Modelos de difusão de inovação em grafos (2019)
- Authors:
- Autor USP: OLIVEIRA, KARINA BINDANDI EMBOABA DE - INTER: ICMC -UFSCAR
- Unidade: INTER: ICMC -UFSCAR
- Sigla do Departamento: SME
- Subjects: CADEIAS DE MARKOV; TEOREMAS LIMITES; DIFUSÃO DA INFORMAÇÃO; PROCESSOS ESTOCÁSTICOS
- Keywords: Contact process; Density dependent Markov chains; Difusão de inovação; Innovation diffusion; Limit theorems; Modelos com social reinforcement; Processo de contato; Social reinforcement models
- Agências de fomento:
- Language: Português
- Abstract: Áreas como política, economia e marketing sofrem grandes influências no que diz respeito à difusão de informação. Por este motivo, diversos ramos da ciência tem estudado tais fenômenos a fim de simulá-los e compreendê-los por meio de modelos matemáticos e/ou estocásticos. Em virtude disto, este trabalho de doutorado tem como objetivo generalizar modelos de difusão de inovação já existentes na literatura. O primeiro modelo utiliza o mecanismo de social reinforcement para difusão de inovação e o qual foi construído para o grafo completo. Neste caso, consideramos uma população finita, fechada, totalmente misturada e subdividida em quatro classes de indivíduos denominados ignorantes, conscientes, adotadores e abandonadores da inovação. Assim, será apresentado uma Lei Fraca dos Grandes Números e um Teorema Central do Limite para a proporção final da população que nunca escutou sobre a inovação e aqueles que já conhecem sobre ela mas ainda não adotaram. Ademais, também será apresentado um resultado de convergência para o máximo de adotadores em um intervalo estocástico, assim como o instante de tempo em que o processo atinge esse estado. Para esse estudo, foram utilizados resultados da teoria de cadeias de Markov dependentes da densidade. Ademais, formulamos um modelo estocástico com estrutura de estágios para descrever o fenômeno da difusão de inovação em uma população estruturada. Mais precisamente, propomos uma cadeia de Markov a tempo contínuo definida na rede hipercúbicad-dimensional. Cada indivíduo da população deve estar em algum dos M+1 estados pertencentes ao conjunto {0;1;2; ::;M}. Nesse sentido, 0 representa um ignorante, i para i ∈ {1; :::;M - 1} um consciente no estágio i e M um adotador. Dessa forma, são estudados argumentos que permitem encontrar condições suficientes nas quais a inovação se espalha ou não com probabilidade positiva.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
- Data da defesa: 12.04.2019
-
ABNT
OLIVEIRA, Karina Bindandi Emboaba de. Modelos de difusão de inovação em grafos. 2019. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: http://www.teses.usp.br/teses/disponiveis/104/104131/tde-06082019-153012/. Acesso em: 18 set. 2024. -
APA
Oliveira, K. B. E. de. (2019). Modelos de difusão de inovação em grafos (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/104/104131/tde-06082019-153012/ -
NLM
Oliveira KBE de. Modelos de difusão de inovação em grafos [Internet]. 2019 ;[citado 2024 set. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/104/104131/tde-06082019-153012/ -
Vancouver
Oliveira KBE de. Modelos de difusão de inovação em grafos [Internet]. 2019 ;[citado 2024 set. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/104/104131/tde-06082019-153012/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas