Ciências Exatas e da Terra

Neste trabalho será abordado uma aplicação do Modelo Poisson padrão e dos Modelos Inflacionados de Zeros para dados de contagem, Zero Inflated Poisson - ZIP e Zero Inflated Negative Binomial - ZINB, utilizando-se as técnicas dos MLG’s através de um conjunto de dados reais, onde algumas alterações foram implementadas no conjunto de dados a fim de aplicar os modelos supracitados. Após a realização dos ajustes uma análise de diagnóstico é discutida para verificar possíveis transgressões aos ajustes dos modelos considerados juntamente com a análise gráfica para verificar a adequabilidade dos modelos em questão em relação a variável de interesse no estudo, o número de abelhas que coletam polens no decorrer do dia.

Neste trabalho serão apresentados os aspectos teóricos e práticos de uma classe de modelos heteroscedásticos condicionais, mais conhecidos como modelos da família GARCH (generalized autoregressive conditional heteroscedasticity). A proposta é verificar se tais modelos, largamente utilizado em cenários financeiros, podem ser também utilizados no âmbito meteorológico, trazendo resultados satisfatórios, consistentes e representativos para previsões de volatilidade a curto prazo de variáveis que caracterizam o clima. Serão feitos dois enfoques de estimação: frequentista e bayesiano, apresentando suas aplicabilidades e verificando qual dentre as diferentes combinações de modelos melhor se ajusta à cada uma de seis séries de retornos de extremos climáticos fornecidas pelo Instituto Nacional de Meteorologia (INMET). Salienta-se aqui o forte uso de recursos computacionais na construção dos algoritmos necessários para a modelagem estatística, todos programados em R, devido à inexistência de ferramentas específicas em pacotes de tal linguagem. Palavras-chave: Autoregressive Conditional Heteroskedasticity, Generalized Autoregressive Conditional Heteroskedasticity, Extremos Climáticos, Inferência Bayesiana, métodos MCMC.

A comparação de duas ou mais funções de regressão é um assunto bastante discutido. Os métodos clássicos utilizam modelos paramétricos para a função de regressão e comparam os parâmetros resultantes dos modelos. A desvantagem desta abordagem e que ela exige a especificação de um modelo matemático, que nem sempre e possível obter. Em estudos recentes têm sido propostos vários testes para igualdade de funções de regressão usando método do Núcleo Estimador. O nosso trabalho e baseado no método proposto por Dette e Neumeyer (2001), no qual os autores desenvolveram um teste bootstrap baseado na diferença entre um estimador não paramétrico de variância na amostra combinada, e uma combinação convexa dos estimadores não paramétricos das variâncias das amostras individuais. Porém a escolha da janela, h, é um ponto fundamental para se obter uma boa estimativa da função de regressão de interesse. A opção por valores inadequados podem obscurecer a relação das variáveis do modelo e, consequentemente prejudicar a qualidade do ajuste. Assim, o objetivo principal deste trabalho e testar o efeito da escolha da janela na comparação de funções de regressão. A motivação para este trabalho se situa no fato de que, ao estudarmos a literatura sobre a comparação de curvas de regressão, não encontramos um método automático para a seleção do parâmetro de suavização. Para ilustrar o impacto da escola do parâmetro de suavização utilizamos dados de homicídios de algumas cidades da região metropolitana de Belo Horizonte.

A classe de modelos Birnbaum-Saunders (BS) surgiu em problemas de fadiga dos materiais (que é um dano estrutural que ocorre quando um material é exposto a estresse e tensão). Nos últimos tempos, este modelo tem sido aplicado em áreas fora do contexto de fadiga dos materiais e engenharia, como por exemplo, em ciências da saúde, ambiental, florestal, demográficas, atuarial, financeira, entre outras. Tendo em vista que a distribuição BS tem a propriedade de descrever processos de degradação acumulativa. Neste trabalho, apresentamos um estudo do modelo BS baseado na distribuição skew-normal. Como subproduto consideramos o modelo de regressão linear log-Birnbaum-Saunders (log-BS). Para obter as estimativas de máxima verossimilhança usamos o algoritmo EM. Além disso, apresentamos um estudo de análise de influência global e local, através da metodologia de Zhu e Lee (2001) para dados incompletos. Ilustramos a metodologia proposta com dados encontrados na literatura.

A Inteligência Artificial, segundo Tafner et al. (1995), é uma área catalisadora do desejo humano de reproduzir inteligência em mecanismos não-biológicos; constitui-se em um conjunto de técnicas de programação para resolver problemas. Ela procura imitar as formas de resolução de problemas do mesmo modo que o homem o faz. Além disso, a Inteligência Artificial é uma área interdisciplinar dentro das Ciências Exatas, sendo explorada com maior intensidade pelas áreas de Ciências da Computação e Engenharia Elétrica, com o auxílio de metodologia e pensamento estatístico. Segundo Mitchel, citado por Rezende (2004, p.93), entre os métodos estatísticos, destaca-se o aprendizado Bayesiano, que utiliza um modelo probabilístico baseado no conhecimento prévio do problema, o qual é combinado com exemplos de treinamento para determinar a probabilidade final de uma hipótese. Assim, as Redes Bayesianas são uma abordagem interpretativa e analítica para o raciocínio probabilista e tem sido utilizada recentemente em diversas áreas como, por exemplo, estimação de risco operacional, diagnóstico médico, credit scoring, projeto de jogos computacionais, imputação de dados, entre outras. Desta forma, a técnica de Redes Bayesianas é um método de modelagem e de decisão, sendo alternativo às técnicas comumente utilizadas como, por exemplo, Regressão Logística e Análise Discriminante. Esse trabalho de conclusão de curso, desenvolvido de julho a dezembro de 2008, tem a finalidade de apresentar de forma clara e objetiva fundamentos básicos da técnica de Redes Bayesianas, realizar sua aplicação em exemplos, alguns deles envolvendo dados reais, e apresentar os resultados de um estudo de simulação que compara a capacidade preditiva das Redes Bayesianas com um procedimento padrão, comumente utilizado na modelagem de dados com respostas dicotômicas.

O uso de dados espaciais é cada vez mais crescente em diversas áreas do conhecimento. Em especial, o uso de imagens de satélite no auxílio do entendimento de dados espacialmente referenciados tem se mostrado de grande importância em vários estudos como, por exemplo, os de Saúde Pública e Ecologia. O crescente desenvolvimento tecnológico e científico do Sensoriamento Remoto Orbital torna cada vez mais fácil o acesso às imagens de satélite e aos softwares que as manipulam. Este trabalho tem o objetivo de orientar a construção de um banco de dados que possibilite associar dados espaciais a imagens de satélite. Como exemplo, adotaremos a construção de um banco de dados para estimação de populações humanas via imagens de satélite. No caso da estimação de populações via imagens de satélite, o banco de dados é construído a partir de dados de contagem populacional nas unidades de análise escolhidos (ex., setores censitários) e das imagens do sensor escolhido.

Neste trabalho comparamos os resultados obtidos da simulação de dois algoritmos, a saber: o algoritmo genético clássico e a versão modificada do mesmo proposta no artigo dos professores André G. C. Pereira e Viviane S. M. Campos do Departamento de Matemática da UFRN. Nesta proposta permite-se que as probabilidades de cruzamento e mutação variem dentro de determinadas condições.

Neste trabalho comparamos as estimativas Bayesianas obtidas para os parâmetros de processos da família ARCH considerando distribuição normal e t de student para a distribuição condicional da série de retornos. Adotamos ainda distribuição a priori não-informativa e consideramos uma reparametrização dos modelos estudados para mapear o espaço dos parâmetros no espaço real. Os sumários a posteriori foram obtidos por meio dos métodos de simulação de Monte Carlo em Cadeias de Markov (MCMC). Com a reparametrização adotada, reduzimos a taxa de rejeição do algoritmo de simulação MCMC, acelerando o processo de convergência deste. A metodologia foi avaliada considerando uma série de retornos IBovespa. Para selecionar o modelo que apresentou melhor ajuste aos dados, utilizamos o Critério da Densidade Preditiva Ordenada.

Neste trabalho apresentamos uma família de distribuicoes com taxa de risco crescente que generaliza muitas das distribuicoes compostas propostas na teoria de sobrevivência para modelar tempos de ocorrência de um evento. Deduzimos esta distribuicao assumindo uma estrutura de ativacao latente para explicar a ocorrência do evento de interesse, onde o número de causas deste evento segue uma distribuicao de series de potências (truncada no zero) e os tempos de ativacao destas causas seguem uma distribuicao exponencial. Apresentamos alguns casos particulares e aplicamos inferência por máxima verossimilhanca em um conjunto de dados reais.

Numa linha de produção, todo processo está sujeito a ocorrências de causas que venham a aparecer causando perdas na qualidade do produto e conseqüentemente prejuízos ao fabricante. O sistema de controle on-line consiste na inspeção periódica de um item a cada m produzidos e, uma vez que este item seja julgado como não conforme, admite-se que ocorreu uma mudança da fração de itens conformes e o processo é parado para ajuste. Este trabalho tem como objetivo fazer uma análise de sensibilidade do Ajuste preventivo versus ajuste corretivo no controle on-line do número de não conformidades num item inspecionado.