Texto completo
| |
| Autor(es): |
Andressa Cerqueira
Número total de Autores: 1
|
| Tipo de documento: | Tese de Doutorado |
| Imprenta: | São Paulo. |
| Instituição: | Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME/SBI) |
| Data de defesa: | 2018-02-28 |
| Membros da banca: |
Florencia Graciela Leonardi;
Miguel Natalio Abadi;
Cristian Favio Coletti;
Nancy Lopes Garcia;
Roberto Imbuzeiro Moraes Felinto de Oliveira
|
| Orientador: | Florencia Graciela Leonardi |
| Resumo | |
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. (AU) | |
| Processo FAPESP: | 14/23526-0 - Simulação perfeita de redes probabilísticas |
| Beneficiário: | Andressa Cerqueira |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado |