Apresentamos a teoria sobre mercados de dois lados, centralizados e descentralizados, para analisar o mercado de admissão de estudantes aos Centros de Pós-graduação em Economia no Brasil ao longo dos últimos 15 anos. Iniciamos descrevendo a história da organização deste mercado até a época atual. As falhas do sistema descentralizado e as hipóteses sobre o insucesso do procedimento centralizado de 1997 são discutidas. Observações empíricas são utilizadas para propor um modelo teórico que represente aproximadamente o atual mecanismo descentralizado e explique a aparente duradoura aplicação desse mecanismo. Por fim, tecemos considerações a respeito das possibilidades de aprimoramento deste mercado com modificações do mecanismo existente. / We present the theory of two-sided matching markets, with centralized and decentralized mechanisms, in order to analyze a Brazilian market in which graduated students seek positions in postgraduate programs in economics. We first describe the institutional history of this market. The failures of the decentralized procedure and the hypothesis about the failure of the 1997 centralized mechanism are discussed. Empirical observations are used to propose a theoretical model that represents the actual decentralized matching procedure of the market. Based in this model we explain the apparent long-lasting use of this decentralized mechanism. Finally, we make considerations about the possibilities of developments in this market by modifying the mechanism used today.

Diese Dissertation präsentiert Modelle zur Lösung von Verhandlungsproblemen mit diskreten Strukturen. Hauptgrundlage der Betrachtung ist dabei die Erweiterung und Anwendung von Theorien der kooperativen Spieltheorie. Insbesondere der Shapley-Wert spielt eine wichtige Rolle. Als erste Problemklasse werden kooperative Spiele präsentiert, bei denen einige Spiele feste Auszahlungen erhalten. Als zweite Problemklasse werden kooperative Spiele untersucht, deren Lösungen ausschließlich ganzzahlig sein dürfen.

La colinéarité rend difficile l’utilisation de la régression linéaire pour estimer l’importance des variables dans les études de marché. D’autres approches ont donc été utilisées.Concernant la décomposition de la variance expliquée, une démonstration de l’égalité entre les méthodes lmg-Shapley et celle de Johnson avec deux prédicteurs est proposée. Il a aussi été montré que la méthode de Fabbris est différente des méthodes de Genizi et Johnson et que les CAR scores de deux prédicteurs ne s’égalisent pas lorsque leur corrélation tend vers 1.Une méthode nouvelle, weifila (weighted first last) a été définie et publiée en 2015.L’estimation de l’importance des variables avec les forêts aléatoires a également été analysée et les résultats montrent une bonne prise en compte des non-linéarités.Avec les réseaux bayésiens, la multiplicité des solutions et le recours à des restrictions et choix d’expert militent pour utilisation prudente même si les outils disponibles permettent une aide dans le choix des modèles.Le recours à weifila ou aux forêts aléatoires est recommandé plutôt que lmg-Shapley sans négliger les approches structurelles et les modèles conceptuels.Mots clés :régression, décomposition de la variance, importance, valeur de Shapley, forêts aléatoires, réseaux bayésiens. / AbstractLinear regression is used in Market Research but faces difficulties due to multicollinearity. Other methods have been considered.A demonstration of the equality between lmg-Shapley and and Johnson methods for Variance Decomposition has been proposed. Also this research has shown that the decomposition proposed by Fabbris is not identical to those proposed by Genizi and Johnson, and that the CAR scores of two predictors do not equalize when their correlation tends towards 1. A new method, weifila (weighted first last) has been proposed and published in 2015.Also we have shown that permutation importance using Random Forest enables to take into account non linear relationships and deserves broader usage in Marketing Research.Regarding Bayesian Networks, there are multiple solutions available and expert driven restrictions and decisions support the recommendation to be careful in their usage and presentation, even if they allow to explore possible structures and make simulations.In the end, weifila or random forests are recommended instead of lmg-Shapley knowing that the benefit of structural and conceptual models should not be underestimated.Keywords :Linear regression, Variable Importance, Shapley Value, Random Forests, Bayesian Networks

D’après Cisco, le trafic mobile de données augmentera d’un facteur 7 entre 2016 et 2021. Pour faire face à l’augmentation du trafic, les opérateurs mobile dimensionnent le réseau, ce qui s’accompagne d’une augmentation de sa consommation d’énergie et de son empreinte Carbonne. En outre, les marges financières des opérateurs baissent. Ainsi, le revenu global généré par le secteur des télécommunications a connu une baisse de 4% entre 2014 et 2015 d’après l’union internationale des télécommunications (UIT). Ces préoccupations ont suscité l’intérêt de la communauté scientifique pour la réduction de la consommation électrique des réseaux. Des études dans la littérature estiment l’énergie consommée par les services sur les équipements réseaux en se focalisant sur la consommation variable. La consommation énergétique d’un équipement réseau est composée d’une composante fixe et d’une composante variable. Dans cette thèse, nous partageons la responsabilité des catégories de service dans la consommation fixe du réseau en utilisant la valeur de Shapley. Dans un premier temps, nous considérons un réseau d’accès mobile et partageons la responsabilité des catégories de service qu’il fournit dans la consommation fixe. Nous définissons 5 catégories de service, à savoir, le «Streaming», le Web, le téléchargement, la voix et les autres services de données. En outre, nous traitons le cas de figure où certaines catégories de service sont obligatoires. Etant donné la complexité algorithmique de la valeur de Shapley, nous en proposons une forme approchée qui permet d’en réduire considérablement le temps de calcul. Ensuite, nous considérons le réseau de bout-en-bout, c’est-à-dire, l’accès mobile, l’accès fixe, la collecte, le coeur IP, le coeur mobile, les registres et les plateformes de service. Pour chaque segment, nous partageons la responsabilité des catégories de service dans la consommation fixe en appliquant notre modèle de partage basé sur la valeur de Shapley. L’analyse des résultats montre que le service «Streaming» consomme le plus d’énergie quel que soit le segment de réseau considéré, à l’exception des registres. Pour finir, nous traitons de la modélisation de l’efficacité énergétique des catégories de service. Dans un premier temps, nous calculons l’efficacité énergétique des catégories de service étant donné une station de base avec et sans «sleep mode». Ensuite, nous calculons l’efficacité énergétique des catégories de service étant donné un réseau d’accès mobile et considérant les cas avec et sans catégories de service obligatoires. Aussi étudions-nous les conditions pour ne pas détériorer l’efficacité énergétique du réseau au cours du temps en fonction des scénarios de dimensionnement / Internet traffic is growing exponentially. According to Cisco, mobile data traffic will increase sevenfold between 2016 and 2021, growing at a compound annual growth rate (CAGR) of 47%. In order to improve or keep up with users quality of experience (QoE), mobile carriers upgrade the network with additional equipment. As a consequence, the network carbon footprint increases over time, alongside with its energy consumption. In addition, mobile carriers margins are decreasing. Global telecommunication revenues declined by 4% between 2014 and 2015 based on the international telecommunication union (ITU) figures. These concerns fostered a great interest in the research community for reducing networks energy consumption. In this regard, many works in the literature investigate the energy consumed by services on network equipment for optimization purposes notably, focusing on the variable component of energy consumption. Energy consumption of a network equipment is composed of a variable and a fixed components. The variable component is consumed to serve traffic. The fixed component is consumed irrespective of traffic. In this thesis, our objective is to share the responsibility of service categories in the fixed energy consumption. To do so, we use the Shapley value. First, we consider a radio access network and share the responsibility of the service categories it delivers in the fixed energy consumption. The services are classified into five categories, namely, Streaming, Web, Download, Voice and other data services. In addition, we consider the case when some service categories are mandatory to be provided, such as Voice due to legal constraints for instance. Because the Shapley value has a huge computational complexity, we introduce closed-form expressions in order to significantly reduce it. Next, we consider the end-to-end network and all its segments, that is, the mobile access, the fixed access, the collect, the mobile core, the registers, the IP core and the service platforms. For each segment, we share the responsibility of the service categories in the fixed energy consumption with the Shapley-based model introduced in the preceding chapter. We find that Streaming is the service that consumes the most whatever the network segment, except for registers, as it represents the vast majority of Internet traffic. Eventually, we focus on the service categories energy efficiency. First, we consider a base station and compute the services energy efficiency for the cases with and without sleep mode. Then, we consider a radio access network and compute the services energy efficiency with and without a mandatory player. Moreover, we discuss the conditions to not deteriorate the network energy efficiency over time following different upgrade scenarios

Artificial Intelligence (AI) has emerged as a transformative force in wireless communications, driving innovation to address the complex challenges faced by communication systems. In this context, the optimization of limited radio resources plays a crucial role, and one important aspect is the Modulation and Coding Scheme (MCS) selection. AI solutions for MCS selection have been predominantly characterized as black-box models, which suffer from limited explainability and consequently hinder trust in these algorithms. Moreover, the majority of existing research primarily emphasizes enhancing explainability without concurrently improving the model’s performance which makes performance and explainability a trade-off. This work aims to address these issues by employing eXplainable AI (XAI), particularly counterfactual and causal analysis, to increase the explainability and trustworthiness of black-box models. We propose CounterFactual Retrain (CF-Retrain), the first method that utilizes counterfactual explanations to improve model performance and make the process of performance enhancement more explainable. Additionally, we conduct a causal analysis and compare the results with those obtained from an analysis based on the SHapley Additive exPlanations (SHAP) value feature importance. This comparison leads to the proposal of novel hypotheses and insights for model optimization in future research. Our results show that employing CF-Retrain can reduce the Mean Absolute Error (MAE) of the black-box model by 4% while utilizing only 14% of the training data. Moreover, increasing the amount of training data yields even more pronounced improvements in MAE, providing a certain level of explainability. This performance enhancement is comparable to or even superior to using a more complex model. Furthermore, by introducing causal analysis to the mainstream SHAP value feature importance, we provide a novel hypothesis and explanation of feature importance based on causal analysis. This approach can serve as an evaluation criterion for assessing the model’s performance. / Artificiell intelligens (AI) har dykt upp som en transformativ kraft inom trådlös kommunikation, vilket driver innovation för att möta de komplexa utmaningar som kommunikationssystem står inför. I detta sammanhang spelar optimeringen av begränsade radioresurser en avgörande roll, och en viktig aspekt är valet av Modulation and Coding Scheme (MCS). AI-lösningar för val av modulering och kodningsschema har övervägande karaktäriserats som black-box-modeller, som lider av begränsad tolkningsbarhet och följaktligen hindrar förtroendet för dessa algoritmer. Dessutom betonar majoriteten av befintlig forskning i första hand att förbättra förklaringsbarheten utan att samtidigt förbättra modellens prestanda, vilket gör prestanda och tolkningsbarhet till en kompromiss. Detta arbete syftar till att ta itu med dessa problem genom att använda XAI, särskilt kontrafaktisk och kausal analys, för att öka tolkningsbarheten och pålitligheten hos svarta-box-modeller. Vi föreslår CF-Retrain, den första metoden som använder kontrafaktiska förklaringar för att förbättra modellens prestanda och göra processen med prestandaförbättring mer tolkningsbar. Dessutom gör vi en orsaksanalys och jämför resultaten med de som erhålls från en analys baserad på värdeegenskapens betydelse. Denna jämförelse leder till förslaget av nya hypoteser och insikter för modelloptimering i framtida forskning. Våra resultat visar att användning av CF-Retrain kan minska det genomsnittliga absoluta felet för black-box-modellen med 4% samtidigt som man använder endast 14% av träningsdata. Dessutom ger en ökning av mängden träningsdata ännu mer uttalade förbättringar av Mean Absolute Error (MAE), vilket ger en viss grad av tolkningsbarhet. Denna prestandaförbättring är jämförbar med eller till och med överlägsen att använda en mer komplex modell. Dessutom, genom att introducera kausal analys till de vanliga Shapley-tillsatsförklaringarna värdesätter egenskapens betydelse, ger vi en ny hypotes och tolkning av egenskapens betydelse baserad på kausalanalys. Detta tillvägagångssätt kan fungera som ett utvärderingskriterium för att bedöma modellens prestanda.

[pt] Este trabalho propõe um método para hierarquizar a contribuição de diferentes estratégias para conter a evolução da pandemia de COVID-19 em diferentes estados do Brasil, nos períodos pré- e pós-vacinação. O método proposto incluiu o aprendizado automático de modelos de regressão utilizando o algoritmo de aprendizado de máquina XGBoost, e aplicou a teoria dos jogos cooperativos de Shapley para quantificar a contribuição das características analisadas para a variável-alvo. Para interpretar o modelo globalmente, foi usado o SHapley Additive exPlanations (SHAP), que é um algoritmo baseado na teoria de Shapley. Os resultados de avaliação do método apontaram a sua eficácia para quantificar a contribuição de cada variável de forma robusta, e revelam que os percentuais de cobertura vacinal de primeira e segunda dose, além do fechamento das escolas, foram as medidas que tiveram maior contribuição na evolução do número de casos e óbitos por COVID-19. A ponderação das variáveis pode ajudar os atores responsáveis na elaboração de políticas públicas para minimizar os efeitos socioeconômicos em suas regiões, dado que o Brasil é um país que possui extrema desigualdade social. / [en] This work proposes a method to rank the contribution of different strategies to contain the evolution of the COVID-19 pandemic in different states of Brazil, in the pre- and post-vaccination periods. The proposed method included the automatic learning of regression models using the XGBoost machine learning algorithm, and applied Shapley s cooperative game theory to quantify the contribution of the analyzed characteristics to the target variable. To interpret the model globally, the SHapley Additive exPlanations (SHAP) was used, which is an algorithm based on Shapley s theory. The evaluation results point to its efficacy to quantify the contribution of each variable in a robust way, and reveal that the percentages of first and second dose vaccination coverage, in addition to the closing of schools, were the measures that had the greatest contribution in the evolution of the number of cases and deaths due to COVID-19. The weighting of variables can help the actors responsible in the elaboration of public policies to minimize the socioeconomic effects in their regions, since Brazil is a country that has extreme social inequality.

Streaming services provide different settings where customers can choose a sound and video quality based on personal preference. The majority of users never make an active choice; instead, they get a default quality setting which is chosen automatically for them based on some parameters, like internet connection quality. This thesis explores personalising the default audio setting, intending to improve the user experience. It achieves this by leveraging machine learning trained on the fraction of users that have made active choices in changing the quality setting. The assumption that user similarity in users who make an active choice can be leveraged to impact user experience was the idea behind this thesis work. It was issued to study which type of data from different categories: demographic, product and consumption is most predictive of a user's taste in sound quality. A case study was conducted to achieve the goals for this thesis. Five predictive model prototypes were trained, evaluated, compared and analysed using two different algorithms: XGBoost and Logistic Regression, and targeting two regions: Sweden and Brazil. Feature importance analysis was conducted using SHapley Additive exPlanations(SHAP), a unified framework for interpreting predictions with a game theoretic approach, and by measuring coefficient weights to determine the most predictive features. Besides exploring the feature impact, the thesis also answers how reasonable it is to generalise these models to non-selecting users by performing hypothesis testing. The project also covered bias analysis between users with and without active quality settings and how that affects the models. The models with XGBoost had higher performance. The results showed that demographic and product data had a higher impact on model predictions in both regions. Although, different regions did not have the same data features as most predictive, so there were differences observed in feature importance between regions and also between platforms. The results of hypothesis testing did not indicate a valid reason to consider the models to work for non-selective users. However, the method is negatively affected by other factors such as small changes in big datasets that impact the statistical significance. Data bias in some data features was found, which indicated a correlation but not the causation behind the patterns. The results of this thesis additionally show how machine learning can improve user experience in regards to default sound quality settings, by leveraging models on user similarity in users who have changed the sound quality to the most suitable for them. / Streamingtjänster erbjuder olika inställningar där kunderna kan välja ljud- och videokvalitet baserat på personliga preferenser. Majoriteten av användarna gör aldrig ett aktivt val; de tilldelas istället en standardkvalitetsinställning som väljs automatiskt baserat på vissa parametrar, som internetanslutningskvalitet. Denna avhandling undersöker anpassning av standardljudinställningen, med avsikt att förbättra användarupplevelsen. Detta uppnås genom att tillämpa maskininlärning på den andel användare som har aktivt ändrat kvalitetsinställningen. Antagandet att användarlikhet hos användare som gör ett aktivt val kan utnyttjas för att påverka användarupplevelsen var tanken bakom detta examensarbete. Det utfärdades för att studera vilken typ av data från olika kategorier: demografi, produkt och konsumtion är mest förutsägande för användarens smak i ljudkvalitet. En fallstudie genomfördes för att uppnå målen för denna avhandling. Fem prediktiva modellprototyper tränades, utvärderades, jämfördes och analyserades med två olika algoritmer: XGBoost och Logistisk Regression, och inriktade på två regioner: Sverige och Brasilien. Analys av funktionsvikt genomfördes med SHapley Additive exPlanations (SHAP), en enhetlig ram för att tolka förutsägelser med en spelteoretisk metod, och genom att mäta koefficientvikter för att bestämma de mest prediktiva funktionerna. Förutom att utforska funktionens påverkan, svarar avhandlingen också på hur rimligt det är att generalisera dessa modeller för icke-selektiva användare genom att utföra hypotesprövning. Projektet omfattade också biasanalys mellan användare med och utan aktiva kvalitetsinställningar och hur det påverkar modellerna. Modellerna med XGBoost hade högre prestanda. Resultaten visade att demografisk data och produktdata hade en högre inverkan på modellförutsägelser i båda regionerna. Däremot hade olika regioner inte samma datafunktioner som mest prediktiva, skillnader observerades i funktionsvikt mellan regioner och även mellan plattformar. Resultaten av hypotesprövningen indikerade inte på vägande anledning för att anse att modellerna skulle fungera för icke-selektiva användare. Däremot har metoden påverkats negativt av andra faktorer som små förändringar i stora datamängder som påverkar den statistiska signifikansen. Data bias hittades i vissa datafunktioner, vilket indikerade en korrelation men inte orsaken bakom mönstren. Resultaten av denna avhandling visar dessutom hur maskininlärning kan förbättra användarupplevelsen när det gäller standardinställningar för ljudkvalitet, genom att utnyttja modeller för användarlikhet hos användare som har ändrat ljudkvaliteten till det mest lämpliga för dem.

Les fonctions de treillis, apparaissent être des outils essentiels en recherche opérationnelle. Elles ouvrent en effet de nouveaux champs d'application en théorie des jeux coopératifs, et en aide à la décision (les jeux sont dans ce cas des capacités, ou mesures floues). Cette thèse a pour objet l'investigation de concepts de solutions pour les jeux définis sur des structures générales de coalitions. À cette fin, nous proposons plusieurs généralisations et axiomatisations de la valeur de Shapley pour les jeux multi-choix, les jeux à actions combinées, et les jeux réguliers. L'indice d'interaction quantifie la véritable contribution d'une coalition par rapport à toutes ses sous-coalitions. Mathématiquement, il s'agit d'un prolongement de la valeur de Shapley. Nous proposons des axiomatisations de l'indice d'interaction de Shapley pour les jeux bi-coopératifs, ainsi que des procédés calculatoires permettant de déterminer l'opérateur d'interaction et son inverse.

Le gaz naturel tient une place de plus en plus importante dans le bouquet énergétique de l'Union Européenne. Cependant, faute de ressources suffisantes sur son territoire, elle est fortement dépendante de ses importations pour satisfaire ses besoins gaziers. En parallèle, depuis 1998 l'UE cherche la création d'un marché gazier unique et libéralisé. L'objectif de cette thèse est de voir si la libéralisation du marché gazier européen ne constitue pas un risque pour le pouvoir de négociation des importateurs et plus largement pour la sécurité gazière de l'UE. Le premier chapitre propose un état des lieux du marché gazier européen. Il permet de constater l'état d'avancement du marché unique, la forte dépendance extérieure de l'UE et la faible diversification de ses approvisionnements. À partir de ces constats, le second chapitre propose un modèle issu de la théorie des jeux coopératifs permettant de mettre en évidence l'évolution du pouvoir de négociation des importateurs résultant du processus de libéralisation. Il montre alors que la libéralisation entraîne une détérioration du pouvoir de négociation des importateurs au profit des producteurs extérieurs à l'UE, au premier rang desquels la Russie. Par ailleurs, il montre également que la constitution d'une centrale d'achat européenne est en mesure de fournir un contre pouvoir permettant d'équilibrer les rapports de force entre l'amont et l'aval de la chaîne gazière. Le troisième chapitre s'intéresse à l'évolution du GNL à travers le monde et plus particulièrement sur le marché de l'UE. Le développement du GNL en Europe permet l'entrée de nouveaux opérateurs sur l'amont de la chaîne, ce qui renforce la concurrence entre les fournisseurs de l'UE au bénéfice du pouvoir de négociation des importateurs. Enfin, le dernier chapitre aborde les conséquences du développement du gaz de schiste aux Etats-Unis sur le marché gazier européen. Il montre ainsi que ce développement s'accompagne d'une incertitude sur le futur de la demande gazière de l'UE et d'une remise en cause des contrats d'approvisionnement de long terme. / Natural gas has a growing importance in the European Union energy. However, because of the lack of resources in its territory, the EU is highly dependent on imports to meet its gas needs. In parallel, since 1998 the EU seeks the creation of a single and liberalized natural gas market. The aim of this thesis is to investigate whether the gas market liberalization can create a risk for importers' bargaining power and more widely to the gas security of supply of the EU. The first chapter provides an overview of the European gas market. It deals with the implementation of the process of gas market liberalization, the external dependency of the EU and the weakness of gas supply diversity. Using findings from the previous chapter, the second one proposes a model from the cooperative game theory to analyze the effects of the EU natural gas market liberalization on importers' bargaining power. It shows that the liberalization weakens importers' bargaining power vis-à-vis external suppliers, where Russia is the leader. It also shows that the implementation of a European gas purchasing agency offers a counter-power to the EU that balances bargaining power. The third chapter focuses on the development of LNG in the world and more specifically in the EU market. The development of LNG in Europe allows the entry of new operators on the upstream and, thus, increases competition among the EU's suppliers for the benefit of importers' bargaining power. The last chapter analyzes the impact of US shale gas development on the EU gas market. Thus, it shows that development is accompanied by an uncertainty about the future gas demand in the EU and by a reconsideration of the EU's long-term contracts.

Tout d'abord, nous traitons des jeux d'oligopole de Cournot sous forme caractéristique gamma. Nous montrons que ces jeux sont balancés lorsque les fonctions de profit individuel sont concave. Ensuite, lorsque les fonctions de coût individuel sont linéaires, la "valeur au prorata de Nash" appartient au cœur. Par la suite, nous étudions les jeux d'oligopole de Cournot sous forme d'intervalle gamma. Nous prouvons que le cœur intervalle (standard) est non-vide si et seulement si le jeu d'oligopole de Cournot sous forme caractéristique gamma associé à la meilleure (plus faible) capacité qu'obtient chaque coalition admet un cœur non vide. Ensuite, nous analysons les jeux d'oligopole de Stackelberg sous forme caractéristique gamma. Nous montrons que le cœur est égal à l'ensemble des imputations. Ensuite, nous donnons une condition nécessaire et suffisante, qui dépend de l'hétérogénéité des coûts marginaux, assurant la non-vacuité du cœur. Enfin, nous considérons les jeux d'oligopole de Bertrand. Nous prouvons que les jeux sous les formes caractéristiques alpha ou bêta satisfont à la propriété de convexité. Ensuite, nous prouvons que la valeur de partage égalitaire appartient au cœur des jeux sous forme caractéristique gamma et nous donnons une condition suffisante qui assure que ces jeux satisfont à la propriété de convexité. Nous prolongeons cette analyse en supposant que les coûts marginaux sont distincts. Si la constante de la demande est suffisamment petite, alors les jeux sous forme caractéristique bêta satisfont à la propriété de balancement total. Autrement, ces jeux satisfont à la propriété de convexité.