No description available.

No description available.

Diversos estudos compreendem a análise de variáveis definidas no intervalo (0, 1), como porcentagens ou proporções. Os modelos mais adequados são os de regressão baseados nas distribuições beta e simplex. Neste trabalho, apresentamos o modelo de regressão beta proposto por Ferrari & Cribari-Neto (2004) e desenvolvemos o modelo de regressão simplex. Definimos um resíduo para o modelo de regressão simplex, muito útil na análise de diagnóstico, a partir do trabalho de Espinheira, Ferrari & Cribari-Neto (2008). Apresentamos uma forma geral para algumas medidas de diagnóstico, que podem ser aplicadas para os dois modelos. Avaliamos os modelos de regressão beta e simplex por meio de duas aplicações a dados reais, utilizando essas medidas. / Many studies consider the analysis of variables restricted to the interval (0, 1), as percentages and proportions. The most recommended models are based upon the beta and simplex distributions. In this work, we present the beta regression model proposed by Ferrari and Cribari-Neto (2004) and develop the simplex regression model. We propose a residual for the simplex regression model, which is very useful for the diagnostic analysis, based upon the work of Espinheira et al. (2008). We generalize some diagnostic techniques that can be applied to both models. We evaluate the beta and simplex models by two applications to real data, using those techniques.

Orientador: Valéria Abrão de Podestá / Dissertação (mestrado profissional) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica / Made available in DSpace on 2018-08-16T01:49:31Z (GMT). No. of bitstreams: 1 Trevisan_EbersonPaulo_M.pdf: 1587820 bytes, checksum: 334e76317d2424126dd4bb1fb621c7e4 (MD5) Previous issue date: 2010 / Resumo: Neste trabalho são apresentados alguns assuntos iniciais da teoria de Programação Linear e o método Simplex. Mostramos também como a Programação Linear pode ser utilizada na separação de dois conjuntos de pontos (padrões), através de um modelo linear cuja solução é um hiperplano separador. Finalizamos o trabalho com a apresentação de alguns exemplos de aplicação da Programação Linear na separação de dois conjuntos linearmente separáveis e linearmente inseparáveis / Abstract: In this work we present some introductory issues from Linear Programming theory and the Simplex method. We also show how we can use Linear Programming in two patterns separation by constructing a linear model which solution is a separating hyperplane. Finaly, we also present some examples of Linear Programming application in the linear separability and inseparability of two patterns sets / Mestrado / Programação Linear / Mestre em Matemática

Diversos estudos compreendem a análise de variáveis definidas no intervalo (0, 1), como porcentagens ou proporções. Os modelos mais adequados são os de regressão baseados nas distribuições beta e simplex. Neste trabalho, apresentamos o modelo de regressão beta proposto por Ferrari & Cribari-Neto (2004) e desenvolvemos o modelo de regressão simplex. Definimos um resíduo para o modelo de regressão simplex, muito útil na análise de diagnóstico, a partir do trabalho de Espinheira, Ferrari & Cribari-Neto (2008). Apresentamos uma forma geral para algumas medidas de diagnóstico, que podem ser aplicadas para os dois modelos. Avaliamos os modelos de regressão beta e simplex por meio de duas aplicações a dados reais, utilizando essas medidas. / Many studies consider the analysis of variables restricted to the interval (0, 1), as percentages and proportions. The most recommended models are based upon the beta and simplex distributions. In this work, we present the beta regression model proposed by Ferrari and Cribari-Neto (2004) and develop the simplex regression model. We propose a residual for the simplex regression model, which is very useful for the diagnostic analysis, based upon the work of Espinheira et al. (2008). We generalize some diagnostic techniques that can be applied to both models. We evaluate the beta and simplex models by two applications to real data, using those techniques.

Basic idea of fractal simplex algorithm is based in the theory of matrix counting and knowledge of matrix representation of simplex tabuleao from revised simplex method. My desire is to explain theoretical basics on which this algorithm works and provide solution in language Visual Basic for Applications in application MS Excel 2007. Main benefit I see in the fact, that algorithm can solved specific class of mathematical problems in a way of exactness counting whithout necessity of using decimal numbers.

No description available.

No description available.

No description available.

No description available.