Aplicações de processos estocásticos a dinâmicas sociais constituem tema de grande relevância nos últimos anos. Especialmente desafiadores são os modelos de opinião com confiança limitada dada a sua falta de linearidade. Com isso, simulações e resultados numéricos possuem elevada importância. Neste trabalho, focamos em dois dos principais modelos de confiança limitada, nomeadamente os modelos de Hegselmann-Krause e de Deffuant-Weisbuch. Em ambos os casos, e necessário que a diferença de opiniões entre dois dados agentes seja menor que o limite de confiança, parâmetro do modelo. Porém, enquanto no modelo de Hegselmann-Krause a interação a cada etapa se dá entre todos os agentes vizinhos entre si, no modelo de Deffuant-Weisbuch a interação ocorre entre apenas dois agentes por vez. Apresentamos aqui uma revisão da literatura associada ao tema, incluindo resultados numéricos e analíticos sobre o comportamento de ambos os modelos, principalmente no tocante a convergência e condições em que se estabelecem o consenso ou a fragmentação de opiniões. / Applications of stochastic processes to social dynamics constitute a prominent research field of the last years. Especially challenging are opinion models with bounded confidence, given their lack of linearity. Thus, simulations and numerical results are highly important. In this work, we focus on two of the main bounded confidence models, namely Hegelsemann-Krause and Deffuant-Weisbuch models. In both cases, it is necessary that the difference between two agents\' opinions is less than the confidence bound, a parameter of the model. However, while at the Hegselmann-Krause model the interaction at each step occurs among all neighboring agents, at the Deffuant-Weisbuch model the interaction happens between only two agents each time. We present here a review of the literature concerned to the subject, including numerical and analytical results about the behavior of both models, mainly those related to convergence and conditions under which consensus or fragmentation take place.

Aplicações de processos estocásticos a dinâmicas sociais constituem tema de grande relevância nos últimos anos. Especialmente desafiadores são os modelos de opinião com confiança limitada dada a sua falta de linearidade. Com isso, simulações e resultados numéricos possuem elevada importância. Neste trabalho, focamos em dois dos principais modelos de confiança limitada, nomeadamente os modelos de Hegselmann-Krause e de Deffuant-Weisbuch. Em ambos os casos, e necessário que a diferença de opiniões entre dois dados agentes seja menor que o limite de confiança, parâmetro do modelo. Porém, enquanto no modelo de Hegselmann-Krause a interação a cada etapa se dá entre todos os agentes vizinhos entre si, no modelo de Deffuant-Weisbuch a interação ocorre entre apenas dois agentes por vez. Apresentamos aqui uma revisão da literatura associada ao tema, incluindo resultados numéricos e analíticos sobre o comportamento de ambos os modelos, principalmente no tocante a convergência e condições em que se estabelecem o consenso ou a fragmentação de opiniões. / Applications of stochastic processes to social dynamics constitute a prominent research field of the last years. Especially challenging are opinion models with bounded confidence, given their lack of linearity. Thus, simulations and numerical results are highly important. In this work, we focus on two of the main bounded confidence models, namely Hegelsemann-Krause and Deffuant-Weisbuch models. In both cases, it is necessary that the difference between two agents\' opinions is less than the confidence bound, a parameter of the model. However, while at the Hegselmann-Krause model the interaction at each step occurs among all neighboring agents, at the Deffuant-Weisbuch model the interaction happens between only two agents each time. We present here a review of the literature concerned to the subject, including numerical and analytical results about the behavior of both models, mainly those related to convergence and conditions under which consensus or fragmentation take place.