Departamento de Estatística

Linhas de Pesquisa

1.

Inferência em processos estocásticos. São envestigados métodos de estimação para parâmetros de dimensão infinita associados a certos processos estocásticos, em particular, aspectos práticos do método de Grenander e o método de alisamento via função "kernel" para a estimação da função intensidade de processos pontuais (Aprovada pelo Departamento/Conselho Científico em 01/1986).

2.

Métodos não paramétricos. Uso de técnicas não paramétricas para a análise de experimentos em modelos hierárquicos. Blocos aleatórios não balanceados. Modelos mistos. Modelos em parcelas subdivididas com medidas repetidas. Curvas de resposta. Curvas de crescimento. Regressão e ajuste de curvas. Métodos de classificação (Aprovada pelo Departamento/Conselho Científico em 01/1982).

3.

Análise de sobrevivência. Estudo de modelo de regressão em análise de sobrevivência (semi-paramétrico e logístico), com especial interesse no problema de testes de hipóteses e com alternativas restritas. Estudo de modelo paramétrico em riscos competitivos na presença ou ausência de covariaveis (Aprovada pelo Departamento/Conselho Científico em 01/1988).

4.

Análise de dados categóricos: bioestatística e epidemiologia. Análise de dados categóricos: 1) avaliação teórica e através de aplicações da metodologia para a análise de dados categóricos desenvolvida e apresentada em Marques (1988 e 1981) em relação a outros métodos. 2) bioestatística e epidemiologia: avaliação numérica de um particular intervalo de confiança para risco relativo, devido a parte NAN (1988) para o caso de várias tabelas 2x2. Esse intervalo deconfiança é baseado nas cores de verossimilhança e nos resultados de Bartlet sobre corrção para assimetria (Aprovada pelo Departamento/Conselho Científico em 01/1989).

5.

Agregação e dasagregação de séries temporais. Estudo envolvendo os efeitos da agregação e desagregação na modelagem e na previsão de Séries Temporais (Aprovada pelo Departamento/Conselho Científico em 01/1989).

6.

Análise multivariada contínua e discreta no contexto de medidas repetidas. Misturas de variáveis. Valores faltantes. No contexto de medidas repetidas, a natureza intrinsicamente univariada dos problemas tem ensejado desenvolvimento de metodologia para validar tratamento univariado. Os projetos em andamento tratam deincorporar especificidades deste tipo de problema no tratamento multivariado: a natureza do problema é respeitada por estruturações sobre os momentos e exploração dos efeitos nos tratamentos multivar iados. São objetos de estudo as técnicas tanto para contínuas, discretas e/ou misturas (Aprovada pelo Departamento/Conselho Científico em 01/1990).

7.

Modelos Lineares. Descrição de variável contínua como função linear de parâmetros, com ou sem covariáveis, dependência entre observações, etc.. (Aprovada pelo Departamento/Conselho Científico em 01/1989).

8.

Análise de dados categóricos, Testes Psicométricos. Estudos de modelos para análise de itens, estimação dos parametros. Elaboração de modelos para análise de Avaliações Educacionais (Aprovada pelo Departamento/Conselho Científico em 01/1990).

9.

Modelos lineares e aplicações, Inferência Estatística. Delineamento de experimentos. Distribuições estatísticas (Aprovada pelo Departamento/Conselho Científico em 01/1990).

10.

Processamento de Imagens e Sinais e suas Aplicações. Desenvolvimento de metodologia e algoritmos para processamento de imagens, principalmente em relação a bordas,textura e classificação contextual. Aplicações em sensoreamento remoto, imagens biomédicas e outras (Aprovada pelo Departamento/Conselho Científico em 01/1987).

11.

Modelagem Estatística em Demografia. Estudo de modelos estatístico-demográfico e suas aplicacoes na análise da nupcialidade, fecundidade e projeções de familia (Aprovada pelo Departamento / Conselho Científico em 01/1993).

12.

Modelos Frailties em Análise de Sobrevivência. Estudo de modelos frailties, tanto do ponto de vista teórico, como das aplicações em análise de sobrevivência e análise de eventos históricos (Aprovada pelo Departamento/Conselho Científico em 01/1995).

13.

Amostragem sequencial em captura e re-captura. Comparação de estimadores do tamanho de uma população finita usando amostragem sequencial e multipla, usando simulação (Aprovada pelo Departamento/Conselho Científico em 01/1995).

14.

Planejamento de Experimentos. Estudo e desenvolvimento de técnicas de planejamento de experimentos com ênfase em aplicações industriais (Aprovada pelo Departamento/Conselho Científico em 01/1984).

15.

Processos Pontuais como Projeções de Processos de Poisson. Construção de processos em R(d) através da construção de Processos de Poisson em R(d+1), subconjuntos aleatórios de R(d+1) e projetando os pontos do Processo de Poisson que estejam nesses conjuntos (Aprovada pelo Departamento/Conselho Científico em 06/1996).

16.

Sistemas de Partículas Interativas. Um sistemas de partículas interativas consiste em um número finito ou infinito de partículas que na ausência de interação evoluíram como cadeia de Markov. Como resultado da interação a evolução de umapartícula individual não é markoviana mas o sistema (como um todo) é de Markov (Aprovada pelo Departamento/Conselho Científico em 06/1996).

17.

Estimação de Máxima Verossimilhança para Processos Espaciais. Estimação de parâmetros em processos espaciais envolvem funções de máxima verossimilhança que não pode ser maximizados diretamente. Simulação Estocásticas via Cadeias de Markov é ferramenta importantepara a aproximações do EMV (Aprovada pelo Departamento/Conselho Científico em 06/1996).

18.

Aplicação de Processos Pontuais a Modelos Frailty. Modelos de sobrevivência "frailty" podem ser estudados através de processos pontuais. Resultados assintóticos são obtidos (Aprovada pelo Departamento/Conselho Científico em 06/1996).

19.

Regressão Não Paramétrica e Problemas Inversos em Estatística. Existem situações onde a variável resposta é observada e seu relacionamento com variáveis preditoras é desconhecido. Neste caso estima-se a relação funcional entre resposta e preditoras por métodos não paramétricos de estimação de curvas e superfícies. Quando este relacionamento vem através de uma equação integral de Fredholm do primeiro tipo então temos um problema inverso e mal posto e métodos de reguralização são aplicados (Aprovada pelo Departamento/Conselho Científico em 06/1996).

20.

Estimação Não Paramétrica de Densidades. Dado uma sequência de variáveis aleatórias i.i.d estima-se a função de densidades de probabilidade usando apenas as variáveis aleatórias. Nenhum modelo é conjecturado apriori. Métodos de Interesse: Splines, Keinel e Séries Ortogonais (Aprovada pelo Departamento/Conselho Científico em 06/1996).

21.

Métodos Computacionalmente Intensivos. Quando o cálculo exato de certas quantidades estatísticas não pode ser obtidas por algum motivo, faz-se uso de métodos computacionais para se obter aproximações dessas quantidades. Métodos de Interesse: Monte Carlo, "Monte Carlo Markov Chain", "Gibbs Sampling", "Bootshap" e validação cruzada (Aprovada pelo Departamento/Conselho Científico em 06/1996).

22.

Estimação Não Paramétrica da Função Risco. A idéia básica é que a função risco seja estimada sem fazer uso de algum modelo paramétrico para os dados. Dando assim maior flexibilidade para análise do problema. Métodos de Interesse: Splines, H-Splines, Regressão por Splines (Aprovada pelo Departamento/Conselho Científico em 06/1996).

23.

Valores Aberrantes em Séries Temporais. Análise dos efeitos de valores aberrantes nos modelos de séries temporais. São ainda estudados e propostos testes para detecção destes valores (Aprovada pelo Departamento/Conselho Científico em 01/1992).

24.

Modelos de Séries Temporais para Volotilidade. São considerados aspectos metodológicos envolvendo modelos do tipo ARCH e modelos de volotilidade estocástica, com ênfase na comparação entre estas 2 famílias de modelos (Aprovada pelo Departamento/Conselho Científico em 01/1995).