Análise de Economias de Escala na Produção de Leite

Este trabalho procurou analisar o sistema produtivo da atividade leiteira em Minas Gerais, identificando a capacidade dos produtores em permanecer no negócio, a longo prazo, através da estimação da função custo translogarítmica. O estudo demonstrou que os produtores analisados ainda praticam altos custos por unidade produzida, sugerindo baixa eficiência dos estabelecimentos e falhas na administração do empreendimento. Os resultados econométricos revelam a possibilidade de ganhos de escala, no que se refere à alocação e melhor aproveitamento dos recursos, ou seja, as propriedades apresentam economias de escala. No entanto, retornos crescentes de escala não são compatíveis com a existência de mercados competitivos, sinalizando que os produtores enfrentam restrições geradas pelas imperfeições de mercado. O conhecimento dessas imperfeições é essencial à formulação de políticas econômicas e de organizações privadas que visem ao desenvolvimento econômico deste mercado, que atualmente é o sexto maior do mundo. Além disso, os resultados das elasticidades mostram que o produtor é mais sensível às variações de preços na mão-de-obra do que às variações nos demais fatores, reduzindo em maior proporção o uso do trabalho na produção, à medida que seu preço aumenta. Isto evidencia a principal característica regional da produção leiteira no país, que é o uso intensivo do fator trabalho. Também foi identificado que o os medicamentos, alimentos e energia, denominados no estudo de fator dispêndio, são os mais difíceis é o mais difícil de serem substituídos na produção, devido às particularidades no uso dos componentes deste insumo. Por fim, os valores positivos encontrados para as elasticidades parciais de substituição de Allen confirmam a substitutibilidade entre os fatores.

Mapeamento de difusão no reconhecimento e reconstrução de sinais

Em muitas representações de objetos ou sistemas físicos se faz necessário a utilização de técnicas de redução de dimensionalidade que possibilitam a análise dos dados em baixas dimensões, capturando os parâmetros essenciais associados ao problema. No contexto de aprendizagem de máquina esta redução se destina primordialmente à clusterização, reconhecimento e reconstrução de sinais. Esta tese faz uma análise meticulosa destes tópicos e suas conexões que se encontram em verdadeira ebulição na literatura, sendo o mapeamento de difusão o foco principal deste trabalho. Tal método é construído a partir de um grafo onde os vértices são os sinais (dados do problema) e o peso das arestas é estabelecido a partir do núcleo gaussiano da equação do calor. Além disso, um processo de Markov é estabelecido o que permite a visualização do problema em diferentes escalas conforme variação de um determinado parâmetro t: Um outro parâmetro de escala, Є, para o núcleo gaussiano é avaliado com cuidado relacionando-o com a dinâmica de Markov de forma a poder aprender a variedade que eventualmente seja o suporte do dados. Nesta tese é proposto o reconhecimento de imagens digitais envolvendo transformações de rotação e variação de iluminação. Também o problema da reconstrução de sinais é atacado com a proposta de pré-imagem utilizando-se da otimização de uma função custo com um parâmetro regularizador, γ, que leva em conta também o conjunto de dados iniciais.