Processsos de renovação são um caso especial de processos pontuais envolvendo eventos recorrentes nos quais um item ou unidade, após a ocorrência de uma falha, é recolocado na mesma condição de novo. Devido a essa propriedade os tempos entre ocorrências para um processo de renovação são independentes e a sua função intensidade é dada pela função de risco. Fatores que interferem nos tempos de recorrência de unidades distintas, ou indivíduos, e que não são observados, podem ser modelados com a inclusão de um termo de fragilidade no modelo. Neste trabalho é apresentado o desenvolvimento de um modelo de regressão para um processo de renovação com tempos entre ocorrências com distribuição de Weibull. Na modelagem foi considerada, ainda, a presença de censuras e a inclusão de um termo de fragilidade para explicar a relação existente entre os tempos de recorrências de uma unidade. A metodologia é desenvolvida para o caso em que várias unidades são acometidas por eventos recorrentes. Nas simulações realizadas foram analisadas as probabilidades de cobertura empíricas do intervalo de confiança normal assintótico e também o comportamento das variâncias dos estimadores. A presença de censuras na amostra inflacionou as variâncias dos estimadores de máxima verossimilhança além de produzir estimativas viciadas para um dos parâmetros da regressão, sendo que o vício do estimador foi corrigido por meio de um processo "bootstrap". Na modelagem sem termo de fragilidade, os resultados das análises das probabilidades de cobertura empírica dos intervalos de confiança assintóticos mostraram uma boa aproximação com os valores esperados, mas com certos cuidados a serem tomados, especialmente nos procedimentos baseados na simetria das distribuições empíricas. A inclusão de um termo de fragilidade na modelagem, por sua vez, causou uma perturbação na estimação máxima verossimilhança com um aumento nas variâncias dos estimadores diretamente associados à variabilidade do termo de fragilidade. Além disso, as coberturas empíricas dos intervalos de confiança assintóticos foram, na grande maioria superestimadas, com resultados satisfatórios apenas para o parâmetro de forma da distribuição Weibull. / Renewal Processes are a special case of point processes involving recurrent events in which a unit, after a failure, is restored to the like new condition. Due to that property the times between occurrences for a renewal process are independent and its intensity function is given by the hazard function. Random factors not observed, that afects the recurrence times of the units, can be explained by a frailty term added in the model. In this work a regression model is presented for a renewal process with Weibull distribution for the times between occurrences. The modeling considers censored times and a frailty variable to explain the relationship among the recurrence times of a unit. The methodology was developed for the situation where several units are submitted by recurrent events. The empirical probabilities of coverage of the asymptotic normal confidence interval and the behavior of the variances of the estimators were analyzed in the simulations performed. The presence of censures in the sample inflated the variances of the maximum likelihood estimators besides to produce biased estimates for the regression parameters. The bias of the estimator was corrected by "bootstrap" procedure. The analysis of the probability of empirical coverage of the asymptotic confidence intervals, without frailty, presented a good approximation to the nominal values, but some observations about procedures have to be made on the symmetry of the empirical distributions. The frailty term incorporated at the modeling disturbed the maximum likelihood estimation increasing estimators' variability, directly associated to the variance of the fragility term. In the most of the cases, the empirical coverages of the asymptotic confidence intervals were overestimated, with satisfactory results just for the shape parameter of the Weibull distribution.

Os modelos geoestatísticos bivariados denem funções aleatórias para dois processos estocásticos com localizações espaciais conhecidas. Pode-se adotar a suposição da existência de um campo aleatório gaussiano latente para cada variável aleatória. A suposição de gaussianidade do processo latente é conveniente para inferências sobre parâmetros do modelo e para obtenção de predições espaciais, uma vez que a distribuição de probabilidade conjunta para um conjunto de pontos do processo latente é também gaussiana. A matriz de covariância dessa distribuição deve ser positiva denida e possuir a estrutura de variabilidade espacial entre e dentre os atributos. Gelfand et al. (2004) e Diggle e Ribeiro Jr. (2007) propuseram estratégias para estruturar essa matriz, porém não existem muitos relatos sobre o uso e avaliações comparativas entre essas abordagens. Neste trabalho foi conduzido um estudo de simulação de modelos geoestatísticos bivariados em conjunto com estimação por máxima verossimilhança e krigagem ordinária, sob diferentes congurações amostrais de localizações espaciais. Também foram utilizados dados provenientes da análise de solo de uma propriedade agrícola com 51,8ha de área, onde foram amostradas 67 localizações georeferenciadas. Foram utilizados os valores mensurados de pH e da saturação por bases do solo, que foram submetidas à análise descritiva espacial, modelagens geoestatísticas univariadas, bivariadas e predições espaciais. Para vericar vantagens quanto à adoção de modelos univariados ou bivariados, a amostra da saturação por bases, que possui coleta mais dispendiosa, foi dividida em uma subamostra de modelagem e uma subamostra de controle. A primeira foi utilizada para fazer a modelagem geoestatística e a segunda foi utilizada para comparar as precisões das predições espaciais nas localizações omitidas no processo de modelagem. / Bivariate geostatistical models dene random functions for two stochastic processes with known spatial locations. Existence of a Gaussian random elds can be assumed for each latent random variable. This Gaussianity assumption for the latent process is a convenient one for the inferences on the model parameters and for spatial predictions once the joint distribution for a set of points is multivariate normal. The covariance matrix of this distribution should be positivede nite and to have the spatial variability structure between and among the attributes. Gelfand et al. (2004) and Diggle e Ribeiro Jr. (2007) suggested strategies for structuring this matrix, however there are few reports on comparing approaches. This work reports on a simulation study of bivariate models together with maximum likelihood estimators and spatial prediction under dierent sets of sampling locations space. Soil sample data from a eld with 51.8 hectares is also analyzed with the two soil attributes observed at 67 spatial locations. Data on pH and base saturation were submitted to spatial descriptive analysis, univariate and bivariate modeling and spatial prediction. To check for advantages of the adoption of univariate or bivariate models, the sample of the more expensive variable was divided into a modeling and testing subsamples. The rst was used to t geostatistical models, and the second was used to compare the spatial prediction precisions in the locations not used in the modeling process.

A Previsão de Safras tem se constituído em importante ferramenta para o estabelecimento de políticas agrícolas públicas e privadas. Em geral, a Previsão de Safras consiste na previsão do clima e na estimativa do rendimento das partes de interesse econômico de uma cultura. A previsão do clima pode ser realizada pela análise de séries históricas dos parâmetros climáticos e dos efeitos de fenômenos conhecidos, a exemplo do El Niño Oscilação Sul (ENSO), o qual pode ser medido pelo Índice de Oscilação Sul (IOS). Também pode ser realizada pela integração numérica das equações diferenciais que regem os movimentos da atmosfera no planeta Terra, também conhecida como previsão numérica. A estimativa do rendimento das culturas também pode ser realizada pela análise estatística de séries históricas ou pela integração numérica de equações diferenciais que regem a fisiologia e o desenvolvimento das plantas, ambos conhecidos como modelo de culturas. O principal objetivo deste trabalho foi propor uma metodologia para a Previsão de Safras no Brasil, tendo como ponto de partida e protótipo o estudo do rendimento de grãos de milho na região Centro-Sul do país. Para tanto, séries históricas com 60 anos de precipitação pluvial em 24 locais da região Centro-Sul do Brasil foram comparadas aos Índices de Oscilação Sul medidos no mesmo período, inferindo-se que o fenômeno ENSO apresenta efeito marcante, e distinto, apenas em locais mais ao Sul e a Nordeste da região Centro-Sul. Concluiu-se pela impossibilidade de utilização do IOS para a previsão de parâmetros climáticos diários, o que também é prejudicado pela carência de séries históricas dos parâmetros climáticos com 60 ou mais anos no Brasil. Ainda quanto à previsão do clima, as previsões de radiação solar, precipitação pluvial, temperaturas máxima e mínima e umidade relativa do ar, geradas pelo modelo Eta a cada seis horas entre os dias 16/7/1997 e 15/6/2002, foram comparadas às respectivas medidas diárias desses parâmetros climáticos, concluindo-se pela possibilidade da aplicação das previsões geradas pelo modelo Eta na Previsão de Safras, à exceção dos locais mais ao Sul e mais a Nordeste da região Centro-Sul do Brasil. Acerca da estimativa do rendimento de grãos de milho, foi proposto um modelo de cultura baseado na integração das equações que regem a fisiologia e o desenvolvimento das plantas. Comparando-se os rendimentos de grãos de milho estimados nos 24 locais durante as safras 1997/98 a 2001/02, conclui-se pela possibilidade da estimativa do rendimento de grãos de milho na região Centro-Sul pelo modelo proposto. Porém, as discrepâncias entre os rendimentos estimados e os respectivos rendimentos medidos nos locais mais ao Sul e nos locais com textura de solo arenosa apontam a necessidade de correção da estimativa da dinâmica de água realizada pelo modelo de cultura proposto. Como conclusão geral, verificou-se que a metodologia proposta para a Previsão de Safras tem virtudes que devem ser exploradas no sentido de sua implementação no Brasil. Porém, essa implementação depende substancialmente da gestão dos trabalhos, de modo a propiciar as condições necessárias. Cabe destacar que o país tem realizado notáveis avanços nesse setor, caso da implementação da rede meteorológica nacional e do conhecimento gerado pelo Centro de Estudos e Previsões do Clima e pela Empresa Brasileira de Pesquisa Agropecuária, entre outras instituições. Ainda assim, essa área do conhecimento, fundamental para um país agrícola como o Brasil, carece de estudos. / Crop forecast has become an important tool for the private and public agricultural policies to be established. Generally, crop forecast is composed by climatic forecast and the yield estimative of growth of economically interesting parts of crops. The climatic forecast can be performed through the analyses of historical series of the climatic features and of the known phenomena, such as the El Niño Southern Oscillation (ENSO), which can be measured by the Southern Oscillation Index (IOS). It can also be done through a numerical integration of differential equations that rule the atmospheric movements of the Earth, a.k.a. numerical forecast. The estimate of crop yields can also be done through the statistical analysis of historical series or through the integration of differential equations that rule the plant physiology and development, both known as crop models. The main objective of this study was to indicate a methodology for Crop Forecast in Brazil, having as a starting point and prototype the study of corn grain yield in the Center-South region of Brazil. Thus, historical series of 60 years of precipitation in 24 sites of the studied region were compared to the IOS measured in the same period, inferring that the phenomenon ENSO has a remarkable effect, distinctly in the most southern and northeast portions of the studied region. One concluded due to the impossibility of using the IOS for daily climatic forecast, which is threatened by the lack of historical series of climatic features with 60 or more years in Brazil. Regarding the climatic forecast, the forecasts of solar radiation maximum and minimum temperatures and air moisture generated by the model Eta on every 6 hours between July 16, 1997 and June 15, 2002 were compared to the respective daily measurements of these climatic parameters. This provided subsidies for the conclusion that the data generated by the model Eta could be used in the Crop Forecast, except for the most southern and northeast regions in the Center-South region of Brazil. For the estimate of corn grain yield, a model based in the integration of equations that rule the plant physiology and development was proposed. Comparing corn grain yields estimated in 24 sites from the agricultural year 1997/98 to 2001/02, one concluded the possibility of estimating the corn grain yield for the studied region by the proposed model. Although the differences between the estimated and the measured yields in the most southern sites and in those with sandy soils indicate the demand for correction of the estimative of water dynamics performed by the proposed model. As a general conclusion, the methodology proposed for crop forecasting brings positive points which should be explored in the sense of its implementation in Brazil. On the other hand, this implementation depends substantially on the work management, propitiating the necessary conditions. One should highlight that the country has developed notably in this sector, such as the cases of the implementation of the national meteorological net and of the knowledge broadcasted by the Center of Climatic Studies and Forecasting and by the The Brazilian Agricultural Research Corporation (EMBRAPA), among other institutions. Even though, this area of knowledge - vital to an agricultural country as Brazil - demands more research.

Os modelos geoestatísticos bivariados denem funções aleatórias para dois processos estocásticos com localizações espaciais conhecidas. Pode-se adotar a suposição da existência de um campo aleatório gaussiano latente para cada variável aleatória. A suposição de gaussianidade do processo latente é conveniente para inferências sobre parâmetros do modelo e para obtenção de predições espaciais, uma vez que a distribuição de probabilidade conjunta para um conjunto de pontos do processo latente é também gaussiana. A matriz de covariância dessa distribuição deve ser positiva denida e possuir a estrutura de variabilidade espacial entre e dentre os atributos. Gelfand et al. (2004) e Diggle e Ribeiro Jr. (2007) propuseram estratégias para estruturar essa matriz, porém não existem muitos relatos sobre o uso e avaliações comparativas entre essas abordagens. Neste trabalho foi conduzido um estudo de simulação de modelos geoestatísticos bivariados em conjunto com estimação por máxima verossimilhança e krigagem ordinária, sob diferentes congurações amostrais de localizações espaciais. Também foram utilizados dados provenientes da análise de solo de uma propriedade agrícola com 51,8ha de área, onde foram amostradas 67 localizações georeferenciadas. Foram utilizados os valores mensurados de pH e da saturação por bases do solo, que foram submetidas à análise descritiva espacial, modelagens geoestatísticas univariadas, bivariadas e predições espaciais. Para vericar vantagens quanto à adoção de modelos univariados ou bivariados, a amostra da saturação por bases, que possui coleta mais dispendiosa, foi dividida em uma subamostra de modelagem e uma subamostra de controle. A primeira foi utilizada para fazer a modelagem geoestatística e a segunda foi utilizada para comparar as precisões das predições espaciais nas localizações omitidas no processo de modelagem. / Bivariate geostatistical models dene random functions for two stochastic processes with known spatial locations. Existence of a Gaussian random elds can be assumed for each latent random variable. This Gaussianity assumption for the latent process is a convenient one for the inferences on the model parameters and for spatial predictions once the joint distribution for a set of points is multivariate normal. The covariance matrix of this distribution should be positivede nite and to have the spatial variability structure between and among the attributes. Gelfand et al. (2004) and Diggle e Ribeiro Jr. (2007) suggested strategies for structuring this matrix, however there are few reports on comparing approaches. This work reports on a simulation study of bivariate models together with maximum likelihood estimators and spatial prediction under dierent sets of sampling locations space. Soil sample data from a eld with 51.8 hectares is also analyzed with the two soil attributes observed at 67 spatial locations. Data on pH and base saturation were submitted to spatial descriptive analysis, univariate and bivariate modeling and spatial prediction. To check for advantages of the adoption of univariate or bivariate models, the sample of the more expensive variable was divided into a modeling and testing subsamples. The rst was used to t geostatistical models, and the second was used to compare the spatial prediction precisions in the locations not used in the modeling process.

Processsos de renovação são um caso especial de processos pontuais envolvendo eventos recorrentes nos quais um item ou unidade, após a ocorrência de uma falha, é recolocado na mesma condição de novo. Devido a essa propriedade os tempos entre ocorrências para um processo de renovação são independentes e a sua função intensidade é dada pela função de risco. Fatores que interferem nos tempos de recorrência de unidades distintas, ou indivíduos, e que não são observados, podem ser modelados com a inclusão de um termo de fragilidade no modelo. Neste trabalho é apresentado o desenvolvimento de um modelo de regressão para um processo de renovação com tempos entre ocorrências com distribuição de Weibull. Na modelagem foi considerada, ainda, a presença de censuras e a inclusão de um termo de fragilidade para explicar a relação existente entre os tempos de recorrências de uma unidade. A metodologia é desenvolvida para o caso em que várias unidades são acometidas por eventos recorrentes. Nas simulações realizadas foram analisadas as probabilidades de cobertura empíricas do intervalo de confiança normal assintótico e também o comportamento das variâncias dos estimadores. A presença de censuras na amostra inflacionou as variâncias dos estimadores de máxima verossimilhança além de produzir estimativas viciadas para um dos parâmetros da regressão, sendo que o vício do estimador foi corrigido por meio de um processo "bootstrap". Na modelagem sem termo de fragilidade, os resultados das análises das probabilidades de cobertura empírica dos intervalos de confiança assintóticos mostraram uma boa aproximação com os valores esperados, mas com certos cuidados a serem tomados, especialmente nos procedimentos baseados na simetria das distribuições empíricas. A inclusão de um termo de fragilidade na modelagem, por sua vez, causou uma perturbação na estimação máxima verossimilhança com um aumento nas variâncias dos estimadores diretamente associados à variabilidade do termo de fragilidade. Além disso, as coberturas empíricas dos intervalos de confiança assintóticos foram, na grande maioria superestimadas, com resultados satisfatórios apenas para o parâmetro de forma da distribuição Weibull. / Renewal Processes are a special case of point processes involving recurrent events in which a unit, after a failure, is restored to the like new condition. Due to that property the times between occurrences for a renewal process are independent and its intensity function is given by the hazard function. Random factors not observed, that afects the recurrence times of the units, can be explained by a frailty term added in the model. In this work a regression model is presented for a renewal process with Weibull distribution for the times between occurrences. The modeling considers censored times and a frailty variable to explain the relationship among the recurrence times of a unit. The methodology was developed for the situation where several units are submitted by recurrent events. The empirical probabilities of coverage of the asymptotic normal confidence interval and the behavior of the variances of the estimators were analyzed in the simulations performed. The presence of censures in the sample inflated the variances of the maximum likelihood estimators besides to produce biased estimates for the regression parameters. The bias of the estimator was corrected by "bootstrap" procedure. The analysis of the probability of empirical coverage of the asymptotic confidence intervals, without frailty, presented a good approximation to the nominal values, but some observations about procedures have to be made on the symmetry of the empirical distributions. The frailty term incorporated at the modeling disturbed the maximum likelihood estimation increasing estimators' variability, directly associated to the variance of the fragility term. In the most of the cases, the empirical coverages of the asymptotic confidence intervals were overestimated, with satisfactory results just for the shape parameter of the Weibull distribution.

A Previsão de Safras tem se constituído em importante ferramenta para o estabelecimento de políticas agrícolas públicas e privadas. Em geral, a Previsão de Safras consiste na previsão do clima e na estimativa do rendimento das partes de interesse econômico de uma cultura. A previsão do clima pode ser realizada pela análise de séries históricas dos parâmetros climáticos e dos efeitos de fenômenos conhecidos, a exemplo do El Niño Oscilação Sul (ENSO), o qual pode ser medido pelo Índice de Oscilação Sul (IOS). Também pode ser realizada pela integração numérica das equações diferenciais que regem os movimentos da atmosfera no planeta Terra, também conhecida como previsão numérica. A estimativa do rendimento das culturas também pode ser realizada pela análise estatística de séries históricas ou pela integração numérica de equações diferenciais que regem a fisiologia e o desenvolvimento das plantas, ambos conhecidos como modelo de culturas. O principal objetivo deste trabalho foi propor uma metodologia para a Previsão de Safras no Brasil, tendo como ponto de partida e protótipo o estudo do rendimento de grãos de milho na região Centro-Sul do país. Para tanto, séries históricas com 60 anos de precipitação pluvial em 24 locais da região Centro-Sul do Brasil foram comparadas aos Índices de Oscilação Sul medidos no mesmo período, inferindo-se que o fenômeno ENSO apresenta efeito marcante, e distinto, apenas em locais mais ao Sul e a Nordeste da região Centro-Sul. Concluiu-se pela impossibilidade de utilização do IOS para a previsão de parâmetros climáticos diários, o que também é prejudicado pela carência de séries históricas dos parâmetros climáticos com 60 ou mais anos no Brasil. Ainda quanto à previsão do clima, as previsões de radiação solar, precipitação pluvial, temperaturas máxima e mínima e umidade relativa do ar, geradas pelo modelo Eta a cada seis horas entre os dias 16/7/1997 e 15/6/2002, foram comparadas às respectivas medidas diárias desses parâmetros climáticos, concluindo-se pela possibilidade da aplicação das previsões geradas pelo modelo Eta na Previsão de Safras, à exceção dos locais mais ao Sul e mais a Nordeste da região Centro-Sul do Brasil. Acerca da estimativa do rendimento de grãos de milho, foi proposto um modelo de cultura baseado na integração das equações que regem a fisiologia e o desenvolvimento das plantas. Comparando-se os rendimentos de grãos de milho estimados nos 24 locais durante as safras 1997/98 a 2001/02, conclui-se pela possibilidade da estimativa do rendimento de grãos de milho na região Centro-Sul pelo modelo proposto. Porém, as discrepâncias entre os rendimentos estimados e os respectivos rendimentos medidos nos locais mais ao Sul e nos locais com textura de solo arenosa apontam a necessidade de correção da estimativa da dinâmica de água realizada pelo modelo de cultura proposto. Como conclusão geral, verificou-se que a metodologia proposta para a Previsão de Safras tem virtudes que devem ser exploradas no sentido de sua implementação no Brasil. Porém, essa implementação depende substancialmente da gestão dos trabalhos, de modo a propiciar as condições necessárias. Cabe destacar que o país tem realizado notáveis avanços nesse setor, caso da implementação da rede meteorológica nacional e do conhecimento gerado pelo Centro de Estudos e Previsões do Clima e pela Empresa Brasileira de Pesquisa Agropecuária, entre outras instituições. Ainda assim, essa área do conhecimento, fundamental para um país agrícola como o Brasil, carece de estudos. / Crop forecast has become an important tool for the private and public agricultural policies to be established. Generally, crop forecast is composed by climatic forecast and the yield estimative of growth of economically interesting parts of crops. The climatic forecast can be performed through the analyses of historical series of the climatic features and of the known phenomena, such as the El Niño Southern Oscillation (ENSO), which can be measured by the Southern Oscillation Index (IOS). It can also be done through a numerical integration of differential equations that rule the atmospheric movements of the Earth, a.k.a. numerical forecast. The estimate of crop yields can also be done through the statistical analysis of historical series or through the integration of differential equations that rule the plant physiology and development, both known as crop models. The main objective of this study was to indicate a methodology for Crop Forecast in Brazil, having as a starting point and prototype the study of corn grain yield in the Center-South region of Brazil. Thus, historical series of 60 years of precipitation in 24 sites of the studied region were compared to the IOS measured in the same period, inferring that the phenomenon ENSO has a remarkable effect, distinctly in the most southern and northeast portions of the studied region. One concluded due to the impossibility of using the IOS for daily climatic forecast, which is threatened by the lack of historical series of climatic features with 60 or more years in Brazil. Regarding the climatic forecast, the forecasts of solar radiation maximum and minimum temperatures and air moisture generated by the model Eta on every 6 hours between July 16, 1997 and June 15, 2002 were compared to the respective daily measurements of these climatic parameters. This provided subsidies for the conclusion that the data generated by the model Eta could be used in the Crop Forecast, except for the most southern and northeast regions in the Center-South region of Brazil. For the estimate of corn grain yield, a model based in the integration of equations that rule the plant physiology and development was proposed. Comparing corn grain yields estimated in 24 sites from the agricultural year 1997/98 to 2001/02, one concluded the possibility of estimating the corn grain yield for the studied region by the proposed model. Although the differences between the estimated and the measured yields in the most southern sites and in those with sandy soils indicate the demand for correction of the estimative of water dynamics performed by the proposed model. As a general conclusion, the methodology proposed for crop forecasting brings positive points which should be explored in the sense of its implementation in Brazil. On the other hand, this implementation depends substantially on the work management, propitiating the necessary conditions. One should highlight that the country has developed notably in this sector, such as the cases of the implementation of the national meteorological net and of the knowledge broadcasted by the Center of Climatic Studies and Forecasting and by the The Brazilian Agricultural Research Corporation (EMBRAPA), among other institutions. Even though, this area of knowledge - vital to an agricultural country as Brazil - demands more research.

A distribuição espacial de insetos e doenças em campos comerciais é importante, por exemplo, para aplicação racional de pesticidas. Entretanto, não tem sido considerada nas recomendações de manejo da cultura, planejamento de experimentos e estudos amostrais, sendo escassa literatura a esse respeito. Os artigos apresentados nessa tese foram motivados por duas situações diferentes, uma envolvendo dados de contagem e a outra, dados binários. Os dois modelos diferem em relação às estratégias da descrição da estrutura de dependência espacial. No primeiro artigo, a variável resposta é contagem. Para caracterizar o padrão espacial da dispersão do tripes do prateamento da cebola foi feito um levantamento anotando-se o número de insetos por fase de desenvolvimento em folhas de plantas de cebola, em diferentes datas e pontos amostrais dentro de quatro propriedades com fazendas vizinhas apresentando diferentes níveis de infestação e métodos de plantio. O teste de aleatorização de Mantel foi utilizado para testar a presença de padrão espacial, que quando detectado foi descrito por um modelo de Poisson misto espacial com componente aleatório geoestatístico. Tal modelo possibilitou a caracterização do padrão espacial bem como a obtenção de mapas de predição dos níveis de susceptibilidade à infestação na área. No segundo artigo a variável resposta é binária e foi feito um estudo de simulação para verificar o comportamento dos estimadores de pseudo-verossimilhança dos parâmetros do modelo autologístico, considerando diferentes estruturas de covariáveis e de vizinhança, três intensidades de infestação de uma praga e cinco valores para o parâmetro de correlação entre os vizinhos. Uma aplicação dos modelos considerados no estudo de simulação é feita a um conjunto de dados provenientes de um experimento com pimentão. Mostra-se que o método de estimação por pseudo-verossimilhança pode ser usado, com certa cautela, quando o interesse está na contribuição das covariáveis, mas não deve ser usado quando o interesse está na estimação da correlação espacial. Um estudo com diferentes porcentagens de dados faltantes foi feito para verificar a influência na estimação do parâmetro. / The spatial distribution of insects and diseases in commercial fields is important for the efficient application of pesticides. However, in the past this has not been considered in crop management recommendations, experiment planning and sampling plans. The papers presented in this thesis were motivated by two different situation, one envolving count data and the other binary data. The two models used differ in relation to the strategies of the description of the spatial dependence structure. In the the first paper the response variable is a count. In order to characterize the spatial distribution pattern of the onion thrips a survey was carried out to record the number of insects in each development phase on onion plant leaves, on different dates and sample locations, in four rural properties with neighboring farms with different infestation levels and planting methods. The Mantel randomization test was used to test for spatial correlation, and when detected this was modelled by a mixed spatial Poisson model with a geostatistic random component. This model has allowed a spatial pattern characterization as well as the production of prediction maps of susceptibility to levels of infestation in the area. In the second paper the response variable is binary. In this paper a simulation study on pseudo-likelihood estimators of autologistic parameters to verify the effect of different covariate and neighbouring structures is described, with three pest infestation levels and five different spatial correlation coefficient values. An application of the methodology is presented using a bell pepper data set. It is shown that the pseudo-likelihood method can be used when a researcher is interested in the effect of covariates, but should not be used for the estimation of the spatial correlation. A study with different percentages of missing data is made to verify the influency on parameter estimation.

Censura intervalar resulta quando os tempos de sobrevivência não são exatamente conhecidos, sabe-se apenas que eles ocorreram dentro de um intervalo. Dados de sobrevivência agrupados são casos particulares de censura intervalar quando os indivíduos são avaliados nos mesmos intervalos de tempo, ocasionando um grande número de empates. Um procedimento comum para a análise desse tipo de dados é ignorar a natureza de censura intervalar dos dados, ou seja, tratar a variável aleatória tempo como contínua e assumir que o evento ocorreu no início, no ponto médio ou no final do intervalo e, então, usar um método padrão de análise de sobrevivência. Neste estudo, simulações de Monte Carlo, com o modelo de Weibull, foram realizadas para comparar esses três procedimentos e um método novo proposto que é uma combinação desses três métodos e é orientado pela observação do histograma do tempo versus a freqüência de cada intervalo para a decisão de qual valor a ser usado. Considera-se também a análise dos dados como censura intervalar. Os resultados mostram que analisar os dados exatamente como censura intervalar é a forma correta. Entretanto, quando a taxa de falha aumenta o ponto médio poderia ser usado. A natureza discreta dos tempos de falha deve ser reconhecida quando existe um grande número de empates. Métodos de regressão para tratar dados agrupados são apresentados por Lawless (2003) e Collett (2003), cuja estrutura é especificada em termos da probabilidade de um indivíduo falhar em um intervalo, condicionada à sua sobrevivência ao intervalo anterior. Os modelos considerados na literatura são o de riscos proporcionais de Cox ou o logístico. O modelo de Weibull é proposto, neste trabalho, como uma alternativa ao modelo de Cox para ajustar dados de sobrevivência com censura intervalar no contexto de modelos discretos. Através de simulações foram construídas as estatísticas da razão de verossimilhança e do teste escore para a discriminação entre esses dois modelos. Para ilustrar as simulações duas aplicações em dados agronômicos foram utilizadas. / Interval-censored results when survival times are not exactly known, knowing only that they occur in an interval. Grouped survival data are particular cases of intervalcensored when individuals are evaluated in the same time-intervals, causing a great number of ties. A common procedure for the analysis this type of data is to ignore the nature of interval-censored data, or rather, treat the random variable time as continuous, and assume that the event occurred in the beginning, midpoint or interval end, and then use a standard method of survival analysis. In this study, Monte Carlo simulations according to Weibull model, were performed in order to compare these three procedures and a new method proposed which is a combination of the three, and is directed by the observation of time histogram versus each interval frequency in order to decide which value be used. Interval-censored data is also considered. The results show that to analyse the data exactly as interval-censored is the correct form. However, when the failure rate increase the midpoint could be used. The discrete nature of failure time must be recognized when there are a great number of ties. Regression methods to treat grouped data are presented by Lawless (2003) and Collett (2003), whose structure is specified in terms of the probability of an individual failing in an interval, conditioned to his survival to previous interval. The models considered in literature are either those of Cox proportional hazards or the logistic one. Weibull model is proposed in this study as an alternative to Cox model in order to adjust survival data with interval-censored in the context of discrete models. Through simulations were built the statistics of ratio likelihood and score test to distinguish between these two models. To illustrate the simulations two applications in agronomy data were used.

Neste trabalho propomos um modelo de regress~ao utilizando a distribuição Weibull modificado, esta distribuição pode ser usada para modelar dados de sobrevivência quando a de função de risco tem forma de U ou banheira. Assumindo dados censurados, é considerado os estimadores de máxima verossimilhança e Jackknife para os parâmetros do modelo proposto. Foram derivadas as matrizes apropriadas para avaliar influiência local sobre os parâmetros estimados considerando diferentes peturbações e também é apresen- tada alguma medidas de influência global. Para diferentes parâmetros fixados, tamanhos de amostra e porcentagem de censuras, varia simulações foram feitas para avaliar a distribuição empírica do resíduo deviance modificado e comparado coma distribuição normal padrão. Esses estudos sugerem que a distribuição empírica do resíduo devianve modificado para o modelo de regressão log-Weibull modificado com dados censurados aproxima-se de uma dis- tribuição normal padrão. Finalmente analisamos um conjunto de dados utilizando o modelo de regressão log-Weibull modificado. Uma nova distribuição de quatro parâmetros é definida para modelar dados de tempo de vida. Algumas propriedades da distribuição é discutida, assim como ilustramos com exemplos a aplicação dessa nova distribuição. Palavras-chaves: Modelo de regressão; Distribuição Weibull modificada; Distribuição weibull modificada generalizada; Análise de sensibilidade; Dados censurados; Análise de resíduo / In this paperwork are proposed a regression model considering the modified Weibull distribution. This distribution can be used to model bathtub-shaped failure rate functions. Assuming censored data, we consider a classic and Jackknife estimator for the parameters of the model. We derive the appropriate matrices for assessing local influence on the parameter estimates under diferent perturbation schemes and we also present some ways to perform global influence. Besides, for diferent parameter settings, sample sizes and censoring percentages, various simulations are performed and the empirical distribution of the deviance modified residual is displayed and compared with the standard normal distribution. These studies suggest that the residual analysis usually performed in normal linear regression models can be straightforwardly extend for a martingale-type residual in log-modifiedWeibull regression models with censored data. Finally, we analyze a real data set under log-modified Weibull regression models. A diagnostic analysis and a model checking based on the deviance modified residual are performed to select an appropriate model. A new four-parameter distribution is introduced. Various properties the new distribution are discussed. Illustrative examples based on real data are also given.

Moral e ideologia política estão intrinsecamente relacionados com aprendizado, tipos de personalidade e estratégias cognitivas de indivíduos. Usando um modelo de agentes Bayesianos adaptativos e interagentes tentaremos responder como características do aprendizado moral na infância e adolescência estão relacionadas à ideologia, traços de personalidade e estratégias cognitivas. Assumimos que o aprendizado moral do agente pode ser dividido em duas fases. A primeira fase é uma mímica do aprendizado de pessoas na infância e adolescência. Nessa fase, o modelo se assemelha ao aprendizado Bayesiano supervisionado, onde a estratégia para lidar com novas informações muda com a quantidade de informação recebida. Posteriormente, na segunda fase, agentes com estratégias cognitivas fixas discutem assuntos públicos, com conteúdo moral, e mudam suas opiniões com a motivação de diminuir o custo psicológico de discordância com seus parceiros sociais. Comparando as assinaturas estatísticas das opiniões dos agentes na segunda fase com assinaturas similares obtidas através do Questionário dos Fundamentos Morais, concluímos que nosso modelo apresenta diversas caraterísticas que tem respaldo experimental. Por exemplo, a quantidade de informação moral julgada na primeira fase está positivamente correlacionada com o liberalismo. Além disso, agentes que são estatisticamente identificados como liberais se adaptam mais rapidamente a mudanças na sociedade. Também constatamos que com o aumento do parâmetro de nosso modelo denominado pressão social, agentes estatisticamente identificados com pessoas liberais passam a ter perfis estatísticos mais parecidos com os de pessoas conservadores. Os métodos usados neste estudo, simuações de Monte Carlo, aproximação de campo médio, são típicos da Mecânica Estatistica. / Moral and political ideology are intrinsically related with learning processes, personality traits and individual cognitive strategies. Using an adaptive interacting Bayesian agent model we try to understand how characteristics of childhood and adolescent moral learning are related with ideology, personality traits, and cognitive strategies. We assume that the agents moral learning can be divided in two phases. The first phase is a mimic of the learning processes of individuals in childhood and adolescence, in this phase, the model resembles the Bayesian supervised learning, where the strategy to deal with new information changes with the total amount of received information. Later, in the second phase, agents with frozen cognitive strategies discuss public issues, with moral content, and change its opinion motivated to decrease the psychological cost of disagreement with its social partners. Comparing the statistical signatures of agents opinions in the second phase with similar signatures obtained from data of the Moral Foundations Theory Questionnaire, we conclude that our model presents several features that have experimental support. For example, the amount of moral information acquired in the first phase is positively correlated with liberalism. Moreover, agents which are statistically identified as liberal adapt more quickly to changes in society. We also found that with increase of the social pressure parameter, agents statistically identified as liberals will have statistical profiles more similar with conservatives. The methods used in this study, Monte Carlo simulations, mean field approximation, are typical of Statistical Mechanics.