Agrupamento de interações não lineares em análise fatorial
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/34608 |
Resumo: | A análise fatorial é uma ferramenta poderosa para a redução da dimensão nos estudos de estatística multivariada. Esta tese é dedicada a estender o modelo fatorial com interações não lineares proposto em 2013. A principal contribuição do trabalho é apresentar duas abordagens para agrupar as interações não lineares, e assim desenvolver novos modelos que não são restritos à cenários extremos onde todas as interações não nulas são diferentes ou todas iguais. A primeira estratégia para lidar com os grupos envolve uma mistura finita de componentes degeneradas. A segunda opção é especificada por um processo Dirichlet. Um estudo simulado abrangente é desenvolvido para explorar as propostas e mostrar seus bons desempenhos. Uma análise de sensibilidade é realizada para avaliar as vantagens de estimar o parâmetro de suavização definido na função de covariância do processo Gaussiano que estabelece a não linearidade das interações. Em termos de aplicação, a metodologia é apresentada em análise de expressão de genes relacionados a quatro conjuntos de dados referente ao câncer de mama. Aqui, os genes pertencentes a regiões disjuntas do genoma, com alteração do número de cópias, estão conectados aos fatores principais e suas interações não lineares são estimadas e agrupadas. A investigação conjunta e a comparação desses quatro conjuntos de dados sobre câncer de mama raramente são encontradas na literatura. |
id |
UFMG_65d86b12a7c19b0d2ed9ccf519903496 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/34608 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Vinícius Diniz Mayrinkhttp://lattes.cnpq.br/8460573638694827Vinícius Diniz MayrinkRosangela Helena LoschiFlávio Bambirra GonçalvesRafael izbickiFlorencia Graciela Leonardihttp://lattes.cnpq.br/3225417947229827Erick da Conceição Amorim2021-01-04T13:07:07Z2021-01-04T13:07:07Z2020-02-19http://hdl.handle.net/1843/34608A análise fatorial é uma ferramenta poderosa para a redução da dimensão nos estudos de estatística multivariada. Esta tese é dedicada a estender o modelo fatorial com interações não lineares proposto em 2013. A principal contribuição do trabalho é apresentar duas abordagens para agrupar as interações não lineares, e assim desenvolver novos modelos que não são restritos à cenários extremos onde todas as interações não nulas são diferentes ou todas iguais. A primeira estratégia para lidar com os grupos envolve uma mistura finita de componentes degeneradas. A segunda opção é especificada por um processo Dirichlet. Um estudo simulado abrangente é desenvolvido para explorar as propostas e mostrar seus bons desempenhos. Uma análise de sensibilidade é realizada para avaliar as vantagens de estimar o parâmetro de suavização definido na função de covariância do processo Gaussiano que estabelece a não linearidade das interações. Em termos de aplicação, a metodologia é apresentada em análise de expressão de genes relacionados a quatro conjuntos de dados referente ao câncer de mama. Aqui, os genes pertencentes a regiões disjuntas do genoma, com alteração do número de cópias, estão conectados aos fatores principais e suas interações não lineares são estimadas e agrupadas. A investigação conjunta e a comparação desses quatro conjuntos de dados sobre câncer de mama raramente são encontradas na literatura.Factor analysis is a powerful tool for dimension reduction in a multivariate statistical study. This Thesis is dedicated to extend the factor model with non-linear interactions proposed in 2013. The main contribution of our work is to present two approaches to cluster the non-linear interactions and thus develop new models that are not restricted to the extreme scenarios where all non-null interactions are different or all are the same. The first strategy to handle the clusters involves a finite mixture of degenerated components. The second option is especified via the Dirichlet process. A comprehensive simulation study is developed to explore the proposals and it shows their good performances. A sentitivity analysis is carried out to evaluate advantages of estimating a smoothness parameter defined in a covariance function of the Gaussian process establishing the non-linearity of the interactions. In terms of application, the methodology is illustrated with the analysis of gene expression related to four breast cancer data sets. Here, the genes belonging to disjoint genome regions, with copy number alteration, are connected to the main factors and their non-linear interactions are estimated and clustered. The mutual investigation and comparison of these four breast cancer data sets is rarely found in the literature.FAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas GeraisCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de Minas GeraisPrograma de Pós-Graduação em EstatísticaUFMGBrasilICX - DEPARTAMENTO DE ESTATÍSTICAEstatística. – Teses.Análise multivariada – Teses.Análise fatorial – Teses.Mamas - Câncer. – Teses.MisturaProcesso DirichletExpressão de genesCâncer de mamaAgrupamento de interações não lineares em análise fatorialinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALTese.pdfTese.pdfapplication/pdf3122745https://repositorio.ufmg.br/bitstream/1843/34608/1/Tese.pdf4dc770118429ce4df8e7e51df4bd8bc3MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82119https://repositorio.ufmg.br/bitstream/1843/34608/2/license.txt34badce4be7e31e3adb4575ae96af679MD521843/346082021-01-04 10:07:07.589oai:repositorio.ufmg.br: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Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2021-01-04T13:07:07Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Agrupamento de interações não lineares em análise fatorial |
title |
Agrupamento de interações não lineares em análise fatorial |
spellingShingle |
Agrupamento de interações não lineares em análise fatorial Erick da Conceição Amorim Mistura Processo Dirichlet Expressão de genes Câncer de mama Estatística. – Teses. Análise multivariada – Teses. Análise fatorial – Teses. Mamas - Câncer. – Teses. |
title_short |
Agrupamento de interações não lineares em análise fatorial |
title_full |
Agrupamento de interações não lineares em análise fatorial |
title_fullStr |
Agrupamento de interações não lineares em análise fatorial |
title_full_unstemmed |
Agrupamento de interações não lineares em análise fatorial |
title_sort |
Agrupamento de interações não lineares em análise fatorial |
author |
Erick da Conceição Amorim |
author_facet |
Erick da Conceição Amorim |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Vinícius Diniz Mayrink |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/8460573638694827 |
dc.contributor.referee1.fl_str_mv |
Vinícius Diniz Mayrink |
dc.contributor.referee2.fl_str_mv |
Rosangela Helena Loschi |
dc.contributor.referee3.fl_str_mv |
Flávio Bambirra Gonçalves |
dc.contributor.referee4.fl_str_mv |
Rafael izbicki |
dc.contributor.referee5.fl_str_mv |
Florencia Graciela Leonardi |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/3225417947229827 |
dc.contributor.author.fl_str_mv |
Erick da Conceição Amorim |
contributor_str_mv |
Vinícius Diniz Mayrink Vinícius Diniz Mayrink Rosangela Helena Loschi Flávio Bambirra Gonçalves Rafael izbicki Florencia Graciela Leonardi |
dc.subject.por.fl_str_mv |
Mistura Processo Dirichlet Expressão de genes Câncer de mama |
topic |
Mistura Processo Dirichlet Expressão de genes Câncer de mama Estatística. – Teses. Análise multivariada – Teses. Análise fatorial – Teses. Mamas - Câncer. – Teses. |
dc.subject.other.pt_BR.fl_str_mv |
Estatística. – Teses. Análise multivariada – Teses. Análise fatorial – Teses. Mamas - Câncer. – Teses. |
description |
A análise fatorial é uma ferramenta poderosa para a redução da dimensão nos estudos de estatística multivariada. Esta tese é dedicada a estender o modelo fatorial com interações não lineares proposto em 2013. A principal contribuição do trabalho é apresentar duas abordagens para agrupar as interações não lineares, e assim desenvolver novos modelos que não são restritos à cenários extremos onde todas as interações não nulas são diferentes ou todas iguais. A primeira estratégia para lidar com os grupos envolve uma mistura finita de componentes degeneradas. A segunda opção é especificada por um processo Dirichlet. Um estudo simulado abrangente é desenvolvido para explorar as propostas e mostrar seus bons desempenhos. Uma análise de sensibilidade é realizada para avaliar as vantagens de estimar o parâmetro de suavização definido na função de covariância do processo Gaussiano que estabelece a não linearidade das interações. Em termos de aplicação, a metodologia é apresentada em análise de expressão de genes relacionados a quatro conjuntos de dados referente ao câncer de mama. Aqui, os genes pertencentes a regiões disjuntas do genoma, com alteração do número de cópias, estão conectados aos fatores principais e suas interações não lineares são estimadas e agrupadas. A investigação conjunta e a comparação desses quatro conjuntos de dados sobre câncer de mama raramente são encontradas na literatura. |
publishDate |
2020 |
dc.date.issued.fl_str_mv |
2020-02-19 |
dc.date.accessioned.fl_str_mv |
2021-01-04T13:07:07Z |
dc.date.available.fl_str_mv |
2021-01-04T13:07:07Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/34608 |
url |
http://hdl.handle.net/1843/34608 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Estatística |
dc.publisher.initials.fl_str_mv |
UFMG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
ICX - DEPARTAMENTO DE ESTATÍSTICA |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/34608/1/Tese.pdf https://repositorio.ufmg.br/bitstream/1843/34608/2/license.txt |
bitstream.checksum.fl_str_mv |
4dc770118429ce4df8e7e51df4bd8bc3 34badce4be7e31e3adb4575ae96af679 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589424223617024 |