Made available in DSpace on 2015-05-08T14:53:25Z (GMT). No. of bitstreams: 1 ArquivoTotalJoseAlmeida.pdf: 1891145 bytes, checksum: 15212c0ee3aea31416abaeb33cac710c (MD5) Previous issue date: 2013-08-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The research project studied, aimed to apply a forward search algorithm to aid decision making in multivariate statistical process control in the manufacture of crates in a company of plastic products. Besides, the use of principal components analysis (PCA) and the Hotelling T square chart can summarize relevant information of this process. Thus, they were produced two results of considerable importance: the scores of the principal components and an adapted Hotelling T square chart, highlighting the relationship between the ten variables analyzed. The forward search algorithm detects discordant points of the data clustering rest that, when are too far away or have very different characteristics, are called outliers. The BACON algorithm was used for the detection of such occurrences, which part of a small subset demonstrably free of the original data outliers and it goes adding new information, which is not outliers, to this initial subset until no information can more be absorbed. One of the advantages of using this algorithm is that it combats the masking and swamping phenomena that alter the mean and covariance estimates. The research results showed that, for the dataset studied, the BACON algorithm did not detected no dissenting point. A simulation was then developed, using a uniform distribution by obtaining random numbers within a range for modifying the mean and standard deviation values, in order to show that this method is effective in detecting these outliers. For this simulation, they were randomly changed 5% of the mean and the standard deviation values of the original data. The result of this simulation showed that the BACON algorithm is perfectly applicable to this case study, being indicated its use in other processes that simultaneously depend on several variables. / O projeto de pesquisa estudado teve o objetivo de aplicar um algoritmo de busca sucessiva para o auxílio à tomada de decisão no controle estatístico do processo multivariado, na fabricação de garrafeiras em uma empresa de produtos plásticos. Além disso, a utilização das técnicas de análise de componentes principais (ACP) e da carta T² de Hotelling pode sumarizar parte das informações relevantes desse processo. Produziram-se então dois resultados de considerável importância: os escores dos componentes principais e um gráfico T² de Hotelling adaptado, evidenciando a relação entre as dez variáveis analisadas. O algoritmo de busca sucessiva detecta pontos discordantes do restante do agrupamento de dados que, quando se encontram muito distantes ou têm características muito diferentes, são denominados outliers. O algoritmo BACON foi utilizado para a detecção de tais ocorrências, o qual parte de um pequeno subconjunto, comprovadamente livre de outliers, dos dados originais e vai adicionando novas informações, que também não são outliers, a esse subconjunto inicial até que nenhuma informação possa mais ser absorvida. Uma das vantagens da utilização desse algoritmo é que ele combate os fenômenos do mascaramento e do esmagamento que alteram as estimativas da média e da covariância. Os resultados da pesquisa mostraram que, para a o conjunto de dados estudados, o algoritmo BACON não detectou nenhum ponto discordante. Uma simulação foi então desenvolvida, utilizando uma distribuição uniforme através da obtenção de números aleatórios dentro de um intervalo para a modificação dos valores da média e do desvio-padrão, a fim de mostrar que tal método é eficaz na detecção desses pontos aberrantes. Para essa simulação, foram alterados aleatoriamente os valores da média e do desvio-padrão de 5% dos dados originais. O resultado dessa simulação mostrou que o algoritmo BACON é perfeitamente aplicável ao caso estudado, sendo indicada a sua utilização em outros processos produtivos que dependam simultaneamente de diversas variáveis.

Orientador: Carlos Roberto Minussi / Resumo: Esta pesquisa é dedicada ao desenvolvimento de uma metodologia para a realização do diagnóstico de distúrbios de tensão de sistemas de distribuição de energia elétrica, baseada no uso de sistemas imunológicos artificiais (SIA). Trata-se da proposição de um novo paradigma no ambiente dos SIA que confere o aprendizado de modo contínuo (plasticidade). Esta concepção permite compor um sistema de diagnóstico apto a aprender continuamente, contemplando novos tipos de distúrbios advindos da constante evolução do setor elétrico, sem a necessidade de reiniciar o processo de aprendizado. Neste contexto, empregam-se dois algoritmos imunológicos artificiais, sendo o algoritmo de seleção negativa, responsável pelo processo de reconhecimento de padrões, e o algoritmo de seleção clonal responsável pelo processo de aprendizado. A principal aplicação deste novo método é auxiliar na operação do sistema durante distúrbios, bem como, supervisionar o sistema de proteção, e estar apto a acompanhar a evolução dos sistemas elétricos adquirindo conhecimento continuamente. Para avaliar a eficácia e o desempenho deste novo método foram realizadas simulações de distúrbios de tensão em sistemas de distribuições de energia elétrica com 5, 33, 84 e 134 barras, no software ATP/EMTP. Os resultados obtidos com esta abordagem mostram robustez e eficiência quando comparados à literatura. / Doutor

Made available in DSpace on 2014-12-17T14:52:43Z (GMT). No. of bitstreams: 1 AnaCGS.pdf: 4192359 bytes, checksum: 28eb36354363672f88a28074f9df8b42 (MD5) Previous issue date: 2008-12-23 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Telecommunications play a key role in contemporary society. However, as new technologies are put into the market, it also grows the demanding for new products and services that depend on the offered infrastructure, making the problems of planning telecommunications networks, despite the advances in technology, increasingly larger and complex. However, many of these problems can be formulated as models of combinatorial optimization, and the use of heuristic algorithms can help solving these issues in the planning phase. In this project it was developed two pure metaheuristic implementations Genetic algorithm (GA) and Memetic Algorithm (MA) plus a third hybrid implementation Memetic Algorithm with Vocabulary Building (MA+VB) for a problem in telecommunications that is known in the literature as Problem SONET Ring Assignment Problem or SRAP. The SRAP arises during the planning stage of the physical network and it consists in the selection of connections between a number of locations (customers) in order to meet a series of restrictions on the lowest possible cost. This problem is NP-hard, so efficient exact algorithms (in polynomial complexity ) are not known and may, indeed, even exist / As telecomunica??es desempenham um papel fundamental na sociedade contempor?nea. Mas ? medida que novas tecnologias s?o introduzidas ao mercado, cresce tamb?m a demanda por novos produtos e servi?os que dependem da infra-estrutura oferecida, tornando os problemas de planejamento de redes de telecomunica??es, apesar da evolu??o tecnol?gica, cada vez maiores e complexos. No entanto, muitos desses problemas podem ser formulados como modelos de otimiza??o combinat?ria, e o uso de algoritmos heur?sticos podem ajudar a solucionar essas quest?es da fase de planejamento. Neste trabalho, foram desenvolvidas duas implementa??es metaheur?sticas puras Algoritmo Gen?tico (AG) e Algoritmo Mem?tico (AM) al?m de uma terceira implementa??o h?brida Algoritmo Mem?tico com Vocabulary Building (AM+VB) para um problema de telecomunica??es que ? conhecido na literatura por Problema de Atribui??o de Localidades a An?is SONET ou SRAP (do ingl?s, SONET Ring Assignment Problem). O SRAP surge durante a etapa do planejamento f?sico da rede e consiste na determina??o das conex?es entre um conjunto de localidades (clientes), de modo a satisfazer uma s?rie de restri??es ao menor custo poss?vel. Esse problema ? NP-dif?cil e portanto algoritmos exatos eficientes (de complexidade polinomial) n?o s?o conhecidos, podendo, inclusive, nem existir

Made available in DSpace on 2014-12-17T14:56:06Z (GMT). No. of bitstreams: 1 SinaraRM_DISSERT.pdf: 1037040 bytes, checksum: 9dd71f16b45358e60b8b82862adaafc6 (MD5) Previous issue date: 2012-08-15 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / This paper presents an evaluative study about the effects of using a machine learning technique on the main features of a self-organizing and multiobjective genetic algorithm (GA). A typical GA can be seen as a search technique which is usually applied in problems involving no polynomial complexity. Originally, these algorithms were designed to create methods that seek acceptable solutions to problems where the global optimum is inaccessible or difficult to obtain. At first, the GAs considered only one evaluation function and a single objective optimization. Today, however, implementations that consider several optimization objectives simultaneously (multiobjective algorithms) are common, besides allowing the change of many components of the algorithm dynamically (self-organizing algorithms). At the same time, they are also common combinations of GAs with machine learning techniques to improve some of its characteristics of performance and use. In this work, a GA with a machine learning technique was analyzed and applied in a antenna design. We used a variant of bicubic interpolation technique, called 2D Spline, as machine learning technique to estimate the behavior of a dynamic fitness function, based on the knowledge obtained from a set of laboratory experiments. This fitness function is also called evaluation function and, it is responsible for determining the fitness degree of a candidate solution (individual), in relation to others in the same population. The algorithm can be applied in many areas, including in the field of telecommunications, as projects of antennas and frequency selective surfaces. In this particular work, the presented algorithm was developed to optimize the design of a microstrip antenna, usually used in wireless communication systems for application in Ultra-Wideband (UWB). The algorithm allowed the optimization of two variables of geometry antenna - the length (Ls) and width (Ws) a slit in the ground plane with respect to three objectives: radiated signal bandwidth, return loss and central frequency deviation. These two dimensions (Ws and Ls) are used as variables in three different interpolation functions, one Spline for each optimization objective, to compose a multiobjective and aggregate fitness function. The final result proposed by the algorithm was compared with the simulation program result and the measured result of a physical prototype of the antenna built in the laboratory. In the present study, the algorithm was analyzed with respect to their success degree in relation to four important characteristics of a self-organizing multiobjective GA: performance, flexibility, scalability and accuracy. At the end of the study, it was observed a time increase in algorithm execution in comparison to a common GA, due to the time required for the machine learning process. On the plus side, we notice a sensitive gain with respect to flexibility and accuracy of results, and a prosperous path that indicates directions to the algorithm to allow the optimization problems with "η" variables / Este trabalho apresenta um estudo avaliativo dos efeitos da utiliza??o de uma t?cnica de aprendizado de m?quina nas caracter?sticas principais de um algoritmo gen?tico (GA) multiobjetivo e auto-organiz?vel. Um GA t?pico pode ser visto como uma t?cnica de busca que ? normalmente aplicada em problemas que envolvem complexidade n?o polinomial. Originalmente, estes algoritmos foram idealizados para criar m?todos que buscam solu??es aceit?veis para problemas em que os ?timos globais s?o inacess?veis ou s?o de dif?cil obten??o. A princ?pio, os GAs consideravam apenas uma fun??o de avalia??o e um ?nico objetivo de otimiza??o. Hoje, entretanto, s?o comuns as implementa??es que consideram diversos objetivos de otimiza??o simultaneamente (algoritmos multiobjetivos), al?m de permitir a altera??o de diversos componentes do algoritmo dinamicamente (algoritmos autoorganiz?veis). Ao mesmo tempo, s?o comuns tamb?m as combina??es dos GAs com t?cnicas de aprendizado de m?quina para melhorar algumas de suas caracter?sticas de desempenho e utiliza??o. Neste trabalho, um GA com recursos de aprendizado de m?quina foi analisado e aplicado em um projeto de antena. Utilizou-se uma t?cnica variante de interpola??o bic?bica, denominada Spline 2D, como t?cnica de aprendizado de m?quina para estimar o comportamento de uma fun??o de fitness din?mica, a partir do conhecimento obtido de um conjunto de experimentos realizados em laborat?rio. Esta fun??o de fitness ? tamb?m denominada de fun??o de avalia??o e ? respons?vel pela determina??o do grau de aptid?o de uma solu??o candidata (indiv?duo) em rela??o ?s demais de uma mesma popula??o. O algoritmo pode ser aplicado em diversas ?reas, inclusive no dom?nio das telecomunica??es, como nos projetos de antenas e de superf?cies seletivas de frequ?ncia. Neste trabalho em particular, o algoritmo apresentado foi desenvolvido para otimizar o projeto de uma antena de microfita, comumente utilizada em sistemas de comunica??o sem fio e projetada para aplica??o em sistemas de banda ultra larga (Ultra-Wideband - UWB). O algoritmo permitiu a otimiza??o de duas vari?veis da geometria da antena - o Comprimento (Ls) e a Largura (Ws) de uma fenda no plano de terra com rela??o a tr?s objetivos: largura de banda do sinal irradiado, perda de retorno e desvio da frequ?ncia central. As duas dimens?es (Ls e Ws) s?o usadas como vari?veis em tr?s distintas fun??es de interpola??o, sendo uma Spline para cada objetivo da otimiza??o, para compor uma fun??o de fitness agregada e multiobjetiva. O resultado final proposto pelo algoritmo foi comparado com o resultado obtido de um programa simulador e com o resultado medido de um prot?tipo f?sico da antena constru?da em laborat?rio. No estudo apresentado, o algoritmo foi analisado com rela??o ao seu grau de sucesso, no que diz respeito a quatro caracter?sticas importantes de um GA multiobjetivo auto-organiz?vel: desempenho, flexibilidade, escalabilidade e exatid?o. Ao final do estudo, observou-se na compila??o do algoritmo um aumento no tempo de execu??o em compara??o a um GA comum, por conta do tempo necess?rio para o processo de aprendizagem. Como ponto positivo, notou-te um ganho sens?vel com rela??o a flexibilidade e a exatid?o dos resultados apresentados, al?m de um caminho pr?spero que indica dire??es para permitir com que o algoritmo permita a otimiza??o de problemas com η vari?veis

Neste trabalho estudamos os homomorfismos entre anéis de polinômios do ponto de vista da teoria de bases de Groebner. Em particular, determinamos o núcleo de um tal homomorfismo e desenvolvemos um método para determinar quando este é sobrejetivo. Estes resultados são então generalizados para anéis quocientes. O estudo de tais homomorfismos nos permite determinar os polinômos minimais de elementos em extensões de corpos, bem como encontrar soluções para um problema de programação inteira. / In this work we study the homomorphisms between polynomial rings as an application of the Groebner basis theory. In particular, we determine generators for the kemel of such a homomorphism and we give a method to determine whether it is onto. We then generalize these results to the case of quocient rings. The study of these homomorphisms allows us to determine mini mal polynomials of elements in field extensions, as well as to find solutions to an integer programming problem.

Este trabalho tem como objetivo principal apresentar uma abordagem clássica e Bayesiana dos modelos lineares com observações censuradas, que é uma nova área de pesquisa com grandes possibilidades de aplicações. Aqui, substituimos o uso convencional da distribuição normal para os erros por uma família de distribuições mais flexíveis, o que nos permite lidar de forma mais adequada com observações censuradas na presença de outliers. Esta família é obtida através de um mecanismo de fácil construção e possui como casos especiais as distribuições t de Student, Pearson tipo VII, slash, normal contaminada e, obviamente, a normal. Para o caso de respostas correlacionadas e censuradas propomos um modelo de regressão linear robusto baseado na distribuição t de Student, desenvolvendo um algoritmo tipo EM que depende dos dois primeiros momentos da distribuição t de Student truncada. / This work aims to present a classical and Bayesian approach to linear models with censored observations, which is a new area of research with great potential for applications. Here, we replace the conventional use of the normal distribution for the errors of a more flexible family of distributions, which deal in more appropriately with censored observations in the presence of outliers. This family is obtained through a mechanism easy to construct and has as special cases the distributions Student t, Pearson type VII, slash, contaminated normal, and obviously normal. For the case of correlated and censored responses we propose a model of robust linear regression based on Student\'s t distribution and we developed an EM type algorithm based on the first two moments of the truncated Student\'s t distribution.

Neste trabalho estudamos os homomorfismos entre anéis de polinômios do ponto de vista da teoria de bases de Groebner. Em particular, determinamos o núcleo de um tal homomorfismo e desenvolvemos um método para determinar quando este é sobrejetivo. Estes resultados são então generalizados para anéis quocientes. O estudo de tais homomorfismos nos permite determinar os polinômos minimais de elementos em extensões de corpos, bem como encontrar soluções para um problema de programação inteira. / In this work we study the homomorphisms between polynomial rings as an application of the Groebner basis theory. In particular, we determine generators for the kemel of such a homomorphism and we give a method to determine whether it is onto. We then generalize these results to the case of quocient rings. The study of these homomorphisms allows us to determine mini mal polynomials of elements in field extensions, as well as to find solutions to an integer programming problem.

Submitted by (ana.araujo@ufrpe.br) on 2016-07-07T12:44:03Z No. of bitstreams: 1 Josimar Mendes de Vasconcelos.pdf: 4725831 bytes, checksum: 716f4b6bc6100003772271db252915b7 (MD5) / Made available in DSpace on 2016-07-07T12:44:03Z (GMT). No. of bitstreams: 1 Josimar Mendes de Vasconcelos.pdf: 4725831 bytes, checksum: 716f4b6bc6100003772271db252915b7 (MD5) Previous issue date: 2011-08-08 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / The last years has increased the quantity of researchers and search scientific in the plantation, production and value of the soybeans in the Brazil, in grain. In front of this, the present dissertation looks for to analyze the data and estimate models that explain, of satisfactory form, the variability observed of the quantity produced and value of the production of soya in grain in the Brazil, in the field of the study. For the development of these analyses is used the classical and Bayesian inference, in the context of simultaneous equations by the tools of indirect square minimum in two practices. In the classical inference uses the estimator of square minima in two practices. In the Bayesian inference worked the method of Mountain Carlo via Chain of Markov with the algorithms of Gibbs and Metropolis-Hastings by means of the technician of simultaneous equations. In the study, consider the variable area harvested, quantity produced, value of the production and gross inner product, in which it adjusted the model with the variable answer quantity produced and afterwards the another variable answer value of the production for finally do the corrections and obtain the final result, in the classical and Bayesian method. Through of the detours normalized, statistics of the proof-t, criteria of information Akaike and Schwarz normalized stands out the good application of the method of Mountain Carlo via Chain of Markov by the algorithm of Gibbs, also is an efficient method in the modelado and of easy implementation in the statistical softwares R & WinBUGS, as they already exist smart libraries to compile the method. Therefore, it suggests work the method of Mountain Carlo via chain of Markov through the method of Gibbs to estimate the production of soya in grain. / Nos últimos anos tem aumentado a quantidade de pesquisadores e pesquisas científicas na plantação, produção e valor de soja no Brasil, em grão. Diante disso, a presente dissertação busca analisar os dados e ajustar modelos que expliquem, de forma satisfatória, a variabilidade observada da quantidade produzida e valor da produção de soja em grão no Brasil, no campo do estudo. Para o desenvolvimento dessas análises é utilizada a inferência clássica e bayesiana, no contexto de equações simultâneas através da ferramenta de mínimos quadrados em dois estágios. Na inferência clássica utiliza-se o estimador de mínimos quadrados em dois estágios. Na inferência bayesiana trabalhou-se o método de Monte Carlo via Cadeia de Markov com os algoritmos de Gibbs e Metropolis-Hastings por meio da técnica de equações simultâneas. No estudo, consideram-se as variáveis área colhida, quantidade produzida, valor da produção e produto interno bruto, no qual ajustou-se o modelo com a variável resposta quantidade produzida e depois a variável resposta valor da produção para finalmente fazer as correções e obter o resultado final, no método clássico e bayesiano. Através, dos desvios padrão, estatística do teste-t, critérios de informação Akaike e Schwarz normalizados destaca-se a boa aplicação do método de Monte Carlo via Cadeia de Markov pelo algoritmo de Gibbs, também é um método eficiente na modelagem e de fácil implementação nos softwares estatísticos R & WinBUGS, pois já existem bibliotecas prontas para compilar o método. Portanto, sugere-se trabalhar o método de Monte Carlo via cadeia de Markov através do método de Gibbs para estimar a produção de soja em grão, no Brasil.

Submitted by Jaqueline Silva (jtas29@gmail.com) on 2014-10-21T18:36:43Z No. of bitstreams: 2 Dissertação - Lauro Cássio Martins de Paula - 2014.pdf: 2690755 bytes, checksum: 3f2c0a7c51abbf9cd88f38ffbe54bb67 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Jaqueline Silva (jtas29@gmail.com) on 2014-10-21T18:37:00Z (GMT) No. of bitstreams: 2 Dissertação - Lauro Cássio Martins de Paula - 2014.pdf: 2690755 bytes, checksum: 3f2c0a7c51abbf9cd88f38ffbe54bb67 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2014-10-21T18:37:00Z (GMT). No. of bitstreams: 2 Dissertação - Lauro Cássio Martins de Paula - 2014.pdf: 2690755 bytes, checksum: 3f2c0a7c51abbf9cd88f38ffbe54bb67 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2014-07-15 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The problem of variable selection is the selection of attributes for a given sample that best contribute to the prediction of the property of interest. Traditional algorithms as Successive Projections Algorithm (APS) have been quite used for variable selection in multivariate calibration problems. Among the bio-inspired algorithms, we note that the Firefly Algorithm (AF) is a newly proposed method with potential application in several real world problems such as variable selection problem. The main drawback of these tasks lies in them computation burden, as they grow with the number of variables available. The recent improvements of Graphics Processing Units (GPU) provides to the algorithms a powerful processing platform. Thus, the use of GPUs often becomes necessary to reduce the computation time of the algorithms. In this context, this work proposes a GPU-based AF (AF-RLM) for variable selection using multiple linear regression models (RLM). Furthermore, we present two APS implementations, one using RLM (APSRLM) and the other sequential regressions (APS-RS). Such implementations are aimed at improving the computational efficiency of the algorithms. The advantages of the parallel implementations are demonstrated in an example involving a large number of variables. In such example, gains of speedup were obtained. Additionally we perform a comparison of AF-RLM with APS-RLM and APS-RS. Based on the results obtained we show that the AF-RLM may be a relevant contribution for the variable selection problem. / O problema de seleção de variáveis consiste na seleção de atributos de uma determinada amostra que melhor contribuem para a predição da propriedade de interesse. O Algoritmo das Projeções Sucessivas (APS) tem sido bastante utilizado para seleção de variáveis em problemas de calibração multivariada. Entre os algoritmos bioinspirados, nota-se que o Algoritmo Fire f ly (AF) é um novo método proposto com potencial de aplicação em vários problemas do mundo real, tais como problemas de seleção de variáveis. A principal desvantagem desses dois algoritmos encontra-se em suas cargas computacionais, conforme seu tamanho aumenta com o número de variáveis. Os avanços recentes das Graphics Processing Units (GPUs) têm fornecido para os algoritmos uma poderosa plataforma de processamento e, com isso, sua utilização torna-se muitas vezes indispensável para a redução do tempo computacional. Nesse contexto, este trabalho propõe uma implementação paralela em GPU de um AF (AF-RLM) para seleção de variáveis usando modelos de Regressão Linear Múltipla (RLM). Além disso, apresenta-se duas implementações do APS, uma utilizando RLM (APS-RLM) e uma outra que utiliza a estratégia de Regressões Sequenciais (APS-RS). Tais implementações visam melhorar a eficiência computacional dos algoritmos. As vantagens das implementações paralelas são demonstradas em um exemplo envolvendo um número relativamente grande de variáveis. Em tal exemplo, ganhos de speedup foram obtidos. Adicionalmente, realiza-se uma comparação do AF-RLM com o APS-RLM e APS-RS. Com base nos resultados obtidos, mostra-se que o AF-RLM pode ser uma contribuição relevante para o problema de seleção de variáveis.

In this thesis we study two probabilistic models defined on graphs: the Stochastic Block model and the Exponential Random Graph. Therefore, this thesis is divided in two parts. In the first part, we introduce the Krichevsky-Trofimov estimator for the number of communities in the Stochastic Block Model and prove its eventual almost sure convergence to the underlying number of communities, without assuming a known upper bound on that quantity. In the second part of this thesis we address the perfect simulation problem for the Exponential random graph model. We propose an algorithm based on the Coupling From The Past algorithm using a Glauber dynamics. This algorithm is efficient in the case of monotone models. We prove that this is the case for a subset of the parametric space. We also propose an algorithm based on the Backward and Forward algorithm that can be applied for monotone and non monotone models. We prove the existence of an upper bound for the expected running time of both algorithms. / Nessa tese estudamos dois modelos probabilísticos definidos em grafos: o modelo estocástico por blocos e o modelo de grafos exponenciais. Dessa forma, essa tese está dividida em duas partes. Na primeira parte nós propomos um estimador penalizado baseado na mistura de Krichevsky-Trofimov para o número de comunidades do modelo estocástico por blocos e provamos sua convergência quase certa sem considerar um limitante conhecido para o número de comunidades. Na segunda parte dessa tese nós abordamos o problema de simulação perfeita para o modelo de grafos aleatórios Exponenciais. Nós propomos um algoritmo de simulação perfeita baseado no algoritmo Coupling From the Past usando a dinâmica de Glauber. Esse algoritmo é eficiente apenas no caso em que o modelo é monotóno e nós provamos que esse é o caso para um subconjunto do espaço paramétrico. Nós também propomos um algoritmo de simulação perfeita baseado no algoritmo Backward and Forward que pode ser aplicado à modelos monótonos e não monótonos. Nós provamos a existência de um limitante superior para o número esperado de passos de ambos os algoritmos.