Modelos lineares gerais

Neste testo procede-se a uma apresentação muito sumária dos modelos lineares generalizados. Começa-se assim por definir esta família de modelos, apresentando-se então o processo de estimação dos seus parâmetros bem como o conceito de desvio (“deviance”). Finalmente exemplifica-se as potencialidades destes modelos com base num exemplo prático, procurando-se simultaneamente ilustrar o funcionamento do programa GLIM, especialmente concebido para lidar com modelos lineares generalizados.

Um alisador de máxima verosimilhança local (MVL) com o modelo de regressão de Poisson, para análise de regressão de dados de contagem

Dissertação apresentada como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação.

Gestão soft da manutenção de automotoras UQE-S3500: aplicação de modelos de risco proporcionais

Dissertação apresentada na Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa para obtenção do grau de Mestre em Engenharia e Gestão Industrial.

Modelos Mixtos-Aditivos Generalizados para el Estudio de Fenómenos Biológicos y Sociales Descriptos por Datos Agregados y/o Longitudinales. Generalized Mixed Additive Models for the Study of Biological and Social Phenomenons from Longitudinal and/or Aggregated Data.

Este proyecto propone extender y generalizar los procesos de estimación e inferencia de modelos aditivos generalizados multivariados para variables aleatorias no gaussianas, que describen comportamientos de fenómenos biológicos y sociales y cuyas representaciones originan series longitudinales y datos agregados (clusters). Se genera teniendo como objeto para las aplicaciones inmediatas, el desarrollo de metodología de modelación para la comprensión de procesos biológicos, ambientales y sociales de las áreas de Salud y las Ciencias Sociales, la condicionan la presencia de fenómenos específicos, como el de las enfermedades.Es así que el plan que se propone intenta estrechar la relación entre la Matemática Aplicada, desde un enfoque bajo incertidumbre y las Ciencias Biológicas y Sociales, en general, generando nuevas herramientas para poder analizar y explicar muchos problemas sobre los cuales tienen cada vez mas información experimental y/o observacional.Se propone, en forma secuencial, comenzando por variables aleatorias discretas (Yi, con función de varianza menor que una potencia par del valor esperado E(Y)) generar una clase unificada de modelos aditivos (paramétricos y no paramétricos) generalizados, la cual contenga como casos particulares a los modelos lineales generalizados, no lineales generalizados, los aditivos generalizados, los de media marginales generalizados (enfoques GEE1 -Liang y Zeger, 1986- y GEE2 -Zhao y Prentice, 1990; Zeger y Qaqish, 1992; Yan y Fine, 2004), iniciando una conexión con los modelos lineales mixtos generalizados para variables latentes (GLLAMM, Skrondal y Rabe-Hesketh, 2004), partiendo de estructuras de datos correlacionados. Esto permitirá definir distribuciones condicionales de las respuestas, dadas las covariables y las variables latentes y estimar ecuaciones estructurales para las VL, incluyendo regresiones de VL sobre las covariables y regresiones de VL sobre otras VL y modelos específicos para considerar jerarquías de variación ya reconocidas. Cómo definir modelos que consideren estructuras espaciales o temporales, de manera tal que permitan la presencia de factores jerárquicos, fijos o aleatorios, medidos con error como es el caso de las situaciones que se presentan en las Ciencias Sociales y en Epidemiología, es un desafío a nivel estadístico. Se proyecta esa forma secuencial para la construcción de metodología tanto de estimación como de inferencia, comenzando con variables aleatorias Poisson y Bernoulli, incluyendo los existentes MLG, hasta los actuales modelos generalizados jerárquicos, conextando con los GLLAMM, partiendo de estructuras de datos correlacionados. Esta familia de modelos se generará para estructuras de variables/vectores, covariables y componentes aleatorios jerárquicos que describan fenómenos de las Ciencias Sociales y la Epidemiología.

Modelos contínuos do solvente: fundamentos

Continuum solvation models are nowadays widely used in the modeling of solvent effects and the range of applications goes from the calculation of partition coefficients to chemical reactions in solution. The present work presents a detailed explanation of the physical foundations of continuum models. We discuss the polarization of a dielectric and its representation through the volume and surface polarization charges. The Poisson equation for a dielectric was obtained and we have also derived and discuss the apparent surface charge method and its application for free energy of solvation calculations.

Uso de modelos econométricos en aseguramiento de portafolios

El aseguramiento de portafolio trae consigo unos costos de transacción asociados que son reconocidos por la teoría financiera pero que no han sido objeto de estudio de muchas aproximaciones empíricas. Mediante modelos econométricos de series de tiempo se puede pronosticar el número de rebalanceos necesarios para mantener un portafolio asegurado, así como el tiempo que debe transcurrir entre cada uno de estos. Para tal fin se usan modelos de Datos de Cuenta de Poisson Autorregresivos (ACP) modificados para captar las características de la serie y modelos de Duración Autorregresivos (ACD). Los modelos capturan la autocorrelación de las series y pronostican adecuadamente el costo de transacción asociado a los rebalanceos.

Identificação de sistemas contínuos utilizando o método dos momentos de Poisson

A maioria dos métodos de síntese e sintonia de controladores, bem como métodos de otimização e análise de processos necessitam de um modelo do processo em estudo. A identificação de processos é portanto uma área de grande importância para a engenharia em geral pois permite a obtenção de modelos empíricos dos processos com que nos deparamos de uma forma simples e rápida. Mesmo não utilizando leis da natureza, os modelos empíricos são úteis pois descrevem o comportamento específico de determinado processo. Com o rápido desenvolvimento dos computadores digitais e sua larga aplicação nos sistemas de controle em geral, a identificação de modelos discretos foi amplamente desenvolvida e empregada, entretanto, modelos discretos não são de fácil interpretação como os modelos contínuos pois a maioria dos sistema com que lidamos são de representação contínua. A identificação de modelos contínuos é portanto útil na medida que gera modelos de compreensão mais simples. A presente dissertação estuda a identificação de modelos lineares contínuos a partir de dados amostrados discretamente. O método estudado é o chamado método dos momentos de Poisson. Este método se baseia em uma transformação linear que quando aplicada a uma equação diferencial ordinária linear a transforma em uma equação algébrica evitando com isso a necessidade do cálculo das derivadas do sinais de entrada e saída Além da análise detalhada desse método, onde demonstramos o efeito de cada parâmetro do método de Poisson sobre o desempenho desse, foi realizado também um estudo dos problemas decorrentes da discretização de sinais contínuos, como por exemplo o efeito aliasing decorrente da utilização de tempos de amostragem muito grandes e de problemas numéricos da identificação de modelos discretos utilizando dados com tempos de amostragem muito pequenos de forma a destacar as vantagens da identificação contínua sobre a identificação discreta Também foi estudado um método para compensar a presença de offsets nos sinais de entrada e saída, método esse inédito quando se trata do método dos momentos de Poisson. Esse trabalho também comprova a equivalência entre o método dos momentos de Poisson e uma metodologia apresentada por Rolf Johansson em um artigo de 1994. Na parte final desse trabalho são apresentados métodos para a compensação de erros de modelagem devido à presença de ruído e distúrbios não medidos nos dados utilizados na identificação. Esses métodos permitem que o método dos momentos de Poisson concorra com os métodos de identificação discretos normalmente empregados como por exemplo ARMAX e Box-Jenkins.

Use of Poisson spatiotemporal regression models for the Brazilian Amazon Forest: malaria count data

INTRODUÇÃO: A malaria é uma doença endêmica na região da Amazônia Brasileira, e a detecção de possíveis fatores de risco pode ser de grande interesse às autoridades em saúde pública. O objetivo deste artigo é investigar a associação entre variáveis ambientais e os registros anuais de malária na região amazônica usando métodos bayesianos espaço-temporais. MÉTODOS: Utilizaram-se modelos de regressão espaço-temporais de Poisson para analisar os dados anuais de contagem de casos de malária entre os anos de 1999 a 2008, considerando a presença de alguns fatores como a taxa de desflorestamento. em uma abordagem bayesiana, as inferências foram obtidas por métodos Monte Carlo em cadeias de Markov (MCMC) que simularam amostras para a distribuição conjunta a posteriori de interesse. A discriminação de diferentes modelos também foi discutida. RESULTADOS: O modelo aqui proposto sugeriu que a taxa de desflorestamento, o número de habitants por km² e o índice de desenvolvimento humano (IDH) são importantes para a predição de casos de malária. CONCLUSÕES: É possível concluir que o desenvolvimento humano, o crescimento populacional, o desflorestamento e as alterações ecológicas associadas a estes fatores estão associados ao aumento do risco de malária. Pode-se ainda concluir que o uso de modelos de regressão de Poisson que capturam o efeito temporal e espacial em um enfoque bayesiano é uma boa estratégia para modelar dados de contagem de malária.

Uso de modelos inflacionados de zeros na análise de questionários de frequência alimentar

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Modelos de distribuição espacial de precipitações intensas

Pós-graduação em Física - IGCE

Aplicação de modelos de agentes e redes complexas na caracterização e estudo da interação entre insetos sociais, com enfoque em formigas

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Modelos lineares generalizados bayesianos para dados longitudinais

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Elección temporal de los viajes turísticos: una aproximación con modelos de recuento

Comunicación presentada en el XIII Congreso Nacional de ACEDE, Salamanca, 21-23 septiembre 2003.

Elección de la duración del viaje vacacional: una aproximación con modelos de recuento

La duración del viaje vacacional es una decisión del turista con unas implicaciones fundamentales para las organizaciones turísticas, pero que ha recibido una escasa atención por la literatura. Además, los escasos estudios se han centrado en los destinos costeros, cuando el turismo de interior se está erigiendo como una alternativa importante en algunos países. El presente trabajo analiza los factores determinantes de la elección temporal del viaje turístico, distinguiendo el tipo de destino elegido -costa e interior-, y proponiendo varias hipótesis acerca de la influencia de las características de los individuos relacionadas con el destino, de las restricciones personales y de las características sociodemográficas. La metodología aplicada estima, como novedad en este tipo de decisiones, un Modelo Binomial Negativo Truncado que evita los sesgos de estimación de los modelos de regresión y el supuesto restrictivo de igualdad media-varianza del Modelo de Poisson. La aplicación empírica realizada en España sobre una muestra de 1.600 individuos permite concluir, por un lado, que el Modelo Binomial Negativo es más adecuado que el de Poisson para realizar este tipo de análisis. Por otro lado, las dimensiones determinantes de la duración del viaje vacacional son, para ambos destinos, el alojamiento en hotel y apartamento propio, las restricciones temporales, la edad del turista y la forma de organizar el viaje; mientras que el tamaño de la ciudad de residencia y el atributo “precios baratos” es un aspecto diferencial de la costa; y el alojamiento en apartamentos alquilados lo es de los destinos de interior.

Modelos de dispersão para extremos de precipitação. Estudo de caso: o nordeste do Brasil

In this thesis used four different methods in order to diagnose the precipitation extremes on Northeastern Brazil (NEB): Generalized Linear Model s via logistic regression and Poisson, extreme value theory analysis via generalized extre me value (GEV) and generalized Pareto (GPD) distributions and Vectorial Generalized Linea r Models via GEV (MVLG GEV). The logistic regression and Poisson models were used to identify the interactions between the precipitation extremes and other variables based on the odds ratios and relative risks. It was found that the outgoing longwave radiation was the indicator variable for the occurrence of extreme precipitation on eastern, northern and semi arid NEB, and the relative humidity was verified on southern NEB. The GEV and GPD distribut ions (based on the 95th percentile) showed that the location and scale parameters were presented the maximum on the eastern and northern coast NEB, the GEV verified a maximum core on western of Pernambuco influenced by weather systems and topography. The GEV and GPD shape parameter, for most regions the data fitted by Weibull negative an d Beta distributions (ξ < 0) , respectively. The levels and return periods of GEV (GPD) on north ern Maranhão (centerrn of Bahia) may occur at least an extreme precipitation event excee ding over of 160.9 mm /day (192.3 mm / day) on next 30 years. The MVLG GEV model found tha t the zonal and meridional wind components, evaporation and Atlantic and Pacific se a surface temperature boost the precipitation extremes. The GEV parameters show the following results: a) location ( ), the highest value was 88.26 ± 6.42 mm on northern Maran hão; b) scale ( σ ), most regions showed positive values, except on southern of Maranhão; an d c) shape ( ξ ), most of the selected regions were adjusted by the Weibull negative distr ibution ( ξ < 0 ). The southern Maranhão and southern Bahia have greater accuracy. The level period, it was estimated that the centern of Bahia may occur at least an extreme precipitatio n event equal to or exceeding over 571.2 mm/day on next 30 years.