Made available in DSpace on 2014-06-12T17:35:39Z (GMT). No. of bitstreams: 2 arquivo6983_1.pdf: 1862837 bytes, checksum: e0fcb825b04d3b7f64bcee6a89be5f0c (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2004 / O desenvolvimento de algoritmos de otimização global irrestrita tem sido pesquisado na tentativa de obter algoritmos gerais que apresentem um bom desempenho em classes abrangentes de problemas de otimização. Os métodos que utilizam derivadas apresentam um bom desempenho mas, na grande maioria dos problemas esta informação não está disponível ou é de grande dificuldade a sua obtenção. Existe uma grande dificuldade de se estabelecer algoritmos eficientes sem a informação da derivada. Os métodos de busca direta se apoiam em heurísticas para determinar a direção de busca com certa eficiência, porém sem garantia de convergência. Este trabalho realiza uma avaliação do problema da convergência dos algoritmos de busca direta, desenvolve um modelo geral, estratégias de abordagem e melhorias, analisa e implementa um algoritmo que é capaz de determinar a direção de busca do ótimo de forma eficiente, sem o uso de derivadas. O software desenvolvido utiliza nuvens probabilísticas que fornecem o conhecimento da performance da distribuição de probabilidade da nuvem de pontos. Essa distribuição através dos seus momentos fornece a direção de aproximação do ponto de ótimo. Na presente pesquisa o algoritmo melhorado proposto apresentou uma excelente performance em relação às listas de Benchmark existentes e aceitas pela comunidade de otimização global. O aspecto mais relevante é a abrangência de classes de problemas possíveis de resolver com este algoritmo sem perda de performance em reconhecer a classe de problemas a ele submetido

Tese de mestrado. Estatística Aplicada e Modelação. Faculdade de Engenharia. Universidade do Porto. 2005

DOURADO JÚNIOR, José Nobre. Probabilidade para o ensino médio. 2014. 55 f. Dissertação (Mestrado em Matemática em Rede Nacional) - Centro de Ciências, Universidade Federal do Ceará, Juazeiro do Norte, 2014. / Submitted by Erivan Almeida (eneiro@bol.com.br) on 2015-01-12T16:48:36Z No. of bitstreams: 1 2014_dis_jndjunior.pdf: 311696 bytes, checksum: 9111bc7d225b74ab3042ec8c4b7aaf18 (MD5) / Approved for entry into archive by Rocilda Sales(rocilda@ufc.br) on 2015-01-15T13:00:31Z (GMT) No. of bitstreams: 1 2014_dis_jndjunior.pdf: 311696 bytes, checksum: 9111bc7d225b74ab3042ec8c4b7aaf18 (MD5) / Made available in DSpace on 2015-01-15T13:00:31Z (GMT). No. of bitstreams: 1 2014_dis_jndjunior.pdf: 311696 bytes, checksum: 9111bc7d225b74ab3042ec8c4b7aaf18 (MD5) Previous issue date: 2014 / This work has as objective introduce the basic concepts of the Theory of Probabilities and present notions on some probabilistic models for the student of the High School. We will begin the work presented in chapter I the notions of experiment deterministic, random experiment, sample space and events, followed by some definitions of Probability concepts that constitute the basis for this theory. In chapter II we will discuss the concepts of Conditional Probability and Independence of Events showcasing some important theorems that derive from these concepts, as well as some of its applications. In chapter III we will present in a simple way some probabilistic models discrete quite useful for shape effectively a good number of random experiments thus contributing to the calculation of the probabilities of its results. Finally, in chapter IV will be presented the probability model known as Poisson distribution, which allows us to calculate the probability that an event will occur in a given time interval or in a given spatial region. / Este trabalho tem como objetivo introduzir os conceitos básicos da Teoria das Probabilidades e apresentar noções sobre alguns modelos probabilísticos para o estudante do Ensino Médio. Iniciaremos o trabalho apresentando no capítulo 1 as noções de experimento determinístico, experimento aleatório, espaço amostral e eventos, seguidos de algumas definições de Probabilidade, conceitos que constituem a base para essa teoria. No capítulo 2 abordaremos os conceitos de Probabilidade Condicional e Independência de Eventos, apresentando alguns teoremas importantes que decorrem desses conceitos, bem como algumas de suas aplicaçoes. No capítulo 3 apresentaremos de maneira simples alguns modelos probabilísticos discretos bastante úteis por modelarem de forma eficaz um bom número de experimentos aleatórios contribuindo assim para o cálculo das probabilidades de seus resultados. Por fim, no capítulo 4 será apresentado o modelo probabilístico conhecido como Distribuição de Poisson, que nos permite calcular a probabilidade de um evento ocorrer em um dado intervalo de tempo ou numa dada região espacial.

Made available in DSpace on 2014-06-12T17:42:16Z (GMT). No. of bitstreams: 2 arquivo7421_1.pdf: 3508191 bytes, checksum: 9f05f086df835c11d71a319cc29dc8c9 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2004 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Trata-se do uso e do comércio de automóveis considerando-se neste escopo todos os seus agentes, e mais especificamente, o consumidor, as concessionárias e as montadoras. Dentro do paradigma da Engenharia de Sistemas são estudados detalhadamente alguns modelos probabilísticos e estatísticos do mercado automotivo. Inicia-se com um apanhado histórico da evolução do setor automotivo. Continua com uma descrição da metodologia de medida das variáveis, dos parâmetros e dos indicadores deste setor, explicitando alguns mecanismos que interferem nos resultados desses procedimentos de medidas. Estuda-se então, utilizando dados reais, obtidos através de uma pesquisa envolvendo mais de mil e quatrocentos sujeitos, o perfil do consumidor de automóveis do grande Recife. Além de apresentar as preferências deste consumidor e suas interações com os fatores condicionantes. Finalmente, propõe-se uma abordagem quanto ao diagnóstico, acompanhamento e gerenciamento do sistema à luz da Engenharia de Sistemas, bem como uma análise das tendências e perspectivas do mercado automotivo. Os resultados mostram que os fatores sócio-econômicos, ocupacionais e geográficos não têm influência em muitas atitudes do consumidor como fidelidade à marca e a escolha desta. Verificou-se, também, que existe uma dinâmica de troca de marcas, intimamente relacionada com o posicionamento destas no mercado, que vai provocar uma redistribuição das fatias de mercado. Diagnosticou-se, por fim, uma crise no mercado das concessionárias e, neste contexto, propôs-se algumas alternativas para este mercado

Dissertação apresentada para obtenção do grau de Mestre em Engenharia Electrotécnica e de Computadores (área de especialização de Sistemas de Energia), na Faculdade de Engenharia da Universidade do Porto, sob a orientação do Professor Doutor Vladimiro Henrique Barrosa Pinto Miranda

Tese de mestrado. Estatística Aplicada e Modelação. Faculdade de Engenharia. Universidade do Porto. 2005

Neste trabalho são apresentados dois métodos de agrupamento de dados visados para aplicações em taxonomia molecular. Estes métodos estão baseados em modelos probabilísticos, o que permite superar alguns problemas apresentados nos métodos não probabilísticos existentes, como a dificuldade na escolha da métrica de distância e a falta de tratamento e aproveitamento do conhecimento a priori disponível. Os métodos apresentados combinam por meio do teorema de Bayes a informação extraída dos dados com o conhecimento a priori que se dispõe, razão pela qual são denominados métodos Bayesianos. O primeiro método, método de agrupamento hierárquico Bayesiano, está baseado no algoritmo HBC (Hierarchical Bayesian Clustering). Este método constrói uma hierarquia de partições (dendrograma) baseado no critério da máxima probabilidade a posteriori de cada partição. O segundo método é baseado em um tipo de modelo gráfico probabilístico conhecido como redes Gaussianas condicionais, o qual foi adaptado para problemas de agrupamento. Ambos métodos foram avaliados em três bancos de dados donde se conhece a rótulo da classe. Os métodos foram usados também em um problema de aplicação real: a taxonomia de uma coleção brasileira de estirpes de bactérias do gênero Bradyrhizobium (conhecidas por sua capacidade de fixar o \'N IND.2\' do ar no solo). Este banco de dados é composto por dados genotípicos resultantes da análise do RNA ribossômico. Os resultados mostraram que o método hierárquico Bayesiano gera dendrogramas de boa qualidade, em alguns casos superior que o melhor dos algoritmos hierárquicos analisados. O método baseado em redes gaussianas condicionais também apresentou resultados aceitáveis, mostrando um adequado aproveitamento do conhecimento a priori sobre as classes tanto na determinação do número ótimo de grupos, quanto no melhoramento da qualidade dos agrupamentos. / In this work are presented two clustering methods thought to be applied in molecular taxonomy. These methods are based in probabilistic models which overcome some problems observed in traditional clustering methods such as the difficulty to know which distance metric must be used or the lack of treatment of available prior information. The proposed methods use the Bayes theorem to combine the information of the data with the available prior information, reason why they are called Bayesian methods. The first method implemented in this work was the hierarchical Bayesian clustering, which is an agglomerative hierarchical method that constructs a hierarchy of partitions (dendogram) guided by the criterion of maximum Bayesian posterior probability of the partition. The second method is based in a type of probabilistic graphical model knows as conditional Gaussian network, which was adapted for data clustering. Both methods were validated in 3 datasets where the labels are known. The methods were used too in a real problem: the clustering of a brazilian collection of bacterial strains belonging to the genus Bradyrhizobium, known by their capacity to transform the nitrogen (\'N IND.2\') of the atmosphere into nitrogen compounds useful for the host plants. This dataset is formed by genetic data resulting of the analysis of the ribosomal RNA. The results shown that the hierarchical Bayesian clustering method built dendrograms with good quality, in some cases, better than the other hierarchical methods. In the method based in conditional Gaussian network was observed acceptable results, showing an adequate utilization of the prior information (about the clusters) to determine the optimal number of clusters and to improve the quality of the groups.

Neste trabalho são apresentados dois métodos de agrupamento de dados visados para aplicações em taxonomia molecular. Estes métodos estão baseados em modelos probabilísticos, o que permite superar alguns problemas apresentados nos métodos não probabilísticos existentes, como a dificuldade na escolha da métrica de distância e a falta de tratamento e aproveitamento do conhecimento a priori disponível. Os métodos apresentados combinam por meio do teorema de Bayes a informação extraída dos dados com o conhecimento a priori que se dispõe, razão pela qual são denominados métodos Bayesianos. O primeiro método, método de agrupamento hierárquico Bayesiano, está baseado no algoritmo HBC (Hierarchical Bayesian Clustering). Este método constrói uma hierarquia de partições (dendrograma) baseado no critério da máxima probabilidade a posteriori de cada partição. O segundo método é baseado em um tipo de modelo gráfico probabilístico conhecido como redes Gaussianas condicionais, o qual foi adaptado para problemas de agrupamento. Ambos métodos foram avaliados em três bancos de dados donde se conhece a rótulo da classe. Os métodos foram usados também em um problema de aplicação real: a taxonomia de uma coleção brasileira de estirpes de bactérias do gênero Bradyrhizobium (conhecidas por sua capacidade de fixar o \'N IND.2\' do ar no solo). Este banco de dados é composto por dados genotípicos resultantes da análise do RNA ribossômico. Os resultados mostraram que o método hierárquico Bayesiano gera dendrogramas de boa qualidade, em alguns casos superior que o melhor dos algoritmos hierárquicos analisados. O método baseado em redes gaussianas condicionais também apresentou resultados aceitáveis, mostrando um adequado aproveitamento do conhecimento a priori sobre as classes tanto na determinação do número ótimo de grupos, quanto no melhoramento da qualidade dos agrupamentos. / In this work are presented two clustering methods thought to be applied in molecular taxonomy. These methods are based in probabilistic models which overcome some problems observed in traditional clustering methods such as the difficulty to know which distance metric must be used or the lack of treatment of available prior information. The proposed methods use the Bayes theorem to combine the information of the data with the available prior information, reason why they are called Bayesian methods. The first method implemented in this work was the hierarchical Bayesian clustering, which is an agglomerative hierarchical method that constructs a hierarchy of partitions (dendogram) guided by the criterion of maximum Bayesian posterior probability of the partition. The second method is based in a type of probabilistic graphical model knows as conditional Gaussian network, which was adapted for data clustering. Both methods were validated in 3 datasets where the labels are known. The methods were used too in a real problem: the clustering of a brazilian collection of bacterial strains belonging to the genus Bradyrhizobium, known by their capacity to transform the nitrogen (\'N IND.2\') of the atmosphere into nitrogen compounds useful for the host plants. This dataset is formed by genetic data resulting of the analysis of the ribosomal RNA. The results shown that the hierarchical Bayesian clustering method built dendrograms with good quality, in some cases, better than the other hierarchical methods. In the method based in conditional Gaussian network was observed acceptable results, showing an adequate utilization of the prior information (about the clusters) to determine the optimal number of clusters and to improve the quality of the groups.

As doenças crônicas mostram-se como um desafio para o epidemiologista pela dificuldade de se conhecer a sua história natural, os agentes etiológicos, os suscetíveis e outras informações importantes para a sua prevenção, controle e tratamento. Dentre as doenças crônicas interessa, particularmente, o câncer devido à sua importância no obituário geral e pelos altos custos requeridos no seu tratamento. Porém as estatísticas oficiais rotineiras dão pouca ou nenhuma informação sobre a sua incidência e/ou prevalência. Neste sentido, tendo em vista a parcialidade e a precariedade das estatísticas de morbidade, muitos estudos têm sido realizados com o objetivo de elaborar medidas indiretas de estimativas de incidência e prevalência. O presente trabalho verifica a adequação de dois modelos matemáticos existentes na literatura que utilizam dados de população, mortalidade e sobrevivência para estimar a incidência de câncer de estômago, pulmão e mama feminina, utilizando dados do Município de São Paulo, para o ano de 1978. Além disso apresenta um modelo probabilístico que utiliza as mesmas informações dos modelos de literatura para estimar a incidência de doenças de caráter irreversível, com incidência, mortalidade e taxas de sobrevivência constantes por, pelo menos, um ano. Os resultados mostraram que o modelo proposto por este trabalho apresentou as melhores estimativas dos coeficientes de incidência de câncer de estômago, pulmão e mama feminina, quando comparado com os modelos de literatura. Os bons resultados obtidos incentivam a que se continue o aprimoramento de modelos matemáticos que utilizem dados de mortalidade para estimar a incidência de câncer. / Cronic diseases seem like a challenge for the epidemiologists, because it is difficult to know their natural history, etiologic agents, susceptibles and other importante information for their prevention, control and treatment. Among cronic diseàses, there is a special interest in cancer, because it is an important cause of death and the costs for its treatment are high. However, the routine official statistics give little or no information at all about its incidence and/or prevalence. In relation to these lines, having in mind the partiality and the precariousness of the morbidity statistics, many studies have been carried out with the objective of elaborating indirect measures of estimations of incidence and prevalence. This study checks the application of two mathematical models from the current literature that use population, mortality and survival data to estimate the incidence of stomach, lung and female breast cancer, using date from São Paulo City, for 1978. It was created a probabilistic model which uses the same informations of the literature models to forecast the incidence of the irreversible diseases, supposing that the rates of incidence, mortality and also survival are constants for at least one year. The results have demonstrated that the proposed model of this study showed the best estimative for the cancer incidence rate for stomach, lung and female breast when compared to the literature models. The good results obtained by this proposed model encourage the continuation of the development of mathematical models using mortality date to forecast cancer incidence rates.

Made available in DSpace on 2014-06-12T17:37:57Z (GMT). No. of bitstreams: 2 arquivo3958_1.pdf: 1858605 bytes, checksum: 010b7efbaa0ac4aef2becd712d518c7a (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Esta dissertação tem por objetivo principal propor um procedimento para resolução de problemas de controle ótimo com a utilização do Princípio do Máximo de Pontryagin e algoritmos probabilísticos, principalmente o Talus, visando melhoria da acurácia e aumento de eficiência deste processo. Para tanto, apresenta-se o desenvolvimento histórico da teoria do controle ótimo e resumem-se as principais características dos algoritmos utilizados. Além disso, uma vez definido o método, resolveram-se alguns exemplos com a finalidade de comparação de desempenho com a programação dinâmica interativa e a parametrização de controle, formas mais usuais de solução. Para completar a abordagem, sugeriram-se algumas possibilidades para utilizar o Talus na resolução de equações diferenciais. A partir disso, foi possível garantir a efetividade do objetivo inicial e propor temas para estudos futuros