Resumo: Com o avanço da tecnologia, a quantidade de dados disponíveis aumentou em proporção maior do que a capacidade de processá-los. A internet oferece aos utilizadores um vasto número de páginas Web destinadas à oferta de produtos, tanto de compra/venda como roupas, eletrodomésticos, livros, como de produtos conceituais como artigos, filmes, músicas. O surgimento dos sistemas de recomendação facilitou o acesso e diminuiu o tempo despendido nas buscas pelas informações de interesse, auxiliando tanto aos que disponibilizam conteúdo, podendo-o fazer de maneira direcionada, quanto aos consumidores com conteúdos personalizados. O presente trabalho tem como objetivo estudar o sistema de Filtragem Colaborativa e aplicá-lo no caso da recomendação de filmes para usuários. Além disso, serão propostos modelos logísticos para avaliar se o número de usuários que avaliaram um certo filme e o número de filmes avaliados por um dado usuário influenciam na qualidade da recomendação do filme em questão para esse usuário.
Palavras-chave: Sistemas de recomendação. Filtragem colaborativa. Regressão logística. Modelo logístico binário. 

Orientadora: Jessica Quintanilha Kubrusly (IME/UFF)

Banca:

• Jessica Quintanilha Kubrusly (IME/UFF)
• Hugo Henrique Kegler dos Santos (IME/UFF)
• Patrícia Lusié Velozo da Costa (IME/UFF)

Resumo: Este projeto tem como finalidade unir técnicas de mineração de texto a métodos de classificação de dados e aplicá-los em um banco de \textit{reviews} de peças de roupa compradas pela internet. O objetivo central do estudo é identificar peças com recomendações positivas e negativas a partir do texto escrito pelo consumidor ao descrever a peça. Para tal, foram realizados procedimentos a fim de transformar o banco textual em um banco numérico e, após realizado isso, foram utilizados dois métodos para classificar os dados: Análise de Conglomerado e Random Forest. Enquanto a análise de conglomerado encontrou muita dificuldade em classificar os documentos, o método Random Forest foi mais bem sucedido na tarefa, apresentando acurácia em torno de 70%.
Palavras-chave: Estatística. Mineração de texto. Random forest. Análise de conglomerado. Reviews. E-commerce. Machine learning. Data science.

Orientadora: Jessica Quintanilha Kubrusly (IME/UFF)

Banca:

• Jessica Quintanilha Kubrusly (IME/UFF)
• Hugo Henrique Kegler dos Santos (IME/UFF)
• Ludmilla da Silva Viana Jacobson (IME/UFF)

Resumo: O aquecimento da terra e suas consequências para a vida no planeta é uma das grandes preocupações. Um de seus efeitos mais visíveis é o aumento da ocorrência de eventos extremos como, por exemplo, chuvas torrenciais seguidas de grandes períodos de estiagem, aumentos e quedas bruscas da temperatura, secas, estiagens, inundações e enxurradas, e o impacto financeiro que isso causa. Esses fatores devem ser levados em consideração no planejamento de construções e de atividades relacionadas à gestão e saúde, por exemplo. Sendo assim, o estudo do comportamento destes fenômenos extremos torna-se de suma importância, e a Teoria de Valores Extremos é uma ferramenta eficaz no estudo deste contexto. Os fundamentos básicos da teoria dos valores extremos foram inicialmente expostos por Fisher e Tippett, que estabeleceram os três tipos de distribuição assintótica de valores extremos,como Gumbel (Tipo I), Fréchet(Tipo II) e Weibul(Tipo III). As estimativas dos parâmetros da distribuição generalizada será obtida pelo método da máxima verossimilhança, seguido do teste de Kolmogorov-Smirnov, gráficos de probabilidade-probabilidade e de quantil-quantil, para verificar o ajuste do modelo aos dados, e por fim calcular os períodos e níveis de retornos afim de verificar qual das distribuições se ajustou melhor aos dados. Os dados foram obtidos no Banco de Dados Meteorológicos para Ensino e Pesquisa (BDMEP) do Instituto Nacional de Meteorologia (INMET). As informações referem-se à série de temperatura (em ºC), precipitação (em mm) e umidade relativa (em %) da estação 83743 localizada no município do Rio de Janeiro, desde 01/01/1961 a 31/03/2017.
Palavras-chave: Valores extremos. Precipitação. Temperatura. Umidade relativa. Eventos climáticos. Máxima verossimilhança.

Orientador: Marco Aurélio dos Santos Sanfins (IME/UFF)

Banca:

• Marco Aurélio dos Santos Sanfins (IME/UFF)
• Daiane Rodrigues dos Santos (DE/UCAM)
• Eduardo Ferioli Gomes (IME/UFF)

Resumo: Diversos fenômenos tais como precipitação, ocorrências de doenças, entre outros, são espacialmente correlacionados e, por isso, este trabalho consiste em modelar dados geoestatísticos impondo uma estrutura de dependência espacial. Diferentes funções na literatura permitem fazer essa estrutura. Esse trabalho concentra-se na função de covariância exponencial. Os parâmetros desconhecidos são estimados sob o enfoque Bayesiano. Na estatística bayesiana, a amostra e a crença do pesquisador são levadas em consideração na estimação paramétrica através da distribuição a posteriori. Porém, a avaliação direta dessa distribuição muitas vezes é custosa ou não é possível. Uma alternativa nesses casos é a utilização dos métodos de Monte Carlo via cadeias de Markov (MCMC) e, em especial, o amostrador de Gibbs e o algoritmo de Metropolis-Hasting. Dados simulados são gerados para analisar a eficiência do modelo proposto de convergir para o valor verdadeiro e analisar a sensibilidade que a estimação possui com diferentes distribuições a priori. Finaliza-se o trabalho aplicando um conjunto de dados reais ao modelo proposto.
Palavras-chave: Estatística espacial. Inferência bayesiana. MCMC. Geoestatística. Alcance.

Orientadora: Patrícia Lusié Velozo da Costa (IME/UFF)

Banca:

• Patrícia Lusié Velozo da Costa (IME/UFF)
• Ana Beatriz Monteiro Fonseca (IME/UFF)
• Jony Arrais Pinto Junior (IME/UFF)

Resumo:  Regressão é uma ferramenta que permite explorar e inferir sobre a relação de uma variável resposta com variáveis explicativas. Essa relação pode ser expressa através de um modelo matemático. Os modelos de regressão linear são muito utilizados em diversas áreas e consistem basicamente em atribuir uma estrutura linear para a média do processo. Apesar de extremamente úteis, por atenderem situações nas quais a média da variável resposta é explicada por um conjunto de variáveis independentes, estes modelos tornam-se inapropriados quando o interesse não é modelar o comportamento médio da população. Como uma alternativa a esta classe de modelos, modelos de regressão quantílica mostram-se vantajosos quando o interesse está na análise de qualquer quantil populacional. Modelos de regressão quantílica também servem para analisar quantis em modelos lineares e não lineares, tendo ainda o benefício de serem menos sensíveis a \textit{outliers} por utilizarem medidas mais robustas a tais observações e, nesse caso, analisar a mediana da distribuição pode ser mais eficiente do que analisar a média tornando a regressão quantílica mais apropriada. Sob o ponto de vista bayesiano, para estimar os parâmetros dessa relação utiliza-se a distribuição de Laplace assimétrica, onde faz-se necessário utilizar os métodos de Monte Carlo via Cadeias de Markov para gerar amostras da posteriori. No presente trabalho, serão abordados a comparação entre o modelo linear e modelos quantílicos clássico e bayesiano quando alguma suposição do modelo linear não for atendida. Dados simulados serão utilizados para analisar a eficiência na estimação dos parâmetros, tempo computacional necessário e para comprar modelos diferentes aplicados a um mesmo conjunto de dados. Em seguida, os modelos serão aplicados em um conjuntos e dados reais sobre o Índice de Desenvolvimento Humano.
Palavras-chave:  Estatística. Regressão linear. Modelos lineares. Regressão quantílica. Modelos quantílicos. Regressão quantílica bayesiana. Distribuição Laplace assimétrica. 

Orientadora: Patrícia Lusié Velozo da Costa (IME/UFF)
Coorientadora: Mariana Albi de Oliveira Souza (IME/UFF)

Banca:

• Patrícia Lusié Velozo da Costa (IME/UFF)
• Mariana Albi de Oliveira Souza (IME/UFF)
• Kelly Cristina Mota Gonçalves (IM/UFRJ)
• Wilson Calmon Almeida dos Santos (IME/UFF)

Resumo: A legalização da maconha é um tema que vem sendo bastante abordado nos últimos anos, tornando-se um assunto interessante para a realização de estudos. A Pesquisa de Vitimização e Percepção Social em Políticas sobre Drogas na Fronteira Brasileira com o Uruguai, realizada em agosto de 2016 pelo Instituto de Pesquisa Econômica Aplicada (IPEA), foi a primeira etapa do Monitoramento dos Efeitos da Nova Política Uruguai de Regulamentação do Mercado de Cannabis sobre a Zona de Fronteira. Utilizando os dados dessa pesquisa, o presente trabalho tem como objetivo estudar e avaliar a associação entre aspectos socioeconômicos, de percepção sobre as drogas e percepção sobre a violência com as opiniões em relação a legalização da maconha e a situação da segurança na cidade no último ano utilizando o Modelo de Regressão Logístico Binomial e o Modelo de Regressão Logístico Multinomial. Foram encontradas associações entre fatores como Idade, Renda, Nível Escolar, Religião e algumas percepções sobre as drogas e a violência com as opiniões sobre a legalização da maconha e sobre a situação da violência na cidade no último ano.

Palavras-chave: Uruguai. Maconha. Legalização. Segurança. Regressão. Binomial. Multinomial.

Orientador: Hugo Henrique Kegler dos Santos (IME/UFF)

Banca:

• Hugo Henrique Kegler dos Santos (IME/UFF)
• José Rodrigo de Moraes (IME/UFF)
• Ludmilla da Silva Viana Jacobson (IME/UFF)

Resumo: É comum o interesse por analisar dados provenientes de acompanhamentos ao longo do tempo. Um caso importante refere-se a análise dos dados de sobrevivência que são compostos por covariáveis e pela variável de interesse denominada tempo de sobrevivência. Esta última, é responsável por medir o tempo até a ocorrência do evento desejado e sua principal característica é a presença de censura. Diz-se que um dado de sobrevivência é censurado quando o tempo registrado não contém o evento desejado. Note que, os dados censurados possuem alguma informação a respeito do evento analisado, portanto, devem ser incorporados a análise. Dentre as ferramentas disponíveis para a análise de regressão com dados censurados, as mais usadas são o modelo Cox e o modelo de Poisson. O primeiro é adequado para um modelo de regressão cuja variável resposta é o tempo de sobrevivência e o segundo quando a variável resposta se refere a contagem do evento de interesse. A proposta deste trabalho é realizar um estudo comparativo entre esses modelos e verificar a influência do número de censuras nas estimações. Para isso, foi adotada a abordagem Bayesiana e considerou-se dados de sobrevivência com censura à direita. Dessa forma, diversas simulações foram feitas para os modelos considerados através de algoritmos implementados manualmente no programa R. Os resultados obtidos indicaram que os dois algoritmos MCMC convergiram de acordo com o critério de Gelman-Rubin. Porém, ao comparar as amplitudes dos intervalos de credibilidade dos modelos, o modelo Cox obteve o melhor desempenho uma vez que tinham os menores tamanhos. Portanto, apesar de ser possível aplicar ambos os modelos na análise dos dados de sobrevivência, conforme o aumento da porcentagem de censura, deve-se optar por usar o modelo Cox ao invés do Poisson.
Palavras-chave: Análise de sobrevivência. Inferência bayesiana. Modelo Cox. Modelo Poisson. 

Orientador: Jony Arrais Pinto Junior (IME/UFF)

Banca:

• Jony Arrais Pinto Junior (IME/UFF)
• Ludmilla da Silva Viana Jacobson (IME/UFF)
• Luis Guillermo Coca Velarde (IME/UFF)

Resumo: A análise de sobrevivência, ou análise de sobrevida, pode ser descrita como um ramo da estatística utilizado para analisar características e fatores temporais até a ocorrência de determinado evento. É utilizada em diversas áreas quando o objetivo do estudo é o tempo até a ocorrência do evento ou o risco de ocorrência deste evento no tempo, como, neste caso, o óbito por neoplasia trofoblástica gestacional. A principal característica deste tipo de estudo é a presença de dados censurados, que são observações parciais de alguns indivíduos. Neste trabalho será utilizado um banco de dados de mulheres com Neoplasia Trofoblástica Gestacional, coletados numa pesquisa que está sendo realizada na Maternidade Escola da Universidade Federal do Rio de Janeiro. Mil trezentos e setenta e uma mulheres foram acompanhadas e foram selecionadas 9 características consideradas importantes para serem analisadas: a idade da paciente, a dosagem de hCG pré-tratamento, a histologia da Neoplasia Trofoblástica Gestacional, a gestação antecedente, o estadiamento a partir da Federação internacional de Ginecologia e Obstetrícia, o escore prognóstico, o intervalo entre o término da gravidez e o início do tratamento, se houve quimiorresistência e se o tratamento foi feito fora do Centro de Referência. As características destas pacientes são analisadas a partir da técnica de análise de sobrevivência com enfoque clássico: utilizando abordagens não-paramétrica a partir do estimador de Kaplan-Meier e paramétrica, utilizando o modelo probabilístico lognormal pois apresentou melhor aderência comparado aos modelos exponencial, Eeibull e gama. A partir da análise descritiva analisa-se que menos de $5\%$ das pacientes apresentaram histologia por MOLA invasora ou tumor trofoblástico do sítio placentário, gravidez antecedente ectópica ou a termo/pré-termo e estadiamento FIGO I ou IV, o que pode prejudicar o resultado final. Como resultado da análise frequentista obteve-se que a idade da paciente, a gestação antecedente e o local de tratamento são variáveis não significativas para modelar o tempo de sobrevivência. É importante considerar que os resultados não refletem à população de mulheres com a doença, mas à população que tem acesso a Centros de Referência. Para todas as análises foi utilizado o software estatístico RStudio.
Palavras-chave: Análise de sobrevivência. Neoplasia trofoblástica gestacional. Letalidade. Doença trofoblástica gestacional.

Orientador: Luis Guillermo Coca Velarde (IME/UFF)
Coorientadora: Fernanda Freitas Oliveira Cardoso (Maternidade Escola/UFRJ)

Banca:

• Luis Guillermo Coca Velarde (IME/UFF)
• Antônio Rodrigues Braga Neto (CMM/UFF)
• Fernanda Freitas Oliveira Cardoso (Maternidade Escola/UFRJ)
• Jony Arrais Pinto Junior (IME/UFF)

Resumo: O presente trabalho de conclusão de curso tem o objetivo de verificar possíveis impactos do programa de complementação de renda, Rio Sem Miséria. Mais especificamente, pretende-se aqui analisar a evolução de indicadores sociais e econômicos, como PIB per capita, média de idade de empregados, número de nascidos por mães adolescentes, número de matriculados em universidades e número de matriculados nas escolas dos municípios com famílias que receberam o benefício no período de 2011 a 2014 em comparação a um grupo de outros municípios com características semelhantes, mas que não recebeu essa intervenção. O estudo utilizou uma base de dados municipais construída como uma consolidação de 250 variáveis quantitativas provenientes de 12 fontes diferentes, sendo utilizada uma metodologia apropriada para a redução da dimensionalidade do espaço paramétrico, chamada adaLASSO, com o objetivo de selecionar as covariadas mais importantes. O método do controle sintético foi aplicado para cada caso. Os resultados obtidos se mostraram heterogêneos e sem impactos positivos consistentes, não concordando com a bibliografia levantada sobre efeitos de outros programas de transferência de renda, como Bolsa Família.
Palavras-chave: Programa Rio Sem Miséria. Avaliação de impacto. Controle sintético.

Orientador: Eduardo Ferioli Gomes (IME/UFF)

Banca:

• Eduardo Ferioli Gomes (IME/UFF)
• Daiane Rodrigues dos Santos (UVA)
• Marco Aurélio dos Santos Sanfins (IME/UFF)

Resumo: A Pesquisa Nacional de Saúde (PNS) é uma pesquisa de abrangência nacional realizada pelo IBGE que utilizou um plano amostral complexo, considerando estratificação de setores censitários, conglomeração e pesos amostrais diferentes para as unidades da amostra. As informações sobre o plano amostral nem sempre são consideradas na modelagem estatística pelos pesquisadores, podendo influenciar as estimativas pontuais dos parâmetros (e medidas de associação) de modelos estatísticos e as suas medidas de precisão. Utilizando os dados da PNS 2013, o presente estudo tem como objetivo avaliar o efeito (impacto) do plano amostral no ajuste de um modelo logístico binário, adotado no presente estudo para avaliar a associação entre as variáveis sociodemográficas e de saúde e o desfecho de diabetes em mulheres adultas de 18 anos ou mais, no Brasil. De modo geral, houve alterações nos erros padrão dos efeitos da maioria das variáveis explicativas quando algum aspecto do plano amostral da PNS não foi considerado no ajuste do modelo logístico. Além da consideração da estratificação e conglomeração na modelagem estatística, destaca-se a necessidade de se considerar os pesos amostrais, caso contrário haverá também modificações nas razões de chance da mulher reportar diabetes, além de alterações dos erros padrão. Recomenda-se assim a inclusão de todos os aspectos do plano amostral no ajuste de modelos, com base em pesquisas amostrais complexas, tais como a PNS, para obter conclusões adequadas a respeito das associações entre as variáveis.
Palavras-chave: Modelo logístico binário. Diabetes. Saúde da mulher. Pesquisa Nacional de Saúde. Plano amostral complexo.

Orientador: José Rodrigo de Moraes (IME/UFF)

Banca:

• José Rodrigo de Moraes (IME/UFF)
• Cecília de Souza Fernandez (IME/UFF)
• Márcia Marques de Carvalho (IME/UFF)

Resumo: A estratégia Saúde da Família (ESF) visa reorganizar a atenção básica no Brasil, tendo como enfoque a promoção da saúde e a prevenção de doenças, de forma que a família seja o centro de atenção. Foi utilizado o modelo de regressão logística multinomial e binário, usando os dados da Pesquisa Nacional de Saúde (PNS) 2013 para identificar os fatores sociodemográficos e de saúde associados ao cadastramento e frequência de visitas domiciliares das equipes da estratégia de saúde da família. No ajuste do modelo foi considerado o plano amostral complexo da pesquisa, que incluiu os pesos amostrais, estratos e conglomerados. Utilizando o teste de Wald de significância geral e individual verificou-se que as seguintes variáveis explicativas apresentaram associação com desfecho de cadastramento na ESF, considerando o nível de significância de 5%: Região, esgotamento sanitário, situação censitária, forma de abastecimento de água, posse de bens básicos, densidade habitacional e proporção de moradores com autoavaliação de saúde negativa. Observou-se maior chance de cadastramento na ESF para os domicílios localizados nas regiões Nordeste e Sul (comparativamente com à região Sudeste), os localizados em áreas rurais, com esgotamento sanitário e densidade habitacional inadequados e com mais de 50 a 75% dos moradores com autoavaliação de saúde negativa. Domicílios com abastecimento de água e posse de bens básicos inadequados parecem não ser priorizados no cadastramento da ESF.
Palavras-chave: Regressão logística multinomial. Regressão logística binária. Estratégia de saúde da família. Pesquisa Nacional de Saúde. Plano amostral complexo.

Orientador: José Rodrigo de Moraes (IME/UFF)

Banca:

• José Rodrigo de Moraes (IME/UFF)
• Keila Mara Cassiano (IME/UFF)
• Patrícia Carvalho de Jesus (NPQM/UFRJ)

Resumo: Os estudos de (Markowitz-1952)apresenta a diversificação como principal instrumento para a redução do risco global de uma carteira (portfolio) de investimentos, tais foram a base para a Moderna Teoria de Carteiras, que teve início com a publicação do artigo Portfolio Selection por Markowitz (1952). A utilização da diversificação como forma de redução do risco de uma carteira foi amplamente discutida e comprovada por meio de estudos sobre a correlação entre os ativos. A eficiência de uma carteira é relacionada pelo binômio risco e retorno, ou seja, o investidor pode sempre que desejar reduzir o risco de seus investimentos, alterando a alocação, com o intuito de manter o retorno desejado. Assim sendo, é necessário que carteiras sejam submetidas periodicamente ao monitoramento da performance e da composição dos ativos investidos. Para resolver tal problemática é de grande utilidade a aplicaçãao de modelos matemáticos que ofereçam suporte às escolhas dos ativos e na definição de seus percentuais em uma carteira. A finalidade deste trabalho de final de curso, é empregar o modelo de Markowitz para otimizar carteiras de açoes que atualmente são listadas na bolsa de valores brasileira (B3). Para tanto pretende-se utilizar o software R-project na modelagem dos dados, bem como aproveitar as atuais funcionalidades de conectividade do software para coletar os dados diretamente a bolsa de valores e com isso ser capaz de construir a base de dados necess´aria para a otimização. Finalmente, estudos sobre os outputs da otimização e suas interpretaçôes, serão elaborados como forma de ilustrar toda a riqueza contida na metodologia.
Palavras-chave: Teoria de Markowitz. Fronteira eficiente. Portfólio. Diversificação de portfólio. Otimização de carteiras de investimento. B3.

Orientador: Marco Aurélio dos Santos Sanfins (IME/UFF)

Banca:

• Marco Aurélio dos Santos Sanfins (IME/UFF)
• Daiane Rodrigues dos Santos (UVA)
• Eduardo Ferioli Gomes (IME/UFF)