The current concerning on potential effect of CO2 on climate change has assigned to the biomass of the tropical forest the importance as a sink of carbon. However, the heterogeneity of the natural ecosystems in tropics has significant implications for biomass estimation. This study proposed different biomass models using destructive sampling for the highly diverse Atlantic Forest. Models from two different approaches: generalized and species-specific were fitted and had the performance compared. Regarding the generalized models, it was proposed different covariates including diameter at breast height (dbh), height to the crown base, woody specific gravity (wsg) and functional plant traits. The species-specific models were fitted by linear mixed-models (LME) using species as a random effect and ordinary least square (OLS). The performance of all models and approaches were compared to existing models from the literature. Also, different estimates of biomass in stand- and forest-level, and the implications for carbon quantification were verified. Additionally, two methods for calibration for individual tree-level biomass model were proposed, and different strategies for tree selection were tested. The primary results show that the species-specific model using LME had better performance and can be used for the most abundant species, and models that include dbh, wsg, and plant traits are suitable for less abundant species. The calibration using the LME method in some cases can be used as an alternative for species that do not have a random effect presented here being a reasonable alternative for diverse tropical forests such as Atlantic Forest. / Devido à atual preocupação do potencial efeito do CO2 nas mudanças climáticas atribuiu-se à biomassa das florestas tropicais uma grande importância como reservatório de carbono. No entanto, a heterogeneidade dos ecossistemas naturais nos trópicos tem significativas implicações para a estimativa de sua biomassa. O presente estudo propõe diferentes modelos de biomassa utilizando amostragem destrutiva para Mata Atlântica, uma floresta altamente diversa. Duas abordagens de modelos: generalizados e espécies-específicos foram ajustados e o desempenho comparado. Em relação aos modelos generalizados, foram testadas diferentes covariáveis, utilizando o diâmetro à altura do peito (dbh; em inglês), a altura da base da copa, densidade básica da madeira (wsg; em inglês) e os \"functional plant traits\". Os modelos espécies-específicos foram ajustados por modelos mistos lineares (LME; em inglês) utilizando as espécies como efeito aleatório e pelos mínimos quadrados (OLS; em inglês). O desempenho dos diferentes modelos e abordagens foi comparado ao desempenho de modelos existentes da literatura. Também foram verificadas diferentes estimativas de biomassa em nível de estande e floresta, assim como as implicações para a quantificação de carbono. Ainda, foram testados dois métodos de calibração para o modelo de biomassa em nível de árvore individual, variando o número de árvores e estratégias para seleção de árvores. Com base nos resultados, o modelo espécies-específicos usando LME apresentou melhor desempenho, podendo ser uma alternativa para as espécies mais abundantes, enquanto o modelo generalizado que inclui dbh, wsg e \"functional plant traits\" mostraram-se adequados para espécies menos abundantes. A calibração usando o método LME em alguns casos pode ser usada como uma alternativa para espécies que não possuem equação específica, sendo uma alternativa razoável para florestas tropicais altamente diversas, como a Mata Atlântica.

A determinação de propriedades físicas dos óleos essenciais é fundamental para sua aplicação na indústria de alimentos e também em projetos de equipamentos. A vasta quantidade de variáveis envolvidas no processo de desterpenação, tais como temperatura, pressão e composição, tornam a utilização de modelos preditivos de viscosidade necessária. Este trabalho teve como objetivo a obtenção de parâmetros para o modelo preditivo de viscosidade UNIFAC-VISCO com aplicação do método de otimização do gradiente descendente, a partir de dados de viscosidade de sistemas modelo que representam as fases que podem ser formadas em processos de desterpenação por extração líquido-líquido dos óleos essenciais de bergamota, limão e hortelã, utilizando como solvente uma mistura de etanol e água, em diferentes composições, a 25ºC. O experimento foi dividido em duas configurações; na primeira os parâmetros de interação previamente reportados na literatura foram mantidos fixos; na segunda todos os parâmetros de interação foram ajustados. O modelo e o método de otimização foram implementados em linguagem MATLAB®. O algoritmo de otimização foi executado 10 vezes para cada configuração, partindo de matrizes de parâmetros de interação iniciais diferentes obtidos pelo método de Monte Carlo. Os resultados foram comparados com o estudo realizado por Florido et al. (2014), no qual foi utilizado algoritmo genético como método de otimização. A primeira configuração obteve desvio médio relativo (DMR) de 1,366 e a segunda configuração resultou um DMR de 1,042. O método do gradiente descendente apresentou melhor desempenho para a primeira configuração em comparação com o método do algoritmo genético (DMR 1,70). Para a segunda configuração o método do algoritmo genético obteve melhor resultado (DMR 0,68). A capacidade preditiva do modelo UNIFAC-VISCO foi avaliada para o sistema de óleo essencial de eucalipto com os parâmetros determinados, obtendo-se DMR iguais a 17,191 e 3,711, para primeira e segunda configuração, respectivamente. Esses valores de DMR foram maiores do que os encontrados por Florido et al. (2014) (3,56 e 1,83 para primeira e segunda configuração, respectivamente). Os parâmetros de maior contribuição para o cálculo do DMR são CH-CH3 e OH-H2O para a primeira e segunda configuração, respectivamente. Os parâmetros que envolvem o grupo C não influenciam no valor do DMR, podendo ser excluído de análises futuras. / The determination of physical properties of essential oils is critical to their application in the food industry and also in equipment design. The large number of variables involved in deterpenation process, such as temperature, pressure and composition, to make use of viscosity predictive models required. This study aimed obtain parameters for the viscosity predictive model UNIFAC-VISCO using gradient descent as optimization method to model systems viscosity data representing the phases that can be formed in deterpenation processes for extraction liquid-liquid of bergamot, lemon and mint essential oils, using aqueous ethanol as solvente in different compositions at 25 º C. The work was divided in two configurations; in the first one the interaction parameters previously reported in the literature were kept fixed; in the second one all interaction parameters were adjusted. The model and the gradient descent method were implemented in MATLAB language. The optimization algorithm was runned 10 times for each configuration, starting from different arrays of initial interaction parameters obtained by the Monte Carlo method. The results were compared with the study carried out by Florido et al. (2014), which used genetic algorithm as optimization method. The first configuration provided an average deviation (DMR) of 1,366 and the second configuration resulted in a DMR 1,042. The gradient descent method showed better results for the first configuration comparing with the genetic algorithm method (DMR 1.70). On the other hand, for the second configuration the genetic algorithm method had a better result (DMR 0.68). The UNIFAC-VISCO model predictive ability was evaluated for eucalyptus essential oil system using the obtained parameters, providing DMR equal to 17.191 and 3.711, for the first and second configuration, respectively. The parameters determined by genetic algorithm presented lower DMR for the two settings (3.56 and 1.83 to the first and second configuration, respectively). The major parameters for calculating the DMR are CH-CH3 and OH-H2O to the first and second configuration, respectively. The parameters involving the C group did not influence the DMR and may be excluded from further analysis.

[pt] Empresas do ramo da Saúde vêm evoluindo seus modelos de gestão, desenvolvendo programas proativos para melhorar a qualidade e a eficiência dos seus serviços considerando informações históricas. Estratégias proativas buscam prevenir e detectar doenças precocemente e também melhorar os resultados das internações. Nesse sentido, uma tarefa desafiadora é identificar quais pacientes devem ser incluídos em programas proativos de saúde. Para isso, a previsão e a modelagem de variáveis relacionadas aos custos estão entre as abordagens mais amplamente utilizadas, uma vez que essas variáveis sào potenciais indicadores do risco, da gravidade e do consumo de recursos médicos de uma internação. A maioria das pesquisas nesta área têm como foco modelar variáveis de custo em uma perspectiva geral e prever variações de custos para períodos específicos. Por outro lado, este trabalho se concentra na previsão dos custos de um evento específico. Em particular, esta dissertação prescreve uma solução para a predição de internações de alto custo, visando dar apoio a gestores de serviços em saúde em suas ações proativas. Para esse fim, foi seguida a metodologia de pesquisa Design Science Research (DSR), aliada ao ciclo de vida de projeto de Ciência de Dados, sobre um cenário real de uma empresa de consultoria em saúde. Os dados fornecidos descrevem internações de pacientes através de suas características demográficas e do histórico de consumo de recursos médicos. Diferentes técnicas estatísticas e de Aprendizado de Máquina foram aplicadas, como Ridge Regression (RR), Least Absolute Shrinkage and Selection Operator (LASSO), Classification and Regression Trees (CART), Random Forest (RF) e Extreme Gradient Boosting (XGB). Os resultados experimentais evidenciaram que as técnicas RF e XGB apresentaram o melhor desempenho, atingindo AUCPR de 0,732 e 0,644, respectivamente. O modelo de predição da técnica RF foi capaz de detectar até 72 porcento, em média, das internações de alto custo com 33 porcento de precisão, o que representa 78,7 porcento do custo total gerado por tais internações. Além disso, os resultados monstraram que o uso de custo prévio e variáveis agregadas de consumo de recursos aumentaram a capacidade de predição do modelo / [en] Healthcare providers are evolving their management models, developing proactive programs to improve the quality and efficiency of their health services, considering the available historical information. Proactive strategies seek not only to prevent and detect diseases but also to enhance hospitalization outcomes. In this sense, one of the most challenging tasks is to identify which patients should be included in proactive health programs. To this end, forecasting and modeling cost-related variables are among the most widely used approaches for identifying such patients, since these variables are potential indicators of the patients hospitalization risk, their severity, and their medical resources consumption. Most of the existing research works in this area aim to model cost variables from an overall perspective and predict cost variations for specific periods. In contrast, this work focuses on predicting the costs of a particular event. Specifically, this thesis prescribes a solution for identifying high-cost hospitalizations, to support health service managers in their proactive actions. To this end, the Design Science Research (DSR) methodology was combined with the Data Science life cycle in a real scenario of a health consulting company. The data provided describes patients hospitalizations through their demographic characteristics and their medical resource consumption. Different statistical and Machine Learning techniques were used to predict high-cost hospitalizations, such as Ridge Regression (RR), Least Absolute Shrinkage and Selection Operator (LASSO), Classification and Regression Trees (CART), Random Forest (RF), and Extreme Gradient Boosting (XGB). The experimental results showed that RF and XGB presented the best performance, reaching an Area Under the Curve Precision-Recall (AUCPR) of 0.732 and 0.644, respectively. In the case of RF, the model was able to detect, on average, 72 percent of the high-cost hospitalizations with a 33 percent of Precision, which represents 78.7 percent of the total cost generated by the high-cost hospitalizations. Moreover, the obtained results showed that the use of prior cost and aggregated variables of resource consumption increased the model s ability to predict high-cost hospitalizations.

Dissertation présentée pour obtenir le grade de Docteur es Génie Électrique à l'Institut National Polytechnique de Toulouse et Faculdade de Engenharia da Universidade do Porto

As crescentes preocupações com questões ambientais têm despertado interesse global pelo uso de combustíveis alternativos, e o uso da biomassa vegetal surge como uma alternativa viável para a geração de biocombustíveis. Diferentes materiais orgânicos têm sido utilizados, e dentre eles destaca-se o sorgo biomassa (Sorghum bicolor L. Moench). A seleção genômica apresenta grande potencial e pode, em médio prazo, reestruturar os programas de melhoramento de plantas, promovendo maiores ganhos genéticos quando comparada a outros métodos, além de reduzir significativamente o tempo necessário para o desenvolvimento de novas cultivares, através da seleção precoce. Este trabalho teve como objetivo avaliar modelos de seleção genômica e aplicá-los para a predição dos valores genéticos de indivíduos do painel de sorgo biomassa da Embrapa/Milho e Sorgo. Tal painel inclui materiais do banco de germoplasma e materiais utilizados em programas de melhoramento de sorgo dessa instituição, bem como coleções núcleo do CIRAD e ICRISAT, sendo, portanto, subdividido em dois sub-painéis. As 100 linhagens do sub-painel 1 foram avaliadas fenotipicamente por dois anos (2011 e 2012) e as 100 linhagens do sub-painel 2 por um ano (2011), ambas no município de Sete Lagoas-MG, para as seguintes características fenotípicas: tempo até o florescimento, altura de plantas, produção de massa verde e massa seca, proporções de fibra ácida e neutra, celulose, hemicelulose e lignina. Posteriormente, as 200 linhagens integrantes do painel foram genotipadas através da técnica de genotipagem por sequenciamento. A partir desses dados genotípicos e fenotípicos, os modelos de seleção genômica Bayes A, Bayes B, Bayes Cπ, Bayes Lasso, Bayes Ridge Regression e Random Regression BLUP (RRBLUP) foram ajustados e comparados. As capacidades preditivas obtidas foram elevadas e pouco variaram entre os diversos modelos, variando de 0,61 para o caráter florescimento a 0,85 para a proporção de fibra ácida, quando o modelo RRBLUP foi empregado na análise conjunta dos dois sub-painéis. Por outro lado, a predição cruzada entre sub-painéis resultou em capacidades preditivas substancialmente menores, nunca superiores a 0,66 e em alguns cenários virtualmente iguais a zero, além de apresentar maiores variações entre os modelos ajustados. Simulações do uso de subconjuntos dos marcadores moleculares são apresentadas e indicam possibilidades de obtenção de capacidades preditivas mais elevadas. Análises de enriquecimento funcional realizadas a partir dos efeitos preditos dos marcadores sugeriram associações interessantes, as quais devem ser investigadas com maiores detalhes em estudos futuros, com potencial de elucidação da arquitetura genética dos caracteres quantitativos. / Increased concerns about environmental issues have aroused global interest in the use of alternative fuels, and the use of plant biomass emerges as a viable alternative for the generation of biofuels. Different organic materials have been used, including high biomass sorghum (Sorghum bicolor L. Moench). Genomic selection has great potential and could, in the medium term, restructure plant breeding programs, promoting greater genetic gains when compared to other methods and significantly reducing the time required for the development of new cultivars through early selection. This work aimed at evaluating models of genomic selection and applying them to the prediction of breeding values for a panel of high biomass sorghum genotypes of Embrapa / Milho e Sorgo. This panel includes materials from the gene bank and materials used in sorghum breeding programs of this institution, as well as core collections from CIRAD and ICRISAT, and is therefore divided into two sub-panels. The 100 lines of sub-panel 1 were evaluated phenotypically for two years (2011 and 2012) and the 100 lines of sub-panel 2 for one year (2011), both in the city of Sete Lagoas, Minas Gerais, for the following phenotypic traits: days to flowering, plant height, fresh and dry matter yield and fiber, cellulose, hemicellulose and lignin proportions. Subsequently, the 200 lines were genotyped by via the genotyping by sequencing technique. From these genotypic and phenotypic data, genomic selection models Bayes A, Bayes B, Bayes Cπ, Bayes Lasso, Bayes Ridge Regression and Random Regression BLUP (RRBLUP) were fitted and compared. The predictive capabilities obtained were high and varied little between the different models, ranging from 0.61 for days to flowering to 0.85 for acid fiber, when the RRBLUP model was used on the combined analysis of the two sub-panels. On the other hand, cross prediction between sub-panels resulted in substantially lower predictive capability, never above 0.66 and in some scenarios virtually equal to zero, with greater variations between the fitted models. Simulations of using subsets of molecular markers are presented and indicate possibilities of achieving higher predictive capabilities. Functional enrichment analyses performed with the marker predicted effects suggested interesting associations, which should be investigated in more detail in future studies, with potential for elucidating the genetic architecture of quantitative traits.

Made available in DSpace on 2014-06-11T19:23:31Z (GMT). No. of bitstreams: 0 Previous issue date: 2002-12Bitstream added on 2014-06-13T18:09:44Z : No. of bitstreams: 1 tsuchiya_i_me_prud.pdf: 799978 bytes, checksum: 9fdf1a044dc4426ea66abb64ee6b3e13 (MD5) / O presente trabalho tem como referência o Projeto de Salvamento Arqueológico de Porto Primavera, cujo objetivo foi resgatar, analisar e conservar os vestígios das antigas civilizações ribeirinhas do Rio Paraná. Uma das etapas de um projeto de salvamento é a prospecção, nela, o arqueólogo realiza a vistoria em toda a área de interesse à procura de indícios das habitações pretéritas, porém, essa etapa é demorada e onerosa. Com base na técnica de modelagem preditiva multivariada (regressão logística), aliada às ferramentas de geoprocessamento, pudemos avaliar as prováveis áreas de ocupação pretérita, reduzindo assim, a etapa de prospeção. Como resultado temos um mapa de classes, com as probabilidades de ocorrência de sítios arqueológicos utilizando o método de regressão logística. / This work has as reference the Project of Archaeological Rescue of Porto Primavera, whose objective was to rescue, to analyze and to conserve the vestiges of the old marginal civilizations of the Paraná River. One of the stages of project is the prospection, in, the archaeologist carries through the inspection in all the area of interest to the search of indications of the past habitations, however, this stage is delayed and onerous. On the basis of the technique of multivaried predictive modeling (logistic regression), allied to the tools of Geographic Information System, we could evaluate the probable areas of past occupation, thus reducing, the stage of prospection. As result we have a map of classrooms, with the probabilities of occurrence of archaeological small farms using the method of logistic regression.

Submitted by Marilene Donadel (marilene.donadel@unioeste.br) on 2017-12-04T23:59:33Z No. of bitstreams: 1 Camila_Neves_2016.pdf: 2611744 bytes, checksum: 4dfde4e75e66014e081977473b694361 (MD5) / Made available in DSpace on 2017-12-04T23:59:33Z (GMT). No. of bitstreams: 1 Camila_Neves_2016.pdf: 2611744 bytes, checksum: 4dfde4e75e66014e081977473b694361 (MD5) Previous issue date: 2016-02-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The textile industry are responsible to generate a large volume of wastewater that are characterized by high coloration, electrolytes (NaCl, Na2CO3, NaOH), surfactants, softeners, etc. Thus, these wastewaters require previous treatment to its disposal in the receiving bodies of water. The aim of this work was to evaluate the influence of electrolyte (NaCl) and surfactant (Profiber) in adsorption of reactive blue 5G dye by fish scale (Oreochromis niloticus). The adsorbent was characterizated by N2 physisorption. The initial pH (2; 3; 4; 5; 6; 7; 8; 9; 9,45) were elaluated for the systems: (i) RB5G-Adsorbent, (ii) RB5G-NaCl-Adsorbent, (iii) RB5G-Surfactant-Adsorbent e (iv) RB5G-NaCl-Surfactant-Adsorbent. The adsorption experiments were performed in closed and batch system (25°C). The effects of stirring speed (450, 700, 1000, 1400 rpm) and initial concentration (25, 50, 100, 150, 200 mg L-1) were evaluated in adsorption kinetics. The equilibrium data was determined based on kinetics tests. The kinetics data were modeled by external diffusion and adsorption in the adsorbent sites. The equilibrium data were modeling by Langmuir isotherm. The adsorbent characterization indicated that fish scale is a non-porous material. The best adsorption capacity occured in pH 2. The equilibrium was obtained in 72 hours. The effect best adsorption capacity occurred in 1000 rpm. The kinetics studies indicated that RB5G dye adsorption using fish scale was highly favorable. The kinetic data were best represented by adsorption in the adsorbent sites model. The electrolyte (NaCl) and surfactant (Profiber) the equilibrium adsorption in 10 and 7%, respectively. The maximum adsorption capacity were 272, 299 and 291 mg g-1 for the systems (i), (ii) and (iii), respectively. This work indicated that fish scale is a great adsorbent with high adsorption capacity. The presence of the electrolyte (NaCl) and surfactant (Profiber) influenced favorably the adsorption of the dye RB5G by fish scales. / As indústrias têxteis geram grandes quantidades de águas residuais, as quais se caracterizam pela elevada coloração e presença de eletrólitos (NaCl, Na2CO3, NaOH), surfactantes, amaciantes, entre outros. Desta forma, estes efluentes precisam ser tratados antes de serem descartadas em corpos receptores. Neste sentido, este trabalho teve como objetivo estudar a influência de agentes auxiliares, como eletrólitos (NaCl) e surfactantes (Profiber), na adsorção do corante reativo azul 5G (RB5G) pela escama de peixe do gênero tilápia (Oreochromis niloticus). Para a caracterização do adsorvente foi realizado o método de fisissorção de N2. O efeito do pH inicial (2; 3; 4; 5; 6; 7; 8; 9; 9,5) foi avaliado para os seguintes sistemas: (i) RB5G-Adsorvente, (ii) RB5G-NaCl-Adsorvente, (iii) RB5G-Surfactante-Adsorvente e (iv) RB5G-NaCl-Surfactante-Adsorvente. Os experimentos de adsorção foram realizados em sistema fechado e batelada e com controle de temperatura (25°C). Nos experimentos de cinética de adsorção foram avaliados os efeitos da velocidade de agitação (450, 700, 1000 e 1400 rpm) e da concentração inicial de RB5G (25, 100, 150) e os testes de equilíbrio foram realizados com base nos testes cinéticos. Para modelagem matemática dos dados cinéticos foram utilizados os modelos de difusão externa e adsorção na superfície e os dados de equilíbrio foram modelados pela isoterma de Langmuir. A caracterização da escama de peixe mostrou que o adsorvente é um material não poroso e com baixa área superficial. A maior capacidade de adsorção foi alcançada em pH 2. O tempo de equilíbrio obtido para processo de adsorção foi de 72 horas e a maior capacidade de adsorção foi alcançada na velocidade de agitação de 1000 rpm. O estudo cinético indicou que a adsorção do corante RB5G pela escama de peixe é extremamente favorável. O modelo cinético de adsorção na superfície foi o que melhor representou os dados experimentais. A presença do eletrólito (NaCl) e do surfactante (Profiber) favoreceram o equilíbrio de adsorção em 10 e 7%, respectivamente. A capacidade máxima de adsorção da escama de peixe foi de 272 e 299 e 291 mg g-1 para os sistemas (i), (ii) e (iii), respectivamente. Além disso, com o modelo cinético obtido neste trabalho foi possível predizer o comportamento da cinética dos sistemas (ii) e (iii). Este trabalho mostrou o potencial da escama de peixe na remoção de corante com elevada capacidade de adsorção. A presença dos agentes auxiliares, tais como eletrólito o (NaCl) e o surfactante (Profiber) influenciou de forma favorável o processo de adsorção do corante RB5G pela escama de peixe.

A quantificação de biomassa e carbono em florestas requer a aplicação de métodos adequados para se obter estimativas confiáveis de seus estoques. Neste sentido, o objetivo deste trabalho foi avaliar a aplicação de alguns métodos utilizados para a predição e estimação dessas variáveis em florestas nativas e restauradas da Mata Atlântica. Para isso, um primeiro capítulo aborda o uso do índice de vegetação NDVI como ferramenta auxiliar no inventário de estoques de biomassa em áreas de restauração florestal. Diferentes métodos de amostragem foram comparados em termos de precisão e conservadorismo das estimativas. Os resultados demonstraram que o NDVI apresentou adequada correlação com a biomassa estimada nas parcelas do inventário florestal instaladas em campo, sendo viável sua aplicação, seja para auxiliar na determinação de estratos, na aplicação da amostragem estratificada, seja como variável suplementar na utilização de um estimador de regressão relacionando-o à biomassa, no procedimento da amostragem dupla. Este último método, possibilitou minimizar as incertezas acerca das estimativas, valendo-se de uma intensidade amostral reduzida, fato que torna seu uso interessante, principalmente aos estudos em escala ampla, de modo a aumentar a confiabilidade das quantificações de estoques de carbono presentes na biomassa florestal, a custos de inventário reduzido. Um segundo capítulo discute a abordagem metodológica utilizada para inferir sobre a qualidade de modelos preditivos quando da seleção de modelos concorrentes para a aplicação em estudos de biomassa de florestas nativas. Para tanto, seis modelos considerando diferentes combinações de variáveis preditoras, incluindo diâmetro, altura total e alguma informação relativa à densidade da madeira, foram construídos a partir de dados de uma amostra de 80 árvores. As equações de predição de biomassa seca geradas por estes modelos foram avaliadas quanto à sua qualidade de ajuste e desempenho de aplicação. Neste segundo caso, aplicando-as aos dados de outra amostra composta por 146 árvores presentes em nove parcelas destrutivas instaladas em diferentes estágios sucessionais da floresta, de modo a possibilitar a avaliação dos vieses preditivos. No intuito de se verificar as discrepâncias nas estimativas de biomassa devido à aplicação das diferentes equações de predição de biomassa, as equações desenvolvidas, junto a outras disponíveis na literatura, foram aplicados aos dados de um inventário florestal realizado na área estudada. O estudo confirma a natureza empírica destas equações, atentando para a necessidade de prévia avaliação de seu desempenho de predição antes de sua aplicação, em especial, das ajustadas com amostras de outras florestas, expondo alguns dos principais fatores associados às causas de incertezas nas quantificações dos estoques de biomassa nos estudos realizado em florestas nativas. / The biomass and carbon quantification requires the application of appropriate methods to obtain reliable estimates of their stocks in natural and planted forests. The aim of this study was to evaluate different applicable methods to estimate biomass in both, natural and restored Atlantic Forests. The first chapter discusses the use of the vegetation index (NDVI) as an auxiliary tool in the inventory of biomass stocks in forest restoration areas. Different sampling methods were compared in terms of its accuracy and conservativeness. The results shown an adequate correlation between the vegetation index and the measured biomass, making the NDVI applicable either as supporting decision tool to define strata in the stratified sampling or as a predictor in the double sampling procedure. The last method allowed to the minimization of the uncertainties related to the biomass estimation combined to the reduction of sampling efforts. It makes the approach very interesting, especially in the context of large-scale surveys. The second chapter discusses the methodological approach used to evaluate the quality of predictive models applied to biomass studies in natural forests. For this, six models were fitted from 80 sample trees, using different combinations of predictor variables, such as, total height and information of wood density. The predictive equations generated by the models were evaluated according to their quality of fit and prediction performance. In order to evaluate its prediction performance, the equations were applied to the dataset of another 146 sample trees measured in nine destructive sample plots. The plots were located in different forest successional stages allowing the evaluation of model predictive bias among the stages. A third step of the analysis was the application of literature equations to a dataset of a forest inventory conducted in the study area, in order to verify the discrepancies in the estimates due to the use of these different models. The study confirms the empirical nature of the biomass equations and the need of previous evaluation in terms of prediction performance. This conclusion is even more relevant when we consider the equations that were obtained from other forests types, exposing some of the key factors associated to the causes of uncertainty in the biomass estimation applied to natural forests.

[pt] Perdendo em média mais de 20 por cento da base de alunos todo semestre, a evasão de alunos no ensino superior privado representa um desafio para a gestão dessas instituições. Diferentes abordagens são utilizadas para combater este problema. Para a gestão de marketing de retenção, a identificação dos alunos é o primeiro passo necessário para aplicar uma estratégia de interação personalizada. Nesse sentido, este trabalho apresenta uma metodologia quantitativa para classificação de risco de evasão de alunos ativos. Baseado em dados históricos de alunos que evadiram ou se formaram, modelos gerados por algoritmos de machine learning foram calculados e comparados e, na sequência, utilizados para classificar alunos ativos. Por fim, estimou-se o lifetime value desses alunos para auxiliar na definição de estratégias de retenção. / [en] Losing more than 20 percent of its students each semester, the student attrition in private graduation courses challenges its institutions management. Different approaches to address this problem have been used. To retention marketing management the identification of students is the first necessary step to apply a personalized interaction strategy. In this sense, this work uses a quantitative methodology to classify its students by risk of attrition. Based in historic data of former students of an institution, models were generated by machine learning algorithms and its results compared. Then they were used to classify active students in the educational institution. Afterwards, their lifetime value were estimated in order to help in the definition of retention strategies.

Submitted by Viviane Lima da Cunha (viviane@biblioteca.ufpb.br) on 2016-02-17T11:30:52Z No. of bitstreams: 1 arquivototal.pdf: 945699 bytes, checksum: 9ac1d0e7217344776f8b0044d94ad1cc (MD5) / Made available in DSpace on 2016-02-17T11:30:52Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 945699 bytes, checksum: 9ac1d0e7217344776f8b0044d94ad1cc (MD5) Previous issue date: 2015-08-27 / In Brazil, there are tools for monitoring the behaviour of legislators in rollcalls, such as O Estado de São Paulo’s Basômetro and Radar Parlamentar. These tools are used both by journalists and political scientists for analysis. Although they are great analysis tools, their usefulness for monitoring is limited because they require a manual follow-up, which makes it a lot of work when we consider the volume of data. Only in the Chamber of Deputies, 513 legislators participate on average over than 400 rollcalls by legislature. It is possible to decrease the amount of data analyzing the parties as a whole, but in contrast we lose the ability to detect individuals’ drives or intra-party groups such as factions. In order to mitigate this problem, I developed a statistical model that detects when a legislator changes his or her position, joining or leaving the governmental coalition, through ideal points estimates using theW-NOMINATE. It can be used individually or integrated to tools such as Basômetro, providing a filter for researchers find the deputies who changed their behaviour most significantly. The universe of study is composed of legislators from the Chamber of Deputies from the 50th to the 54th legislatures, starting in the first term of Fernando Henrique Cardoso in 1995 until the beginning of the second term of Dilma Rousseff in 2015. / No Brasil, existem ferramentas para o acompanhamento do comportamento dos parlamentares em votações nominais, tais como o Basômetro do jornal O Estado de São Paulo e o Radar Parlamentar. Essas ferramentas são usadas para análises tanto por jornalistas, quanto por cientistas políticos. Apesar de serem ótimas ferramentas de análise, sua utilidade para monitoramento é limitada por exigir um acompanhamento manual, o que se torna muito trabalhoso quando consideramos o volume de dados. Somente na Câmara dos Deputados, 513 parlamentares participam em média de mais de 400 votações nominais por legislatura. É possível diminuir a quantidade de dados analisando os partidos como um todo, mas em contrapartida perdemos a capacidade de detectar movimentações de indivíduos ou grupos intrapartidários como as bancadas. Para diminuir esse problema, desenvolvi neste trabalho um modelo estatístico que detecta quando um parlamentar muda de posicionamento, entrando ou saindo da coalizão governamental, através de estimativas de pontos ideais usando oW-NOMINATE. Ele pode ser usado individualmente ou integrado a ferramentas como o Basômetro, oferecendo um filtro para os pesquisadores encontrarem os parlamentares que mudaram mais significativamente de comportamento. O universo de estudo é composto pelos parlamentares da Câmara dos Deputados no período da 50ª até a 54ª legislaturas, iniciando no primeiro mandato de Fernando Henrique Cardoso em 1995 até o início do segundo mandato de Dilma Rousseff em 2015.