Eventos

Crimes em série: modelos INAR para prever ocorrências em Uberlândia

Isabella Victoria Theodoro da Silva e Matheus B. Guerrero (orientador)

Registros mensais de crimes são contagens: números inteiros, muitas vezes pequenos, com meses sem nenhuma ocorrência. Isabella comparou o ARIMA, que trata os dados como contínuos, com três processos autorregressivos para valores inteiros (INAR) em quatro séries de crimes violentos em Uberlândia, com dados da SEJUSP de janeiro de 2019 a maio de 2026. O PINAR(1) foi o melhor modelo em três séries. Em roubo, que muda de nível ao longo do tempo, o Geo-INAR(1) ficou à frente. No teste com os seis meses mais recentes, os intervalos de previsão de 80% cobriram cinco das seis observações em todas as séries.

Ver pôster (PDF) ↗

Recordes têm limite? Valores extremos e evolução temporal no lançamento do disco

Ana Luiza Pires Souza da Mata e Matheus B. Guerrero (orientador)

Ana atualizou até 2025 um estudo que usa a Teoria dos Valores Extremos para estimar se existe um limite para as marcas do lançamento do disco, a partir da melhor marca de cada ano desde 1960. A distribuição ajustada (GEV) tem cauda superior finita para homens e para mulheres, com limites estimados de 76,05 m e 77,28 m. O trabalho também mostrou que as marcas melhoram com o tempo: o recorde masculino de 2025 (75,56 m) superou o limite que o estudo original havia estimado com dados até 2016. Por isso, o limite estatístico depende da janela de dados e não deve ser lido como uma barreira física.

Ver pôster (PDF) ↗

Uma introdução ao modelo de dimensionamento de sistemas: novas visões sobre dimensionamento com falhas espaciais

Paolo Garcia Storto e Matheus B. Guerrero (orientador)

Paolo apresentou um modelo probabilístico para decidir quantos espaços de processamento um sistema precisa ter quando partículas chegam ao acaso, cada uma ocupa um espaço por um tempo e algumas apresentam falhas que precisam ser detectadas. Usando dois processos de Poisson independentes, mostrou que o número de chegadas antes da primeira falha segue uma distribuição geométrica. A partir disso, propôs duas formas de dimensionar o sistema: uma para cenários extremos e outra para cenários neutros.

Análise discriminante linear aplicada à classificação de inadimplência em clientes de cartão de crédito

Matheus de Moraes Neves e Lúcio Borges (orientador)

Trabalho feito na disciplina de Estatística Multivariada, com o professor Lúcio Borges. Matheus usou a base Default of Credit Card Clients, da UCI, com 30 mil clientes de cartão de crédito de Taiwan, para classificar quem ficaria inadimplente no mês seguinte a partir do limite, de dados cadastrais e de seis meses de faturas, pagamentos e atrasos. Só 22% dos clientes ficaram inadimplentes, e isso pesou no resultado: a análise discriminante linear acertou 82% dos casos no total, mas reconheceu apenas 26% dos inadimplentes. Com o SMOTE aplicado só ao treino e a avaliação no mesmo conjunto de teste, a identificação de inadimplentes subiu para 62%, enquanto o acerto global caiu para 70% e os falsos positivos passaram de 3% para 28%. A escolha entre os dois modelos depende de qual erro custa mais. A versão quadrática também foi testada, mas uma das matrizes de covariância ficou praticamente singular, e o trabalho seguiu com o modelo linear.

Ver pôster (PDF) ↗Ver código (GitHub) ↗