Aprendizado de máquina não supervisionado aplicado na dinâmica de preços de combustíveis no Brasil
| dc.contributor.advisor | Gouveia, Roberta Macedo Marques | |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/2024317361355224 | |
| dc.contributor.author | Lima, Andressa Luana Santana de | |
| dc.contributor.authorLattes | http://lattes.cnpq.br/0993590347039876 | |
| dc.date.accessioned | 2025-12-05T21:07:27Z | |
| dc.date.issued | 2025-08-05 | |
| dc.degree.departament | Estatística e Informática | |
| dc.degree.graduation | Bacharelado em Sistemas da Informação | |
| dc.degree.level | bachelor's degree | |
| dc.degree.local | Recife | |
| dc.description.abstract | Este trabalho realiza uma análise exploratória e de clusterização dos dados públicos da Agência Nacional do Petróleo (ANP) para os preços de combustíveis no Brasil em 2024. A partir de variáveis numéricas agregadas por região e por produto, foi aplicado o algoritmo K-means para identificar padrões de comportamento no mercado. As variáveis selecionadas buscaram representar aspectos como níveis médios de preço, variações sazonais, volume de registros e distribuição de revendas. Os resultados apontaram diferenças estruturais entre regiões e entre combustíveis, evidenciando a heterogeneidade do setor. O estudo evidencia a importância do uso de técnicas de agrupamento para explorar padrões relevantes no mercado de combustíveis. | |
| dc.description.abstractx | This study presents an exploratory and clustering analysis of public data from the Agencia Nacional do Petroleo (ANP) on fuel prices in 2024. Ba-sed on numerical variables aggregated by region and by product, the K-means algorithm was applied to identify behavioral patterns in the market. The selec-ted variables aimed to represent aspects such as average price levels, seasonal variations, record volume, and reseller distribution. The results revealed struc-tural differences between regions and fuel types, highlighting the sector's hete-rogeneity. The study reinforces the importance of using clustering techniques to explore relevant patterns in the fuel market. | |
| dc.format.extent | 32 f. | |
| dc.identifier.citation | LIMA, Andressa Luana Santana de. Aprendizado de máquina não supervisionado aplicado na dinâmica de preços de combustíveis no Brasil. 2025. 32 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2025. | |
| dc.identifier.uri | https://arandu.ufrpe.br/handle/123456789/8054 | |
| dc.language.iso | pt_BR | |
| dc.publisher.country | Brazil | |
| dc.publisher.initials | UFRPE | |
| dc.rights | openAccess | |
| dc.rights.license | Attribution-NonCommercial-NoDerivatives 4.0 International | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Aprendizado do computador | |
| dc.subject | Combustíveis | |
| dc.subject | Preços | |
| dc.subject | Análise de dados | |
| dc.subject | Análise por agrupamento | |
| dc.subject | Clusterização | |
| dc.title | Aprendizado de máquina não supervisionado aplicado na dinâmica de preços de combustíveis no Brasil | |
| dc.type | bachelorThesis |