CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
possui graduação em Estatística - Universidad Nacional Agraria La Molina (1988), mestrado em Estatística pela Universidade Estadual de Campinas (1994) e doutorado em Estatística pela Universidade de São Paulo (1999). Atualmente é professor da Universidade de São Paulo. Tem experiência na área de Probabilidade e Estatística, com ênfase em Inferência Paramétrica, atuando principalmente nos seguintes temas: estatística industrial, planejamento de experimentos e inferência bayesiana. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Introduzimos funções de ligação generalizadas para a modelagem de resposta binomial e binária que pode ser apropriada quando a probabilidade de uma dada resposta binária se aproxima de 0 em uma taxa diferente do que se aproxima a 1, isto é para dados desbalanceados. A proposta se baseia em versões exponenciadas de distribuições de base e suas correspondentes distribuições reversas. Como c…
Os modelos de fragilidade são utilizados para a modelagem de heterogeneidade na análise de dados de sobrevivência. Na analise desses dados a distribuição da fragilidade em general é assumida contínua. Em alguns casos pode ser apropriado considerar distribuições discretas para a distribuição da fragilidade. Dados de sobrevivência contendo unidades experimentais em que o evento de interes…
Este projeto trata do estudo de procedimentos inferenciais clássicos e bayesianos considerando a família Weibull-exponenciada para dados de sobrevivência, considerando a ocorrência de correlação entre observações em dados agrupados e dados de sobrevivência com fração de cura. Além disso, pretendemos aplicar o método de avaliação de influência local proposta por Cook (1986) ao modelo de re…
A distribuição binomial negativa Weibull (BNW) é proposta a qual generaliza a distribuição Weibull geométrico (WG) introduzida por Barreto-Souza et al. (2010). Além disso, propomos um modelo para dados de sobrevivência com fração de cura, que inclui como casos particulares os modelos tradicionais de sobrevivência com fração de cura de de Berkson & Gage (1952) e de Chen et al. (1999). A…
Este projeto trata do estudo de procedimentosinferenciais e de diagnóstico desde uma perspectiva clássica e bayesiana considerandouma nova propostade modelo de sobrevivência com fração de cura, que considera comocasos particulares os modelos tradicionais de sobrevivência comfração de cura de Berkson & Gage (1952) e de Yakovlev & Tsodikov(1996). O modelo proposto é motivado por uma apl…
O objetivo deste projeto é estudar características da distribuição Weibull, tais como a função densidade de probabilidade, a função de sobrevivência, a função de risco, a moda e a mediana. Esta é uma distribuição importante bastante utilizadas na análise de dados de sobrevivência. O procedimento de estimação dos parâmetros do modelo é baseado no método de máxima verossimilhança. Abordarem…
Neste projeto propomos novos modelos para a modelagem de dados de sobrevivência com (ou sem) fração de cura. Os modelos propostos surgem em uma cenário de causas (ou riscos) competitivas, onde o número de causas (variável latente) para a ocorrência de um particular evento de interesse é modelado pela distribuição séries de potência. Para os modelos propostos pretendemos desenvolver proced…
Este projeto trata do estudo de procedimentos inferenciais clássicos e Bayesianosno âmbito de duas novas propostas de modelo de sobrevivência de longa duração comfragilidade. Para o procedimento de estimação clássica, adaptaremos os métodosBLUP (melhor preditor linear n~ao viciado) e o REML (estimador restrito de máximaverossimilhan»ca ) para estimar os parâmetros do modelo. O procediment…