Gráficos de X com esquemas especiais de amostragem para o controle de médias que oscilam ou para o controle de processos que geram observações autocorrelacionadas

Pós-graduação em Engenharia Mecânica - FEG

Gráfico de Hotelling com esquemas especiais de amostragem para o monitoramento de processos bivariados autocorrelacionados

Pós-graduação em Engenharia Mecânica - FEG

Avaliação da movimentação de cães por meio de captura-recaptura fotográfica e georeferenciamento

Pós-graduação em Ciência Animal - FMVA

Estudo dos planos amostrais e estimadores para a aplicação no dimensionamento da popoluação canina de Rio Claro - SP

Pós-graduação em Matemática Universitária - IGCE

Análise geoestatística para geração de superfícies a partir de dados de clorofila-a adquiridos em transectos

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Decomposição aleatória de matrizes aplicada ao reconhecimento de faces

Métodos estocásticos oferecem uma poderosa ferramenta para a execução da compressão de dados e decomposições de matrizes. O método estocástico para decomposição de matrizes estudado utiliza amostragem aleatória para identificar um subespaço que captura a imagem de uma matriz de forma aproximada, preservando uma parte de sua informação essencial. Estas aproximações compactam a informação possibilitando a resolução de problemas práticos de maneira eficiente. Nesta dissertação é calculada uma decomposição em valores singulares (SVD) utilizando técnicas estocásticas. Esta SVD aleatória é empregada na tarefa de reconhecimento de faces. O reconhecimento de faces funciona de forma a projetar imagens de faces sobre um espaço de características que melhor descreve a variação de imagens de faces conhecidas. Estas características significantes são conhecidas como autofaces, pois são os autovetores de uma matriz associada a um conjunto de faces. Essa projeção caracteriza aproximadamente a face de um indivíduo por uma soma ponderada das autofaces características. Assim, a tarefa de reconhecimento de uma nova face consiste em comparar os pesos de sua projeção com os pesos da projeção de indivíduos conhecidos. A análise de componentes principais (PCA) é um método muito utilizado para determinar as autofaces características, este fornece as autofaces que representam maior variabilidade de informação de um conjunto de faces. Nesta dissertação verificamos a qualidade das autofaces obtidas pela SVD aleatória (que são os vetores singulares à esquerda de uma matriz contendo as imagens) por comparação de similaridade com as autofaces obtidas pela PCA. Para tanto, foram utilizados dois bancos de imagens, com tamanhos diferentes, e aplicadas diversas amostragens aleatórias sobre a matriz contendo as imagens.

Gráficos de controle adaptativos para monitoramento de perfis

Processos de produção precisam ser avaliados continuamente para que funcionem de modo mais eficaz e eficiente possível. Um conjunto de ferramentas utilizado para tal finalidade é denominado controle estatístico de processos (CEP). Através de ferramentas do CEP, o monitoramento pode ser realizado periodicamente. A ferramenta mais importante do CEP é o gráfico de controle. Nesta tese, foca-se no monitoramento de uma variável resposta, por meio dos parâmetros ou coeficientes de um modelo de regressão linear simples. Propõe-se gráficos de controle χ2 adaptativos para o monitoramento dos coeficientes do modelo de regressão linear simples. Mais especificamente, são desenvolvidos sete gráficos de controle χ2 adaptativos para o monitoramento de perfis lineares, a saber: gráfico com tamanho de amostra variável; intervalo de amostragem variável; limites de controle e de advertência variáveis; tamanho de amostra e intervalo de amostragem variáveis; tamanho de amostra e limites variáveis; intervalo de amostragem e limites variáveis e por fim, com todos os parâmetros de projeto variáveis. Medidas de desempenho dos gráficos propostos foram obtidas através de propriedades de cadeia de Markov, tanto para a situação zero-state como para a steady-state, verificando-se uma diminuição do tempo médio até um sinal no caso de desvios pequenos a moderados nos coeficientes do modelo de regressão do processo de produção. Os gráficos propostos foram aplicados a um exemplo de um processo de fabricação de semicondutores. Além disso, uma análise de sensibilidade dos mesmos é feita em função de desvios de diferentes magnitudes nos parâmetros do processo, a saber, no intercepto e na inclinação, comparando-se o desempenho entre os gráficos desenvolvidos e também com o gráfico χ2 com parâmetros fixos. Os gráficos propostos nesta tese são adequados para vários tipos de aplicações. Neste trabalho também foi considerado características de qualidade as quais são representadas por um modelo de regressão não-linear. Para o modelo de regressão não-linear considerado, a proposta é utilizar um método que divide o perfil não-linear em partes lineares, mais especificamente, um algoritmo para este fim, proposto na literatura, foi utilizado. Desta forma, foi possível validar a técnica proposta, mostrando que a mesma é robusta no sentido que permite tipos diferentes de perfis não-lineares. Aproxima-se, portanto um perfil não-linear por perfis lineares por partes, o que proporciona o monitoramento de cada perfil linear por gráficos de controle, como os gráficos de controle desenvolvidos nesta tese. Ademais apresenta-se a metodologia de decompor um perfil não-linear em partes lineares de forma detalhada e completa, abrindo espaço para ampla utilização.

Amostragem de sementes para análise em laboratório.

2009

Recomendações para amostragem e extração de microartrópodos de solo.

2002

Sistema para estimação de área plantada por amostragem - SEARA - proposta de delineamento amostral para café em São Paulo e para grãos em Minas Gerais.

A informação precisa e atualizada referente à produção agrícola brasileira é importante e estratégica, tanto do ponto de vista econômico como da segurança alimentar. O aumento da disponibilidade de imagens de sensoriamento remoto, bem como outros avanços tecnológicos recentes, como os sistemas de informação geográfica (SIGs) e os aparelhos de posicionamento global (GPS), podem facilitar a obtenção de estimativas de área plantada, um componente fundamental da previsão de safras, e permitir o acesso a uma informação essencial em aplicações ambientais: a localização espacial dos cultivos. Embora a previsão oficial de safras no Brasil ainda seja realizada de forma subjetiva, existe um esforço da Companhia Nacional de Abastecimento (CONAB) para o aperfeiçoamento metodológico do sistema de previsão, que inclui o Projeto GeoSafras. A presente pesquisa, que pretende contribuir para esse esforço, é baseada numa abordagem que associa a amostragem estatística, imagens de satélite, SIG e GPS, e que foi desenvolvida preliminarmente pela Embrapa Meio Ambiente para estimar, de forma objetiva e probabilística, a área plantada com determinada cultura em um Município.

Amostragem de solo para recomendação de calagem e adubação.

Para uma recomendação correta de calagem e adubação, objetivando produtividade rentável de uma cultura, é fundamental a análise química do solo em laboratório. A análise química do solo avalia a disponibilidade de nutrientes ou o excesso de elementos tóxicos no solo para a cultura, de forma rápida e a baixo custo. A primeira e mais crítica etapa da análise química se refere ao processo de amostragem do solo. Para a coleta de amostras de solo devem ser observados alguns passos, pois um erro na amostragem poderá comprometer as etapas seguintes para a definição das quantidades de calcário e fertilizantes a serem aplicadas na cultura.

Amostragem de solo para recomendação de calagem e adubação.

Para a recomendação de calagem e adubação, objetivando uma produção economicamente viável e ambientalmente correta, é fundamental a análise química do solo. Esta análise avalia a acidez (pH), a disponibilidade de nutrientes (P, K, Ca e Mg) ou a presença de alumínio (Al) no solo, em nível tóxico para as culturas, de forma rápida e a baixo custo. A primeira e mais crítica etapa da análise química refere-se ao processo de amostragem do solo. Alguns passos devem ser observados nessa fase, pois um erro na amostragem poderá comprometer as etapas seguintes na definição das quantidades de calcário e fertilizantes a serem aplicadas na cultura. A época de amostragem varia com o manejo do solo, a cultura e outros fatores. Para culturas anuais, recomenda-se que a amostragem seja feita no final do periódo chuvoso, portanto com antecedência em relação ao novo plantio. Se houver necessidade de aplicar calcário, será possível atender a recomendação, realizando a aplicação no prazo de 30 a 60 dias antes do plantio. Para culturas perenes em produção , a amostragem deve ser realizada preferencialmente logo após a colheita e antes de aplicar a adubação para o novo ciclo.

Amostragem de solos: a base para a aplicação de corretivos e fertilizantes.

2002

Amostragem de solos: a base para aplicação de corretivos e fertilizantes.

2003

Amostragem de solo em área de soja sob plantio direto: uso de técnicas de agricultura de precisão.

2002