Submitted by Dilene Paulo (dilene.fatima@ufcg.edu.br) on 2018-03-13T11:25:01Z No. of bitstreams: 1 RAISSA MATIAS DA SILVA – DISSERTAÇÃO PPGCC 2016.pdf: 12305585 bytes, checksum: 2914208d83a82b120e393d5f5fe4c30f (MD5) / Made available in DSpace on 2018-03-13T11:25:01Z (GMT). No. of bitstreams: 1 RAISSA MATIAS DA SILVA – DISSERTAÇÃO PPGCC 2016.pdf: 12305585 bytes, checksum: 2914208d83a82b120e393d5f5fe4c30f (MD5) Previous issue date: 2016 / Um dos principais desafios na construção de uma Rede Bayesiana (RB) é definir as tabelas de probabilidade condicional dos nós (TPC). Para RB de larga escala, aprender TPC por meio da elicitação de domínio do conhecimento de um especialista é inviável. Trabalhos anteriores propuseram soluções para este problema usando o conceito de nós ranqueados, no entanto, eles têm capacidade limitada de modelagem ou precisam contar com especialistas em RB parar aplicá-los, reduzindo a sua aplicabilidade. Neste trabalho, são propostos e avaliados três métodos para resolução deste problema. O primeiro utiliza um sistema especialista baseado em regras de produção. O segundo método utiliza força bruta, buscando um conjunto de todas as combinações possíveis. O terceiro método utiliza um algoritmo genético para definição de TPC por especialistas sem conhecimento específico de nós ranqueados. Para avaliar as abordagens, foi executado um experimento que permitiuidentificar as vantagens e as desvantagens de cada método, dependendo do tempo deprocessamento, disponibilidade de memória e a quantidade denós pais da RB. Ao usaralguma das soluções apresentadas, um praticante pode definir com maior precisão as TPCsem entender o conceito de nós ranqueados. / One of the key challenges in constructing a Bayesian network (BN) is defining the node probability tables (NPT). For large-scale BN, learning NPT through domain experts knowledge elicitation is unfeasible. Previous works proposed solutions to this problem using the concept of ranked nodes; however, they have limited modeling capabilities or rely on BN experts to apply them, reducing their applicability. In this work, we propose and evaluate three methods to solve the problem. First, an expert system based on production rules. Second, a method using a brute-force algorithm to identify a set of possible combination. Finally, a method using genetic algorithm to define NPTs with no ranked nodes-specific knowledge. To validate this approach, it was executed an experiment with a BN already published in the literature. Results demonstrated the advantages and disadvantages of each method depending on time, memory availability and parents node quantity. By using one of the presented solution, a practitioner can accurately define NPTs without understanding the concept ofranked nodes.

Seja {Xn} uma sequência de variáveis aleatórias i.i.d. assumindo valores num alfabeto enumerável. Dada uma coleção de palavras finita, observamos esta sequência até o momento τ em que uma dessas palavras apareça em X1, X2, .....Neste trabalho utilizamos a abordagem de martingais, introduzida por Li (1980) e Gerber e Li (1981), para estudar o tempo de espera até que uma das palavras ocorra pela primeira vez, o tempo médio de τ e a probabilidade de uma palavra ser a primeira a aparecer. / Let {Xn} be a sequence of i.i.d. random variables talking values in an enumerable alphgabet. Given a finite collection of words, we observe this sequence till the moment τ at which one of these words appears as a run. In this work we apply the martingale approach introduced by Li (1980) and Gerber and Li (1981) in order to study the waiting time until one of the words occurs for the first time, the mean of τ and the probability of a word to be first on to appear.

Submitted by Edisangela Bastos (edisangela@ufpa.br) on 2014-01-13T19:52:29Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_MetodologiaPredicaoCampo.pdf: 1935005 bytes, checksum: b3874987c851a1b088cb0f32d9e563b4 (MD5) / Approved for entry into archive by Ana Rosa Silva(arosa@ufpa.br) on 2014-01-16T13:25:21Z (GMT) No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_MetodologiaPredicaoCampo.pdf: 1935005 bytes, checksum: b3874987c851a1b088cb0f32d9e563b4 (MD5) / Made available in DSpace on 2014-01-16T13:25:21Z (GMT). No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_MetodologiaPredicaoCampo.pdf: 1935005 bytes, checksum: b3874987c851a1b088cb0f32d9e563b4 (MD5) Previous issue date: 2013 / A adoção de sistemas digitais de radiodifusão sonora, que estão em fase de testes no país, permite realizar novos estudos visando um melhor planejamento para a implementação dessas novas emissoras. O que significa reavaliar os principais modelos de radiopropagação existentes ou propor novas alternativas para atender as demandas inerentes dos sistemas digitais. Os modelos atuais, conforme Recomendações ITU-R P. 1546 e ITU-R P. 1812, não condizem fielmente com a realidade de algumas regiões do Brasil, principalmente com as regiões de clima tropical, como a Região Amazônica, seja pelo elevado índice pluviométrico seja pela vasta flora existente. A partir dos modelos adequados ao canal de propagação, torna-se viável desenvolver ferramentas de planejamento de cobertura mais precisas e eficientes. A utilização destas ferramentas é cabível tanto para a ANATEL, para a elaboração dos planos básicos de distribuição de canais quanto para os radiodifusores. No presente trabalho é apresentada uma metodologia utilizando a inteligência computacional, baseada em Inferênciass Baysianas, para predição da intensidade de campo elétrico, a qual pode ser aplicada ao planejamento ou expansão de áreas de cobertura em sistemas de radiodifusão para frequências na faixa de ondas médias (de 300 kHz a 3MHz). Esta metodologia gera valores de campo elétrico estimados a partir dos valores de altitude do terreno (através de análises de tabelas de probabilidade condicional) e estabelece a comparação destes com valores de campo elétrico medidos. Os dados utilizados neste trabalho foram coletados na região central do Brasil, próximo à cidade de Brasília. O sinal transmitido era um sinal de rádio AM transmitido na frequência de 980 kHz. De posse dos dados coletados durante as campanhas de medição, foram realizadas simulações utilizando tabelas de probabilidade condicional geradas por Inferências Bayesianas. Assim, é proposto um método para predizer valores de campo elétrico com base na correlação entre o campo elétrico medido e altitude, através da utilização de inteligência computacional. Se comparados a inúmeros trabalhos existentes na literatura que têm o mesmo objetivo, os resultados encontrados neste trabalho validam o uso da metodologia para determinar o campo elétrico de radiodifusão sonora em ondas médias utilizando Inferências Bayesianas. / The adoption of digital sound broadcasting systems, which are under testing in the country, allows new studies aimed a better planning for the implementation of new stations, which means to reassess the major existing radio propagation models or propose new alternatives to meet demands inherent in digital systems. The current models, as Recommendations ITU-R P. 1546 and ITU-R P. 1812, do not match closely with the reality of some regions of Brazil, especially in the tropical regions, such as the Amazon Region, due to the high rainfall and the vast existing flora. Using models suited to the propagation channel, it becomes feasible to develop planning tools covering most accurate and efficient. The use of these tools is applicable both to ANATEL, for the elaboration of the basic plans, as distribution channels for broadcasters. This paper presents a methodology using a computational intelligence based in Bayesian Networks for prediction of electric field intensity, which can be applied to planning or expanding coverage areas in broadcasting systems for frequencies in the range of medium wave (300 kHz to 3 MHz). This methodology generates electric field values estimated from the values of terrain altitude (through analysis of conditional probability tables) and provides a comparison of these values with the measured electric field. The data used in this study were collected in Brazil’s central region, nearby the city of Brasilia. The transmitted signal was an AM radio signal transmitted at a frequency of 980 kHz. With the data collected during the measurement campaigns, simulations were performed using conditional probability tables generated by Bayesian Networks. Thus, it’s proposed a method for predicting values of electric field based on the correlation between the measured electric field and the altitude through the use of artificial intelligence. Compared to numerous studies in the literature that have the same goal, the results found in this study validate the use of the methodology to determine the electric field in medium wave radio broadcasting using Bayesian Networks.

Submitted by Thaís Saes Giuliani null (thais_saes@hotmail.com) on 2017-12-13T20:19:43Z No. of bitstreams: 1 Dissertação Thaís Saes Giuliani Ribeiro.pdf: 1429513 bytes, checksum: 6145616464ae520fc8e8d6211d5e63d2 (MD5) / Submitted by Thaís Saes Giuliani Ribeiro (thais_saes@hotmail.com) on 2017-12-14T11:25:03Z No. of bitstreams: 1 Dissertação Thaís Saes Giuliani Ribeiro.pdf: 1429513 bytes, checksum: 6145616464ae520fc8e8d6211d5e63d2 (MD5) / Approved for entry into archive by Elza Mitiko Sato null (elzasato@ibilce.unesp.br) on 2017-12-14T12:31:48Z (GMT) No. of bitstreams: 1 ribeiro_tsg_me_sjrp.pdf: 1429513 bytes, checksum: 6145616464ae520fc8e8d6211d5e63d2 (MD5) / Made available in DSpace on 2017-12-14T12:31:48Z (GMT). No. of bitstreams: 1 ribeiro_tsg_me_sjrp.pdf: 1429513 bytes, checksum: 6145616464ae520fc8e8d6211d5e63d2 (MD5) Previous issue date: 2017-11-30 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Neste trabalho, mostramos como construir um processo estocástico de Markov e seu espaço de probabilidade a partir das probabilidades de transição e da distribuição inicial. Além disso, mostramos a convergência das matrizes de transição utilizando como ferramenta conhecimentos de Álgebra Linear. A aplicação das cadeias de Markov num contexto voltado para o Ensino Médio é mostrado no último capítulo, onde procuramos oferecer aos alunos a oportunidade de ter uma visão mais ampla de como a Matemática pode ser aplicada em outras áreas do conhecimento. / In this work, we show how to construct a stochastic Markov process and its probability space from the transition probabilities and the initial distribution. In addition, we show to investigate the convergence of the transition matrices using Linear Algebra knowledge as a tool. Application of Markov chains in a context focused on High School, it is shown in the last chapter, where we try to offer the students the opportunity to have a view of how mathematics can be applied in other areas of knowledge.

Submitted by Elimar Veloso Conceição null (eli_fisica@hotmail.com) on 2018-09-12T14:33:29Z No. of bitstreams: 1 Dissertação_Elimar_Valuation_rev_27_08_2018_REVISADA_bancafinal.pdf: 2725779 bytes, checksum: 6720ea56f43ebf29faa7b75f0342a1a4 (MD5) / Approved for entry into archive by Neli Silvia Pereira null (nelisps@fcav.unesp.br) on 2018-09-13T11:18:22Z (GMT) No. of bitstreams: 1 conceicao_ev_me_jabo.pdf: 2725779 bytes, checksum: 6720ea56f43ebf29faa7b75f0342a1a4 (MD5) / Made available in DSpace on 2018-09-13T11:18:22Z (GMT). No. of bitstreams: 1 conceicao_ev_me_jabo.pdf: 2725779 bytes, checksum: 6720ea56f43ebf29faa7b75f0342a1a4 (MD5) Previous issue date: 2018-08-27 / Objetivo: Valorar um projeto de inovação oriundo da estratégia de diversificação de produtos, considerando as incertezas e a flexibilidade como fontes de valor ao projeto. Metodologia / Procedimentos de Pesquisa: É apresentado um estudo de caso, valorado por meio de opções reais, com a possibilidade de inclusão de novas informações, modeladas pelo Teorema de Bayes, as quais possibilitam ajustar às probabilidades iniciais do projeto. Resultados e Discussões: Espera-se que os resultados apontem para o efeito da nova informação e implicações na criação de valor para a empresa. Implicações Gerenciais: Demonstrar à comunidade, aos profissionais de mercado e acadêmicos a necessidade de uma abordagem mais profunda e sistêmica para o uso de estratégias de investimento, considerando fatores endógenos e exógenos à firma. Conclusões e Limitações da Pesquisa: Ao analisar um projeto de inovação com elevado nível de incerteza, variáveis probabilísticas podem não ser suficientes para mensurar o desempenho futuro do investimento. Assim, o conhecimento tácito, criado a partir de todo o conhecimento acumulado pelos tomadores de decisão, fornecem informações que podem e devem ser utilizadas para a avaliação do investimento. O presente estudo não considerou o valor da sinergia criada pela implementação deste novo projeto na estrutura organizacional, nem foram utilizados profissionais externos para a projeção dos fluxos de caixa. Originalidade: A originalidade reside em avaliar um projeto de inovação com a utilização de opções reais em conjunto com uma abordagem bayesiana em uma indústria de autopeças agrícolas, permitindo com isto, o incremento de novas informações, sem a utilização de métodos estocásticos para a determinação da volatilidade. / Objective: Value an innovation project from the product diversification strategy, considering the uncertainties and flexibility as sources of value to the project. Methodology / Research Procedures: We present a case study, evaluated through real options, with the possibility of including new information, modeled by Bayes' Theorem, in which they can adjust the probabilities of the initials of the project. Results and discussions: The results are expected to point to the effect of new information and implications on value creation for the company. Management Implications: Demonstrate to the community, market professionals and academics the need for a more profound and systemic approach to the use of investment strategies, considering factors that are endogenous and exogenous to the firm. Conclusions and Limitations of the Research: When analyzing an innovation project with a high level of uncertainty, probabilistic variables may not be sufficient to measure the future performance of the investment, thus, tacit knowledge, created from all the knowledge accumulated by decision makers, provides information that can and should be used for the evaluation of the investment. The present study did not consider the value of the synergy created by the implementation of this new project in the organizational structure, nor were external professionals used for the projection of cash flows. Originality: The originality lies in evaluating an innovation project with the use of real options together a bayesian approach in an agricultural autoparts industry, allowing with this, the increment of new information, without the use of stochastic methods to determine the volatility.

Submitted by Ronildo Prado (ronisp@ufscar.br) on 2017-08-16T18:49:11Z No. of bitstreams: 1 DissVM.pdf: 10400529 bytes, checksum: 6f3a8dfea497dd3a1543a2b5847ad36e (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-16T18:49:21Z (GMT) No. of bitstreams: 1 DissVM.pdf: 10400529 bytes, checksum: 6f3a8dfea497dd3a1543a2b5847ad36e (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-08-16T18:49:27Z (GMT) No. of bitstreams: 1 DissVM.pdf: 10400529 bytes, checksum: 6f3a8dfea497dd3a1543a2b5847ad36e (MD5) / Made available in DSpace on 2017-08-16T18:49:35Z (GMT). No. of bitstreams: 1 DissVM.pdf: 10400529 bytes, checksum: 6f3a8dfea497dd3a1543a2b5847ad36e (MD5) Previous issue date: 2017-04-07 / Não recebi financiamento / Let {Xn} be a sequence of i.i.d. random variables taking values in an enumerable alphabet. Given a finite collection of words, we observe this sequence till the moment T at which one of these words appears as a run. In this work we apply the martingale approach introduced by Li (1980) and Gerber e Li (1981) in order to study the waiting time until one of the words occurs for the first time, the mean of T and the probability of a word to be the first one to appear. / Seja {Xn} uma sequência de variáveis aleatórias i.i.d. assumindo valores num alfabeto enumerável. Dada uma coleção de palavras finita, observamos esta sequência até o momento T em que uma dessas palavras apareça emX1,X2, .... Neste trabalho utilizamos a abordagem de martingais, introduzida por Li (1980) e Gerber e Li ( 981), para estudar o tempo de espera até que uma das palavras ocorra pela primeira vez, o tempo médio de T e a probabilidade de uma palavra ser a primeira a aparecer.

Made available in DSpace on 2016-04-27T16:58:17Z (GMT). No. of bitstreams: 1 Auriluci C Figueiredo.pdf: 465672 bytes, checksum: 1df03500d906e4b187451daa2641f78b (MD5) Previous issue date: 2000-12-12 / This work has for objective to introduce the concept of the Conditional Probability in courses of Statistics in the University. For that we elaborated, we applied and we analyzed the results of a teaching sequence taking in consideration the beginnings of a Didactic Engineering. This teaching sequence is composed of four activities that they were created, basing on Carmen Batanero's didactic situations and other, with the aim of doing the student to contemplate on circumstances that involve not only the Conditional Probability, as the concepts linked to the Theorem of the Total Probability and the Theorem of Bayes. To work with such concepts we articulated in the subjects of the activities different representation registrations: natural, symbolic language, diagram of trees and contingency table, taking as base the Theory of Registrations of Representation of Raymond Duval. We applied this sequence to students of the courses of Licentiate of Mathematics and Science of the Computation and before the those students' protocols, we concluded that our sequence aided them they decrease it the difficulties lifted by us and for the researchers and at the same time it indicated themes for future researches in the area. Enter other conclusions stood out that most of the students before subjects that involve the Conditional Probability differentiated this of the Probability of the intersection of events and I calculate it of P(A/B) of the one of P(B/A), since these if they come in the questions in natural language. However when similar subjects were presented in the language symbolic many students they showed difficulties in solving them / Este trabalho tem por objetivo introduzir o conceito da Probabilidade Condicional em cursos de Estatística na Universidade. Para isso, elaboramos, aplicamos e analisamos os resultados de uma seqüência de ensino levando em consideração os princípios de uma Engenharia Didática. Esta seqüência de ensino é composta de quatro atividades que foram criadas, baseando-se nas situações didáticas apresentadas por Carmen Batanero e outros autores, com o intuito de fazer o aluno refletir sobre circunstâncias que envolvam não só a Probabilidade Condicional, bem como os conceitos ligados ao Teorema da Probabilidade Total e o Teorema de Bayes. Para trabalhar com tais conceitos, articulamos nas questões das atividades, diferentes registros de representação: linguagem natural, simbólica, diagrama de árvore e tabela de contingência, tomando como base a Teoria de Registros de Representação de Raymond Duval. Aplicamos esta seqüência aos alunos dos cursos de Licenciatura de Matemática e Ciência da Computação e diante dos protocolos desses alunos, concluímos que nossa seqüência os auxiliou a minimizar as dificuldades levantadas por nós e pelos pesquisadores e ao mesmo tempo indicou temas para futuras pesquisas na área. Dentre outras conclusões, ressaltamos que a maioria dos alunos diante de questões que envolvam a Probabilidade Condicional diferenciavam esta da Probabilidade da Interseção de Eventos e o Cálculo da P(A/B) do de P(B/A), desde que estes se apresentassem nas perguntas em linguagem natural. No entanto, quando questões análogas foram apresentadas na linguagem simbólica, muitos alunos mostraram dificuldades em resolvê-las

Este trabalho tem como objetivo introduzir os conceitos bÃsicos da Teoria das Probabilidades e apresentar noÃÃes sobre alguns modelos probabilÃsticos para o estudante do Ensino MÃdio. Iniciaremos o trabalho apresentando no capÃtulo 1 as noÃÃes de experimento determinÃstico, experimento aleatÃrio, espaÃo amostral e eventos, seguidos de algumas definiÃÃes de Probabilidade, conceitos que constituem a base para essa teoria. No capÃtulo 2 abordaremos os conceitos de Probabilidade Condicional e IndependÃncia de Eventos, apresentando alguns teoremas importantes que decorrem desses conceitos, bem como algumas de suas aplicaÃoes. No capÃtulo 3 apresentaremos de maneira simples alguns modelos probabilÃsticos discretos bastante Ãteis por modelarem de forma eficaz um bom nÃmero de experimentos aleatÃrios contribuindo assim para o cÃlculo das probabilidades de seus resultados. Por fim, no capÃtulo 4 serà apresentado o modelo probabilÃstico conhecido como DistribuiÃÃo de Poisson, que nos permite calcular a probabilidade de um evento ocorrer em um dado intervalo de tempo ou numa dada regiÃo espacial. / 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.