Generalização de um modelo linear de impedância eletroquímica

Em geral, a função de um modelo de impedância para processos de eletrodo simples é deduzida de um modelo elétrico equivalente, denominado circuito de Randles. Neste trabalho estudou-se a generalização dessa função, mediante a introdução de um parâmetro não-elétrico, relacionado com a flexibilidade do ângulo de fase e da magnitude. A função foi ajustada às medidas experimentais de impedância obtidas de um sistema constituído de uma liga Ti-10%Al (m/m) em solução de cloreto de sódio 0,9%, variando-se a amplitude de perturbação. Verificou-se que a função generalizada foi adequada para descrever a impedância do sistema analisado, reduzindo as distorções entre a curva experimental e a curva teórica. Além disso, os melhores resultados foram obtidos para sinais de perturbação do sistema com amplitude igual a 10 mV.

Testes multiambientais na seleção de genótipos de arroz utilizando o modelo de regressão nos sítios ou locais

A análise da interação genótipo x ambiente utilizda no melhoramento de plantas tem sofrido mudanças na última década, melhorando a sua eficiência quanto à seleção dos genótipos sob diferentes condições ambientais. O objetivo deste trabalho foi analisar a produtividade e estabilidade de 12 genótipos de arroz em oito ambientes, durante os anos 2005 e 2006, na Colômbia. O delineamento utilizado foi o de blocos ao acaso com quatro repetições. Os parâmetros de estabilidade fenotípica e o agrupamento dos ambientes foram estimados pelo estudo da interação genótipo x ambiente, segundo o método SREG (Regressão nos sítios ou locais) e seu gráfico biplot (GGE). As análises estatísticas indicaram diferenças significativas (com 5% de probabilidade de erro) entre genótipos e entre ambientes e significância (com 5% de probabilidade de erro) da interação genótipo x ambiente, sugerindo uma resposta diferente dos genótipos nos vários ambientes. No método SREG, os dois primeiros componentes principais da interação explicaram 75,29% da interação. Os genótipos 400094, 350361 e a variedade Fedearroz 50 foram considerados os de maior produtividade. Segundo o gráfico biplot GGE, os ambientes La Libertad e Escobal foram os mais favoráveis para o cultivo do arroz.

ANÁLISE DE REGRESSÃO em EXPERIMENTOS em PARCELAS SUBDIVIDIDAS COM DADOS NÃO-BALANCEADOS: UMA SOLUÇÃO NA LINGUAGEM GLIM

São estabelecidas as matrizes necessárias para a realização da análise de variância de experimentos em parcelas subdivididas, com dados não-balanceados e balanceados, quando os tratamentos aplicados às parcelas e os tratamentos aplicados às subparcelas são ambos fatores quantitativos, usando a teoria de modelos lineares e de modelos lineares generalizados. Foi desenvolvido um programa computacional, na linguagem GLIM, para a realização da análise.

Polinômios fracionários em modelos de regressão

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Estimativas de parâmetros genéticos para produção de leite em búfalas por modelos de repetibilidade, multi-característica e de regressão aleatória

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Regressão Simplex aplicada a delineamentos de mistura e utilização do Algoritmo Boosting

In the composition of this work are present two parts. The first part contains the theory used. The second part contains the two articles. The first article examines two models of the class of generalized linear models for analyzing a mixture experiment, which studied the effect of different diets consist of fat, carbohydrate, and fiber on tumor expression in mammary glands of female rats, given by the ratio mice that had tumor expression in a particular diet. Mixture experiments are characterized by having the effect of collinearity and smaller sample size. In this sense, assuming normality for the answer to be maximized or minimized may be inadequate. Given this fact, the main characteristics of logistic regression and simplex models are addressed. The models were compared by the criteria of selection of models AIC, BIC and ICOMP, simulated envelope charts for residuals of adjusted models, odds ratios graphics and their respective confidence intervals for each mixture component. It was concluded that first article that the simplex regression model showed better quality of fit and narrowest confidence intervals for odds ratio. The second article presents the model Boosted Simplex Regression, the boosting version of the simplex regression model, as an alternative to increase the precision of confidence intervals for the odds ratio for each mixture component. For this, we used the Monte Carlo method for the construction of confidence intervals. Moreover, it is presented in an innovative way the envelope simulated chart for residuals of the adjusted model via boosting algorithm. It was concluded that the Boosted Simplex Regression model was adjusted successfully and confidence intervals for the odds ratio were accurate and lightly more precise than the its maximum likelihood version.

Modelos de regressão aleatória para a estimação de parâmetros genéticos da produção e constituintes do leite de búfalas

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Uso do modelo linear multivariado de crescimento no estudo da densidade básica da madeira de eucaliptos

Pós-graduação em Agronomia (Energia na Agricultura) - FCA

Aplicação de modelos de regressão aleatória utilizando diferentes estruturas de dados

A total of 3.035 lactations of Holstein cows from four farms in the Southeast, to check the influence of data structure of milk yield on the genetic parameters. Four dataset with different structures were tested, weekly controls (CW) with 122.842 controls, monthly controls (CM) 30.883, bimonthly controls (CB) with 15,837 and quarterly controls (CQ) with 12,702. The random regression model was used and was considered as random additive genetic and permanent environment effects, fixed effects of the contemporary groups (herd-year-month of test-day) and age of cow (linear and quadratic effects). Heritability estimates showed similar trends among the data files analyzed, with the greatest similarity between dataset CS, CM and CB. The dataset submitted all the CB estimates of genetic parameters analyzed with the same trend and similar magnitude to the CS and CM dataset, allowing the claim that there was no influence of the data structure on estimates of covariance components for the dataset CS, CM and CB. Thus, milk recording could be accomplished in a CB structure.

Aplicação de regressão baseada no uso do solo para predizer a concentração de material particulado inalável no município de São Paulo, Brasil

O estudo teve por objetivo construir um modelo de regressão baseada no uso do solo para predizer a concentração material particulado inalável (MP10) no município de São Paulo, Brasil. O estudo se baseou na média de MP10 de 2007 de 9 estações de monitoramento. Obtiveram-se dados demográficos, viários e de uso do solo em círculos concêntricos de 250 a 1.000 m para compor o modelo. Calculou-se regressão linear simples para selecionar as variáveis mais robustas e sem colinearidade. Quatro variáveis entraram no modelo de regressão múltipla. Somente tráfego leve em círculos concêntricos <250 m permaneceu no modelo final, que explicou 63,8% da variância de MP10. Verificou-se que o método de regressão baseada no uso do solo é rápido, de fácil execução. Entretanto, este modelo se baseou em medições de MP10 de poucos locais.

Estimativa da área foliar do antúrio com o uso de funções de regressão

O presente trabalho teve como objetivo determinar quais variáveis dimensionais da folha são mais adequadas para utilização na estimativa da área foliar do antúrio (Anthurium andraeanum), cv. Apalai, por meio de equação de regressão linear, e comparar o desempenho de diferentes funções de regressão obtidas com o uso de aprendizado de máquina (AM). A variável que melhor estimou a área foliar foi o produto das dimensões lineares (comprimento e largura), CxL, sendo a equação proposta Af = 0.9672 *C x L, com coeficiente de determinação (R²) de 0,99. Verificou-se, também, com o uso de AM, que as funções lineares são mais adequadas para a estimação da área foliar dessa espécie vegetal.

Modelagem univariada e regressão múltipla na análise da oferta e do preço do boi gordo no mercado brasileiro

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Agronomia e Medicina Veterinária, Programa de Pós-Graduação em Agronegócios, 2016.

Quantificação de riscos climáticos via modelos de regressão de Cox.

O gerenciamento de riscos climáticos requer informação sobre estados futuros de variáveis climáticas, geralmente representada por funções de distribuição de probabilidade acumulada (FDPA, P(Y?y) ou por sua funções complementares (P(Y>y)), ditas funções probabilidade de exceder (FPE). Uma variedade de métodos estatísticos tem sido utilizada para estimação de FPE, incluindo, modelos de regressão linear múltipla, regressão logística e métodos não paramétricos (MAIA et al, 2007; LO et al, 2008). Apesar de parecer intuitivo que a incerteza associada às estimativas das FPE é fundamental para os tomadores de decisão, esse tipo de informação raramente é fornecido. Modelos estatísticos de previsão baseados em séries históricas da variável de interesse (chuva, temperatura) e de preditores derivados de estados do oceano e da atmosfera (índices climáticos tais como: temperaturas da superfície do mar ? TSM, índice de oscilação sul, IOS, El Nino/Oscilação Sul - ENSO) se constituem em alternativas promissoras para auxílio às tomada de decisão, em escalas locais e regionais. O uso de tais indicadores permite incorporar mudanças de padrão derivadas de mudanças climáticas em modelos estatísticos que utilizam informação histórica. Neste trabalho, mostramos como o Modelo de Regressão de Cox (MRC; COX, 1972), tradicionalmente utilizado para modelagem de tempos de falha, em investigações na área médica e em ciências sociais, pode ser de grande utilidade para avaliação probabilística de riscos climáticos, mesmo para variáveis que não representam tempos de falha tais como chuva, produtividade de culturas, lucros, entre outras. O MRC pode ser utilizado para avaliar a influência de preditores (índices climáticos) sobre riscos de interesse (representados pelas FPE), estimar FPE para combinações específicas de preditores e incertezas associadas além de fornecer informação sobre riscos relativos, de grande valor para tomadores de decisão. Apresentamos dois estudos de caso nos quais o Modelo de Cox foi usado para investigar: a) o efeito do IOS e de um índice derivado de TSM do Pacífico sobre o início da estação chuvosa em Cairns (Austrália) e b) a influência o índice Nino 3.4, derivado de estados da TSM no Pacífico Equatorial sobre o chuva acumulada no período de Março a Junho em Limoeiro do Norte (Ceará, Brasil). O objetivo da apresentação desses estudos é meramente didático, para demonstrar o potencial do método proposto como ferramenta de auxílio à tomada de decisão.