Os materiais formados pelos elementos do grupo 13 e 14 da tabela periódica são de grande importância na construção de componentes eletrônicos como diodos e transistores. Por meio da deposição por vapor químico, quantidades controladas de átomos (boro, por exemplo) são introduzidas para modificar a estrutura eletrônica de aglomerados formados por outros elementos (o silício, por exemplo). Neste trabalho, foram realizados estudos para os aglomerados NnMm (N,M = Si, Ge, B, Al, Ga), com n + m ? 4, utilizando o método da teoria da perturbação de Møller-Plesset em segunda ordem (MP2), o método coupled cluster com excitações simples e duplas e triplas conectadas (CCSD(T)) e o método B3LYP baseado na teoria do funcional da densidade com os conjuntos de base cc-pVTZ e cc-pVQZ. Os resultados CCSD(T) foram extrapolados para o limite do conjunto de base completo (CBS, do inglês complete basis set). Os resultados CCSD(T)/CBS estão de acordo com os valores experimentais encontrados. Vários aglomerados foram estudados pela primeira vez. Para os aglomerados contendo apenas alumínio, verificou-se um caráter multiconfiguracional moderado, enquanto os funcionais com maior porcentagem de correlação Hartree-Fock apresentaram bom desempenho comparados aos valores CCSD(T)/CBS e em concordância com os resultados experimentais existentes.

Researchers of different fields often need to learn and represent phenomena through relationships between variables and use them to predict the phenomena behavior under uncertain conditions. However, choosing the "best" model in a modeling exercise is always an arduous task, yet because of the various uncertainties associated with the modeling process.A way of obtaining a better prediction than it would be provided by a single model may be by combining a number of different model structures. Each model is adopted at a given observation with a probability that depends on the values of the explanatory variables for that observation. This is the logic under the mixture-of-experts model (MEM).The general MEM framework specifies that a prediction is made up of a series of predictions from separate models, or experts, each of them weighted by a quantity determined by a so called gating function.However, when building a MEM, many important decisions ought to be made, such as determining the number of clusters in to which the global data is to be sectioned and the clustering method to be adopted; the nature of the gating function applied; the criteria employed to elect the experts and the data set selected for performing validation, for example. Depending on how these decisions are made, different mixtures might be formed, providing different results.In the present study, we investigated the way such decisions affect the performance of the MEM, when this technique employs statistical models, applied to regression problems. The problem under analysis consists of estimating the municipal gross domestic product for the Brazilian states of Pará and Maranhão, as functions of municipal macroeconomic and demographic variables.

A estimação de funções a partir de um conjunto limitado de amostras é um problema central em estatística aplicada. Um grande número de abordagens para tratar esse problema foi proposto como os métodos dos mínimos quadrados por Gauss e de mínimo módulo por Laplace, no século XIX e, mais recentemente, o uso de redes neurais, de support vector machines e de composição de especialistas, dentre outros. Neste trabalho abordou-se os assuntos composição de especialistas locais e otimização na formação de agrupamentos, que engloba análise exploratória, mineração de dados e modelagem em uma única técnica, útil, por exemplo, na criação de modelos de previsão. A idéia básica da composição de especialistas locais é particionar o espaço de entrada em diferentes regiões e em cada região são feitos testes de desempenho, com diferentes especialistas, denominados especialistas locais, com o intuito de selecionar o especialista mais adequado. Propôs-se, então, a otimização na formação dos agrupamentos, que consiste na integração das etapas de formação de agrupamentos e de designação dos especialistas, como uma forma de melhorar a qualidade dos ajustes dos modelos e das previsões realizadas. Apresentou-se, posteriormente, dois estudos de caso da abordagem de composição de especialistas e da otimização na formação dos agrupamentos para a previsão de receita líquida, das empresas de transporte aéreo e para a previsão da taxa de inflação anual (IPC) apurada pela FIPE (Fundação Instituto de Pesquisas Econômicas).

Este trabalho aborda o problema de classificação de padrões, analisando soluções aplicáveis a sinais radar, no campo da Guerra Eletrônica. Buscando discriminar assinaturas de radar, a partir da análise de seus sinais distribuídos nas amostras, o foco desse trabalho se concentra na classificação não-supervisionada de padrões. Dentre o vasto ferramental da Inteligência Artificial capaz de executar tarefas dessa natureza, optou-se pela utilização dos algoritmos de clusterização, tipicamente empregados em atividades de Data Mining. Experimentos iniciais, utilizando as implementações dos algoritmos Simple K-Means e Expectation-Maximization (E-M), constantes do Framework WEKA, foram realizados sobre um conjunto de sinais radar produzido computacionalmente, a partir de valores nominais dos parâmetros descritores dos tipos de radares encontrados na literatura. Além desses valores intrínsecos, outros parâmetros foram agregados para simular a cinemática de missões de Reconhecimento Eletrônico, comumente encontrados nos registros dos sinais coletados. Tendo em vista o caráter não determinístico dos algoritmos, optou-se pela submissão dos resultados obtidos com o algoritmo E-M - eleito como mais aplicável - a um conjunto de regras heurísticas implementadas por um sistema especialista, desenvolvido a partir do framework JESS. Esse refinamento proporcionou altos índices de melhoria que validaram a metodologia considerada.

Segmentação de mercado é um elemento de marketing essencial em países industrializados, visto que, para se produzir e vender um determinado bem, é preciso considerar as necessidades dos consumidores e reconhecer a heterogeneidade presente nessas necessidades. Segmentação de mercado consiste na tarefa de agrupar consumidores, para a qual uma grande variedade de métodos está disponível, sendo que os métodos de geração de agrupamentos estão dentre os mais utilizados. Uma grande questão na utilização dos métodos de geração de agrupamentos é a determinação do número ideal de agrupamentos. A segmentação de mercado e o posicionamento de produto são diretamente relacionados, uma vez que os compradores e vendedores buscam a acomodação mútua da oferta de produto/serviço que melhor satisfaça os objetivos de preferência dos consumidores e retorno das firmas. Existem diferentes modelos na literatura de design de engenharia, marketing e economia para lidar com o problema de posicionamento e design de produtos e linhas de produtos, e essas várias perspectivas de modelagem utilizam termos em comum que algumas vezes são usados com ambigüidade por diferentes autores. Os objetivos deste trabalho são estudar modelos de segmentação de mercado e posicionamento de produtos e, também, propor um novo método matemático de geração de agrupamentos. No método proposto, o número de agrupamentos é determinado automaticamente, sem necessitar nenhuma avaliação subjetiva do pesquisador. Como ilustração, aplicou-se o método de segmentação proposto, a partir de utilidades obtidas por análise conjunta, a uma categoria de veículos de passeio a fim de segmentar o mercado e determinar os perfis ótimos de novos produtos. Após a obtenção dos modelos de preferências individuais, os consumidores foram agrupados em função de semelhantes preferências e os perfis ótimos de novos produtos foram determinados utilizando três diferentes métodos: o método k-médias, o método proposto e o método de segmentação passo a passo. Após a determinação dos perfis ótimos de novos produtos, suas estimativas de fatia de mercado foram obtidas. O método proposto de geração de agrupamentos se mostrou interessante por não necessitar nenhum critério subjetivo para determinar o número ideal de agrupamentos e também por demandar menos esforço por parte do analista do que outros métodos tradicionais. Outra característica apresentada pelo método foi a tendência a privilegiar a homogeneidade interna ao agrupar observações. O método proposto apresenta como ponto fraco o fato de ser um problema de otimização combinatória, fazendo com que sua resolução usando programação inteira se torne ineficiente e inviável para grandes problemas.

Esta pesquisa aborda o desenvolvimento de um Método para a Verificação de Dados Climatológicos -- VEDALOGIC, que se utiliza de modelos criados com algoritmos de Mineração de Dados. Este método utiliza modelos de clustering para a determinação de grupos homogêneos em um Banco de Dados Climatológicos (BDC). A partir desses grupos pode-se detectar dados suspeitos. Após a detecção de um dado suspeito, este será predito, baseado em um modelo de árvore de decisão gerado a partir de uma série histórica de dados. Em seguida, compara-se o valor predito com o valor do dado suspeito e caso haja uma diferença superior a 4%, o dado suspeito é considerado como um ruído. Uma vez detectado um ruído, uma mensagem é gerada contendo: o campo com o dado ruidoso; o intervalo de valores esperados; e uma sugestão para o ajuste com um valor pontual. A partir de alguns experimentos realizados, constatou-se que os ajustes baseados nas informações fornecidas pelo VEDALOGIC, contribuirão para o aumento da qualidade e da confiabilidade dos dados contidos no BDC. Para a construção dos modelos utilizados no VEDALOGIC, utilizou-se os algoritmos EM e K-means para gerar os modelos de clustering e os algoritmos M5P e REPTree para gerar os modelos de árvore de decisão. Para a verificação do método proposto, inseriu-se ruídos no BDC. Após aplicar o VEDALOGIC o resultado mais significativo foi a detecção de todos os ruídos inseridos e que os valores sugeridos para correção atingiram uma média de precisão acima de 97%.

O presente texto discorre sobre o método da mistura de gaussianas aplicado à formação de agrupamentos (clusters) de observações a partir de um conjunto maior de dados. Trata-se de um problema sem solução analítica e, assim, utiliza-se o algoritmo EM (Expectation Maximization) para encontrar soluções por meio de dois procedimentos: inicializações aleatórias e pré-estimativas via métodos hierárquicos de formação de clusters. Conclui-se que a segunda opção é robusta quando se utiliza o método de Ward, enquanto que a primeira também propicia bons resultados, mas que são raros dentre muitas soluções ruins ou pontos de singularidade. Apresenta-se também um exemplo dos métodos estudados com dados reais de empresas brasileiras para ilustrar e complementar o trabalho.

Este trabalho consiste em estabelecer uma nova metodologia para determinação da hora pico de passageiros para os aeroportos brasileiros. Considera-se, primeiramente, uma análise de conglomerados, agrupando-se os aeroportos pelas similaridades do movimento anual de passageiros, capacidade anual do terminal de passageiros, movimento anual de passageiros em conexão, movimentos anual de passageiros internacionais e eph (Equivalent Peak Hour) registrados no ano de 2011. Esses clusters de aeroportos foram estabelecidos pelo métodos Ward e K-médias. Em seguida propõe-se uma metodologia de estimativa da hora pico partindo-se do cálculo do coeficiente de variação dos movimentos de passageiros, hora a hora, dos últimos sete anos de forma a identificar em que momento ocorre a estabilidade nesses movimentos. Tal nível de estabilidade representa nessa proposta a estimativa de hora pico que servirá como variável exógena para um modelo de regressão linear que determinará o movimento de passageiros na hora pico como uma função das variáveis explicativas que foram utilizadas para a determinação dos clusters.

Uma análise espaço-temporal da leishmaniose visceral americana (LVA) humana no município de Bauru foi conduzida baseada em 239 casos diagnosticados entre junho de 2003 a outubro de 2008. O georreferenciamento, tomando como unidade os setores censitários, foi realizado a partir de informações cedidas pela Secretaria de Saúde de Bauru a respeito do endereço residencial dos pacientes acometidos pela enfermidade. A análise da distribuição espacial da doença demonstrou que os casos ocorreram especialmente na área urbana do município. As incidências cumulativas anuais de LVA, considerando os casos adotados por ano e as respectivas projeções populacionais, foram calculadas, evidenciando que a taxa mais elevada foi observada em 2006. Tal fato foi confirmado pelo delineamento da série histórica, que também derivou o cálculo da tendência, demonstrando que esta foi positiva durante o período analisado. O índice sazonal obtido foi confrontado com dados referentes às médias mensais de precipitação pluviométrica e temperatura do município, o que nos permitiu inferir que meses que obtiveram índices com valores superiores a um, eram, de maneira geral, precedidos por períodos chuvosos. A variável temperatura, por sua vez, apesar de provavelmente estar relacionada à ocorrência da enfermidade na região, aparentemente não exerceu influência na sazonalidade da doença por se apresentar sem oscilações importantes no período. A análise de clusters, utilizando o método estatístico espaço-temporal scan, detectou um provável aglomerado localizado nas regiões sudoeste e central do município no ano de 2006. Uma análise descritiva univariada, comparando setores censitários que apresentaram LVA com relação aos que não relataram casos da doença, foi conduzida. Apesar da diferença significativa observada entre os dois grupos, novos estudos são necessários para se confirmar a hipótese de que variáveis socioeconômicas são prováveis fatores de risco para a infecção na região. / A space-time analysis of human American visceral leishmaniasis (AVL) was carried out based on 239 cases diagnosed from June 2003 through October 2008. The georeferencing, taking the census tracts as units, was performed according to information supplied by the Bauru Health Department about AVL patient addresses. The disease spatial analysis showed that cases occurred specially at the urban area of the city. AVL annual incidence rates, considering adopted cases per year and the respective projected population, were calculated, demonstrating that the highest rate was observed in 2006. It was confirmed by the time series analysis, which also resulted the tendency calculation, showing that it was positive during the analyzed moment. The obtained seasonal indices were confronted with data about the citys average rainfall and temperature, which allowed us to infer that months with indices higher than one, were, generally, preceded by rainy periods. The temperature, on the other hand, although is probably related to the infection occurrence at the region, seemingly did not exert influence on the disease seasonality because it was presented without important fluctuations in the period. The cluster analysis, using scan space-time statistics, detected a most likely cluster located in the Southwest and Central city side in 2006. A univariate descriptive analysis, comparing census tracts that presented AVL with those that did not report case disease, was carried out. Although the significant difference observed between both groups, new researchers are needed to confirm the hypothesis that socioeconomic variables were likely infection risk factors in the region.

Uma análise espaço-temporal da leishmaniose visceral americana (LVA) humana no município de Bauru foi conduzida baseada em 239 casos diagnosticados entre junho de 2003 a outubro de 2008. O georreferenciamento, tomando como unidade os setores censitários, foi realizado a partir de informações cedidas pela Secretaria de Saúde de Bauru a respeito do endereço residencial dos pacientes acometidos pela enfermidade. A análise da distribuição espacial da doença demonstrou que os casos ocorreram especialmente na área urbana do município. As incidências cumulativas anuais de LVA, considerando os casos adotados por ano e as respectivas projeções populacionais, foram calculadas, evidenciando que a taxa mais elevada foi observada em 2006. Tal fato foi confirmado pelo delineamento da série histórica, que também derivou o cálculo da tendência, demonstrando que esta foi positiva durante o período analisado. O índice sazonal obtido foi confrontado com dados referentes às médias mensais de precipitação pluviométrica e temperatura do município, o que nos permitiu inferir que meses que obtiveram índices com valores superiores a um, eram, de maneira geral, precedidos por períodos chuvosos. A variável temperatura, por sua vez, apesar de provavelmente estar relacionada à ocorrência da enfermidade na região, aparentemente não exerceu influência na sazonalidade da doença por se apresentar sem oscilações importantes no período. A análise de clusters, utilizando o método estatístico espaço-temporal scan, detectou um provável aglomerado localizado nas regiões sudoeste e central do município no ano de 2006. Uma análise descritiva univariada, comparando setores censitários que apresentaram LVA com relação aos que não relataram casos da doença, foi conduzida. Apesar da diferença significativa observada entre os dois grupos, novos estudos são necessários para se confirmar a hipótese de que variáveis socioeconômicas são prováveis fatores de risco para a infecção na região. / A space-time analysis of human American visceral leishmaniasis (AVL) was carried out based on 239 cases diagnosed from June 2003 through October 2008. The georeferencing, taking the census tracts as units, was performed according to information supplied by the Bauru Health Department about AVL patient addresses. The disease spatial analysis showed that cases occurred specially at the urban area of the city. AVL annual incidence rates, considering adopted cases per year and the respective projected population, were calculated, demonstrating that the highest rate was observed in 2006. It was confirmed by the time series analysis, which also resulted the tendency calculation, showing that it was positive during the analyzed moment. The obtained seasonal indices were confronted with data about the citys average rainfall and temperature, which allowed us to infer that months with indices higher than one, were, generally, preceded by rainy periods. The temperature, on the other hand, although is probably related to the infection occurrence at the region, seemingly did not exert influence on the disease seasonality because it was presented without important fluctuations in the period. The cluster analysis, using scan space-time statistics, detected a most likely cluster located in the Southwest and Central city side in 2006. A univariate descriptive analysis, comparing census tracts that presented AVL with those that did not report case disease, was carried out. Although the significant difference observed between both groups, new researchers are needed to confirm the hypothesis that socioeconomic variables were likely infection risk factors in the region.