Entry and externality : hydroelectric generators in Brazil

This work analyzes the entry problem in the hydroelectric generation industry. The operation of a generator upstream regularizes the river flow for generators located downstream on the same river, increasing the production capacity of the latter. This positive externality increases the attractiveness of the locations downstream whenever a generator decides to enter upstream. Therefore, the entry decision of a generator in a given location may affect all entry decisions in potential locations for plants downstream. I first model the problem of generators located in cascade on the same river to show the positive effect of the externality. Next, I develop a method to estimate an entry model specific to the hydro generation industry which takes into account the externality of the entry decisions. Finally, I use a data set on investment decisions of Brazilian hydro-generators to estimate the model. The results show a positive incentive to locate downstream from existing plants and from locations where entry is likely to occur. An interesting by-product of the analysis is that the year effects’ estimates show an increase one year before the energy crisis of 2001, providing evidence that the market anticipated the crisis. It contradicts the governmental version that the crisis was due to an unexpected drought.

Understanding the critical distance in sparse distributed memory

Modelos de tomada de decisão necessitam refletir os aspectos da psi- cologia humana. Com este objetivo, este trabalho é baseado na Sparse Distributed Memory (SDM), um modelo psicologicamente e neuro- cientificamente plausível da memória humana, publicado por Pentti Kanerva, em 1988. O modelo de Kanerva possui um ponto crítico: um item de memória aquém deste ponto é rapidamente encontrado, e items além do ponto crítico não o são. Kanerva calculou este ponto para um caso especial com um seleto conjunto de parâmetros (fixos). Neste trabalho estendemos o conhecimento deste ponto crítico, através de simulações computacionais, e analisamos o comportamento desta “Critical Distance” sob diferentes cenários: em diferentes dimensões; em diferentes números de items armazenados na memória; e em diferentes números de armazenamento do item. Também é derivada uma função que, quando minimizada, determina o valor da “Critical Distance” de acordo com o estado da memória. Um objetivo secundário do trabalho é apresentar a SDM de forma simples e intuitiva para que pesquisadores de outras áreas possam imaginar como ela pode ajudá-los a entender e a resolver seus problemas.