DSpace Coleção:

Estimação de casos acumulados de dengue em Minas Gerais por meio do modelo Gompertz.

2026-09-23T12:38:15Z

Título: Estimação de casos acumulados de dengue em Minas Gerais por meio do modelo Gompertz. Autor(es): Rocha, Maria Luísa Martins Resumo: A dengue representa um dos principais problemas de saúde pública no Brasil, apresentando elevada incidência e impactos significativos sobre o sistema de saúde. Nesse contexto, a utilização de modelos estatísticos torna-se uma importante ferramenta para compreender o comportamento temporal da doença e auxiliar no planejamento de ações de prevenção e controle. O presente trabalho teve como objetivo ajustar um modelo de regressão não linear de Gompertz aos casos acumulados de dengue registrados em Minas Gerais durante o ano de 2024. Os dados foram obtidos no Departamento de Informática do Sistema Único de Saúde (DATASUS), por meio do Sistema de Informação de Agravos de Notificação (SINAN). Inicialmente, foi realizada uma análise exploratória dos dados e aplicado o coeficiente de correlação de postos de Spearman para avaliar a associação monotônica entre o tempo e os casos acumulados. Em seguida, ajustou-se o modelo de Gompertz utilizando o método dos mínimos quadrados, com estimação dos parâmetros pelo algoritmo iterativo de Gauss-Newton, implementado no software R. Os resultados indicaram excelente ajuste do modelo aos dados observados, apresentando coeficiente de determinação de 99,84%, além de parâmetros estatisticamente significativos (p < 0,001). A curva estimada descreveu adequadamente o crescimento acelerado da epidemia nos primeiros meses do ano, seguido pela desaceleração e estabilização do número de casos acumulados. Dessa forma, conclui-se que o modelo de Gompertz mostrou-se uma alternativa eficiente para descrever a evolução da epidemia de dengue, evidenciando o potencial dos modelos não lineares como ferramenta de apoio à análise epidemiológica e ao planejamento de estratégias de vigilância em saúde.

Predição e otimização para escalação de equipes no Cartola FC por meio de aprendizado de máquina e programação inteira.

2026-08-07T11:31:09Z

Título: Predição e otimização para escalação de equipes no Cartola FC por meio de aprendizado de máquina e programação inteira. Autor(es): Silva, Pablo Vinícius dos Reis e Resumo: O Cartola FC é um jogo de fantasia esportiva no qual os participantes montam equipes de futebol utilizando restrições de orçamento, formação tática e quantidade de atletas por clube, buscando maximizar a pontuação obtida em cada rodada do Campeonato Brasileiro. A elevada variabilidade do desempenho dos jogadores e a grande quantidade de fatores que influenciam as partidas tornam esse processo complexo e frequentemente baseado na experiência e na intuição dos usuários. Nesse contexto, este trabalho propõe uma metodologia para apoiar a tomada de decisão na escalação de equipes por meio da integração de técnicas de aprendizado de máquina e otimização matemática. Inicialmente, foi construída uma base de dados contendo informações históricas dos atletas, a partir da qual foram realizadas etapas de pré-processamento, engenharia de atributos e seleção de variáveis preditoras. Em seguida, foram desenvolvidos e comparados diferentes modelos de aprendizado de máquina, incluindo Random Forest, XGBoost e modelos do tipo \textit{ensemble}, para estimar a pontuação futura dos jogadores. Posteriormente, as previsões obtidas foram incorporadas a um modelo de programação inteira responsável pela seleção automática da equipe ótima, considerando simultaneamente as restrições impostas pelo jogo. Além da avaliação das métricas tradicionais de regressão, foram analisadas a capacidade de ranqueamento dos atletas, diferentes estratégias de escalação, a escolha do capitão e o desempenho das equipes ao longo das 37 rodadas da temporada de 2025. Os resultados mostraram que o modelo XGBoost apresentou o melhor desempenho preditivo entre os algoritmos avaliados, enquanto a estratégia baseada na predição do modelo \textit{ensemble} produziu as equipes com maior pontuação média ao longo da temporada. Observou-se ainda que a utilização das previsões proporcionou desempenho superior às estratégias baseadas apenas na média histórica ou no valor de mercado dos atletas. As análises também evidenciaram que informações relacionadas ao desempenho recente, à consistência e à disponibilidade dos jogadores constituem os principais fatores associados à qualidade das previsões. Conclui-se que a integração entre aprendizado de máquina e programação inteira mostrou-se uma abordagem eficaz para apoiar a tomada de decisão na escalação de equipes do Cartola FC, fornecendo uma metodologia sistemática, quantitativa e reproduzível para um problema caracterizado por múltiplas restrições e elevado grau de incerteza.

Análise estatística do comportamento dos consumidores durante a Black Friday: um estudo de caso da ABC Private Limited.

2026-07-29T11:31:43Z

Título: Análise estatística do comportamento dos consumidores durante a Black Friday: um estudo de caso da ABC Private Limited. Autor(es): Toledo, Isadora Anchises Resumo: O presente trabalho apresenta uma análise estatística do comportamento dos consumidores durante a Black Friday, tomando como estudo de caso a empresa ABC Private Limited. O objetivo foi identificar padrões de compra, fatores determinantes para variações no volume de vendas e características dos consumidores mais ativos no período promocional. Foram utilizados dados históricos de vendas e informações sobre clientes e campanhas. A metodologia incluiu análise descritiva, testes de hipóteses, correlação, modelos preditivos e técnicas de segmentação. Os resultados indicam que o aumento nas vendas está associado a descontos acima de determinado patamar, ao comportamento prévio do consumidor e aos horários de maior tráfego. Determinados grupos de clientes apresentaram resposta mais forte a campanhas personalizadas. As evidências obtidas permitem propor estratégias de otimização para ações promocionais e de comunicação da empresa. Conclui-se que a análise estatística contribui para a compreensão aprofundada do comportamento do consumidor e para a tomada de decisões baseada em dados.

Revisão de literatura sobre o Acordo de Basileia III no Brasil : aplicação estatística no cenário bancário entre os anos de 2016 a 2026.

2026-06-18T10:57:52Z

Título: Revisão de literatura sobre o Acordo de Basileia III no Brasil : aplicação estatística no cenário bancário entre os anos de 2016 a 2026. Autor(es): Moura, Alexandre Nascimento de Resumo: Esta pesquisa realizada no ano de 2026 por meio da Revisão de Literatura teve como objetivo analisar o que tem sido discutido sobre o Acordo de Basileia III no Brasil e sua implicação no cenário financeiro brasileiro nos últimos cinco anos. Foram identificados seis trabalhos nas bases de dados Google Acadêmico e Scientific Electronic Library Online. Foram considerados como critérios de inclusão, trabalhos de conclusão de curso, graduação, mestrado e ou doutorado, trabalhos publicados em Língua Portuguesa em periódicos brasileiros nos últimos cinco anos e em eventos científicos nacionais, que discutem o Acordo de Basileia III no Brasil. Foi constatado que técnicas de Machine Learning e sistemas de alerta precoce podem ser mais eficazes do que os métodos tradicionais na detecção de insolvência e crises de liquidez e que a integração de modelos preditivos otimiza a gestão de crédito e a resiliência bancária contra instabilidades macroeconômicas. Os estudos demonstram a possibilidade crescente para a identificação de padrões complexos que precedem colapsos de mercado e que a liquidez bancária no Brasil é impulsionada por fatores macroeconômicos. Embora ainda não exista uma abordagem definitiva, há a possibilidade crescente para a identificação de padrões complexos que precedem colapsos de mercado.