Para discutir alguns aspectos de processos estocásticos com muitos componentes em interação, vou utilizar uma variação do clássico “processo de contato”. Introduzido há mais de 40 anos por T. Harris, trata-se de um modelo estocástico simples para descrever a propagação de uma infecção em uma população, na qual os indivíduos estão identificados com os vértices de um grafo localmente finito. Pode ser pensado como um processo markoviano a valores no espaço dos subconjuntos do conjunto de vértices, simplesmente identificando o estado de cada indivíduo (infectado ou saudável). Apesar da simplicidade, o modelo tem comportamento bem interessante, como transição de fase dinâmica e metaestabilidade, mesmo em grafos bem simples. O processo pode ser descrito através de caminhos em um grafo aleatório (espaço-tempo), também conhecido como sistema de Harris. Algumas variações têm sido consideradas recentemente. Pretendo dar uma ideia geral do modelo, e dependendo do tempo, focar uma variação que estamos estudando recentemente, na qual se perde a propriedade de Markov. Devemos olhar como questão de percolação e a investigação de questões ligadas à transição de fase é interessante e ainda há muito por fazer. Isto se baseia em trabalho recente em colaboração com L. R. Fontes, D. Marchetti e T. Mountford.

Sistemas de recomendação estão cada vez mais presentes na rotina dos usuários da Internet. Portanto, plataformas como Youtube e Netflix procuram melhorar suas recomendações para fornecer uma melhorar experiências aos seus usuários. No entanto, a experiência dos usuários depende de diversos fatores. Em particular, sistemas de cache têm uma grande influência na qualidade de experiência (QoE), visto que eles impactam métricas de qualidade de serviço (QoS), como atraso e vazão, experenciadas pelos usuários. Nosso objetivo é estudar a viabilidade de um sistema de recomendação sensível a QoS que maximize a QoE. Para tal, nós conduzimos experimentos com usuários reais com perfis distintos. Cada usuário é solicitado a avaliar diferentes vídeos, que variam em termos de conteúdo e de QoS. Dadas nossas descobertas quanto à relação entre QoS e QoR (quality of recommendation), investigamos seus impactos no modelo de sistema de recomendação. Um classificador baseado em árvore de decisão alcançou acurácia de 77% usando validação cruzada, e nos permite entender melhor o processo de tomada de decisão do usuário.

Este trabalho é em conjunto com Felipe Assis, Mateus S. Nogueira, João Ismael Pinheiro, Pavlos Sermepzis, Savvas Kastanakis, Thrasyvoulos Spyropoulos e Carla Delgado.

Value at Risk was settled as an official measure of the risk in the 1990s, some years after the first Basel Accord. Although its definition is not dubious, there are different methods for estimating it as, for example, conditional autoregressive Value at Risk, extreme value theory, filtered historical simulation, and high order moments. The aforementioned approaches are some oh the well-established ones according to the empirical literature. In this work we compare their performances, under both an empirical investigation using 80 assets and a large Monte Carlo simulation. We conclude that extreme value theory has have the best results most of the times, followed by filtered historical simulation. Based on previous comparative studies in the literature and our results, we recommend extreme value theory as a new benchmark for value-at-risk estimation.

We show that high-dimensional econometric models, such as shrinkage and complete subset regression, perform very well in the real-time forecasting of inflation in data-rich environments. We use Brazilian inflation as an application. It is ideal as an example because it exhibits a high short-term volatility, and several agents devote extensive resources to forecasting its short-term behavior. Thus, precise forecasts made by specialists are available both as a benchmark and as an important candidate regressor for the forecasting models. Furthermore, we combine forecasts based on model confidence sets and show that model combination can achieve superior predictive performances.

Approximate Bayesian computation (ABC) is typically used when the likelihood is either unavailable or intractable but where data can be simulated under different parameter settings using a forward model. Despite the recent interest in ABC, high-dimensional data and costly simulations still remain a bottleneck in some applications. There is also no consensus as to how to best assess the performance of such methods without knowing the true posterior. We show how a nonparametric conditional density estimation (CDE) framework, which we refer to as ABC-CDE, help address three nontrivial challenges in ABC: (i) how to efficiently estimate the posterior distribution with limited simulations and different types of data, (ii) how to tune and compare the performance of ABC and related methods in estimating the posterior itself, rather than just certain properties of the density, and (iii) how to efficiently choose among a large set of summary statistics based on a CDE surrogate loss. We provide theoretical and empirical evidence that justify ABC-CDE procedures that directly estimate and assess the posterior based on an initial ABC sample, and we describe settings where standard ABC and regression-based approaches are inadequate.

O georreferenciamento aéreo de áreas urbanas usando VANTs tem possibilitado o que chamamos de MoT – Maps of Things. Assim, o uso de mapeamentos das diversas variáveis do município tornou-se uma ferramenta fundamental para a otimização da Gestão Pública. De forma concomitante, a Agenda 2030 da ONU, que é um plano de ação que procura fortalecer a sustentabilidade universal também foi utilizada neste estudo Assim, este é um estudo de caso sobre o uso de Drones, Geoprocessamento, Geoestatística, MoT e Data Science como ferramentas fundamentais para Políticas Públicas e Desenvolvimento Sustentável dos municípios brasileiros. Através deste estudo, o município de Carlos Chagas – MG fez progressos significativos em todos os setores da atual gestão, tornando-se o primeiro município com menos de 20 mil habitantes mais próximo dos 17 Objetivos de Desenvolvimento Sustentável da Agenda da ONU 2030.