DEPARTAMENTO DE ESTATÍSTICA

Em Andamento

 

Projeto: Modelos de longa duração na presença de pontos de mudança

Coordenador: Jeremias da Silva Leão

Período de vigência: 10/03/2017 à 10/09/2019

Órgão financiador: Voluntário - Projeto sem financiamento de agência de fomento à pesquisa

Produção relacionada ao projeto: -

Artigos submetidos: Survival model induced by discrete frailty for modeling of lifetime data with long-term survivors and change-point

 


 

Projeto: Estudos de modelos de variação autorregressiva condicional baseados na distribuição Birnbaum-Saunders

Coordenador: Themis da Costa Abensur Leão (Membros: Jeremias da Silva Leão)

Período de Vigência: 24 meses à partir da data de aprovação do DE que foi em 23/11/2018

Órgão Financiador: Voluntário - Projeto sem financiamento de agência de fomento à pesquisa

 


 

Projeto: Aplicações de modelos Birnbaum-Saunders

Coordenador: Prof. DSc. Jeremias da Silva Leão (Membros: Juvêncio Santos Nobre (UFC), Helton Saulo Bezerra dos Santos (UnB) e Manoel Ferreira dos Santos Neto (UFCG))

Período de vigência: 17/12/2018 à 17/12/2020 (o período de vigência desse projeto (ou seja execução efetiva) é  condicionado à data em que o depósito foi feito na conta)

Órgão financiador: FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas

 


 

 

Projeto: Análise de múltiplos ponto de mudanças com aplicação em dados econômicos - PP-E/0023/2017

Coordenador: Prof. Msc. Leonardo Brandão Freitas do Nascimento

Período de vigência 31/07/2017 a 31/07/2019

Órgão financiador: voluntário

 


 

 

 

Concluídos

Projeto: Modelos Estatísticos para Predição Espaço-Temporal de Valores Extremos de Precipitação e Temperatura nos Municípios e Estações Meteorológicas do Estado do Amazonas

Coordenador: Max Sousa de Lima  (Membros: Luiz Henrique Duczmal (UFMG), José Cardoso Neto UFAM), Fábio Nogueira Demarqui  (UFMG), Vanessa Souza dos Santos (UFAM))

Período de vigência: 23/06/2015 a 23/03/2018

Órgão financiador: FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas

Produção relacionada ao projeto:

Artigos Publicados:

 

  • A spatial scan statistic for beta regression

Autores: Max Sousa de Lima, Vanessa Souza dos Santos e Luiz H.Duczmal;

Publicado na Revista Spatial Statistics, 2016;

Homepagehttps://www.sciencedirect.com/science/article/pii/S221167531630059

 

  • The poly‐log Weibull model applied to space‐time interpolation of temperature

Autores: Alex Leal Mota,  Max Sousa de Lima,  Fábio Nogueira Demarqui e  Luiz H. Duczmal

Publicado na Revista Environmetrics, 2018;

Homepagehttps://onlinelibrary.wiley.com/doi/10.1002/env.2520

 

Dissertações Defendidas e Publicadas:

  

  • Título: O modelo Log-Poly-Weibull multivariado aplicado à predição espaço-temporal de temperatura no Estado do Amazonas

Orientando: Alex Leal Mota;

Orientador: Max Sousa de Lima;

Homepage: https://tede.ufam.edu.br/handle/tede/5922

 

  • Título: Modelo Gumbel multivariado com efeitos aleatórios espacialmente compartilhados aplicado à predição espaço-temporal de temperatura no Estado do Amazonas;

Orientanda: Milena Nascimento Lima;

Orientador: Max Sousa de Lima;

Homepage: https://tede.ufam.edu.br/handle/tede/6545

  

  • Título: Um modelo multivariado para predição de taxas e proporções dependentes aplicado à predição espacial da Umidade Relativa do Ar observada nas estações meteorológicas do Estado do  Amazonas;

Orientanda: Alice Nascimento de Assis;

Orientador: José Cardoso Neto;

Homepage: https://tede.ufam.edu.br/handle/tede/6391

 

 Apresentação em Congressos:

 

  • 4º Colóquio de Matemática da Região Norte: O Modelo Log-Poly-Weibull Multivariado Aplicado à Predição Espaço-Temporal de Temperatura Mínima, 2016.

 

 Outras Publicações:

Há dois artigos em elaboração para ser submetido (e possivelmente publicado) em um periódico internacional (Qualis A2 ou B1) do comitê de Matemática/Probabilidade e Estatística da CAPES.

 

 


 

Projeto: Kernel K-Means e Kernel Spectral Clustering baseados em Densidades Preditivas Bayesianas Aproximadas

Coordenador: José Raimundo Gomes Pereira   (Membro: Diego da Silva Souza (UFAM))

Período de vigência: 10/04/2017 a 09/04/2018 (não foi ainda apresentado relatório final)

Órgão financiador: Sem financiamento externo


Projeto: Misturas Finitas de Modelos de Regressão

Coordenador: Celso Rômulo Barbosa Cabral   (Membros: Aldo William Medina Garay (UFPE), Camila Borelli Zeller (UFJF), Vctor Hugo Lachos Davila (UCONN), Larissa Avila Matos (UNICAMP), Márcia Brandão de Oliveira Martins (UFAM))

Período de vigência: 14/11/2014 a 30/11/2017  (não foi ainda apresentado relatório final)

Órgão financiador: CNPq

Produção relacionada ao projeto:

 

Artigos Publicados:

 

  • ORDOÑEZ, JA; BANDYOPADHYAY, D; LACHOS, VH; CABRAL, CRB. Geostatistical estimation and prediction for censored responses. Spatial Statistics, v. 23, p. 109-123, 2018.
  • MASSUIA, MONIQUE B; GARAY, AM; CABRAL, CELSO RB; LACHOS, VH. Bayesian analysis of censored linear regression models with scale mixtures of skew-normal distributions. Statistics and its Interface, v. 10, p. 425-439, 2017.
  • GARAY, AM; LACHOS, VH; BOLFARINE, HELENO; CABRAL, CRB. Linear censored regression models with scale mixtures of normal distributions. Statistical Papers, v. 58, p. 247-278, 2017.
  • MORALES, C; LACHOS DAVILA, V; BARBOSA CABRAL, C; CASTRO CEPERO, L. Robust quantile regression using a generalized class of skewed distributions. Stat, v. 6, p. 113-130, 2017.
  • LACHOS, VH.; MORENO, EJL; CHEN, K; CABRAL, CRB. Finite mixture modeling of censored data using the multivariate Student- t distribution. Journal of Multivariate Analysis, v. 159, p. 151-167, 2017.
  • ZELLER, CAMILA B.; CABRAL, CRB; LACHOS, VH. Robust mixture regression modeling based on scale mixtures of skew-normal distributions. Test (Madrid), v. 25, p. 375-396, 2016.

 

Apresentação em Congressos:

 

  • MARTINS, MB; CABRAL, CRB; LACHOS, VH. A Multivariate Student-t Regression Model with Measurement Errors for Censored Data. The 10th ICSA International Conference, realizada em 2016 em Shangai-China;

 

  • LACHOS, VH; BENITES, L, CABRAL, CRB; DEY D. Robust Regression modeling for censored data based on Mixtures of Student-t distributions. Workshop on Model Based Clustering and Classification, realizado em 2016 em Catania-Itália.
  • MATOS, LA; CABRAL, CRB; LACHOS, VH; CASTRO LM. Modelos com Erros de Medida Multivariados com Respostas Censuradas Baseados na Distribuição t de Student. XXII Simpósio Nacional de Probabilidade e Estatística, realizado em 2016 em Porto Alegre-Brasil.

 

Orientações de Mestrado Concluídas:

  

  • Renata Evangelista Monteiro. Misturas de Modelos de Regressão Linear com Erros nas Variáveis Usando Misturas de Escala da Normal Assimétrica. Dissertação (Mestrado em Matemática) - Universidade Federal do Amazonas, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Orientador: Celso Rômulo Barbosa Cabral.
  • Camila Xavier Sá Peixoto Pinheiro. Análise Inferencial de Modelos de Mistura de Escala da Normal Assimétirica com Dados Incompletos. 2016. Dissertação (Mestrado em Matemática) - Universidade Federal do Amazonas, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Orientador: Celso Rômulo Barbosa Cabral.
  • Edgar Javier López Moreno. Misturas finitas em modelos de regressão para dados censurados. Dissertação (Mestrado em Estatística) - Universidade Estadual de Campinas, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Orientador: Víctor Hugo Lachos. Coorientador: Celso Rômulo Barbosa Cabral.
  • José Alejandro Ordoñez Cuastumal. Prediction and Diagnostics in Spatial Censored Regression Models with Apllications in R. Dissertação (Mestrado em Estatística) - Universidade Estadual de Campinas, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Orientador: Víctor Hugo Lachos. Coorientador: Celso Rômulo Barbosa Cabral.
  • Márcia Brandão de Oliveira. Estimação Bayesiana em Modelos de Regressão t de Student com Erros nas Variáveis, Respostas Multivariadas e Censuras. Dissertação (Mestrado em Matemática) - Universidade Federal do Amazonas, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Orientador: Celso Rômulo Barbosa Cabral.

 

Orientações de Mestrado em Andamento:

  • Além destes, a seguinte orientação está em andamento: Guilherme Peña Céspedes. Flexible Nonlinear Mixed Effect Models with Censored and Missing Responses. Início: 2017. Dissertação (Mestrado em Matemática) - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Orientador: Celso Rômulo Barbosa Cabral.

 


Projeto: Modelos Robustos não Lineares de Efeitos Mistos com Aplicações em Estudos de Previsão de carga Viral em Pacientes Infectados com HIV

Coordenador:  Celso Rômulo Barbosa Cabral

Área de conhecimento: Modelos de Regressão

Início: 06/2013

Término: 05/2015

Resumo: Nos últimos anos, modelos não lineares de efeitos mistos tem sido propostos com sucesso para modelar dados longitudinais, ou seja, dados que são observados ao longo do tempo ou repetidamente em um mesmo indivíduo. Por exemplo, em estudos da dinâmica do HIV, é comum a utilização de modelos deste tipo. O objetivo essencial é determinar as taxas de mudança no nível de HIV-1 RNA ou da carga viral. A carga viral mede a quantidade de vírus ativos replicantes e a sua redução é frequentemente utilizada como um endpoint essencial em experimentos clínicos de terapia antirretroviral. A teoria clássica dos modelos mistos assume que os efeitos aleatórios e os erros de observação têm distribuição conjunta normal, o que pode ser não factível em diversas situações. Desta forma, existe a necessidade da proposição de modelos alternativos robustos que superem as falhas apresentadas pelo modelo normal, como a incapacidade de acomodar assimetria, observações aberrantes (outliers) e heterogeneidade não observável na população de interesse, o que implica em uma distribuição multimodal para o vetor de respostas. A nossa proposta consiste em estender o modelo misto tradicional, substituindo a suposição de normalidade conjunta dos efeitos aleatórios e dos erros de observação pela suposição de que a distribuição conjunta destes vetores está em uma classe extremamente flexível de distribuições. Esta classe é formada por misturas finitas de densidades (o que possibilita modelar heterogeneidade). Como componentes desta mistura, escolhemos distribuições que estão na família SNI (skew-normal independent), que por sua vez são misturas escalonadas de normais assimétricas, que por sua vez constituem uma extensão da distribuição normal tradicional, incorporando a possibilidade de assimetria (estas características em conjunto permitem modelar outliers e assimetria ao mesmo tempo). A abordagem inferencial adotada é a Bayesiana.

Agência de Fomento: FAPEAM.

 



Projeto: Extensões dos Modelos Lineares com Ênfase em Aplicações

Coordenador: Camila Borelli Zeller

Participação como pesquisador: Celso Rômulo Barbosa Cabral

Área de conhecimento: Modelos de Regressão

Início: 01/2013

Término: 12/2014

Resumo: O objetivo geral deste projeto é estender os modelos lineares, que inicialmente são baseados na suposição de normalidade, para a classe de distribuições SMSN com ênfase em aplicações em diversas áreas. Além disso, o projeto pretende estudar alguns aspectos de estimação e diagnóstico de influência local nos modelos lineares sob a classe de distribuições SMSN.

Agência de Fomento: FAPEMIG

  


 

Projeto: Estimação da taxa de infecção para dados em pools

Coordenador: James Dean Oliveira dos Santos Júnior

Área de conhecimento: Matemática e Estatística/Estatística

Início: 2013

Término: 2015

Resumo: A detecção de infecções em certas populações de insetos exige a extração de material para exame de DNA. Como este processo pode ser caro, para evitar a utilização do material em um único inseto, maximiza-se a chance de encontrar DNA contaminado através da análise simultânea de uma amostra de insetos (denominada pool). Infelizmente, se um pool apresentar um resultado positivo para a infecção, não há como saber quantos insetos estavam infectados. Contudo, existe um estimador na literatura para este fim. Este projeto tem como objetivo mostrar que este estimador é ineficiente para pequenas amostras ou grandes taxas de infecção. Uma alternativa mais flexível será proposta, utilizando conceitos de superpopulação e o amostrador de Gibbs. Este trabalho torna-se importante para o desenvolvimento de técnicas de estimação de taxas de infecções de insetos, como o barbeiro, o Aedes Aegypti e o flebotomínio, ambos endêmicos na região amazônica e vetores que podem transmitir doenças para os seres humanos. Como resultado principal, espera-se que o novo estimador seja capaz de estimar de modo eficaz a taxa de infecção (prevalência) de certa população sem as restrições contidas no estimador já existente na literatura.

Agência de Fomento: FAPEAM