Ciências Exatas e da Terra

Nesse trabalho será desenvolvido uma análise Bayesiana Hierárquica, para modelos presa-predador aplicados a dados de ecologia, considerando o uso de métodos de Monte Carlo via cadeia de Markov (MCMC). Ao modelo será introduzido um efeito aleatório e será considerado a presença de um vetor de covariáveis. Como aplicação na área de ecologia será utilizado uma série temporal obtida no Lago Geneva no ano de 1990. Será discutido também alguns aspectos de discriminação dos modelos propostos.

O objetivo deste trabalho é gerar um modelo logístico capaz de prever a probabilidade de um adolescente do município de Parauapebas no Estado do Pará sofrer alguma violência e comparar essas probabilidades entre homens e mulheres. Para tanto, utiliza-se as técnicas estatísticas de análise exploratória de dados para descrever as variáveis utilizadas no modelo e a regressão logística múltipla. De acordo com a análise exploratória dos dados, destaca-se que a maioria dos adolescentes não possuem deficiência, praticam esportes e não frequêntam festas. Enquanto que a maioria das adolescentes, não possuem deficiência, não frequêntam cinemas e dormem sozinhas. Além disso, a partir da técnica da regressão logística, observa-se que se um adolescente possuir alguma deficiência, ele tem 23 vezes a mais de chance de sofrer alguma violência do que outro adolescente que não possui deficiência e que apresenta as mesmas características. Enquanto que para as mulheres, esse valor sobe para 27 vezes a mais. E que a maior probabilidade de um adolescente do município de Parauapebas sofrer alguma violência (96,31%), é se for uma mulher, se frequentar cinemas, possuir alguma deficiência e se não dorme sozinha.

O objetivo deste trabalho é fazer um estudo sobre as condições de vida dos adolescentes do município de Parauapebas. Para tanto foi utilizada as técnicas estatísticas de análise exploratória de dados e análise de correspondência. De acordo com a estatística descritiva, destaca-se que a maioria dos adolescentes deste município sempre fazem tarefas do lar e possuem um excelente convívio familiar. Em relação a análise de correspondência, observa-se que os adolescentes que tem como responsável os pais, estão mais propícios a terem uma ótima convivência familiar, enquanto que os adolescentes que tem como responsável os avós, estão propícios a nunca freqüentarem a casa dos vizinhos. Já os adolescentes que costumam ir sempre a casa dos vizinhos, estão mais propícios a terem uma péssima convivência familiar e a nunca fazerem as tarefas do lar.

We propose a new EM algorithm for computing the maximum likelihood
for generalized linear mixed probit-normal models for correlated binary data.
In contrast with recent developments (Tan et al., 2007; Meza et al., 2009), this
algorithm used closed-form expressions at the E step, as opposed to Monte
Carlo simulation. Our proposed algorithm rely on formulas for the mean and
variance of a truncated multinormal distribution, and can be computed using
available formula. A real data set from the childrens wheeze study is analyzed
to illustrate the proposed method and for comparison with existing methods.

A exigência de um melhor controle dos procedimentos de mensuração, quando se trata de produtos florestais tem se intensificado, levando pesquisadores a buscar novas técnicas para se obter melhores resultados. Quando se trata de medições de produtos florestais, é necessário o auxílio de instrumentos de medições, porém, comumente os erros de mensuração estão presentes quando se utilizam estes instrumentos. Desta forma, o objetivo deste trabalho é modelar características de árvores típicas da floresta amazônica, via modelos de calibração linear, comparando os estimadores para os modelos desenvolvidos a partir do erro quadrático médio. Para tanto, utilizam-se medidas do diâmetro da altura do peito (X) e do volume (Y) de árvores Quaruba, árvore típica da região amazônica e tem importância fundamental para a economia da região e para o manejo florestal. Durante a fase inicial da calibração, pôde-se verificar, que a presença de erros de medida, na variável independente (X), isto é, no diâmetro da altura do peito das árvores, influenciaram diretamente na precisão dos modelos obtidos. Na segunda etapa do processo de calibração, foram utilizados três estimadores: inverso com mínimos quadrados, clássico consistente e clássico com mínimos quadrados. O estimador inverso com mínimos quadrados apresentou o melhor desempenho que os outros estimadores.

This work deals with the problem of estimating covariance functions for functional data, when the available sample consists of sums of curves, rather than individual observations. That is, the population is divided into subpopulations of known sizes and the observations are the sum of all curves for the individuals in the population. We propose (and compare) different methods based on B-Splines, via simulation and application to a real data set, hailing from the electrical energy distribution context.

A meta deste trabalho e analisar dados extremos em todo o seu domínio,
dando um destaque especial para a cauda da distribuição. Este trabalho realiza uma abordagem
bayesiana, utilizando metodos de Monte Carlo via Cadeias de Markov (MCMC) de
estimação. Para a parte central dos dados, e feita uma estimação não-paramétrica atraves
de misturas de distribuições Gama. A partir de um determinado limiar u, baseado no
Teorema proposto por Pickands (1975), a modelagem e feita utilizando uma distribuição
de Pareto Generalizada (GPD). Neste estudo, o limiar tambem e um parâmetro do modelo
a ser estimado. O modelo proposto sera comparado com outros modelos anteriormente
utlizados e sera ilustrado por duas aplicações de dados ambientais.

Este trabalho tem como objetivo obter expressões matriciais para os vieses de primeira ordem dos Estimadores de Máxima Verossimilhança (EMV) dos parâmetros dos modelos não-lineares da família de locação e escala, assim como os vieses de primeira ordem dos EMV dos parâmetros de algumas distribuições importantes da família de locação e escala, tais como, distribuições Normal, Logística, Valor Extremo, Cauchy e t-Student; a partir desses vieses, obter os EMV corrigidos. Para a obtenção dos vieses, utiliza-se a correção de viés obtida por Cox e Snell (1968). Resultados de simulações de Monte Carlo são utilizados com a finalidade de verificar o comportamento dos EMV dos parâmetros dos modelos não-lineares da família de locação e escala, a partir das distribuições Normal e Logística em relação aos seus EMV corrigidos. Finalmente, observa-se que, no geral, a correção utilizada reduz efetivamente os vieses das estimativas de máxima verossimilhança, produzindo estimativas mais próximas dos verdadeiros valores dos parâmetros da família de locação e escala que as estimativas não-corrigidas.

Muitas aplicações estatísticas envolvem múltiplos parâmetros que podem ser considerados como relacionados ou ligados de alguma forma pela estrutura do problema, implicando que um modelo de probabilidade conjunta para esses parâmetros deva refletir a dependência entre eles. Uma característica-chave de tais aplicações é que os dados observados, $t_{ij}$ , com unidades indexadas por $j$, dentro de grupos indexados por $i$, podem ser usados para estimar aspectos da distribuição populacional dos parâmetros. No contexto de múltiplos sistemas reparáveis, pode ser de interesse investigar se a função intensidade de falhas dos sistemas seguem o mesmo ou diferentes Processos de Poisson Não-Homogêneos (PPNHs). É natural modelar tal problema hierarquicamente, com os resultados observáveis sendo modelados condicionalmente nessess parâmetros populacionais, que são dados como uma especificação probabilística em termos de parâmetros adicionais ou hiperparâmetros. Tal pensamento hierárquico ajuda a entender problemas multiparamétricos. Este trabalho apresenta uma abordagem Bayesiana Hierárquica para modelar PPNHs. A abordagem é então aplicada a dados reais sobre história de falhas e reparos de transformadores de potência elétrica.

Nesse artigo são apresentados diferentes modelos de "fragilidade" para a análise de dados longitudinais de Poisson na presença de uma covariável. Esses modelos incorporam a variabilidade extra-Poisson e a possível correlação entre as medidas repetidas para cada indivíduo. Uma análise Bayesiana hierárquica foi utilizada para a análise dos dados de contagem considerando o método MCMC (Markov Chain Monte Carlo). Considerando um banco de dados real da área clínica, são discutidos alguns aspectos de discriminação Bayesiana para a escolha do melhor modelo. Dados de contagem longitudinal na presença de uma ou mais covariáveis são muito comuns, especialmente em estudos médicos. Para a análise deste tipo de banco de dados, normalmente é necessário utilizar modelos que capturam a correlação entre os dados de contagem e a presença de superdispersão. Diferentes modelos de "fragilidade" são introduzidos na literatura para analisar dados de contagem de Poisson, e o uso de métodos Bayesianos Hierárquicos são muito utilizados na analise deste tipo de dados.