Ciências Exatas e da Terra

Esse trabalho tem por objetivo apresentar resultados do projeto no qual foi desenvolvida uma metodologia de ensino-aprendizagem em probabilidade e estatística, com o intuito de promover o aperfeiçoamento desses profissionais. A teoria e a aplicação de probabilidade e estatística estão sendo abordadas através de minicursos e apostilas desenvolvidas especificamente para esse fim, utilizando atividades que envolveram brincadeiras e jogos. O projeto “Ações de aprimoramento em estatística para professores de matemática do ensino fundamental” foi desenvolvido/executado no Departamento de Estatística do Centro de Ciências Naturais e Exatas (CCNE) da Universidade Federal de Santa Maria (UFSM) no ano de 2009. Primeiramente, foi realizada uma pesquisa sobre os conteúdos Estatísticos previstos nos Parâmetros Curriculares Nacionais (PCNs) (Brasil, 1997 e 1998) para 1º e 2º ciclos do Ensino Fundamental. Num segundo momento, foi feita a pesquisa dos conteúdos estatísticos envolvidos nas atividades de livros acadêmicos de Estatística, para produzir um material de conhecimento mínimo para os professores, já que a grande maioria dos profissionais que atua nos primeiros anos do ensino fundamental não teve ou não tem acesso a este tipo de material. Concluindo, pode-se observar que a produção de materiais para os educadores do ensino básico, e a capacitação dos mesmos através de cursos, minicursos e oficinas contribui para que os professores sintam-se preparados e motivados para planejar suas aulas envolvendo os conteúdos de estatística.

Introduzidas por Rissanem em 1983, as árvores probabilísticas de contexto (PCT) são uma classe promissora de modelos que podem auxiliar na área da genética, lingüística ou qualquer outra, onde as amostras sejam sequencias de dados discretos e se tenha interesse em encontrar um modelo gerador para os dados. As PCT também são conhecidas na literatura como Variable Length Markov Chains (VLMC). Em contraste com os modelos de cadeia de Markov, onde cada variável no tempo t depende de um número xo de variáveis no passado, em modelos de PCT, o tamanho do passado relevante para prever
o próximo simbolo pode variar com base na realização especíca observada.

Sabe-se que variáveis regionalizadas são funções que variam de um lugar a outro no espaço com certa similaridade de continuidade, cujos valores estão relacionados de algum modo com a posição espacial que ocupam e a maior dificuldade é realizar inferência estatística com uma única realização para as variáveis obtidas de um grid regular ou irregular (Oliveira, 2003). Em função disso, este trabalho se propõe a estudar a aplicação de métodos geoestatísticos, para tratamento de variáveis georreferenciadas , em dados de que compõe a fração do solo com silte fornecidos pela Embrapa Solos. Foi utilizada a adoção de métodos clássicos para obtenção dos resultados, bayesianos que incorporam a incerteza associada aos parâmetros nos procedimentos de predição permite, uma melhor definição e melhor caracterização da incerteza sobre zonas viáveis de manejo em experimentos
agronômicos que envolvem a produção de mapas temáticos, sobretudo quando se dispõe de amostra pequena da variável de interesse e também as características espaciais e composicionais dos dados são combinadas através da especificação de um modelo paramétrico composicional espacial.

Palavras chaves:Variáveis georreferenciadas, inferência Bayesiana, análise composicional.

In social studies, individual association indices estimate the proportion of time two individuals (i.e. a dyad) spend together. However, traditional association indices rely on the assumptions that individual detection probabilities (p) are either one (at least approximately) or independent of the association states. Based on marked individuals, we develop a model to estimate the probability a dyad is in associated state () accounting for detectability less than one and varying according to association states. Our model allows for both individual and dyad missing observation and can easily be extended to incorporate covariate information for modeling detectability and dyad association probability. Parameter estimates are obtained as posterior means via Monte Carlo Markov Chain. A simulation study showed that our model-based approach yield unbiased estimates, even for low and heterogeneous detection probabilities, while, in contrast, standard indices showed moderate to strong biases.

Information Geometry is a new branch in mathematics, originated from the applications of Diferential Geometry to Statistics. This area emerged from investigating the geometrical struture of a family of probability distribuitions, and has been applied to various areas including statistical inference and information theory. This dissertation is an introduction to the geometry of information for a more general point of view using Riemann-Finsler Geometry and Spray Geometry.

Este trabalho tem como objetivo principal mostrar o desenvolvimento do Gráfico de Controle de Regressão Clássica para dados reais, mostrando seus benefícios, metodologia de construção e análise. Para tal, foram coletados dados referentes às características da qualidade de árvores Quaruba e de Eletrodos de Carbono. Vale ressaltar que tanto as árvores Quaruba quanto os Eletrodos de Carbono (utilizados no processo produtivo de alumínio líquido) são de extrema importância para o desenvolvimento econômico do estado do Pará. Os dados foram analisados e os respectivos Gráficos de Controle de Regressão Clássica construídos. Assim, pôde-se verificar, a partir do monitoramento e análise das características das árvores de Quaruba e dos Eletrodos de Carbono, que seus respectivos processos produtivos encontravam-se sob controle estatístico, pois todos os pontos estavam “plotados” entre o limite superior de controle e o limite inferior de controle. Desta forma, pôde-se concluir que o Gráfico de Controle de Regressão Clássica é uma poderosa ferramenta para o monitoramento e avaliação das características da qualidade de ambos os processos produtivos abordados neste estudo.

O modelo ARCH, Auto Regressive Conditional Heteroscedasticity, proposto por Engle (1982). A estratégia usada foi modelar a volatilidade no tempo t como dependente dos quadrados dos retornos passados Em uma extensão desse modelo proposta por Dahlhaus et al.(2007) supõe-se que os parâmetros variem no tempo. Também apresentaram um método de estimação dos parâmetros desse modelo. Este novo modelo foi denominado de tvARCH(p)
A ideia é fazer previsões de forma recursiva. Para fazermos previsões k passos à frente de uma série tvARCH(p) observada até um ponto t, propomos que obtenha-se previsões de forma recursiva, começando pela previsão um passo a frente..

The inverse Weibull distribution has the ability to model failure rates which are quite common
in reliability and biological studies. A three-parameter generalized inverse Weibull distribution.
A location-scale regression model based on the generalized inverse Weibull distribution is
proposed as an alternative model for modeling data when the failure rate function is unimodal,
decreasing or an increasing function.

Dados com estruturas hierárquicas são muito comuns em vários estudos e podem causar problemas nas análises tradicionais porque a usual suposição de que as variáveis aleatórias são independentes e identicamente distribuídas é violada. Dadas as vantagens associadas à modelagem de equações estruturais em geral, tentativas têm sido feitas para incorporar dados correlacionados nesse tipo de metodologia. É evidente que os modelos de equações estruturais e os modelos lineares multiníveis sozinhos não são capazes de capturar relações complexas que existem intra e entre-grupos, o que resultou na proposta de combinação dessas duas metodologias, denominada modelos de equações estruturais multiníveis. Este trabalho objetiva uma avaliação mais ampla do que a existente na literatura atual do procedimento de estimação dos modelos de equações estruturais multiníveis para respostas contínuas através da condução de estudos Monte Carlo, que foram realizados no software MPlus. Resultados referentes à avaliação de AFC, sem considerar a estrutura multinível dos dados, apontam para aumento do viés, sobretudo dos componentes da variância, à medida que o coeficiente de correlação intraclasse (ICC) aumenta e o número de clusters diminui. No ajuste da AFC multinível o viés associado às cargas fatoriais e às variâncias residuais é desprezível para as diversas combinações de grau de dependência e estrutura de agregação dos dados na modelagem do componente intra-grupos. No entanto, a modelagem do componente entre-grupos aponta para estimadores com alto grau de viés, que é reduzido com o aumento do ICC e do número de clusters. Certamente os modelos de equações estruturais multiníveis podem contribuir com o aumento do poder e flexibilidade na análise de dados em conglomerados hierárquicos, permitindo a incorporação de erros de medida. No entanto, este tipo de metodologia ainda requer a disponibilidade de dados para um número grande de clusters. A performance desta metodologia também depende da complexidade do modelo. O ajuste de modelos com alto grau de complexidade, sobretudo com respeito às relações causais e ao número de indicadores, depende de desenvolvimentos teóricos futuros. Projeto com financiamento FAPESB, Termo de Outorga n.0082/2006.

No Nordeste brasileiro os registros de nascimentos são subenumerados e a qualidade do preenchimento das variáveis nas declarações de nascimentos não é completa. Para tanto foram usados o modelo de análise fatorial e o método dos componentes principais. Objetiva-se avaliar a completude das variáveis sócio-demográficas nas declarações dos nascimentos. Utilizou-se o banco de dados do SINASC do DATASUS e do registro civil do IBGE. As seguintes variáveis foram investigadas quanto a sua completude: duração de gestação, estado civil da mãe, instrução da mãe, raça/cor, idade da mãe, tipo de parto, consulta pré-natal e peso ao nascer. Os resultados apontaram níveis elevados da completude da maioria das variáveis para os estados do Nordeste.