Untitled - UFRJ

More documents

Recommendations

Info

Comparação de Modelos de Relação Hipsométrica para DadosEspacialmente Correlacionados: Uma Abordagem BayesianaJúlio César PereiraUniversidade Federal de São Carlos - Campus SorocabaCarlos Alberto Martinelli de SouzaUniversidade Federal de São Carlos - Campus SorocabaVisando reduzir custos e tempo, muitas vezes, nas parcelas de um inventário florestal, apenas algumasárvores têm suas alturas medidas, sendo necessário estimar a altura das demais. Para isso é comum ouso de modelos de regressão relacionando altura e o diâmetro à altura do peito. No entanto, a suposiçãode independência dos erros em um modelo de regressão nem sempre é razoável, uma vez que paramedidas feitas em pontos próximos entre si, espera-se que as alturas tenham valores parecidos (altacorrelação espacial). Neste contexto, o presente trabalho tem por objetivo, comparar, sob o enfoquebayesiano, quatro modelos de regressão para relação hipsométrica, sendo dois deles comumente utilizadosna literatura e outros dois modelos correspondentes aos dois primeiros adicionados de uma componenteespacial (descrevendo a autocorrelação espacial), para um plantio de Pinus sp da Floresta Nacional deIpanema - SP. Dos modelos ajustados o modelo que se mostrou com melhor desempenho foi o modelocom componente espacial e tendência quadrática em relação ao dap.115
LASSO Bayesiano no Mapeamento de QTL em umaPopulação F2Renato Nunes PereiraLCE, ESALQ/USPRoseli Aparecida LeandroLCE, ESALQ/USPAntonio Augusto Franco GarciaLGN, ESALQ/USPCláudio Lopes de Souza JuniorLGN, ESALQ/USPAnete Pereira de SouzaIB, UNICAMPCaracterísticas quantitativas são controladas por múltiplos QTLs (quantitative trait loci), ou seja,várias regiões do genoma têm influência sobre tais caracteres quantitativos. A localização dessas regiõesé importante no melhoramento genético. O mapeamento de locos de características quantitativas nadamais é do que identificar marcadores moleculares ou locus genômico que têm influência na variaçãodessas características complexas. O problema é complicado pelo fato de que dados QTL normalmentecontêm um grande número de marcadores moleculares e, em geral, a maioria deles tem pouco ou nenhumefeito sobre o valor fenotípico. Ocorre, ainda, um outro tipo de problema: alguns marcadores não sãogenotipados devido a problemas de origem técnica. Neste trabalho, propõe-se um modelo bayesianohierárquico para o mapeamento de múltiplos QTLs que incorpora, simultaneamente, a incerteza relativados dados de marcadores perdidos (M − ) e dos parâmetros desconhecidos estimando os possíveis efeitosgenéticos associados com todos os marcadores utilizando o procedimento LASSO bayesiano.116
Page 4 and 5:
10 o Encontro Brasileiro de Estatí
Page 7 and 8:
Page 9 and 10:
Particle LearningCarlos M. Carvalho
Page 12 and 13:
Uso de Métodos Bayesianos em Anál
Page 15 and 16:
Bayesian Inference for Aggregated F
Page 17 and 18:
Product Partition Models with Corre
Page 19 and 20:
“Objective Bayes” - A Dangerous
Page 21 and 22:
Bayesian Non-Parametric Inference f
Page 23 and 24:
Bayesian Computing with INLAHåvard
Page 25 and 26:
Page 27 and 28:
Bayesian Inference for a Skew-Norma
Page 29 and 30:
Bayesian Coalescent Modeling of the
Page 31 and 32:
Partitioning Diversity Measure for
Page 33 and 34:
Exact Simulation and Bayesian Infer
Page 35 and 36:
Spatially Varying Autoregressive Pr
Page 37 and 38:
Bayesian Beta Dynamic Model and App
Page 39 and 40:
Page 41 and 42:
Page 43 and 44:
Page 45 and 46:
Page 47 and 48:
Page 49 and 50:
Page 51 and 52:
Generalized Exponential Distributio
Page 53 and 54:
Análise Bayesiana da Priori Jeffer
Page 55 and 56:
Neighborhood Dependence in Bayesian
Page 57 and 58:
Aplicação do Algoritmo MCMC de Sa
Page 59 and 60:
Decisões de Investimento e Restri
Page 61 and 62:
Test for Symmetry in Contingency Ta
Page 63 and 64:
Aplicações de Inferência Bayesia
Page 65 and 66: Uma Abordagem Bayesiana do Modelo M
Page 67 and 68: Accounting for Latent Spatio-Tempor
Page 69 and 70: Uma Abordagem Bayesiana para Proces
Page 71 and 72: A Bayesian Analysis for the General
Page 73 and 74: Comparação de um Modelo Dinâmico
Page 75 and 76: Estimando Variações de Temperatur
Page 77 and 78: A Bayesian Approach to Multivariate
Page 79 and 80: Bayesian Inference for Gamma Modula
Page 81 and 82: Computational Tools for Comparing A
Page 83 and 84: Modelo Partição Produto com “Cl
Page 85 and 86: BIC Criterion for Minimal Markov Mo
Page 87 and 88: Estimadores Lineares Bayesianos em
Page 89 and 90: Modelos de Volatilidade Estocástic
Page 91 and 92: Processo de Difusão Multivariado c
Page 93 and 94: Generalized Latent Factor Models fo
Page 95 and 96: Measuring Vulnerability via Spatial
Page 97 and 98: Medidas do Valor Preditivo de um Mo
Page 99 and 100: Aproximações Analíticas para Pos
Page 101 and 102: Modelo de Risco Logístico Dependen
Page 103 and 104: A Practical Approach to Elicit Mult
Page 105 and 106: Modelos Dinâmicos para Deformaçã
Page 107 and 108: A Semiparametric Bayesian Approach
Page 109 and 110: Modelo Weibull Modificado de Longa
Page 111 and 112: Abordagem Bayesiana para Modelos GA
Page 113 and 114: Modelo Bayesiano Geral de Classe La
Page 115: Métodos de Estimação em Modelos
Page 119 and 120: Estudo das Matrizes de Covariância
Page 121 and 122: Sensibilidade da Inferência Bayesi
Page 123 and 124: Análise Bayesiana para o Estudo de
Page 125 and 126: Uma Abordagem Bayesiana para Modelo
Page 127 and 128: Construção de Tábuas de Mortalid
Page 129 and 130: Um Procedimento Bayesiano para a An
Page 131 and 132: Um Novo Modelo para Dependência Es
Page 133 and 134: Distribuição Geométrica Exponenc
Page 135 and 136: Morbidade Pulmonar e Condições Cl
Page 137 and 138: Standard Setting for a Rasch Poisso
Page 139 and 140: Modelo Logístico Misto com Classes
Page 141 and 142: Metodologia Bayesiana para Detecç
Page 143 and 144: Modelos Espaço-Temporais para Dado
Page 145 and 146: Comparação de Modelos para a Iden
Page 147 and 148: Modelos Multivariados de Regressão
Page 149 and 150: Estimação Bayesiana em Modelos de
Page 151 and 152: Previsão de Resultados de Jogos de
Page 153 and 154: Uma Abordagem Bayesiana para Modelo
Page 155 and 156: Análise Bayesiana do Modelo Log-Bi
Page 157 and 158: Desempate TécnicoFilipe Jaeger Zab
Page 159 and 160: 10 o Encontro Brasileiro de Estatí
Page 161 and 162: 10 o Encontro Brasileiro de Estatí
Page 163: 10 o Encontro Brasileiro de Estatí
show all

Untitled - UFRJ

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?