Página 1 dos resultados de 4167 itens digitais encontrados em 0.013 segundos

Aplicação da inferência Bayesiana para a simulação da dinâmica de produção de sementes de plantas daninhas; Aplication of Bayesian inference for the simulation of the dynamics of weed populations of the daming plants

Vismara, Lilian de Souza
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 07/04/2006 PT
Relevância na Pesquisa
66.38%
No ambiente agrícola, a possibilidade de prever eventos futuros para poder estabelecer prioridades e planejar atividades são indispensáveis para um manejo adequado. Modelos matemáticos têm se tornado ferramentas valiosas para o entendimento de fenômenos e simulação de soluções de um dado sistema de interesse para diferentes condições iniciais e valores de parâmetros. O crescimento das plantas obedece a certos princípios fisiológicos que podem ser descritos, em termos quantitativos em resposta ao meio ambiente, através de equações matemáticas. Nos agrosistemas, a dinâmica da população de plantas daninhas pode ser descrita por modelos matemáticos que relacionam as densidades de sementes produzidas e de plântulas em áreas de cultivo. Os valores dos parâmetros dos modelos podem ser inferidos diretamente de experimentação e análise estatística, ou extraídos da literatura. O presente trabalho tem por objetivo investigar as particularidades dos parâmetros de modelos dinâmicos para populações de plantas daninhas, a partir de um experimento conduzido em campo, usando inferência Bayesiana via método de Monte Carlo com cadeias de Markov e analisar situações que podem alterar a dinâmica do comportamento populacional por meio de simulações.; In the agricultural environment...

Inferência bayesiana na avaliação da segurança de fundações em estacas de deslocamento.; Bayesian inference in the assessment of precast piles foundations safety.

Santos, Marcio de Souza
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 05/04/2007 PT
Relevância na Pesquisa
66.49%
O tema "segurança de fundações" tem merecido especial atenção, tanto na lide acadêmica quanto na prática profissional, em virtude da necessidade de se buscar soluções cada vez mais otimizantes para a dicotomia custo versus segurança, soluções essas que diferem pela forma de tratamento das incertezas envolvidas no projeto e execução das fundações. As provas de carga sobre as fundações têm desempenhado papel central na redução dessas incertezas. Ultimamente, tem-se discutido muito, particularmente no âmbito da revisão da NBR 6122, o papel das provas de carga na redução das incertezas inerentes a qualquer obra de fundações. Se é ponto pacífico que as provas de carga devem reduzir as incertezas, já não há consenso quanto aos níveis dessa redução em função do tipo e da quantidade de provas de carga, nem tampouco como a variabilidade dos resultados das provas de carga efetuadas em dada obra influenciam no fator de segurança. Desta feita, o presente trabalho apresenta uma formulação consistente para combinação das previsões de capacidade de carga de estacas de deslocamento com as informações derivadas da realização de provas de carga estáticas conduzidas até a ruptura ou ensaios de carregamento dinâmico...

Estimação de parâmetros de populações de plantas daninhas usando inferência Bayesiana; Estimation of the parameters of weeds population using Bayesian inference

Lopes, Marcel Rodrigues
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 20/04/2007 PT
Relevância na Pesquisa
66.38%
O banco de sementes de plantas daninhas pode vir a ser um sério problema para a atividade agrícola por manter infestações por longos períodos. A dinâmica da população de plantas daninhas pode ser representada por modelos matemáticos que relaciona as densidades de sementes produzidas e de plântulas em áreas de cultivo. Os valores dos parâmetros dos modelos podem ser inferidos diretamente de experimentação e análise estatística. O presente trabalho tem por objetivo estimar parâmetros de populações das plantas daninhas anuais denominadas Digitaria ciliares, Panicum maximum e Euphorbia heterophylla e avaliar um modelo espacial com 2 e 3 parâmetros, a partir de um experimento conduzido em cultura de Zea mays (milho) usando inferência Bayesiana.; The seeds bank of weed could be a serious problem to the agricultural activity because it maintains infestations for long periods. The dynamics of weed populations can be described by mathematical models that relates the produced seeds and seedlings densities in areas of crop. The values of the parameters of the models can be inferred from experimentation and statistics analysis. The objective of this work is to estimate parameters of anual weed populations denoted Digitaria ciliares...

Aplicações de mecânica estatística a especiação simpátrica e inferência aproximativa; Applications of statistical mechanics to sympatric speciation and aproximative inference

Ribeiro, Fabiano Lemes
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 19/06/2009 PT
Relevância na Pesquisa
56.43%
Apresenta-se nesta tese os resultados de aplicações do formalismo da Mecânica Estatística em dois problemas independentes. O primeiro diz respeito a um modelo para Evolução do Acasalamento Preferencial no processo de Especiação Simpátrica; enquanto que o segundo refere-se ao desenvolvimento de um algoritmo de aprendizado por meio de Inferência Aproximativa. No problema biológico estudado, cada indivíduo em um modelo de agentes é composto por dois traços. Enquanto um é responsável pela ecologia do indivíduo, o outro dita uma aparência física descorrelacionada com a adaptabilidade. Esses traços são expressos por diferentes loci que estão ligados entre si por uma taxa de recombinação. O modelo inclui também a possibilidade de evolução da preferência sexual dos indivíduos. Foi construído para esse modelo um diagrama de fases no espaço dos parâmetros que descrevem o ambiente como, por exemplo, quantidades de recursos e deficiência do indivíduo híbrido. Foram encontradas três fases de equilíbrio: (i) emergência de Acasalamento Preferencial; (ii) extinção de um dos alelos do locus responsável pela ecologia e (iii) equilíbrio Hardy-Weinberg. Foi verificado que o acasalamento preferencial pode emergir ou mesmo ser perdido (e vice-versa) em resposta a mudanças no ambiente. Além disso...

Interação genótipo x ambiente via correlações genéticas entre rebanhos e normas de reação utilizando abordagem bayesiana em bovinos de corte; Genotype by environment interaction using genetic correlations between herds and reaction norms under bayesian approach in beef cattle

Ribeiro, Sandra
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 05/03/2010 PT
Relevância na Pesquisa
56.43%
O presente estudo teve por objetivo estudar os efeitos da interação genótipo x ambiente sobre as características peso à desmama, peso ao sobreano e ganho de peso da desmama ao sobreano em bovinos da raça Nelore. Foram analisados 58.032 registros de peso à desmama ajustados para 205 dias (PD), 46.032 registros de peso ao sobreano ajustados para 550 dias (PS) e 45.844 registros de ganho de peso da desmama ao sobreano ajustados para 345 dias (GP), originários de três rebanhos distintos. Os dados foram submetidos a dois métodos de análises: no primeiro, processaram-se análises unicaracterísticas para os rebanhos individuais e para o conjunto formado pelos três rebanhos, e análises tri-características para os dados de cada rebanho, em que as mesmas características foram consideradas como variáveis distintas. Foi utilizado o programa GIBBS2F90, sob abordagem bayesiana. As estimativas dadas pelas médias dos coeficientes de herdabilidade para PD, PS e GP variaram de 0,09 a 0,24, 0,24 a 0,44 e 0,09 a 0,31, respectivamente. Nesta mesma ordem, as correlações genéticas das mesmas características nos diferentes ambientes variaram de 0,88 a 0,93, 0,85 a 0,98 e 0,75 a 0,97. As correlações entre as DEPs dos touros nos ambientes variaram de 0...

Abordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados de contagem; Classical and bayesian approach for time series models of the family GARMA with applications to count data

Philippsen, Adriana Strieder
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 31/03/2011 PT
Relevância na Pesquisa
56.58%
Nesta dissertação estudou-se o modelo GARMA para modelar séries temporais de dados de contagem com as distribuições condicionais de Poisson, binomial e binomial negativa. A principal finalidade foi analisar no contexto clássico e bayesiano, o desempenho e a qualidade do ajuste dos modelos de interesse, bem como o desempenho dos percentis de cobertura dos intervalos de confiança dos parâmetros para os modelos adotados. Para atingir tal finalidade considerou-se a análise dos estimadores pontuais bayesianos e foram analisados intervalos de credibilidade. Neste estudo é proposta uma distribuição a priori conjugada para os parâmetros dos modelos e busca-se a distribuição a posteriori, a qual associada a certas funções de perda permite encontrar estimativas bayesianas para os parâmetros. Na abordagem clássica foram calculados estimadores de máxima verossimilhança, usandose o método de score de Fisher e verificou-se por meio de simulação a consistência dos mesmos. Com os estudos desenvolvidos pode-se observar que, tanto a inferência clássica quanto a inferência bayesiana para os parâmetros dos modelos em questão, apresentou boas propriedades analisadas por meio das propriedades dos estimadores pontuais. A última etapa do trabalho consiste na análise de um conjunto de dados reais...

Genetic correlations between heifer subsequent rebreeding and age at first calving and growth traits in Nellore cattle by Bayesian inference

Boligon, A. A.; Baldi, Fernando; Albuquerque, Lucia Galvão de
Fonte: Funpec-editora Publicador: Funpec-editora
Tipo: Artigo de Revista Científica Formato: 4516-4524
ENG
Relevância na Pesquisa
66.38%
Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP); We estimated heritability for subsequent rebreeding (SR) of heifers and genetic correlations between this trait and weaning weight (WW), weight gain from weaning to yearling (WG), age at first calving (AFC), and mature cow weight (MW), in order to evaluate whether SR could be included as selection criterion in Nellore cattle. The SR of heifers was defined by attributing a value of 1 (success) or 0 (failure) to heifers that calved or not, respectively, given that they had calved once before. Records from 127,430 Nellore animals were analyzed. Genetic parameters were estimated by Bayesian inference using a nonlinear (threshold) animal model for SR and a linear animal model for the other traits in three-trait analyses, including SR and WW in all analyses. The posterior means of heritability for SR, WW, WG, AFC, and MW were 0.18 +/- 0.02, 0.21 +/- 0.01, 0.30 +/- 0.01, 0.21 +/- 0.01, and 0.45 +/- 0.04, respectively. The posterior mean estimates of genetic correlations between SR and WW, WG, AFC, and MW were -0.20 +/- 0.06, 0.31 +/- 0.07, -0.77 +/- 0.05, and -0.15 +/- 0.09, respectively. Based on these genetic correlations, selection for higher gains for WG and younger AFC should result in an increase in heifer SR rates...

Bayesian inference in a quantitative genetic study of growth traits in Nelore cattle (Bos indicus)

Faria,Carina Ubirajara de; Magnabosco,Cláudio de Ulhôa; Reyes,Arcadio de los; Lôbo,Raysildo Barbosa; Bezerra,Luiz Antônio Framartino; Sainz,Roberto Daniel
Fonte: Sociedade Brasileira de Genética Publicador: Sociedade Brasileira de Genética
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/01/2007 EN
Relevância na Pesquisa
66.43%
The objective of this study was to estimate (co)variance components and genetic parameters for weights (W) and scrotal circumferences (SC) at 365 and 450 days of age, of Nelore (Bos indicus) cattle, using Bayesian inference in single and multiple-trait animal models. The fitted linear models included, besides the animal and residual random effects, the contemporary group (herd-year-season-sex-management group) and age-of-dam as "fixed effects". The analyses were carried out using a Gibbs sampler implemented through the MTGSAM program. The heritabilities (in parentheses) obtained fitting single-trait models were W365 (0.49), W450 (0.52), SC365 (0.68) and SC450 (0.66). Estimates of means, modes and medians for genetic parameters obtained from marginal posterior distributions were similar for all traits. The W365 and SC365 can be considered as suitable traits to be included as selection criteria in genetic improvement programs, not only because of their relatively high heritabilities but also due to the fact that they can be measured when the animals are relatively young compared to the corresponding traits W450 and SC450. The Bayesian approach appears to be an appropriate alternative for estimating genetic parameters, and has the advantage over point estimation methods of allowing inferences on marginal posterior distributions.

Inference from Iterative Simulation Using Multiple Sequences

Rubin, Donald B.; Gelman, Andrew
Fonte: Institute of Mathematical Statistics Publicador: Institute of Mathematical Statistics
Tipo: Artigo de Revista Científica
EN_US
Relevância na Pesquisa
56.43%
The Gibbs sampler, the algorithm of Metropolis and similar iterative simulation methods are potentially very helpful for summarizing multivariate distributions. Used naively, however, iterative simulation can give misleading answers. Our methods are simple and generally applicable to the output of any iterative simulation; they are designed for researchers primarily interested in the science underlying the data and models they are analyzing, rather than for researchers interested in the probability theory underlying the iterative simulations themselves. Our recommended strategy is to use several independent sequences, with starting points sampled from an overdispersed distribution. At each step of the iterative simulation, we obtain, for each univariate estimand of interest, a distributional estimate and an estimate of how much sharper the distributional estimate might become if the simulations were continued indefinitely. Because our focus is on applied inference for Bayesian posterior distributions in real problems, which often tend toward normality after transformations and marginalization, we derive our results as normal-theory approximations to exact Bayesian inference, conditional on the observed simulations. The methods are illustrated on a random-effects mixture model applied to experimental measurements of reaction times of normal and schizophrenic patients.; Statistics

Stochastic Modeling and Bayesian Inference with Applications in Biophysics

Du, Chao
Fonte: Harvard University Publicador: Harvard University
Tipo: Thesis or Dissertation
EN_US
Relevância na Pesquisa
66.61%
This thesis explores stochastic modeling and Bayesian inference strategies in the context of the following three problems: 1) Modeling the complex interactions between and within molecules; 2) Extracting information from stepwise signals that are commonly found in biophysical experiments; 3) Improving the computational efficiency of a non-parametric Bayesian inference algorithm. Chapter 1 studies the data from a recent single-molecule biophysical experiment on enzyme kinetics. Using a stochastic network model, we analyze the autocorrelation of experimental fluorescence intensity and the autocorrelation of enzymatic reaction times. This chapter shows that the stochastic network model is capable of explaining the experimental data in depth and further explains why the enzyme molecules behave fundamentally differently from what the classical model predicts. The modern knowledge on the molecular kinetics is often learned through the information extracted from stepwise signals in experiments utilizing fluorescence spectroscopy. Chapter 2 proposes a new Bayesian method to estimate the change-points in stepwise signals. This approach utilizes marginal likelihood as the tool of inference. This chapter illustrates the impact of the choice of prior on the estimator and provides guidelines for setting the prior. Based on the results of simulation study...

Bayesian Inference Approaches for Particle Trajectory Analysis in Cell Biology

Monnier, Nilah
Fonte: Harvard University Publicador: Harvard University
Tipo: Thesis or Dissertation
EN_US
Relevância na Pesquisa
66.56%
Despite the importance of single particle motion in biological systems, systematic inference approaches to analyze particle trajectories and evaluate competing motion models are lacking. An automated approach for robust evaluation of motion models that does not require manual intervention is highly desirable to enable analysis of datasets from high-throughput imaging technologies that contain hundreds or thousands of trajectories of biological particles, such as membrane receptors, vesicles, chromosomes or kinetochores, mRNA particles, or whole cells in developing embryos. Bayesian inference is a general theoretical framework for performing such model comparisons that has proven successful in handling noise and experimental limitations in other biological applications. The inherent Bayesian penalty on model complexity, which avoids overfitting, is particularly important for particle trajectory analysis given the highly stochastic nature of particle diffusion. This thesis presents two complementary approaches for analyzing particle motion using Bayesian inference. The first method, MSD-Bayes, discriminates a wide range of motion models--including diffusion, directed motion, anomalous and confined diffusion--based on mean- square displacement analysis of a set of particle trajectories...

Bayesian inference and model comparison for random choice structures

McCAUSLAND, William; MARLEY, A. A. J.
Fonte: Université de Montréal Publicador: Université de Montréal
Tipo: Artigo de Revista Científica
EN
Relevância na Pesquisa
66.38%
We complete the development of a testing ground for axioms of discrete stochastic choice. Our contribution here is to develop new posterior simulation methods for Bayesian inference, suitable for a class of prior distributions introduced by McCausland and Marley (2013). These prior distributions are joint distributions over various choice distributions over choice sets of di fferent sizes. Since choice distributions over di fferent choice sets can be mutually dependent, previous methods relying on conjugate prior distributions do not apply. We demonstrate by analyzing data from a previously reported experiment and report evidence for and against various axioms.

Exact non-parametric Bayesian inference on infinite trees

Hutter, Marcus
Fonte: Universidade Nacional da Austrália Publicador: Universidade Nacional da Austrália
Tipo: Relatório
Relevância na Pesquisa
56.43%
Given i.i.d. data from an unknown distribution, we consider the problem of predicting future items. An adaptive way to estimate the probability density is to recursively subdivide the domain to an appropriate data-dependent granularity. In Bayesian inference one assigns a data-independent prior probability to “subdivide”, which leads to a prior over infinite(ly many) trees. We derive an exact, fast, and simple inference algorithm for such a prior, for the data evidence, the predictive distribution, the effective model dimension, moments, and other quantities. We prove asymptotic convergence and consistency results, and illustrate the behavior of our model on some prototypical functions.

A Bayesian analysis of sensible heat flux estimation: quantifying uncertainty in meteorological forcing to improve model prediction

Ershadi, A.; McCabe, M.; Evans, J.; Mariethoz, G.; Kavetski, D.
Fonte: American Geophysical Union Publicador: American Geophysical Union
Tipo: Artigo de Revista Científica
Publicado em //2013 EN
Relevância na Pesquisa
56.41%
The influence of uncertainty in land surface temperature, air temperature, and wind speed on the estimation of sensible heat flux is analyzed using a Bayesian inference technique applied to the Surface Energy Balance System (SEBS) model. The Bayesian approach allows for an explicit quantification of the uncertainties in input variables: a source of error generally ignored in surface heat flux estimation. An application using field measurements from the Soil Moisture Experiment 2002 is presented. The spatial variability of selected input meteorological variables in a multitower site is used to formulate the prior estimates for the sampling uncertainties, and the likelihood function is formulated assuming Gaussian errors in the SEBS model. Land surface temperature, air temperature, and wind speed were estimated by sampling their posterior distribution using a Markov chain Monte Carlo algorithm. Results verify that Bayesian-inferred air temperature and wind speed were generally consistent with those observed at the towers, suggesting that local observations of these variables were spatially representative. Uncertainties in the land surface temperature appear to have the strongest effect on the estimated sensible heat flux, with Bayesian-inferred values differing by up to ±5°C from the observed data. These differences suggest that the footprint of the in situ measured land surface temperature is not representative of the larger-scale variability. As such...

Bayesian prediction of the transient behaviour and busy period in short and long-tailed GI/G/1 queueing systems

Ausín, M. Concepción; Wiper, Michael P.; Lillo, Rosa E.
Fonte: Elsevier Publicador: Elsevier
Tipo: Pré-impressão
ENG
Relevância na Pesquisa
56.43%
Bayesian inference for the transient behavior and duration of a busy period in a single server queueing system with general, unknown distributions for the interarrival and service times is investigated. Both the interarrival and service time distributions are approximated using the dense family of Coxian distributions. A suitable reparameterization allows the definition of a non-informative prior and Bayesian inference is then undertaken using reversible jump Markov chain Monte Carlo methods. An advantage of the proposed procedure is that heavy tailed interarrival and service time distributions such as the Pareto can be well approximated. The proposed procedure for estimating the system measures is based on recent theoretical results for the Coxian/Coxian/1 system. A numerical technique is developed for every MCMC iteration so that the transient queue length and waiting time distributions and the duration of a busy period can be estimated. The approach is illustrated with both simulated and real data.

Nonlinear population Monte Carlo methods for bayesian inference

Koblents Lápteva, Eugenia
Fonte: Universidade Carlos III de Madrid Publicador: Universidade Carlos III de Madrid
Tipo: Tese de Doutorado
ENG
Relevância na Pesquisa
66.52%
In the present work we address the problem of Monte Carlo approximation of posterior probability distributions and associated integrals in the Bayesian framework. In particular, we investigate a technique known as population Monte Carlo (PMC), which is based on an iterative importance sampling (IS) approach. The PMC method displays important advantages over the widely used family of Markov chain Monte Carlo (MCMC) algorithms. Opposite to MCMC methods, the PMC algorithm yields independent samples, allows for a simpler parallel implementation and does not require a convergence period. However, both IS and PMC suffer from the well known problem of degeneracy of the importance weights (IWs), which is closely related to the curse of dimensionality, and limits their applicability in large-scale practical problems. In this thesis we present a novel family of PMC algorithms which specifically addresses the degeneracy problem arising in high dimensional problems. In particular, we propose to perform nonlinear transformations to the IWs in order to smooth their variations and increase the efficiency of the underlying IS procedure, specially when drawing from proposal functions which are poorly adapted to the true posterior. This technique, termed nonlinear PMC (NPMC)...

Inferencia Bayesiana para valores extremos; Bayesian inference for extremes

Diego Fernando de Bernardini
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 23/02/2010 PT
Relevância na Pesquisa
56.62%
Iniciamos o presente trabalho apresentando uma breve introdução a teoria de valores extremos, estudando especialmente o comportamento da variável aleatória que representa o máximo de uma sequência de variáveis aleatórias independentes e identicamente distribuídas. Vemos que o Teorema dos Tipos Extremos (ou Teorema de Fisher-Tippett) constitui uma ferramenta fundamental no que diz respeito ao estudo do comportamento assintóticos destes máximos, permitindo a modelagem de dados que representem uma sequência de observações de máximos de um determinado fenômeno ou processo aleatório, através de uma classe de distribuições conhecida como família de distribuições de Valor Extremo Generalizada (Generalized Extreme Value - GEV). A distribuição Gumbel, associada ao máximo de distribuições como a Normal ou Gama entre outras, é um caso particular desta família. Torna-se interessante, assim, realizar inferência para os parâmetros desta família. Especificamente, a comparação entre os modelos Gumbel e GEV constitui o foco principal deste trabalho. No Capítulo 1 estudamos, no contexto da inferência clássica, o método de estimação por máxima verossimilhança para estes parâmetros e um procedimento de teste de razão de verossimilhanças adequado para testar a hipótese nula que representa o modelo Gumbel contra a hipótese que representa o modelo completo GEV. Prosseguimos...

Inferência bayesiana para distribuições de cauda longa; Bayesian inference for long-tailed distributions

Gustavo Henrique Tasca
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 23/02/2015 PT
Relevância na Pesquisa
66.38%
Neste trabalho, estudamos métodos de inferência bayesiana para distribuições de cauda longa, que não envolvam o cálculo da função de verossimilhança. Inicialmente, apresentamos uma análise das propriedades de distribuições de cauda pesada e seus casos particulares, como as famílias de distribuições de cauda longa, subexponenciais e de variação regular. Apresentamos algumas estatísticas e seus comportamentos amostrais, a fim de desenvolvermos medidas de diagnóstico. Para obtenção de inferências a posteriori, discutimos o método ABC de mínima entropia e outros algoritmos para verificação e seleção de modelos, que não utilizam o cálculo da função de verossimilhança. Introduzimos um novo algoritmo para seleção de modelos baseado na distribuição preditiva a posteriori, cujos resultados são validados através de simulações e análises de dados reais relacionados à hidrologia.; In this work, we study Bayesian inference methods for long-tailed distributions that don't involve the evaluation of the likelihood function. Initially, we present an analysis of the properties of heavy-tailed distributions and particular cases, as long-tailed, subexponencial and regular variation families. Some statistics are presented and their sampling behavior studied...

Bayesian methods for gravitational waves and neural networks

Graff, Philip B.
Fonte: University of Cambridge; Department of Physics Publicador: University of Cambridge; Department of Physics
Tipo: Thesis; doctoral; PhD
EN
Relevância na Pesquisa
56.69%
Einstein?s general theory of relativity has withstood 100 years of testing and will soon be facing one of its toughest challenges. In a few years we expect to be entering the era of the first direct observations of gravitational waves. These are tiny perturbations of space-time that are generated by accelerating matter and affect the measured distances between two points. Observations of these using the laser interferometers, which are the most sensitive length-measuring devices in the world, will allow us to test models of interactions in the strong field regime of gravity and eventually general relativity itself. I apply the tools of Bayesian inference for the examination of gravitational wave data from the LIGO and Virgo detectors. This is used for signal detection and estimation of the source parameters. I quantify the ability of a network of ground-based detectors to localise a source position on the sky for electromagnetic follow-up. Bayesian criteria are also applied to separating real signals from glitches in the detectors. These same tools and lessons can also be applied to the type of data expected from planned space-based detectors. Using simulations from the Mock LISA Data Challenges, I analyse our ability to detect and characterise both burst and continuous signals. The two seemingly different signal types will be overlapping and confused with one another for a space-based detector; my analysis shows that we will be able to separate and identify many signals present. Data sets and astrophysical models are continuously increasing in complexity. This will create an additional computational burden for performing Bayesian inference and other types of data analysis. I investigate the application of the MOPED algorithm for faster parameter estimation and data compression. I find that its shortcomings make it a less favourable candidate for further implementation. The framework of an artificial neural network is a simple model for the structure of a brain which can ?learn? functional relationships between sets of inputs and outputs. I describe an algorithm developed for the training of feed-forward networks on pre-calculated data sets. The trained networks can then be used for fast prediction of outputs for new sets of inputs. After demonstrating capabilities on toy data sets...

Bayesian inference based upon fuzzy events

Yuan, Bo; Klir, George
Fonte: Institute of Electrical and Electronics Engineers (IEEE) Publicador: Institute of Electrical and Electronics Engineers (IEEE)
Tipo: Proceedings
EN_US
Relevância na Pesquisa
56.49%
The purpose of the paper is to show that, contrary to the claims of some probabilists of the Bayesian trade, probability theory relates to fuzzy set theory in a similar way as it relates to classical set theory. Examining the well known proof by R.T. Cox (1946), whose aim is to justify the rules of classical Bayesian inference, we point to some weaknesses of the proof and show that it does not exclude the possibility of alternative rules of Bayesian inference based on fuzzy events.; Copyright 1995 IEEE. Personal use of this material is permitted. However, permission to reprint/republish this material for advertising or promotional purposes or for creating new collective works for resale or redistribution to servers or lists, or to reuse any copyrighted component of this work in other works must be obtained from the IEEE.; Work on this paper was supported by Rome Laboratory, Air Force Material Command, WAF, under grant number F30602-94-1-0011. The U.S. Government is authorized to reproduce and distribute reprints for Governmental purposes notwithstanding any copyright notation thereon. The view and conclusions contained herein are those of the authors and should not be interpreted as necessarily representing the official policies or endorsements...