Acessos desde 01/11/2007:
Trabalhos Aprovados
Atenção: As comunicações foram provisoriamente aceitas para apresentação no 18o SINAPE. Apenas os trabalhos em que pelo menos um dos autores tiver, até 16/06, pago o boleto de inscrição do congresso terão a aceitação definitiva, os demais não poderão ser apresentados no evento. Verifique se o seu trabalho satisfaz esse requisito.
Filtrar por categoria/formato/palavra:
| Formato | Título | ||||||
|---|---|---|---|---|---|---|---|
| Pôster | Modelos de Regressão Linear para Dados Simbólicos Tipo Intervalo: um Estudo Comparativo Modelos de Regressão
A Análise de Dados Simbólicos [3] foi introduzida como um novo domínio relacionado à análise multivariada, reconhecimento de padrões e inteligência artificial, estendendo as técnicas de análise exploratória de dados e métodos estatísticos para dados de natureza simbólica. Neste trabalho apresentamos uma comparação entre os principais métodos existentes para ajuste de um modelo de regressão linear para dados simbólicos de natureza intervalar, através de uma aplicação dos mesmos a uma base de dados reais. A avaliação dos métodos apresentados se dará por meio da raiz do erro médio quadrático. Para cada método, será calculada a média e o desvio padrão obtidas a partir das 300 iterações Holdout e, em seguida, aplicado um teste estatístico t (t-test) ao nível de significância de 1%, objetivando comparar o erro de predição médio dos métodos no conjunto teste. | ||||||
| Pôster | Modelos de Regressão Logística com Efeito Aleatório Modelos de Regressão
Trataremos da análise de modelos de regressão logística para dados binários. Este modelo captura de maneira aproximada eventuais relações não-lineares que existam entre a resposta binária de interesse e o conjunto de variáveis explicativas. Visando acomodar possíveis outliers, introduziremos um termo de efeito aleatório, com a utilização da distribuição t-student. No presente trabalho, abordaremos os aspectos computacionais do problema através de uma perspectiva bayesiana utilizando uma priori exponencial para a modelagem do grau de liberdade da distribuição t-student. Nosso objetivo final é a estimação de parâmetros através do software R, com o uso de MCMC (Amostrador de Gibbs com algoritmo Metrópolis-Hastings). Com essa finalidade, o modelo foi aplicado em um conjunto de dados artificiais. Analisaremos possíveis variações do modelo, como por exemplo, optando pela utilização da priori não informativa de Jeffreys para o citado grau de liberdade. | ||||||
| Pôster | Modelos de regressão logística: aplicações e recursos computacionais Modelos de Regressão
Uma situação importante que surge na prática é estudar a relação entre fatores de risco e um determinado desfecho (variável resposta), controlando por fatores de confusão. A variável resposta pode ser classificada como binária, multinomial, ordinal, discreta ou contínua. Os modelos de regressão logística (binária, multinomial e ordinal) representam importante ferramenta para análise de dados. O enfoque deste trabalho é apontar indicações de uso de modelos de regressão logística e possíveis recursos computacionais (especialmente o R). A metodologia é ilustrada com dois estudos da área da saúde, sendo que para cada exemplo foram ajustados dois tipos de regressão logística e comparados ambos os resultados. | ||||||
| Pôster | Modelos de regressão multivariada Concurso de Dissertação de Mestrado
Multivariate Linear Regression Models are not frequently used although they are very useful. Working with this kind of model, it is possible to analyse correlated response variables jointly. In this dissertation, we dedicate initially to describe the inferencial methods in Multivariate Linear Regression models. Further, we describe some measures of diagnostics and methods of variable selection in this model. Finally, some of the describe procedures are applied in a real data set. | ||||||
| Pôster | Modelos de regressão para variáveis categóricas ordinais com aplicações ao problema de classificação Concurso de Dissertação de Mestrado
Neste trabalho, apresentamos algumas metodologias para analisar dados que possuem variável resposta categórica ordinal. Descrevemos os principais Modelos de Regressão conhecidos atualmente que consideram a ordenação das categorias de resposta, entre eles: Modelos Cumulativos, Modelos Seqüenciais e Modelos em Dois Estágios. É apresentada também a Inferência Estatística, usada na estimação dos parâmetros por máxima verossimilhança, nos testes de hipóteses e na análise de qualidade do ajuste dos modelos. Discutimos o problema de discriminação e classificação de elementos em grupos ordinais, comentando sobre os preditores mais comuns para dados desse tipo. Apresentamos ainda a técnica de Análise Discriminante Ótima e sua versão aprimorada, baseada na utilização de métodos bootstrap. Por fim, mostramos a aplicação de algumas das técnicas descritas de discriminação a dados reais da área financeira, com o intuito de classificar possíveis clientes, no momento da aquisição de um cartão de crédito, como futuros bons, médios ou maus pagadores. Foram utilizados modelos que não consideram a ordenação da variável resposta categórica, mas são bastante conhecidos no mercado, como o Modelo Logístico Multinomial e a Análise Discriminante Normal, assim como modelos de regressão para resposta ordinal e a Análise Discriminante Ótima, apresentadas no trabalho em questão. Os resultados foram então comparados, em termos de qualidade da classificação, e vantagens e desvantagens na estimação dos parâmetros. | ||||||
| Pôster | Modelos de Regressão Polinomial: Problemas e Soluções Concurso de Dissertação de Mestrado
Modelos de Regressão Polinomial, embora possam ser considerados como casos particulares do modelo de regressão linear geral, apresentam características próprias e problemas específicos. Destaca-se especialmente o problema da multicolinearidade, consequência da existência de relações lineares entre as potências da variável independente. No presente trabalho, nos dedicamos inicialmente á discussão do problema da multicolinearidade em Modelos de Regressão Polinomial. Serão analisadas técnicas para identificação e correção do problema, bem como as consequências da presença de tal anomalia. É apresentada a técnica dos polinômios ortogonais como uma possível solução do problema, a metodologia da geração dos coeficientes ortogonais e as vantagens de sua utilização. Posteriormente, trataremos de alguns modelos alternativos ao de Regressão Polinomial, basicamente, na construção de Splines e modelos com Termos Trigonométricos. Finalizando, alguns dos procedimentos descritos são aplicados a um conjunto de dados reais. | ||||||
| Pôster | Modelos de riscos proporcionais: uma análise clássica e Bayesiana Métodos Bayesianos
Neste trabalho inferências clássicas e Bayesianas são aplicadas em um conjunto de dados reais. O objetivo destas análises é encontrar a função de risco que melhor descreva o comportamento desta função para este conjunto de dados. Consideramos várias funções de risco. Especificamos as distribuições a priori para os parâmetros de interesse, obtendo assim a distribuição a posteriori conjunta. A estimação dos parâmetros é feita utilizando métodos numéricos de simulação: Gibbs Sampling e Metropolis-Hastings. Os resultados obtidos, via análises clássica e Bayesiana serão comparados. | ||||||
| Pôster | Modelos de Séries Temporais para Previsão da Freqüência Mensal de Falhas de Equipamentos de Telecomunicações Estatística em Engenharia e Ciências Exatas
Um fator importante para administrar as manutenções dos equipamentos de telecomunicações é saber o número esperado de manutenções, o que possibilitaria uma melhor organização das equipes de manutenção, minimizando custos desnecessários de equipes ociosas. Numa primeira etapa deste estudo, todas as freqüências de falhas serão utilizadas na busca de um modelo que as represente. Na segunda etapa serão ajustados quatro modelos que correspondem aos quatro modelos de atendimento das falhas, os quais determinam com que urgência as falhas devem ser corrigidas. Ao todo serão cinco ajustes temporais, devendo-se ainda averiguar semelhanças entre eles e fazer previsões para cada um deles. O ajuste de interesse é um modelo de Box-Jenkins. E para sua correta utilização serão observadas e testadas todas as suposições do modelo, desde a estrutura inicial de estacionariedade até a análise de diagnóstico e verificação de aleatoriedade e normalidade dos resíduos. Para a escolha do modelo ideal, foram utilizados o critério de Akaike e a minimização do erro quadrático médio. Em algumas séries de falhas foi necessária a inclusão de uma variável indicadora (dummy) a fim de atenuar comportamentos destoantes em relação aos demais dados. Inicialmente foi verificada a não-estacionariedade de todas as séries sendo necessárias diferenciações a fim de estacionarizá-las. Foram detectados possíveis parâmetros para cada modelo e foram propostos vários modelos a fim de escolher o melhor segundo os critérios já citados. Também foram satisfeitas as hipóteses de aleatoriedade e normalidade dos resíduos. | ||||||
| Pôster | Modelos de Séries Temporais para Previsão de Clima Iniciação Científica e Concurso de Iniciação Científica
Este trabalho consistiu no estudo, aplicação e comparação de três modelos de séries temporais com o intuito de descrever a temperatura média diária de Campinas/SP bem como fazer previsões. O primeiro modelo supõe a variância constante, enquanto o segundo considera a variância evoluindo no tempo, e finalmente, o terceiro incorpora componentes sazonais na equação da variância. Adicionalmente, foi estimada a função densidade das previsões com base no modelo selecionado entre os três estudados. Para cada modelo, foi realizado o procedimento de diagnóstico para avaliar a qualidade do modelo. Adicionalmente, as previsões são de principal interesse prático deste estudo, cujo objetivo foi obter previsões pontuais próximas das temperaturas observadas, assim como os menores intervalos de confiança possíveis. Sob estes critérios, o modelo GARCH com Sazonalidade foi eleito o melhor modelo, fornecendo resultados excelentes, com previsões pontuais muito próximas das temperaturas observadas (erro máximo de 2,5º Celsius em 30 dias preditos), em como pequenos intervalos de confiança (contendo todos os valores observados). As densidades das previsões deste modelo foram estimadas com auxílio de técnicas não-paramétricas, as quais permitiram o cálculo de probabilidades acerca das temperaturas médias de dias futuros. Como resultado, as probabilidades dos erros absolutos serem menores que 1 foram satisfatoriamente altas. Como conclusão, o modelo GARCH com componentes sazonais na equação da variância se mostrou um forte candidato na realização das previsões da temperatura média diárias. | ||||||
| Pôster | MODELOS DE TEMPO DE FALHA ACELERADO PARA MODELAR TEMPOS ENTRE FALHAS EM POÇOS DE PETRÓLEO Modelos de Regressão
In this study, we have used accelerated failure time models with random effects to process grouped survival data and a model estimation procedure, which uses an adapted Gauss-Hermite quadrature to determine marginalized likelihood. This was used to an study of the reliability of terrestrial oil wells the Potiguar Basin (RN/CE). The response variable of our study is the time between failures due to an equipment of subsuperficie, causing a total stop in the functioning of the well. | ||||||
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 | |||||||