Resumos/abstracts
Resumos/abstracts
A teoria dos conjuntos fuzzy foi introduzida por L. Zadeh em meados dos anos 60 com a intenção de dar um tratamento matemático a certos termos linguísticos subjetivos como “aproximadamente”, “em torno de”, dentre outros. Devido à possibilidade de manipulação de informações incertas e seu respectivo armazenamento em computadores, a teoria dos conjuntos fuzzy tem se tornado uma das áreas emergentes em tecnologia contemporânea. O tratamento fuzzy de variáveis linguísticas subjetivas ganhou um espaço substancial na modelagem matemática, particularmente quando não dispomos de dados suficientes para utilizar ferramentas estatísticas ou então quando a situação não comporta medições e dependemos de informações subjetivas de especialistas. Neste sentido, modelos de equações diferenciais ordinárias provenientes de fenômenos biológicos tem sido estudados utilizando parâmetros fuzzy. Este parâmetro pode ser obtido através de um Sistema Baseado em Regras Fuzzy ou o parâmetro é modelado em torno de um ponto conveniente; neste caso utilizamos o Princípio da Extensão de Zadeh para determinar uma fuzzificação da solução determinística. Há de ressaltar que os parâmetros fuzzy, também têm sido utilizados nas equações diferenciais parciais para lidar com incertezas, como por exemplo: na dispersão da fumaça de uma chaminé em uma cidade, ou nos parâmetros das equações do calor, da onda, dentre outros. Os resultados obtidos têm se aproximado da realidade dos fenômenos modelados e é interessante observar que muitas outras variáveis poderiam ser incluídas nos modelos através da teoria dos conjuntos fuzzy.
Consideramos a função tempo de primeiro retorno para sequências sem a propriedade de gramática completa. Tal condição produz o fenômeno de "sobreposições negativas", que é difícil de tratar do ponto de vista probabilístico. Usando resultados básicos de probabilidade elementar, conseguimos simplificar o problema para finalmente provar uma convergência fraca (resultado "tipo" Teorema Central do Limite) para a função de sobreposição. Esse é um trabalho em conjunto com Rodrigo Lambert (UFU) e Miguel Abadi (USP).
(Clique aqui para acessar o R-package)
O sinal de eletrocardiograma (ECG) é, na prática, uma mistura do sinal real com diversas fontes de ruído. A frequência dos erros de diagnóstico obtido a partir de um sinal de ECG está intrinsecamente relacionada à quantidade de ruído presente neste tipo de sinal. Por este motivo, é importante o prévio tratamento deste sinal utilizando ferramentas que consigam remover o máximo possível de ruído, com o mínimo de perda de informação. Este seminário aborda uma técnica de redução de ruído chamada de encolhimento de Wavelets. Para tal, utilizaremos o pacote R wavethresh, aprenderemos como obter um sinal de eletrocardiograma (no formato csv) a partir da base de dados physionet. Corromperemos o sinal com ruído gaussiano, obtendo assim um sinal ruidoso que, por sua vez, será submetido a técnica de encolhimento de Wavelets.
Latin America is a growing economic region and has a large financial market to be explored. One important thing to be investigated is the performance of the public companies of this region since they present abnormal risks in many aspects. In special, the bad performance is a major concern, because can cause losses for investors and for the company itself. Thus, some models to predict corporate financial distress (FD) events in Latin America are proposed in this paper. Using data from 1999 to 2017, we investigate FD likelihood of Latin American companies in one, two and three years prior to the event. Four definitions to FD, financial ratios as explanatory variables, and two techniques (logistic regression and random forest) are examined as well. Our findings show that Random forest generally outperforms Logistic Regression, but one exception was found. In order to analyze the most relevant variables that set out future FDs, this study also discusses the variable importance outcomes. We detected variabilities and earnings-related ratios are useful to this, which is remarked by many recent studies. Hence, this paper provides an interesting driver for analysts and investors in emerging markets.
(Clique aqui para visualizar os slides)
Em anos recentes, grandes quantidades de dados têm sido geradas e coletadas em várias áreas do conhecimento. Esses dados são provenientes de sensores, sinais de GPS, imagens de satélite e mídias sociais, entre muitos outros. Com esse aumento da quantidade de dados coletados, o desenvolvimento de novas estratégias estatísticas e computacionais para analisar esses dados num intervalo de tempo aceitável torna-se essencial. Nesta palestra irei abordar a diferença entre estatística e ciência de dados, e discutir a sua utilidade na era da internet of things e inteligência artificial.
Typical realistic models for multiphase flow in heterogeneous formations are complex and random, and must incorporate the uncertainties inherent to the mixture process. These uncertainties can be modeled using differential equations coefficients, such as hydrodynamic dispersivity.
In this work, the mathematical model is expressed in terms of a nonlinear coupled system of stochastic partial differential equations; a second order elliptic equation for the pressure, and a hyperbolic-dominated transport-diffusion equation for the solvent concentration in the mixture. Besides, the longitudinal dispersion coefficient is a fuzzy number.
New perspective on the quantification of uncertainty for parameter estimation problems by means of numerical simulations and membership functions is the purpose of this research. In this way, a fuzzification of the semiclassical solution numerical approximation is built. In this regard, it is proved the continuity of the function that assigns the 3-tuple comprised by longitudinal dispersion, transverse dispersion, and molecular diffusion, to the corresponding value of the semiclassical solution, at a fixed point of the domain. The continuity result along with Zadeh's Extension Principle isapplied to obtain the fuzzification.
The relevance of this study resides in the novelty of the methodology that considers a model parameter as a fuzzy number, meanwhile, it is usually taken as a constant in literature. Other unprecedented result lays in the discovery of the link between theoretical concepts and numerical approximations to obtain a fuzzification.
Este trabalho propõe uma metodologia de modelagem de funções de covariância para processos não estacionários, baseado do trabalho de Sampson e Guttorp (1992), mas desenvolvendo funções de deformação com rank reduzido baseadas no produto tensorial de B-splines. Através de um conjunto de restrições nos coeficientes, as deformações estimadas não exibem dobras, uma condição necessária para que a função de covariância espacial seja válida. Uma aplicação do procedimento na previsão de chuva usando dados meteorológicos do INMET-Brasil será desenvolvida. Este é um trabalho em conjunto com Ronaldo Dias (Unicamp) e Paul Sampson (Univ. Washington).
Medidas de dependência, desde coeficientes de correlação linear até métodos recentes baseados em cópula, têm sido amplamente utilizadas para descobrir associações entre variáveis. Neste trabalho, discutimos a modelagem de dependência de uma perspectiva de reconhecimento de padrões e, em seguida, introduzimos uma nova abordagem não paramétrica baseada na detecção de anomalias por meio de análise de cluster. A metodologia proposta utiliza um procedimento de ponderação baseado nas densidades das células de Voronoi, denominado Distância de Voronoi Ponderada (WVD), para identificar associações potencialmente atípicas entre séries temporais univariadas. Existem duas vantagens. Primeiro, a estrutura da série temporal é respeitada e nem a independência nem a homoscedasticidade são presumidas nos dados. Segundo, qualquer distribuição dos dados e qualquer função de dependência é permitida. Um procedimento de inferência é apresentado e os estudos de simulação ajudam a visualizar o comportamento e os benefícios da medida proposta. Finalmente, dados financeiros reais são usados para analisar a capacidade de detecção do efeito de contágio nos mercados financeiros durante a crise do subprime de 2007. Diferentes classes de ativos foram incluídas, e o WVD foi capaz de sinalizar anomalias com mais força do que a teoria de valores extremos e a abordagem de cópula.