DSpace Coleção:
https://ri.unir.br/jspui/handle/123456789/865
2023-10-25T18:19:13ZAplicação da metodologia Box e Jenkins na mortalidade infantil em JI-Paraná-RO
https://ri.unir.br/jspui/handle/123456789/4535
Título: Aplicação da metodologia Box e Jenkins na mortalidade infantil em JI-Paraná-RO
Autor(es): Fazioni, Victor Luis Gomes
Resumo: Este trabalho teve como objetivo utilizar a metodologia Box & Jenkins na mortalidade
infantil na cidade de Ji-Paraná - RO no período de 01/01/2006 a 31/12/2021, buscando obter um
modelo que estime novos casos de mortalidade na cidade, afim de fazer predições. A escolha do
modelo para descrever a série temporal foi realizada por meio da observação dos correlogramas
de autocorrelação e autocorrelação parcial. Identificado o modelo e o período, foram estimados os
parâmetros e, posteriormente, realizada a análise dos resíduos. Para a escolha do melhor modelo,
contou-se com os critérios de Akaike (AIC), Informação Bayesiano (BIC) e Akaike Corrigido
(AICC). Entre os modelos estudados, optou-se pelo modelo SARIMA (0,1,2)(1,1,2)12, atendendo
ao princípio da parcimônia. A metodologia escolhida ocasionou um modelo que pode ser utilizado
quando se tem uma alta variabilidade de casos. Conclui-se que a classe de modelo utilizada, para
dados de mortalidade infantil, demonstrou bom desempenho e ajuste, com uma ampla ferramenta
eficiente de apoio na tomada de decisões.
Descrição: Trabalho de Conclusão de Curso submetido ao Departamento acadêmico de Matemática e Estatística, da Fundação Universidade Federal de Rondônia, Campus de Ji-Paraná, como requisito parcial para obtenção do título de Bacharel em Estatística, sob a orientação da Profa. Dra. Roziane Sobreira dos Santos2023-01-01T00:00:00ZRedes neurais artificiais e regressão linear múltipla para predição da produtividade de arroz irrigado
https://ri.unir.br/jspui/handle/123456789/4211
Título: Redes neurais artificiais e regressão linear múltipla para predição da produtividade de arroz irrigado
Autor(es): Simões, João Guilherme
Resumo: Dada a importância econômica e nutricional da cultura de arroz (Oryza sativa), o objetivo deste trabalho foi utilizar as metodologias de Regressão Linear Múltipla e de Redes Neurais Artificiais para estimar a produtividade de grãos de genótipos de arroz irrigado por inundação em termos de outros 15 caracteres agronômicos de interesse. Foram utilizados 25 genótipos de arroz dos Ensaios Comparativos Avançados realizados do programa de melhoramento de arroz irrigado de Minas Gerais. O experimento foi conduzido sob o Delineamento de Blocos Casualizados com três repetições na localidade da Fazenda Experimental de Leopoldina, na safra de 2012/2013. Os resultados evidenciaram que as Redes Neurais (R2= 68,63% modelo completo e R2
= 68,63% modelo reduzido)apresentaram melhor ajuste que a Regressão Linear Múltipla (R2= 66,53% modelo completo e R2=56,89% modelo reduzido) para ambos os modelos ajustados. Ambas as metodologias destacaram a influência significativa dos caracteres comprimento de panícula e número de grãos cheios/panícula sobre a variável resposta produtividade de grãos. As Redes Neurais Artificiais se apresentam como alternativa viável às limitações dos modelos convencionais
Descrição: Trabalho de Conclusão de Curso apresentado ao Departamento Acadêmico de Matemática e Estatística da Fundação Universidade Federal de Rondônia, como requisito parcial para obtenção do título de Bacharel em Estatística, sob a orientação da Prof. Dra. Gabi Nunes Silva e coorientação da Prof. Dra. Laís M. A. Barroso2021-01-01T00:00:00ZRedes Neurais artificias para ajuste de modelo de predição da produtividade em clones de Café Canéfora da Região Amazônica
https://ri.unir.br/jspui/handle/123456789/3956
Título: Redes Neurais artificias para ajuste de modelo de predição da produtividade em clones de Café Canéfora da Região Amazônica
Autor(es): Oliveira, Melquisadec de Souza
Resumo: O agronegócio é uma atividade de grande importância na economia brasileira e
modelos de predição de produção se tornaram essenciais para este seguimento. O objetivo
inicial neste estudo foi a apresentação de uma aplicação da metodologia de inteligência
computacional de Redes Neurais Artificias para fins de ajuste de modelo de predição em
dados simulados e posterior aplicação em um conjunto de dados de café canéfora. A Rede
Neural Artificial consiste em um modelo não paramétrico que pode ser aplicado a diversas
áreas de conhecimento, incluindo estudos de predição, e seu grande diferencial quando
comparada a outros modelos é a capacidade de aprender e generalizar o conhecimento,
além da não exigência de pressupostos. No estudo de simulação, foram simulados 130
genótipos sob o delineamento de blocos casualizados com 4 repetições e 6 variáveis com
base em parâmetros estatísticos de média e variância da cultura de café canéfora. A Rede
Neural Artificial ajustada foi a Perceptron de multicamadas (MLP) com algoritmo de
treinamento de retropropagação dos erros (Rprop+). A melhor rede obtida apresentou um
coeficiente de determinação (R
2
) de 94,85% na fase de treinamento e R
2
de 83,47% na
fase de validação do modelo. A variável V5 exerceu maior importância relativa sobre a
variável dependente V1. Os resultados demostraram o bom desempenho das redes MLP
para ajuste de modelo de predição da variável dependente considerando características
das variáveis preditoras. No estudo de dados reais, foram avaliados 130 genótipos de café
canéfora da safra 2014/2015. Estudou-se 11 variáveis relacionadas aos caracteres
morfológicos da planta. Realizada a análise descritiva dos dados, observou-se um elevado
coeficiente de variação em todas as variáveis. O ajuste da Rede Neural Artificial consistiu
nas mesmas configurações dos dados simulados obtendo um coeficiente de determinação
de 27%.
Descrição: Trabalho de Conclusão de Curso apresentado ao Departamento de Matemática e Estatística, da
Fundação Universidade Federal de Rondônia (UNIR) Campus de Ji-Paraná, como requisito parcial para a obtenção do título de Bacharel em Estatística, sob orientação da Profª Dra. Gabi Nunes Silva.2022-01-01T00:00:00ZRegressão quantílica e regressão linear simples para classificação de genótipos de arroz quanto a sua adaptabilidade e estabilidade
https://ri.unir.br/jspui/handle/123456789/3873
Título: Regressão quantílica e regressão linear simples para classificação de genótipos de arroz quanto a sua adaptabilidade e estabilidade
Autor(es): Teixeira, Webster Cristiano dos Reis
Resumo: O objetivo de um programa de melhoramento genético é recomendar cultivares para o plantio,
assim deve-se averiguar e identificar a influência da interação genótipo x ambiente (GxA).
Contudo, tal estudo não pormenoriza as informações sobre o comportamento de cada cultivar
perante as variações ambientais. Com o efeito significativo da interação GxA, é possível a
utilização de metodologias de adaptabilidade e estabilidade para classificação dos genótipos
nos ambientes. Ao analisar a literatura, encontram-se diversos métodos, porém poucos tratam
problemas comuns quando trabalhados com dados reais, que são ocasionados por assimetria
na distribuição fenotípica ou a presença de pontos influentes (outliers). Assim, o objetivo
deste trabalho foi comparar os métodos de Regressão Linear Simples (EBERHART E
RUSSELL, 1966) e Regressão Quantílica (BARROSO et al., 2014) para análise de
adaptabilidade e estabilidade em dados de arroz irrigado (Oryza sativa)visando classificar os
genótipos. Foram avaliados 21 genótipos utilizando delineamento de blocos casualizados,
conduzido com três repetições em quatro localidades, sendo estas em Nova Porteirinha,
Goiânia, Leopoldina e Lambari. Os ensaios experimentais foram realizados dentro das safras
2012/2013, 2013/2014 e 2014/2015, totalizando assim nove ambientes. Inicialmente foi
realizada a análise da variância conjunta, que obteve uma interação genótipo x ambiente
significativa, justificando a utilização dos métodos de adaptabilidade e estabilidade. Os
genótipos BRA031001, BRA041099, BRA02691, RUBELITA, MGI0607-1, BRA02706,
BRA02708, BRA031006, BRA01330, SELETA, MGI0517-25, MGI0902-8, OUROMINAS,
CNAI9091, BRA041230, PREDILETA, MGI0717-18, BRA041236, BRA031018 tiveram a
mesma classificação quanto a sua adaptabilidade para ambas metodologias considerando
Regressão Quantílica (𝜐 = 0,50). Já quanto à estabilidade, os genótipos BRA031001,
BRA041099, RUBELITA, MGI0607-1, BRA02706, BRA02708, BRA031006, BRA01330,
SELETA, MGI0517-25, MGI0902-8, OUROMINAS, CNAI9091, BRA041230,
PREDILETA, MGI0717-18, BRA041236, BRA031018 e RIOGRANDE tiveram a mesma
classificação para as metodologias, considerando (𝜐 = 0,50).
Descrição: Trabalho de Conclusão de Curso apresentado ao Departamento de Matemática e Estatística, da
Fundação Universidade Federal de Rondônia (UNIR) Campus de Ji-Paraná, como requisito parcial para a obtenção do título de Bacharel em Estatística, sob orientação da professora Dra. Laís Mayara Azevedo Barroso.2022-01-01T00:00:00Z