Defesa de Mestrado – Lucas Tortelli

Título: Modelagem Multidimensional de Regressões Lineares para Dados Simbólicos Intervalares

Autor: LUCAS MENDES TORTELLI

Orientação:

• Aline Loreto, Orientadora (PPGC-UFPel)

Banca Examinadora:

• Renata Hax Sander Reiser (PPGC-UFPel)
• Carlos Holbig (UPF)

Data: 4 de Abril de 2019

Hora: 15:30

Local: Sala Pós 2 (FAT), 4o andar do Campus Anglo

Resumo:
O processo de extração de informações de um conjunto de dados tem recebido maior atenção desde o advento da BigData. Com o acúmulo de dados gerados diariamente novas abordagens de representação e processamento são investigadas, visando proporcionar uma previsão ou comportamento de acordo com a análise desses dados. Porém novas formas de representação de dados estão sendo investigadas, objetivando otimizar a quantidade de dados sem que ocorra perda de informação. A aritmética intervalar tem acrescido sua contextualização para atuar não somente na exatidão numérica, mas também na representação de dados com máxima informação mantida. Contudo, os métodos clássicos de análise de regressão não comportam variáveis intervalares, uma vez que estas modificam toda a estrutura de análise. Essa nova área de estudo é denominada de Análise de Dados Simbólicos, no qual seu domínio contém dados multivalorados e métodos adaptados para processar dados representados nesta natureza. Entretanto, os métodos atualmente existentes baseiam-se nos princípios da aritmética intervalar clássica (SIA) que é reconhecida pelas deficiências tanto na representação quanto operação com seus intervalos. Diversas abordagens surgem para corrigir limitações pontuais da SIA, como a RDM-IA. Esta é caracterizada por representar e operar com intervalos adicionando a variável RDM ao sistema, permitindo desta maneira, acessar todos os valores internos do intervalo. Este princípio introduz a ideia de multidimensionalidade ao sistema, uma vez que qualquer valor compreendido nos limites do intervalo é passível de análise e processamento. O objetivo deste trabalho é apresentar uma nova forma de análise de regressão, visando corrigir as falhas existentes, com uso da aritmética RDM e também produzir modelos de regressão mais eficazes com a introdução da multidimensionalidade proporcionada pela variável RDM. Apresentando dessa maneira resultados confiáveis, com alta acurácia e computacionalmente viáveis. Subsequentemente objetiva-se o fornecimento de um pacote de computação científica com os métodos desenvolvidos neste trabalho. Disponibilizando assim um trabalho completo, fornecendo todo o embasamento teórico dos modelos de regressão com dados de natureza intervalar, como também a implementação prática desses métodos.