Determining the number of clusters in categorical data

Cluster analysis for categorical data has been an active area of research. A well-known problem in this area is the determination of the number of clusters, which is unknown and must be inferred from the data. In order to estimate the number of clusters, one often resorts to information criteria, such as BIC (Bayesian information criterion), MML (minimum message length, proposed by Wallace and Boulton, 1968), and ICL (integrated classification likelihood). In this work, we adopt the approach developed by Figueiredo and Jain (2002) for clustering continuous data. They use an MML criterion to select the number of clusters and a variant of the EM algorithm to estimate the model parameters. This EM variant seamlessly integrates model estimation and selection in a single algorithm. For clustering categorical data, we assume a finite mixture of multinomial distributions and implement a new EM algorithm, following a previous version (Silvestre et al., 2008). Results obtained with synthetic datasets are encouraging. The main advantage of the proposed approach, when compared to the above referred criteria, is the speed of execution, which is especially relevant when dealing with large data sets.

Estudo de três sistemas de imobilização utilizados em radioterapia: perspetiva atual e futura

Mestrado em Radioterapia

Fatty liver automatic diagnosis from ultrasound images

In this paper an automatic classification algorithm is proposed for the diagnosis of the liver steatosis, also known as, fatty liver, from ultrasound images. The features, automatically extracted from the ultrasound images used by the classifier, are basically the ones used by the physicians in the diagnosis of the disease based on visual inspection of the ultrasound images. The main novelty of the method is the utilization of the speckle noise that corrupts the ultrasound images to compute textural features of the liver parenchyma relevant for the diagnosis. The algorithm uses the Bayesian framework to compute a noiseless image, containing anatomic and echogenic information of the liver and a second image containing only the speckle noise used to compute the textural features. The classification results, with the Bayes classifier using manually classified data as ground truth show that the automatic classifier reaches an accuracy of 95% and a 100% of sensitivity.

Probabilistic models for mechanical properties of prestressing strands

This study focus on the probabilistic modelling of mechanical properties of prestressing strands based on data collected from tensile tests carried out in Laboratório Nacional de Engenharia Civil (LNEC), Portugal, for certification purposes, and covers a period of about 9 years of production. The strands studied were produced by six manufacturers from four countries, namely Portugal, Spain, Italy and Thailand. Variability of the most important mechanical properties is examined and the results are compared with the recommendations of the Probabilistic Model Code, as well as the Eurocodes and earlier studies. The obtained results show a very low variability which, of course, benefits structural safety. Based on those results, probabilistic models for the most important mechanical properties of prestressing strands are proposed.

Análise técnica aplicada aos mercados cambiais estudo comparativo das cotações EUR/USD, GBP/USD E JPY/USD

Mestrado em Contabilidade e Análise Financeira

Telescola um método de ensino

Mestrado em Educação Matemática na Educação Pré – Escolar e nos 1.º e 2.º Ciclos do Ensino Básico

As TIC, a contextualização de problemas e a interpretação de resultados no ensino da estatística

A divulgação quase instantânea da informação proporcionada pelas tecnologias de informação e comunicação banalizou praticamente o conceito de distância. Seguiu-se inevitavelmente a adaptação dos meios de comunicação, pelo que a informação pode chegar a todos nós de formas variadas como a imprensa escrita, falada e on line. Os livros, os jornais, a internet e os outros meios de comunicação encontram-se repletos de dados, de tabelas e gráficos, os quais, independentemente do meio utilizado, trazem a informação até nós, numa linguagem estatística que propicia objetividade e simplificação da mesma, para quem a sabe interpretar. Essa informação pode ter origem em todas as áreas da ciência e é passível de ser utilizada em vários contextos: demografia, pesquisas eleitorais, estudos financeiros, índices de desemprego, controlo de qualidade, custo de vida, tendências de mercado em relação a produtos e marcas, evolução de audiências, indústria, recursos humanos, saúde, pesquisas de mercado e de opinião, etc. Isso justifica a necessidade de formação estatística para todos, no sentido de promover uma participação ativa, crítica e esclarecida por parte de qualquer cidadão em relação a resultados que lhe são apresentados (Fernandes, Sousa e Ribeiro, 2004). O reforço da estatística nos ensinos básico e secundário foi por isso inevitável, e para confirmá-lo basta compararem-se os programas das décadas de 80 e de 90 da disciplina de matemática em todos os anos de escolaridade. O Curriculum and Evaluation Standards for School Mathematics, publicadas em 1989 pelo NCTM veio introduzir normas relativas à estatística e às probabilidades para todos os níveis de ensino incentivando bastante a utilização de meios e métodos inovadores. A estatística é área da matemática que mais se tem desenvolvido nos últimos 30 anos. [introdução]

Aplicação do princípio das ondas de Elliott à bolsa portuguesa

Tese para a obtenção do grau de Doutor em Economia, especialidade de Economia da Empresa

Probabilistic tsunami hazard in the Northeast Atlantic from near- and far-field tectonic sources

In this article, we present the first study on probabilistic tsunami hazard assessment for the Northeast (NE) Atlantic region related to earthquake sources. The methodology combines the probabilistic seismic hazard assessment, tsunami numerical modeling, and statistical approaches. We consider three main tsunamigenic areas, namely the Southwest Iberian Margin, the Gloria, and the Caribbean. For each tsunamigenic zone, we derive the annual recurrence rate for each magnitude range, from Mw 8.0 up to Mw 9.0, with a regular interval, using the Bayesian method, which incorporates seismic information from historical and instrumental catalogs. A numerical code, solving the shallow water equations, is employed to simulate the tsunami propagation and compute near shore wave heights. The probability of exceeding a specific tsunami hazard level during a given time period is calculated using the Poisson distribution. The results are presented in terms of the probability of exceedance of a given tsunami amplitude for 100- and 500-year return periods. The hazard level varies along the NE Atlantic coast, being maximum along the northern segment of the Morocco Atlantic coast, the southern Portuguese coast, and the Spanish coast of the Gulf of Cadiz. We find that the probability that a maximum wave height exceeds 1 m somewhere in the NE Atlantic region reaches 60 and 100 % for 100- and 500-year return periods, respectively. These probability values decrease, respectively, to about 15 and 50 % when considering the exceedance threshold of 5 m for the same return periods of 100 and 500 years.

App mobile “My Corine de Farme”

Trabalho de projeto apresentado à Escola Superior de Comunicação Social como parte dos requisitos para obtenção de grau de mestre em Publicidade e Marketing.