dc.contributor.author | Zuanetti, Daiane Aparecida | |
dc.date.accessioned | 2016-06-02T20:06:12Z | |
dc.date.available | 2007-07-10 | |
dc.date.available | 2016-06-02T20:06:12Z | |
dc.date.issued | 2006-02-20 | |
dc.identifier.citation | ZUANETTI, Daiane Aparecida. Modelos HMM com dependência de segunda ordem: aplicação em genética.. 2006. 97 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2006. | por |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/4598 | |
dc.description.abstract | (See full text for download) | eng |
dc.description.sponsorship | Universidade Federal de Minas Gerais | |
dc.format | application/pdf | por |
dc.language | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Acesso Aberto | por |
dc.subject | Estatística matemática | por |
dc.subject | Modelo markoviano oculto | por |
dc.subject | Redes probabilísticas | por |
dc.subject | Ordem de dependência | por |
dc.subject | Seleção de modelos | por |
dc.subject | MCMC | por |
dc.subject | Hidden Markov model | eng |
dc.subject | Probabilistic networks | eng |
dc.subject | Order of dependence | eng |
dc.subject | Model selection | eng |
dc.subject | MCMC | eng |
dc.title | Modelos HMM com dependência de segunda ordem: aplicação em genética | por |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Milan, Luis Aparecido | |
dc.description.resumo | A crescente necessidade do desenvolvimento de eficientes técnicas computacionais e estatísticas para analisar a profusão de dados biológicos transformaram o modelo Markoviano oculto (HMM), caso particular das redes bayesianas ou probabilísticas, em uma alternativa interessante para analisar sequências de DNA. Uma razão do interesse no HMM é a sua flexibilidade em descrever segmentos heterogêneos da sequência através de uma mesma estrutura de dependência entre as variáveis, supostamente conhecida. No entanto, na maioria dos problemas práticos, a estrutura de dependência não é conhecida e precisa ser também estimada. A maneira mais comum para estimação de estrutra de um HMM é o uso de métodos de seleção de modelos. Outra solução é a utilização de metodologias para estimação da estrutura de uma rede probabilística. Neste trabalho, propomos o HMM de segunda ordem e seus estimadores bayesianos, definimos o fator de Bayes e o DIC para seleção do HMM mais adequado a uma sequência específica, verificamos seus desempenhos e a performance da metodologia proposta por Friedman e Koller (2003) em conjunto de dados simulados e aplicamos estas metodologias em duas sequências de DNA: o intron 7 do gene a - fetoprotein dos cimpanzés e o genoma do parasita Bacteriophage lambda, para o qual o modelo de segunda ordem é mais adequado. | por |
dc.publisher.country | BR | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Estatística - PPGEs | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA | por |
dc.contributor.authorlattes | http://buscatextual.cnpq.br/buscatextual/controladorbuscacv | por |