O mercado de bens de consumo é constituído por produtos heterogêneos que podem ser vistos como uma união de atributos ou características. Quantificar o valor dessas características pode auxiliar na criação de uma regra de precificação que permita, por exemplo, precificar um produto não existente, auxiliando na sua previsão de demanda. O objetivo deste trabalho é utilizar a teoria do preço hedônico para determinar empiricamente o valor e a importância relativa das características na precificação de veículos nacionais brasileiros. O modelo de previsão foi obtido utilizando-se uma função hedônica linear, cujos coeficientes foram estimados através de mínimos quadrados ordinários. Pode-se concluir que a potência é o fator de maior impacto no preço de um veículo, seguido pelo grau de luxo e marca.

The market of consumer goods is consisted of heterogeneous products which can be viewed as a union of attributes or characteristics. Quantifying the value of these characteristics can help in the creation of a pricing rule, allowing, for example, pricing a product which is not available, and helping in the estimates of its demand. The purpose of this work is to use the theory of hedonic price to determine empirically the value of characteristics, as well as their relative importance, in the price of Brazilian vehicles. The model was obtained using data regarding 150 national vehicles and a linear hedonic function, which coefficients were estimated by ordinary least squares. It can be concluded that the engine power is the factor which has the greatest impact on a vehicle price, followed by the luxury level and the brand.

Os mais variados setores da economia estão sujeitos às fraudes cometidas pelos seus próprios clientes. No setor de distribuição de energia elétrica não é diferente. Muitas técnicas no campo estatístico foram desenvolvidas para detectar atividades fraudulentas, baseando-se em classificações das observações. A solução é obtida utilizando um processo de indução para se construir um sistema capaz de deduzir respostas de fenômenos que já tenham sido observados anteriormente. O método quantitativo mais empregado na classificação de observações é a Análise Discriminante Linear. Recentemente, como alternativa a essa técnica, surgiu o Support Vector Machine (SVM). O objetivo do presente trabalho foi treinar e testar um modelo utilizando o SVM para a classificação de clientes de uma distribuidora de energia elétrica, fazendo uma comparação de eficiência e qualidade vis-à-vis a Análise Discriminante Linear.

Several economics sectors are exposed to fraud made by their own customers. At the Electrician Distribution segment is not different. Several techniques in statistical fields were developed to detect illegal activities, relied in observation classification. The empiric events modeling always become a challenge to get solution in engineering projects. The solution is achieved using a induction process to built a system able to bring up the answer of a previously observed event. The Linear Discriminate Analysis is the quantitative method most used. Recently, an alternative approach arises: The Support Vector Machine (SVM). This paper objectives is train and test a model built using SVM to point out the customers that are performing frauds given the customers company (an Electrician Distribution) data base, doing a efficiency and quality confrontation vis-à-vis the Linear Discriminate Analysis.

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, e, mais recentemente, o uso de redes neurais, de support vector machines, de composição de especialistas, dentre outros. Neste trabalho abordou-se a composição de especialistas 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 preditivos. A idéia básica da composição de especialistas é particionar o espaço de entrada em diferentes regiões e em cada região seleciona-se o especialista mais adequado. Propôs-se, então, a otimização na formação dos agrupamentos como uma forma de melhorar a qualidade dos ajustes dos modelos e das previsões realizadas.

Estimation of real-valued functions from a finite set of samples is a central problem in applied statistics. Many different approaches to deal with this problem were proposed as the least-squares method by Gauss, the least-modulus method by Laplace, and more recently the usage of neural networks, support vector machines, mixture of local expert models, amongst others. We addressed the issues mixture of local expert models (MLEM) and clustering optimization, which congregates exploratory analysis, data mining and mathematical modeling in the same technique, used, for example, in the development of predictive models. The basic idea of MLEM is clustering the points from the entry data set, and then different modeling techniques are applied in order to select the best model for each cluster. We proposed a clustering optimization procedure as a way to improve the performance on both the fitting of the models and their usage in forecasting.

Utilizamos um modelo econométrico do tipo Logit como o desenvolvido por Scarpel & Milioni (2001), concebido para atuar em previsão de insolvência de empresas, em conjunto com o modelo de programação linear inteira desenvolvido por Gehrlein & Wagner (1997). O objetivo é o de dar suporte a decisões de concessão de crédito em função da estimativa da probabilidade de solvência de empresas, de forma a minimizar a soma dos custos de oportunidade e inadimplência. Mostramos que a utilização conjunta desses modelos possibilita a eliminação das limitações encontradas quando eles são utilizados isoladamente no auxílio às decisões de concessão de crédito.

We use a Logit Model such as the one developed by Scarpel & Milioni (2001), designed to forecast corporations bankruptcy, together with an Integer Programming Model developed by Gehrlein & Wagner (1997). We aim at supporting decisions of credit concession considering the corporation's solvency probability estimate and minimizing the sum of opportunity and failure to pay costs. As we show, the conjoint utilization of both models eliminates limitations found in each of them, when used in isolation.