Programa de Pós-Graduação em Estatística

Produção Científica do Período de 2008 a 2025

Resumos publicados em anais de congressos

Número total de items: 96

2024

  1. Figueirêdo Neto, G. B.; FONSECA, R. V.; Nobre, J.S. Análise do Nível de Ozônio em São Paulo por meio de Regressão Funcional. 2024.
    [ Google | Google Scholar ]
  2. Santos Neto, M. F.; MOTA, J. M. A.; Nobre, J.S.; Farias, A. R. B. A distribuição $J^2$. 2024.
    [ Google | Google Scholar ]
  3. Oliveira, M. B.; PINHO, L. G. B.; Nobre, J.S. Análise de Resíduos via Bootstrap em Modelos Lineares Mistos. 2024.
    [ Google | Google Scholar ]
  4. Rocha, E. O.; Nobre, J.S.; AZEVEDO, C. L. N. Unit Gamma Regression: A Bayesian Inference Approach. 2024.
    [ Google | Google Scholar ]

2023

  1. SOUSA, A. R. S. A wavelet-based method in aggregated functional data analysis. 2023.
    [ Google | Google Scholar ]
  2. SOUSA, A. R. S. A wavelet-based method in aggregated functional data analysis. 2023.
    [ Google | Google Scholar ]
  3. SOUSA, A. R. S. A class of priors to perform asymmetric wavelet shrinkage. 2023.
    [ Google | Google Scholar ]
  4. CARVALHO, BENILTON S; HENNING, BARBARA; DE ARAUJO, TÂNIA K.; TADIELLO, H.; COAN, ANA C.; MONTENEGRO, MARIA AUGUSTA; ALVIM, MARINA K. M.; YASUDA, CLARISSA L.; CENDES, FERNANDO; LOPES-CENDES, I. Revealing disease genetics: unveiling genetic architecture through differential copy number variation in admixed populations. 2023.
    [ Google | Google Scholar ]
  5. SILVA JUNIOR, K. C.; Nobre, J.S.; BATISTA, M. J. Famílias Exponenciais Curvadas. 2023.
    [ Google | Google Scholar ]
  6. Fernandes, V. M. N.; Nobre, J.S. Métodos robustos para modelos de regressão heteroscedásticos. 2023.
    [ Google | Google Scholar ]
  7. Rocha, E. O.; Amaral, L. P.; Nobre, J.S. Modelo de Regressão Gamma Unitária: Uma abordagem bayesiana. 2023.
    [ Google | Google Scholar ]
  8. RODRIGUES-MOTTA, MARIANA Using complex models in the identification of sick cows. 2023.
    [ Google | Google Scholar ]
  9. AONO, A. H.; RODRIGUES-MOTTA, MARIANA OPTIMIZING GUINEA GRASS (Megathyrsus maximus) BREEDING THROUGH GENOMIC SELECTION. 2023.
    [ Google | Google Scholar ]
  10. CUYABANO, B. C. D.; RODRIGUES-MOTTA, MARIANA Changes in genetic correlations over generations due to selection and random drift. 2023.
    [ Google | Google Scholar ]

2022

  1. Pinheiro, Hildete; Farias, B.M. The use of quasi U-statistics to test homogeneity of variants of coronavirus. 2022.
    [ Google | Google Scholar ]
  2. Benaglia, T.; Barbosa, E.; Pinheiro, Hildete; Muniz-Terrera, G. Mixture models for longitudinal data of cognitive function in older adults. 2022.
    [ Google | Google Scholar ]
  3. PINHO, L. G. B.; Nobre, J.S.; Rocha, M.E.Q.A.; Kubrusly, M. S.; Maia, F. P. A.; Rocha, E. A. Q. A.; Rocha, M. C. T.; Coimbra, V. O.; Kubrusly, B. S.; Quidute, A. R. P.; Rocha, E. A. Remote monitoring of pacemakers and defibrillators ? effective and safe in Brazil?. 2022.
    [ Google | Google Scholar ]
  4. Rocha, E. A. Q. A.; PINHO, L. G. B.; Nobre, J.S.; Gondim, P. S.; Dantas, A. H.; Vidal, P. B. D.; Freitas, A. A.; Coimbra, V. O.; Gondim, D. S. P.; Kubrusly, B. S.; Maia, F. P. A.; Pereira, F. T. M. Remote monitoring of cardiac devices during the COVID-19 pandemic. Timely and effective?. 2022.
    [ Google | Google Scholar ]
  5. Kubrusly, B. S.; Maia, F. P. A.; Paiva, R. C.; Gurgel, A. A. A.; Gondim, D. S. P.; Nobre, J.S.; PINHO, L. G. B.; Farias, A. G. P.; Rocha, M. C. T.; Rocha, E. A. Q. A.; Moreira, F. T. P. Prediction factors for events in the remote monitoring of implantable electronic cardiac device. Not for all, but essential to many!. 2022.
    [ Google | Google Scholar ]
  6. Rocha, E. O.; Nobre, J.S. Modelo de Regressão Gama Unitária. 2022.
    [ Google | Google Scholar ]
  7. OLIVEIRA, K. E. A.; OLIVEIRA, I. V.; Nobre, J.S. Modelos de regressão para dados provenientes de planos amostrais complexos.. 2022.
    [ Google | Google Scholar ]
  8. GUIMARAES, V. S. A. A.; PEREIRA, L. M.; Nobre, J.S. Análise de risco de crédito com o uso de modelos de regressão Logística, redes neurais e Algoritmos Genéticos. 2022.
    [ Google | Google Scholar ]
  9. Garcia, N. L.; RODRIGUES-MOTTA, MARIANA Unsupervise Bayesian Classification for Mixed Regression Models with Scalarand Functional Covariates. 2022.
    [ Google | Google Scholar ]
  10. RODRIGUES-MOTTA, MARIANA Unsupervised Bayesian classification for mixed regression models with scalar and functional covariates. 2022.
    [ Google | Google Scholar ]
  11. ABBARA, O.; Zevallos, Mauricio Stochastic Volatility with Missing Data: Assessing the Effects of Holidays. 2022.
    [ Google | Google Scholar ]
  12. Zevallos, Mauricio Minimum Distance Estimation of Long-Memory Stochastic Duration Models. 2022.
    [ Google | Google Scholar ]
  13. CARVALHO, D. A. F.; MAIA, R. P. Análise do desempenho acadêmico de alunos de Ciências Exatas e da Terra da Unicamp através de um Modelo de Regressão Linear Misto.. 2022.
    [ Google | Google Scholar ]
  14. MAIA, R. P.; RODRIGUES, M. L. Modelo de Regressão Logística Bivariado para Estimar as Chances de Um Candidato ao Curso de Medicina Ingressar em Primeira Chamada na Unicamp. 2022.
    [ Google | Google Scholar ]
  15. SANTOS, R. R.; Maia, Rafael P. Estudo do Desempenho em Disciplinas de Primeiro Ano e o Impacto na Evasão dos Cursos de Exatas da UNICAMP. 2022.
    [ Google | Google Scholar ]

2021

  1. Silva, F.G.M; Rocha, E. O.; BATISTA, M. J.; Nobre, J.S. Análise Descritiva de Dados utilizando o Software R. 2021.
    [ Google | Google Scholar ]
  2. Rocha, E. O.; BATISTA, M. J.; Nobre, J.S. Uma aplicação no programa R do Modelo de regressão Linear Múltipla. 2021.
    [ Google | Google Scholar ]
  3. Silva, L. P.; Nobre, J.S.; Santos, J. R. S. Análise de regressão e análise de dados multivariados via teoria de cópulas. 2021.
    [ Google | Google Scholar ]
  4. Santos Filho, D. J.; Nobre, J.S. Utilização da estatística Gradiente e seu refinamento em Modelos Lineares Mistos. 2021.
    [ Google | Google Scholar ]
  5. Silva, L. A.; Nobre, J.S. Utilização do método Bootstrap em Modelos de Regressão Linear Simples. 2021.
    [ Google | Google Scholar ]
  6. Barbosa, W. B.; Aguiar, L. G. P.; Nobre, J.S.; Targino, R. Análise não paramétrica de dados categorizados. 2021.
    [ Google | Google Scholar ]
  7. Rocha, E. O.; Bessa, P. V. O.; BATISTA, M. J.; Nobre, J.S. Modelos Lineares Generalizados: Uma aplicação de regressão Poisson em R. 2021.
    [ Google | Google Scholar ]
  8. Bessa, P. V. O.; Rocha, E. O.; BATISTA, M. J.; Nobre, J.S. Método Bootstrap para estimação intervalar. 2021.
    [ Google | Google Scholar ]
  9. FELIX, C. H. T. N.; MAIA, R.P. COMPARANDO AS TAXAS DE COBERTURA PARA DIFERENTES INTERVALOS DE CONFIANÇA PARA UMA PROPORÇÃO. 2021.
    [ Google | Google Scholar ]

2020

  1. Rocha, E. O.; BATISTA, M. J.; Nobre, J.S. Regressão Linear Simples: Uma visão via ggplot2. 2020.
    [ Google | Google Scholar ]
  2. Ribeiro, I. S.; BATISTA, M. J.; Nobre, J.S. Estatística Descritiva: Explorando dados com ggplot2. 2020.
    [ Google | Google Scholar ]
  3. Santos Filho, D. J.; Nobre, J.S. Comparação entre os principais testes assintóticos. 2020.
    [ Google | Google Scholar ]
  4. Pessoa, D. N.; Nobre, J.S.; Montalvo, G. S. A. Método de Log-Cumulantes: Introdução e Propriedades. 2020.
    [ Google | Google Scholar ]
  5. Cavalcante, J. P. L.; Nobre, J.S. Modelos de regressão Beta com medidas repetidas via teoria de Equações de Estimação Generalizadas. 2020.
    [ Google | Google Scholar ]
  6. Rodrigues-Motta, M.; Garcia, N. L. Using linear and non linear functional additive effects for predicting binary variables: an Baysian approach with an application to EEG data (3363739). 2020.
    [ Google | Google Scholar ]
  7. RODRIGUES-MOTTA, MARIANA A zero augmented Birbaum-Saunders mixed model with repeated measures: a Bayesian approach. 2020.
    [ Google | Google Scholar ]
  8. CARVALHO, D. A. F.; MAIA, R. P. Modelo de regressão logística para a evasão no primeiro ano de graduação de ingressantes na UNICAMP entre 2014 e 2018. 2020.
    [ Google | Google Scholar ]

2019

  1. Pinheiro, Hildete; BORDIN, Tatiana Buratto; PINHEIRO, A. S.; REIS, S. F.; Perez, S.I. Homogeneity tests for comparisons of groups of DNA sequences using U-statistics and substitution models. 2019.
    [ Google | Google Scholar ]
  2. Ferreira, A. R.; Bonates, T. O. E.; Nobre, J.S. Generalized Model Trees: A new algorithm proposal for regression tasks. 2019.
    [ Google | Google Scholar ]
  3. Silva, D. A.; Braga, A. R.; Nobre, J.S.; Gomes, D. G. CPS1.2: Clustering and elastic net logistic regression as support tools for Honeybee (Apis mellifera) colonies health diagnosis. 2019.
    [ Google | Google Scholar ]
  4. CARVALHO, DANIELLE; MAIA, RAFAEL Programas de ações afirmativas na UNICAMP: Um breve estudo sobre o impacto do PAAIS e ProFIS na evasão dos alunos ingressantes em cursos de graduação de 2014 a 2018. 2019.
    [ Google | Google Scholar ]

2018

  1. RODRIGUES-MOTTA, MARIANA; Garcia, N. L.; PETKOVA, E.; TARPEY, T.; OGDEN, R. T. Identification of early respondents based on EEG signals. 2018.
    [ Google | Google Scholar ]
  2. FERREIRA, L. P.; NAKAMURA, H. Y.; CONSTANTINI, A. C.; MAIORINO, A.; ROCHA, R. E.; MAIA, R.P.; MIRANDA, B. C.; MOSNA, L. A. SERÁ A ARQUITETURA A CULPADA? ACÚSTICA ARQUITETÔNICA E OS DISTÚRBIOS DE VOZ NA PRÁTICA DOCENTE. 2018.
    [ Google | Google Scholar ]
  3. García, Jesús E.; González-López, V. A.; Londoño, S. L. M. Independence Test for Continuous or Discrete Random Variables. 2018.
    [ Google | Google Scholar ]
  4. García, Jesús E.; González-López, V. A. Similarity between Strains of Zika from Tropical and Subtropical Regions. 2018.
    [ Google | Google Scholar ]

2017

  1. Rodrigues-Motta, M.; Claudia Akemi Koda; Verly Junior, E. Mixed models for positive responses augmented by zero. 2017.
    [ Google | Google Scholar ]
  2. MAIA, R. P. Modelos não-lineares mistos aplicados ao ajuste de curvas de produção de ovos de aves poedeiras.. 2017.
    [ Google | Google Scholar ]
  3. MAIA, R. P. Modelos não lineares mistos aplicados ao ajuste de curvas de produção de ovos. 2017.
    [ Google | Google Scholar ]
  4. García, Jesús E.; González-López, V. A. Comparison of Stochastic Processes. 2017.
    [ Google | Google Scholar ]
  5. García, Jesús E.; González López, V. A. Stochastic Distance between Burkitt lymphoma/leukemia Strains. 2017.
    [ Google | Google Scholar ]

2016

  1. PINHEIRO, H. P.; M, Rafael; Lima Neto, E. A.; Rodrigues-Motta, M. Modelling the proportion of failed courses and GPA scores for engineering major students. 2016.
    [ Google | Google Scholar ]
  2. Rodrigues-Motta, M.; FORKMAN, J. Positive responses argmented by zeros in experiments with incomplete block design. 2016.
    [ Google | Google Scholar ]
  3. Rodrigues-Motta, M.; VILCA, FILIDOR; Lachos, V. H.; Verly Junior, E.; Fisberg, Regina M.; Marchioni, Dirce M. Lobo; BALTAR, V. T. A Mixed Model for Positive Responses Augmented by Zeros. 2016.
    [ Google | Google Scholar ]
  4. MAIA, R.P.; Demétrio, CGB; Labouriau, R Variance component estimation on discrete time competing risks with masked causes. 2016.
    [ Google | Google Scholar ]
  5. MAIA, R.P.; LABOURIAU, RODRIGO; Demétrio, CGB Discrete time competing risks analysis with masked causes. 2016.
    [ Google | Google Scholar ]
  6. SOUZA SILVA, GIOVANNA; PIMENTEL MAIA, RAFAEL Análise Estatística do Perfil de Aves Poedeiras da Raça White Leghorn.. 2016.
    [ Google | Google Scholar ]
  7. MAIA, R.P.; Demétrio, CGB; Labouriau, R A Discrete Mixed Competing Risk Model for Discrete Time with Masked Causes. 2016.
    [ Google | Google Scholar ]
  8. FERNÁNDEZ, M.; GARCÍA, JESÚS E.; González-López, V. A.; Viola, M. L. L. Full Interaction Partition Estimation in Stochastic Processes. 2016.
    [ Google | Google Scholar ]
  9. GARCÍA, JESÚS E.; González-López, V. A. Consistent Proximity between N-grams. 2016.
    [ Google | Google Scholar ]

2015

  1. TRUCÍOS, C.; Hotta, Luiz K.; RUIZ, E. Forecasting returns, volatilities and risk measures in GARCH models: A robust bootstrap procedure.. 2015.
    [ Google | Google Scholar ]
  2. GARCIA, NANCY; KRISHNA PERES BARBOSA, ERIC Processos Autorregressivos com memória variável. 2015.
    [ Google | Google Scholar ]

2014

  1. Rodrigues-Motta, M.; SOTO, D. M. G.; Lachos, V. H.; VILCA, FILIDOR; BALTAR, V. T.; Verly Junior, E.; Fisberg, Regina M.; Marchioni, Dirce M. Lobo A mixed-effect model for positive responses augmented by zeros. 2014.
    [ Google | Google Scholar ]

2012

  1. Pinheiro, Aluísio; PINHEIRO, Hildete Prisco; SEN, Pranab Kumar Comparison of groups of dependent sequences by quasi U-statistics. 2012.
    [ Google | Google Scholar ]
  2. Borgatto, A.F.; Azevedo, C.L.N.; Pinheiro, Aluísio; Andrade, D.F. Comparação entre Métodos de Estimação das Habilidades na TRI em Provas com Diferentes Graus de Dificuldade. 2012.
    [ Google | Google Scholar ]
  3. Pinheiro, Aluísio; SEN, Pranab Kumar THE USE OF QUASI U-STATISTICS FOR EXCHANGEBLE RANDOM VECTORS. 2012.
    [ Google | Google Scholar ]
  4. Rodrigues-Motta, M.; Lachos, V. H.; VILCA, FILIDOR; Verly Junior, E.; STELUTI, J.; Fisberg, Regina M.; Marchioni, Dirce M. Lobo The zero-inflated mixed Gamma regression for fitting usual food intake. 2012.
    [ Google | Google Scholar ]
  5. García, J. E.; González-López, V. A.; Viola, M. L. L. Markovian Model Selection for Contaminated Stochastic Processes. 2012.
    [ Google | Google Scholar ]
  6. García, J. E.; González-López, V. A. Model selection for multivariate Markov chains. 2012.
    [ Google | Google Scholar ]
  7. García, J. E.; González-López, V. A.; Viola, M. L. L. Robust model selection for finite memory stochastic processes. 2012.
    [ Google | Google Scholar ]
  8. González-López, V. A.; Singer, J. M.; Tanaka, N. I.; Pedroso-de-Lima, A. C. A Bayesian test for the intraclass correlation coefficient. 2012.
    [ Google | Google Scholar ]

2011

  1. ZEVALLOS, M.; HOTTA, L. K. Influential Observations in GARCH. 2011.
    [ Google | Google Scholar ]
  2. Tsai, R.; HOTTA, L. K. Polyhazard Models With Dependent Causes. 2011.
    [ Google | Google Scholar ]
  3. Almeida, Daniel de; HOTTA, L. K. Assimetria nas Volatilidades e nas Perturbações nos Modelos de Volatilidade. 2011.
    [ Google | Google Scholar ]
  4. SAKAMOTO, C. F.; HOTTA, L. K. Efeito das Decomposições nos Modelos Pair-cópiulas no Cálculo do VaR. 2011.
    [ Google | Google Scholar ]
  5. ABBARA, O.; ZEVALLOS, Mauricio Modelagem de Risco de um Portfolio através de Pair-Cópula. 2011.
    [ Google | Google Scholar ]
  6. García, J. E.; González-López, V. A.; Nelsen, R. A New Index to Measure Positive Dependence in Trivariate Distributions. 2011.
    [ Google | Google Scholar ]
  7. García, J. E.; González-López, V. A.; Nelsen, R. A New Index to Measure Dependence. 2011.
    [ Google | Google Scholar ]
  8. García, J. E.; González-López, V. A. A Nonparametric Test of Independence. 2011.
    [ Google | Google Scholar ]

2010

  1. Pinheiro, Hildete P.; PINHEIRO, Aluísio; SEN, Pranab Kumar The use of quasi U-statistics for undergraduate performance assessment. 2010.
    [ Google | Google Scholar ]

2009

  1. Valk, Marcio; PINHEIRO, A. O Uso de Quase U-Estatísticas para o Agrupamento de Séries Temporais. 2009.
    [ Google | Google Scholar ]
  2. BUSATO, Erick Andrade; HOTTA, L. K. Skewed Student?s t Copula: Modeling of Asymmetric Dependence. 2009.
    [ Google | Google Scholar ]

2008

  1. BORDIN, Tatiana Buratto; PINHEIRO, H. P.; PINHEIRO, Aluísio A homogeneity test among groups for microsatellite data. 2008.
    [ Google | Google Scholar ]
  2. SEN, Pranab Kumar; PINHEIRO, Aluísio; PINHEIRO, H. P. A class of asymptotically normal degenerate quasi U-statistics. 2008.
    [ Google | Google Scholar ]
  3. Maia, R. P.; PINHEIRO, H. P. Análise do desempenho dos alunos da UNICAMP do vestibular à conclusão do curso utilizando U-estatísticas. 2008.
    [ Google | Google Scholar ]
  4. García, J. E.; González-López, V. A.; Garcia, N. Collapsible context trees. 2008.
    [ Google | Google Scholar ]
  5. García, J. E.; González-López, V. A. An exact non-parametric independence test. 2008.
    [ Google | Google Scholar ]
  6. Bruno Reis dos Santos; ZEVALLOS, Mauricio Local Influence in ARFIMA models. 2008.
    [ Google | Google Scholar ]
Arquivo gerado a partir dos currículos Lattes dos pesquisadores. Data do processamento: 02/06/2025 09:35:38
Os resultados estão sujeitos a falhas devido a eventuais inconsistências no preenchimento dos currículos Lattes pelos pesquisadores. Caso note algum problema, por favor, contacte o responsável por esta página: informatica@ime.unicamp.br.