Agenda de Defesas
- UFPE/
- Pesquisa/Inovação/
- Agenda de Defesas/
- Pós-Graduação em Ciência da Computação promove defesa de tese de doutorado
Agenda de defesas Agenda de defesas
Pós-Graduação em Ciência da Computação promove defesa de tese de doutorado
A defesa acontece na segunda-feira (15), via Google Meet
O Programa de Pós-Graduação em Ciência da Computação da UFPE promove defesa de tese de doutorado da aluna Wanessa Weridiana da Luz Freitas. A defesa acontece na segunda-feira (15), às 8h30, via Google Meet. Interessados em assistir devem entrar em contato com a discente através do e-mail wwlf@cin.ufpe.br. É recomendado que se entre com o microfone e câmera desligados.
Intitulada “Análise Exploratória e Regressão Espacial para Dados Simbólicos Intervalares”, a tese teve orientação da professora Renata Maria Cardoso Rodrigues de Souza e coorientação do professor Getúlio José Amorim do Amaral (UFPE/Departamento de Estatística). A banca examinadora é formada pelos professores Nivan Roberto Ferreira Junior (UFPE/Centro de Informática), Ronei Marcos de Moraes (UFPB/Departamento de Estatística), Roberta Andrade de Araújo Fagundes (UPE/Escola Politécnica de PE), Fernanda de Bastiani (UFPE/Departamento de Estatística) e Marcus Costa de Araújo (UFPE/Departamento de Engenharia Mecânica).
Resumo
A Análise de Dados Espaciais é uma área que busca identificar padrões existentes em uma determinada região através de metodologias próprias. A compreensão da dependência espacial de um fenômeno em uma dada região pode ser mensurada através de abordagens envolvendo a noção de autocorrelação espacial. Essas técnicas são usualmente empregadas no contexto de variáveis clássicas (pontuais). Por outro lado, a Análise de Dados Simbólicos é uma área de pesquisa e aplicação relacionada às áreas de aprendizagem de máquina e estatística, que fornecem ferramentas para descrever unidades (objetos), permitindo lidar com diversos tipos de variáveis, inclusive variáveis do tipo intervalar. Uma questão relevante consiste em tentar obter uma descrição da autocorrelação espacial para variáveis do tipo intervalar. Assim, neste trabalho buscamos conciliar a análise de dados simbólicos (variáveis intervalares) com a análise de dados espaciais. Mais especificamente, o presente estudo tem o intuito de identificar o comportamento de informações georreferenciadas para dados intervalares na Análise de Dados Simbólicos. Os objetivos principais são: i) estender o índice de autocorrelação espacial de Moran da Análise Exploratória Espacial para o caso de dados intervalares e ii) avaliar esses dados por meios de modelos de regressão. Para analisarmos os índices de autocorrelação espacial intervalar propostos, realizamos experimentos com conjuntos de dados sintéticos do tipo intervalo. Além disso, analisamos duas aplicações para dados reais. A primeira utiliza dados de notificações de casos de COVID-19 para o nordeste brasileiro e a segunda está relacionada ao preço de aluguel de imóveis na cidade de Munich. No contexto de regressão, utilizamos o modelo de regressão linear para dados do tipo intervalar e um modelo de regressão espacial, que leva em consideração a conectividade existente entre as regiões. Para avaliarmos o desempenho dessas abordagens, realizamos simulações de Monte Carlo em que calculamos a média e o desvio padrão da magnitude relativa do erro da estimativa dos modelos analisados.