Método de segmentação por boxplot circular para dados multimodais e sua aplicação na análise de captura de enxames de abelhas com eventos recorrentes

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBrighenti, Carla Regina Guimarães-
Autor(es): dc.contributorGiarola, Luciane Teixeira Passos-
Autor(es): dc.contributorSilva, José Waldemar da-
Autor(es): dc.contributorSantos, Deodoro Magno Brighenti dos-
Autor(es): dc.contributorSilva, Clodoaldo Teodosio Santana da-
Autor(es): dc.creatorResende, Luiz Fernando Silva-
Data de aceite: dc.date.accessioned2026-02-09T11:27:38Z-
Data de disponibilização: dc.date.available2026-02-09T11:27:38Z-
Data de envio: dc.date.issued2025-09-04-
Data de envio: dc.date.issued2025-04-25-
Fonte completa do material: dc.identifierhttps://repositorio.ufla.br/handle/1/60271-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1141255-
Descrição: dc.descriptionCircular statistics is applied across various scientific fields, particularly when data involve seasonality, time, or directions. Multimodality in datasets poses a significant challenge for statistical analysis and modeling, a common issue in circular data where modal subsets are often segmented empirically, such as by days of the week or seasons. Alternatively, maximization algorithms based on mixtures of von Mises distributions are used, requiring advanced theoretical knowledge. This thesis, structured in four articles, proposes innovative approaches to address these challenges. The first article introduces a segmentation method based on the construction of a circular boxplot, with its effectiveness validated through simulations across diverse scenarios and applied to multimodal traffic accident timing data throughout the week, demonstrating a balance between simplicity and accuracy. The second article extends this methodology, refining the circular boxplot approach for enhanced precision in multimodal data analysis. The third article presents an experiment characterizing Africanized bee swarm capture over one year using trap nests, recording linear variables (height, altitude, precipitation, humidity, wind speed) and circular variables (wind direction, capture season, longitude, latitude, nest entrance angle relative to magnetic North), alongside the qualitative variable of trap nest coating color. Bimodal patterns in capture seasons were analyzed using the circular boxplot segmentation method developed in the first article, with relationships between variables explored through linear-linear, linear-circular, and circular-circular correlations based on their nature. The fourth article addresses censored data, as capture dates were recorded within intervals between the last day without a swarm and the observation day, employing survival analysis with the Andersen-Gill model, incorporating linear and circular covariates to model swarm capture time, with bimodal segmentation via circular boxplot. Additionally, two seasonal periods—post-rain (April 10 to June 6) and pre-rain (August 29 to October 19)—were segmented to account for the bimodal patterns observed in swarm capture characterization. The proposed methods and findings offer practical and accessible tools for analyzing multimodal circular data, with applications in traffic safety and beekeeping, supporting biodiversity and food security through enhanced swarm capture efficiency.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionA estatística circular é aplicada em diversos ramos da ciência, principalmente quando os dados envolvem sazonalidade, horários e direções. A presença de multimodalidade em conjuntos de dados é um desafio na análise e modelagem estatística. Esse problema também é comum em dados circulares, em que a segmentação de cada conjunto modal é realizada de forma empírica, utilizando, por exemplo, dias da semana ou estações. Outra alternativa é o uso de algoritmos de maximização a partir da modelagem por misturas de distribuições von Mises, que exige mais conhecimento teórico. Essa tese propõe, no primeiro artigo, um método de segmentação a partir da construção de boxplot circular. O método foi apresentado e sua eficácia verificada através de simulação em diferentes cenários e posteriormente aplicado a dados sobre horários de acidentes de trânsito que apresentaram multimodalidade ao longo da semana. Verificou-se que o método proposto foi mais adequado para o estudo de multimodalidade em dados circulares ao equilibrar simplicidade e precisão. No terceiro artigo, realizou-se um experimento para caracterizar a captura de enxames de abelhas africanizadas, durante um ano, a partir da instalação de ninhos-armadilha, registrando-se dados lineares, tais como altura, altitude, precipitação, umidade e velocidade do vento, bem como as circulares: direção do vento, época de captura (mês), longitude, latitude e ângulo do alvado, que representa o posicionamento do ninho em relação ao Norte magnético. Além disso, avaliou-se a variável qualitativa cor de revestimento do ninho-armadilha. A época de captura apresentou padrões bimodais que foram estudados a partir do Método de Segmentação por Boxplot Circular desenvolvido no Artigo 1. Verificou-se a relação entre as variáveis registradas no experimento através da correlação linear-linear, linear-circular e circular-circular, de acordo com a natureza de cada variável. No quarto artigo, devido à presença de dados censurados, já que as datas de captura foram registradas em intervalos, entre o último dia com ausência do enxame e o dia da observação da captura, foi utilizada a análise de sobrevivência com o modelo de Andersen-Gill, considerando covariáveis lineares e circulares para modelar o tempo até a captura de enxames, com segmentação bimodal via boxplot circular. Além disso, foi considerada a segmentação dos dois períodos sazonais, pós-chuva, entre 10 de abril a 06 de junho, e pré-chuva, de 29 de agosto a 19 de outubro, na análise dos dados a fim de considerar a bimodalidade apresentada na caracterização da captura.-
Descrição: dc.descriptionSociais-
Descrição: dc.descriptionTecnológico-
Descrição: dc.descriptionEconômicos-
Descrição: dc.descriptionMeio ambiente-
Descrição: dc.descriptionTecnologia e produção-
Descrição: dc.descriptionODS 2: Fome zero e agricultura sustentável-
Descrição: dc.descriptionODS 3: Saúde e bem-estar-
Descrição: dc.descriptionODS 8: Trabalho decente e crescimento econômico-
Descrição: dc.descriptionODS 9: Indústria, inovação e infraestrutura-
Descrição: dc.descriptionODS 11: Cidades e comunidades sustentáveis-
Descrição: dc.descriptionODS 12: Consumo e produção responsáveis-
Descrição: dc.descriptionODS 13: Ação contra a mudança global do clima-
Descrição: dc.descriptionODS 15: Vida terrestre-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Federal de Lavras-
Publicador: dc.publisherPrograma de Pós-Graduação em Estatística e Experimentação Agropecuária-
Publicador: dc.publisherUFLA-
Publicador: dc.publisherbrasil-
Publicador: dc.publisherDepartamento de Estatística-
Publicador: dc.publisherInstituto de Ciências Exatas e Tecnológicas (ICET)-
Direitos: dc.rightsAttribution 3.0 Brazil-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/3.0/br/-
Palavras-chave: dc.subjectEstatística circular-
Palavras-chave: dc.subjectAbelhas africanizadas-
Palavras-chave: dc.subjectBoxplot-
Palavras-chave: dc.subjectModelos estatísticos-
Palavras-chave: dc.subjectAnálise estatística-
Palavras-chave: dc.subjectSegmentação de dados-
Palavras-chave: dc.subjectAnálise de sobrevivência-
Palavras-chave: dc.subjectAnálise de agrupamentos-
Palavras-chave: dc.subjectFatores ambientais-
Palavras-chave: dc.subjectCircular statistics-
Palavras-chave: dc.subjectAfricanized bees-
Palavras-chave: dc.subjectStatistical models-
Palavras-chave: dc.subjectStatistical analysis-
Palavras-chave: dc.subjectData segmentation-
Palavras-chave: dc.subjectSurvival analysis-
Palavras-chave: dc.subjectCluster analysis-
Palavras-chave: dc.subjectEnvironmental factors-
Palavras-chave: dc.subjectCiências Exatas e da Terra-
Título: dc.titleMétodo de segmentação por boxplot circular para dados multimodais e sua aplicação na análise de captura de enxames de abelhas com eventos recorrentes-
Título: dc.titleCircular boxplot segmentation method for multimodal data and its application in the analysis of bee swarm capture with recurrent events-
Tipo de arquivo: dc.typetese-
Aparece nas coleções:Repositório Institucional da Universidade Federal de Lavras (RIUFLA)

Não existem arquivos associados a este item.