shows t-student n-varied distribution. This distribution has the degree of freedom v as the additional parameter, which has been considered to be fixed in this research. Techniques to diagnose influence are used after the estimation of parameters, in order to assess the quality of the adjustment of the model by the assumptions made and for the robustness of the results of the estimates when there are disturbances in the model or data. In the present work, diagnostic techniques for the assessment of local influence in linear spatial models have been developed, considering the process with t-student n-varied distribution. The usual diagnostic technique evaluates the withdrawing of the likelihood rate by the function of the likelihood logarithm. In this proposal, in addition to considering the usual technique, we use the withdrawing of the likelihood by Q-displacement of the complete likelihood. The application of the usual technique and of the one proposed here are illustrated through the analyses of both simulated and real data, provenient of agricultural experiments. / A presença de observações discrepantes torna imprópria a análise do processo gaussiano, sendo assim, como é encontrado na literatura, esse processo deve ser substituído por modelos da classe das distribuições simétricas, tal como a distribuição t-student, que incorpora parâmetros adicionais para reduzir a influência dos pontos discrepantes. Neste trabalho, assumiu-se que o processo apresenta distribuição t-student n-variada. Essa distribuição tem como parâmetro adicional o grau de liberdade v, que aqui considerou-se fixo. Dessa forma, desenvolveu-se o algoritmo EM e o algoritmo de NR para a estimação dos parâmetros da estrutura de dependência espacial e do modelo espacial linear. Após a estimação dos parâmetros, utilizou-se duas técnicas de diagnósticos de influência local, ambas com o intuito de avaliar a qualidade do ajuste do modelo pelas suposições feitas e pela robustez dos resultados das estimativas quando há perturbações no modelo ou nos dados. A primeira técnica, denominada "usual", já utilizada por diversos autores, avalia o afastamento da verossimilhança pela função do logaritmo da verossimilhança e a segunda técnica que aqui apresentamos propõe a análise de influência local pelo Q-afastamento da função de verossimilhança para dados completos. Essas técnicas permitiram verificar a influência no afastamento da verossimilhança, na matriz de covariância, no preditor linear e nos valores preditos por meio da análise gráfica. Para ilustrar a aplicação da técnica usual e da nossa proposta, realizou-se a análise de dados simulados e dados reais provenientes de experimentos agrícolas.

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

Em análise de dados que apresentam certo grau de assimetria, curtose ou bimodalidade, a suposição de normalidade não é válida, sendo necessários modelos que capturem estas características dos dados. Neste contexto, uma nova classe de distribuições bimodais assimétricas gerada por um mecanismo de mistura é proposta neste trabalho. Algumas propriedades para o caso particular que inclui a distribuição normal como família base desta classe são estudadas e apresentadas, tal caso resulta no chamado Modelo Mistura de Potência Normal (MPN). Dois algoritmos de simulação são desenvolvidos com a finalidade de obter variáveis aleatórias com esta distribuição. A abordagem frequentista é empregada para a inferência dos parâmetros do modelo proposto. São realizados estudos de simulação com o objetivo de avaliar o comportamento das estimativas de máxima verossimilhança dos parâmetros. Adicionalmente, um modelo de regressão para dados bimodais é proposto, utilizando a distribuição MPN como variável resposta nos modelos Generalizados Aditivos para Posição, Escala e Forma, cuja sigla em inglês é GAMLSS. Para este modelo de regressão estudos de simulação também são realizados. Em ambos os casos estudados, o modelo proposto é ilustrado utilizando um conjunto de dados reais referente à pontuação de jogadores na Super Liga Brasileira de Voleibol Masculino 2014/2015. Com relação a este conjunto de dados, o modelo MPN apresenta melhor ajuste quando comparado à modelos já existentes na literatura para dados bimodais. / In analysis of data that present a certain degree of asymmetry, kurtosis or bimodality, the assumption of normality is not valid and models that capture these characteristics of the data are required. In this context, a new class of bimodal asymmetric distributions generated by a mixture mechanism is proposed. Some properties for the particular case that includes the normal distribution as the base family of this class are studied and presented, such case results in the so-called Power Normal Mixture Model. Two simulation algorithms are developed with the purpose of obtaining random variables with this new distribution. The frequentist approach is used to the inference of the model parameters. Simulation studies are carried out with the aim of assessing the behavior of the maximum likelihood estimates of the parameters. In addition, the power normal mixture distribution is introduced as the response variable for the Generalized Additives Models for Location, Scale and Shape (GAMLSS). For this regression model, simulation studies are also performed. In both cases studied, the proposed model is illustrated using a data set on players\' scores in the Male Brazilian Volleyball Superliga 2014/2015. With respect to this dataset, the power normal mixture model presents better fit when compared to models already existing in the literature to bimodal data.

Orientador: Carlos Roberto Padovani / Resumo: Em muitas situações, existe a necessidade de estudar o comportamento de alguma característica em uma mesma unidade amostral ao longo do tempo, dose acumulada de algum nutriente ou medicamento. Na prática, a estrutura dos dados dessa natureza geralmente estabelece comportamentos não lineares nos parâmetros de interesse, já que estes caracterizam melhor a realidade biológica pesquisada. Essa conjuntura é propícia ao estudo de remodelação cardíaca (RC) por sobrecarga pressórica em ratos submetidos a diferentes manobras sequenciais de cálcio. Como o comportamento da RC não está claramente estabelecido, o objetivo deste trabalho consiste em fazer um estudo comparativo sobre a performance de quatro modelos de curvas de crescimento em quatro grupos experimentais, considerando erros normais $\theta$ generalizado multivariado. Além disso, a modelagem dos dados envolve duas estruturas de covariância: a homocedástica com a presença de autocorrelação lag 1 e a heterocedástica multiplicativa. No contexto metodológico, utiliza-se o procedimento de estimação por máxima verossimilhança com a aplicação da técnica de reamostragem bootstrap. Além disso, técnicas de simulações são implementadas para comprovação das propriedades metodológicas aplicadas. Para comparação entre os modelos, utilizam-se alguns avaliadores de qualidade de ajuste. Conclui-se, no presente estudo, que a estrutura homocedástica com autocorrelação lag 1 para os modelos Brody e de Von Bertalanffy, destacam-se por apresentar ... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Many situations, there is a need to study the behavior of some characteristic in the same sample unit over time, accumulated dose of some nutrient or medication. In practice, the structure of data of this nature generally establishes non-linear behaviors in the parameters of interest, since these characterize better the biological reality researched. This situation is favorable to the study of cardiac remodeling (CR) by pressure overload in rats submitted to different sequential calcium maneuvers. As the behavior of CR is not clearly established, the objective of this work is to perform a comparative study on the performance of four models of growth curves in four experimental groups, considering normalized multivariate θ standard errors. In addition, the data modeling involves two covariance structures: the homocedastic with the presence of autocorrelation lag 1 and the multiplicative heterocedastic. In the methodological context, the procedure of estimation by maximum likelihood is used with the technique of bootstrap resampling. In addition, simulation techniques are implemented to prove the methodological properties applied. For the comparison between the models, some adjustment quality evaluators are used. It is concluded in the present study that the homocedastic structure with lag 1 autocorrelation for the Brody and Von Bertalanffy models stands out for presenting excellent estimates and good quality of adjustment of the maximum developed stress (TD) as a function of t... (Complete abstract click electronic access below) / Doutor

No processo de classificação de uma imagem digital, o atributo textura pode ser uma fonte importante de informações. Embora o processo de caracterização da textura em uma imagem seja mais difícil, se comparado ao processo de caracterização de atributos espectrais, sabe-se que o emprego daquele atributo pode aumentar significativamente a exatidão na classificação da imagem. O objetivo deste trabalho de pesquisa consiste em desenvolver e testar um método de classificação supervisionado em imagens digitais com base em atributos de textura. O método proposto implementa um processo de filtragem baseado nos filtros de Gabor. Inicialmente, é gerado um conjunto de filtros de Gabor adequados às freqüências espaciais associadas às diferentes classes presentes na imagem a ser classificada. Em cada caso, os parâmetros utilizados por cada filtro são estimados a partir das amostras disponíveis, empregando-se a transformada de Fourier. Cada filtro gera, então, uma imagem filtrada que quantifica a freqüência espacial definida no filtro. Este processo resulta em um certo número de imagens filtradas as quais são denominadas de "bandas texturais". Desta forma, o problema que era originalmente unidimensional passa a ser multi-dimensional, em que cada pixel passa a ser definido por um vetor cuja dimensionalidade é idêntica ao número de filtros utilizados. A imagem em várias "bandas texturais" pode ser classificada utilizando-se um método de classificação supervisionada. No presente trabalho foi utilizada a Máxima Verossimilhança Gaussiana. A metodologia proposta é então testada, utilizandose imagens sintéticas e real. Os resultados obtidos são apresentados e analisados.

Made available in DSpace on 2010-04-20T20:54:50Z (GMT). No. of bitstreams: 3 LuizFernandoZLins2003.pdf.jpg: 14148 bytes, checksum: b2dd47ec3cfd89b30b57d07c06624b6b (MD5) LuizFernandoZLins2003.pdf.txt: 177747 bytes, checksum: a53679717da94c959539a586e75b9b91 (MD5) LuizFernandoZLins2003.pdf: 705493 bytes, checksum: 9d0715b9b94c80eaef338c1bcdbb6987 (MD5) Previous issue date: 2003-12-23T00:00:00Z / A recente discussão sobre o impacto do risco de crédito sobre a oferta de financiamento a países emergentes é o motivador deste trabalho, que procura estimar modelos de apreçamento de ativos que levam em consideração as expectativas de investidores em relação à probabilidade de não cumprimento integral por parte do emissor das disposições estabelecidas na emissão do título. Estimam-se modelos com o objetivo de extrair de uma série de preços de títulos informações sobre a probabilidade de default e a expectativa de valor recuperado em caso de default. Estes dois fatores apresentam comportamento bastante volátil no período da amostra, indicando a fragilidade da arquitetura de contratos atuais de dívida soberana.

Submitted by Reginaldo Soares de Freitas (reginaldo.freitas@ufv.br) on 2016-06-23T10:53:28Z No. of bitstreams: 1 texto completo.pdf: 279904 bytes, checksum: 3991609e08cd53a2c2254ee8b5c15f1d (MD5) / Made available in DSpace on 2016-06-23T10:53:28Z (GMT). No. of bitstreams: 1 texto completo.pdf: 279904 bytes, checksum: 3991609e08cd53a2c2254ee8b5c15f1d (MD5) Previous issue date: 1999-02-26 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Dados de suínos Duroc, Landrace e Large White foram utilizados para estimar componentes de (co)variância para tamanho de leitegada ao nascimento e ao desmame, peso de leitegada ao nascimento e aos 21 dias de idade e mortalidade do nascimento ao desmame, pelo método da máxima verossimilhança restrita (REML). O teste da razão de verossimilhança foi aplicado para se verificar qual o modelo mais adequado na avaliação genética animal: o modelo1, que continha o efeito genético direto; o 2, que continha os efeitos genéticos direto e materno; o 3, que continha o efeito direto e permanente de meio; e o 4, que incluía os efeitos direto, materno e permanente de meio. As estimativas de tendências genéticas dos efeitos genéticos direto e materno foram obtidas por meio da regressão das médias dos valores genéticos das características em função do ano de nascimento da porca. As herdabilidades direta e total apresentaram valores baixos a médios: 0,00 a 0,30 e 0,00 a 0,22, respectivamente, destacando a importância da seleção com base nas informações de parentes para o melhoramento genético destas características. A herdabilidade materna foi geralmente baixa: 0,00 a 0,17; e as correlações entre os efeitos genéticos aditivos direto e materno foram, de modo geral, altas e negativas, evidenciando antagonismo entre estes efeitos. As correlações genéticas entre as características de peso e tamanho de leitegada foram positivas. Já as correlações genéticas entre essas características e taxa de mortalidade tenderam a ser negativas. Esses resultados indicam que devem ser utilizados procedimentos multivariados para que tais correlações não sejam desprezadas. Constatou-se que a inclusão do efeito materno, efeito permanente de meio ou de ambos, tendeu a obter valores maiores de loge L. O teste da razão de verossimilhança indicou diferentes modelos para diferentes características e raças, sendo o modelo 4 o mais adequado para a maioria das características. As estimativas de tendência genética dos efeitos diretos mostraram que pouco ou praticamente nenhum progresso ocorreu nas características de leitegada, e houve até mesmo tendências genéticas negativas, evidenciando a dificuldade de se obter ganhos genéticos expressivos nas características reprodutivas, concordando com as baixas herdabilidades apresentadas pelas mesmas. As estimativas de tendência genética dos efeitos genéticos materno apresentaram-se, em geral, negativas, possivelmente em função das correlações genéticas negativas entre os efeitos genéticos aditivos direto e materno. / Data of Duroc, Landrace and Large White breeds were used to estimate (co)variance components for birth litter size and at weaning, birth litter weight and at 21 days of age and mortality, from birth to weaning, using restricted maximum likelihood methodology. The likelihood ratio test was applied to verify, for each breed and trait, which model was more adapted, the model 1, that contains the direct genetic effect, the model 2, that contains the direct and maternal genetic effects, the model 3, that contains the direct and permanent environmental effect, and the model 4, that includes the effects direct, maternal and permanent environmental. Genetic direct and maternal trends estimates were obtained by regressing genetic values averages on dam birth year. The direct and total heritabilities had small to medium values, .00 to .30 and .00 to .22, respectively, highlighting the importance of relatives information in the selection program for improving these traits. The maternal heritability was generally low, .00 to .17; and the correlations among the additive direct and maternal genetic effects were, in general, high and negative, evidencing antagonism among these effects. The genetic correlations among litter weigh and size traits were positive. The genetic correlations between those traits and mortality rate tended to be negative. These results indicate that should be used multivariate methodologies that do not despise such correlations. The inclusion of the genetic maternal effect, permanent environmental effect or both effects, tended to obtain larger values of ln L. The likelihood ratio test indicated different models for different traits and breeds, and the model 4 was more adapted for most of the traits. Genetic direct trends estimates showed no progress or very small progress for litter traits, and in some cases there were even negatives, indicating the difficulty to get high genetic gain in reproductive traits, in agreement with small heritabilities presented by them. Genetic maternal trends estimates were, in general, negatives, possibly in function of negatives genetics correlations among direct and maternal genetic additive effect.

No processo de classificação de uma imagem digital, o atributo textura pode ser uma fonte importante de informações. Embora o processo de caracterização da textura em uma imagem seja mais difícil, se comparado ao processo de caracterização de atributos espectrais, sabe-se que o emprego daquele atributo pode aumentar significativamente a exatidão na classificação da imagem. O objetivo deste trabalho de pesquisa consiste em desenvolver e testar um método de classificação supervisionado em imagens digitais com base em atributos de textura. O método proposto implementa um processo de filtragem baseado nos filtros de Gabor. Inicialmente, é gerado um conjunto de filtros de Gabor adequados às freqüências espaciais associadas às diferentes classes presentes na imagem a ser classificada. Em cada caso, os parâmetros utilizados por cada filtro são estimados a partir das amostras disponíveis, empregando-se a transformada de Fourier. Cada filtro gera, então, uma imagem filtrada que quantifica a freqüência espacial definida no filtro. Este processo resulta em um certo número de imagens filtradas as quais são denominadas de "bandas texturais". Desta forma, o problema que era originalmente unidimensional passa a ser multi-dimensional, em que cada pixel passa a ser definido por um vetor cuja dimensionalidade é idêntica ao número de filtros utilizados. A imagem em várias "bandas texturais" pode ser classificada utilizando-se um método de classificação supervisionada. No presente trabalho foi utilizada a Máxima Verossimilhança Gaussiana. A metodologia proposta é então testada, utilizandose imagens sintéticas e real. Os resultados obtidos são apresentados e analisados.

Made available in DSpace on 2016-06-02T20:06:10Z (GMT). No. of bitstreams: 1 6237.pdf: 1097574 bytes, checksum: efdba2d8d3f39759e65f53c499f7ee6a (MD5) Previous issue date: 2014-09-12 / We present the mixture model with first order dependence, MMM(1). This model corresponds to a redefinition of the hidden Markov model (HMM) where a non observable variable is used to control the mixture. The usual mixture model is a particular case of the MMM(1). The proposed redefinition makes easier the application of usual estimation tools as the EM algorithm. We present the maximum likelihood and Bayesian estimators for the normal and binomial cases of the MMM(1) and usual mixture models. Simulation studies show the functionality of the proposed models and their estimators. And finally we present an application to a real data set for the binomial case. / Nesse trabalho apresentamos o modelo de mistura com dependência markoviana de primeira ordem, MMM(1). A metodologia proposta corresponde a uma redefinição do modelo markoviano oculto (HMM) na qual utilizamos uma variável não observável como controladora da mistura. O modelo de mistura usual (sem dependência) é um caso particular do MMM(1). A redefinição proposta permite uma adaptação de instrumentos usuais de estimação como por exemplo o algoritmo EM. Apresentamos também os estimadores de máxima verossimilhança e bayesianos para os modelos MMM(1) e de mistura usual para os casos da distribuição normal e binomial. Estudos de simulação demonstram a funcionalidade do modelo e estimadores propostos. Ao final apresentamos uma aplicação a um conjunto de dados reais apresentados na literatura para o caso binomial.

No processo de classificação de uma imagem digital, o atributo textura pode ser uma fonte importante de informações. Embora o processo de caracterização da textura em uma imagem seja mais difícil, se comparado ao processo de caracterização de atributos espectrais, sabe-se que o emprego daquele atributo pode aumentar significativamente a exatidão na classificação da imagem. O objetivo deste trabalho de pesquisa consiste em desenvolver e testar um método de classificação supervisionado em imagens digitais com base em atributos de textura. O método proposto implementa um processo de filtragem baseado nos filtros de Gabor. Inicialmente, é gerado um conjunto de filtros de Gabor adequados às freqüências espaciais associadas às diferentes classes presentes na imagem a ser classificada. Em cada caso, os parâmetros utilizados por cada filtro são estimados a partir das amostras disponíveis, empregando-se a transformada de Fourier. Cada filtro gera, então, uma imagem filtrada que quantifica a freqüência espacial definida no filtro. Este processo resulta em um certo número de imagens filtradas as quais são denominadas de "bandas texturais". Desta forma, o problema que era originalmente unidimensional passa a ser multi-dimensional, em que cada pixel passa a ser definido por um vetor cuja dimensionalidade é idêntica ao número de filtros utilizados. A imagem em várias "bandas texturais" pode ser classificada utilizando-se um método de classificação supervisionada. No presente trabalho foi utilizada a Máxima Verossimilhança Gaussiana. A metodologia proposta é então testada, utilizandose imagens sintéticas e real. Os resultados obtidos são apresentados e analisados.