A Bayesian method for identification of stock mixtures from molecular marker data

Molecular markers have been demonstrated to be useful for the estimation of stock mixture proportions where the origin of individuals is determined from baseline samples. Bayesian statistical methods are widely recognized as providing a preferable strategy for such analyses. In general, Bayesian estimation is based on standard latent class models using data augmentation through Markov chain Monte Carlo techniques. In this study, we introduce a novel approach based on recent developments in the estimation of genetic population structure. Our strategy combines analytical integration with stochastic optimization to identify stock mixtures. An important enhancement over previous methods is the possibility of appropriately handling data where only partial baseline sample information is available. We address the potential use of nonmolecular, auxiliary biological information in our Bayesian model.

Um modelo físico-matemático para escoamentos em meios porosos com transição insaturado-saturado.

Neste trabalho é apresentada uma nova modelagem matemática para a descrição do escoamento de um líquido incompressível através de um meio poroso rígido homogêneo e isotrópico, a partir do ponto de vista da Teoria Contínua de Misturas. O fenômeno é tratado como o movimento de uma mistura composta por três constituintes contínuos: o primeiro representando a matriz porosa, o segundo representando o líquido e o terceiro representando um gás de baixíssima densidade. O modelo proposto possibilita uma descrição matemática realista do fenômeno de transição insaturado/saturado a partir de uma combinação entre um sistema de equações diferenciais parciais e uma desigualdade. A desigualdade representa uma limitação geométrica oriunda da incompressibilidade do líquido e da rigidez do meio poroso. Alguns casos particulares são simulados e os resultados comparados com resultados clássicos, mostrando as consequências de não levar em conta as restrições inerentes ao problema.