Show simple item record

Modelos HMM com dependência de segunda ordem: aplicação em genética

dc.contributor.authorZuanetti, Daiane Aparecida
dc.date.accessioned2016-06-02T20:06:12Z
dc.date.available2007-07-10
dc.date.available2016-06-02T20:06:12Z
dc.date.issued2006-02-20
dc.identifier.citationZUANETTI, 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.urihttps://repositorio.ufscar.br/handle/ufscar/4598
dc.description.abstract(See full text for download)eng
dc.description.sponsorshipUniversidade Federal de Minas Gerais
dc.formatapplication/pdfpor
dc.languageporpor
dc.publisherUniversidade Federal de São Carlospor
dc.rightsAcesso Abertopor
dc.subjectEstatística matemáticapor
dc.subjectModelo markoviano ocultopor
dc.subjectRedes probabilísticaspor
dc.subjectOrdem de dependênciapor
dc.subjectSeleção de modelospor
dc.subjectMCMCpor
dc.subjectHidden Markov modeleng
dc.subjectProbabilistic networkseng
dc.subjectOrder of dependenceeng
dc.subjectModel selectioneng
dc.subjectMCMCeng
dc.titleModelos HMM com dependência de segunda ordem: aplicação em genéticapor
dc.typeDissertaçãopor
dc.contributor.advisor1Milan, Luis Aparecido
dc.description.resumoA 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.countryBRpor
dc.publisher.initialsUFSCarpor
dc.publisher.programPrograma de Pós-Graduação em Estatística - PPGEspor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICApor
dc.contributor.authorlatteshttp://buscatextual.cnpq.br/buscatextual/controladorbuscacvpor


Files in this item

Thumbnail
Name:
DissDAZ.pdf
Size:
2.825Mb
Format:
PDF
View/Open

This item appears in the following Collection(s)

Show simple item record