| Campo Dublin Core | Valor | Língua |
|---|
| dc.contributor.advisor | Rodrigues, Guilherme Souza | - |
| dc.contributor.author | Barroso, Rodrigo Fernando Murça | - |
| dc.identifier.citation | BARROSO, Rodrigo Fernando Murça. Predição e detecção de anomalias em pregões eletrônicos do GDF. 2020. 63 f., il. Trabalho de conclusão de curso (Bacharelado em Estatística) — Universidade de Brasília, Brasília, 2020. | pt_BR |
| dc.description | Trabalho de conclusão de curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2020. | pt_BR |
| dc.description.abstract | Este trabalho apresenta um conjunto de ferramentas desenvolvidas para facilitar o monitoramento dos pregões eletrônicos feitos pelo Governo do Distrito Federal (GDF). Para tanto, formulamos uma função de mineração de dados para coletar e validar dados. A partir desses dados, foi feita a análise da diferença entre o lance vencedor e um preço de referência estimado por um modelo de regressão boosted beta. Para encontrar anomalias, foi criado um meta-aprendizado entre o modelo estatístico citado e um algoritmo de aprendizado de máquina chamado Floresta de Isolamento. | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject.keyword | Pregão eletrônico | pt_BR |
| dc.subject.keyword | Mineração de dados | pt_BR |
| dc.subject.keyword | Modelo de regressão | pt_BR |
| dc.subject.keyword | Métricas de qualidade | pt_BR |
| dc.title | Predição e detecção de anomalias em pregões eletrônicos do GDF | pt_BR |
| dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
| dc.date.accessioned | 2022-06-22T13:41:33Z | - |
| dc.date.available | 2022-06-22T13:41:33Z | - |
| dc.date.submitted | 2020 | - |
| dc.identifier.uri | https://bdm.unb.br/handle/10483/31122 | - |
| dc.language.iso | Português | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | pt_BR |
| dc.description.abstract1 | In this work we present a set of techniques that aims to improve the monitoring process of electronics preaching in the Distrito Federal’s Government (GDF). We extracted information about the winner bidding and the reference price using Text Mining algorithms. Then we analyzed these variables using the Regression Boosted Beta model. Also, we detected anomalous observations using a meta-learning algorithm based on the Regression Boosted Beta model and the Isolation Forest algorithm. | pt_BR |
| Aparece na Coleção: | Estatística
|
