Programa de Pós-Graduação em Estatística

Produção Científica do Período de 2012 a 2025

Apresentações de Trabalho

Número total de items: 924

2025

  1. PORTELLA, L.; PINHEIRO, Aluisio de Souza; CINTRA, R.; PINHEIRO, A. Low-Complexity Approximations of the WECS Method for SAR Change Detection. 2025.
    [ Google | Google Scholar ]
  2. SOUSA, A. R.; PINHEIRO, A.; REISEN, Valdério Anselmo Cepstral and Wavelet Analysis Applied to Air Pollution Time Series. 2025.
    [ Google | Google Scholar ]
  3. Machado, Milena; Benaquio, Wilson Carminatti; REISEN, Valdério Anselmo; Prezotti Filho, Paulo Roberto; PPatrocínio, Patrick Ferreira; PINHEIRO, A. Robust Estimation for P INAR(1)T Processes and Outlier Detec- tion Based on Wavelets. 2025.
    [ Google | Google Scholar ]
  4. FONSECA, RODNEY; PINHEIRO, A. Wavelet feature screening in high dimensional regression problems'. 2025.
    [ Google | Google Scholar ]
  5. Saraiva, João Pedro M.; PINHEIRO, A.; NEGRI, ROGÉRIO G. Enhancing Change Detection in SAR Image Time Series Using Image Denoising Algorithms. 2025.
    [ Google | Google Scholar ]
  6. PINHEIRO, A. U-statistics: Foundations, Generalizations and Applications Part II. 2025.
    [ Google | Google Scholar ]
  7. Garcia, Nancy L. Pós-Graduação em Matemática/Probabilidade e Estatística, passado, presente e futuro. 2025.
    [ Google | Google Scholar ]
  8. GARCÍA, JESÚS E.; González-López, V.A. A Non-parametric Test for Copula Distribution Equality Using Young Diagrams. 2025.
    [ Google | Google Scholar ]
  9. GARCÍA, JESÚS E.; González-López, V. A.; SANTOS, D. S. An Efficient Determination Criterion-based Metric for Z-DNA Pattern Identification. 2025.
    [ Google | Google Scholar ]
  10. GARCÍA, JESÚS E.; González-López, V.A.; SANTOS, D. S. Markov-Based Stochastic Analysis of Dengue Virus Sequences from the 2014 Japan Outbreak. 2025.
    [ Google | Google Scholar ]
  11. García, Jesús E.; González-López, V. A.; SANTOS, D. S. A Family of Metrics based on the Efficient Determination Criterion. 2025.
    [ Google | Google Scholar ]
  12. García, Jesús E.; González-López, V.A.; SANTOS, D. S. A Family of Metrics based on the Efficient Determination Criterion. 2025.
    [ Google | Google Scholar ]
  13. González-López, V. A. A Estatística Para Além dos Muros da Universidade. 2025.
    [ Google | Google Scholar ]
  14. Kiihl, S.; benaglia, t. a. Modelagem Estatística: Uma Jornada pelos Tidy Models em R. 2025.
    [ Google | Google Scholar ]
  15. MATOS, L. A. Modeling Longitudinal Data using Robust Mixed Models. 2025.
    [ Google | Google Scholar ]
  16. MATOS, L. A. Modeling Longitudinal Data Using Robust Mixed Models. 2025.
    [ Google | Google Scholar ]
  17. MATOS, L. A. Modelos Lineares Mistos na Prática: Análise de Dados Longitudinais. 2025.
    [ Google | Google Scholar ]
  18. MATOS, L. A. skewlmm: An R Package for Fitting Skewed and Heavy-Tailed Linear Mixed Models. 2025.
    [ Google | Google Scholar ]
  19. MATOS, L. A. Modelos Lineares Mistos Aplicados: Um guia para análise de dados longitudinais usando o pacote skewlmm. 2025.
    [ Google | Google Scholar ]
  20. Castro, M.; AZEVEDO, C. L. N.; Nobre, J.S. A robust quantile regression for bounded variables based on the Kumaraswamy Rectangular distribution. 2025.
    [ Google | Google Scholar ]
  21. SOUSA, A. R. S. On Bayesian wavelet shrinkage estimation of nonparametric regression models with stationary correlated errors (Centrale Supeléc, França). 2025.
    [ Google | Google Scholar ]
  22. Kobus, A. S. G.; MENDES, A. M. F.; Gonçalves, L. S. Estudo Preditivo da Dengue com Base em Séries Temporais Climáticas e Epidemiológicas. 2025.
    [ Google | Google Scholar ]
  23. Ferreira, J. Z.; Kobus, A. S. G.; MENDES, A. M. F. A trajetória dos menores de idade nos Jogos Olímpicos. 2025.
    [ Google | Google Scholar ]
  24. Paludo, G. F.; MENDES, A. M. F.; Damaceno, G. P.; Cayo, A. W. C.; Bueno Filho, J. S. S. Testando se uma folha pertence as espécies amostradas. 2025.
    [ Google | Google Scholar ]
  25. MENDES, A. M. F. Parametric quantile regression models: an overview. 2025.
    [ Google | Google Scholar ]
  26. COSTA, L. L. S.; CERQUEIRA, A. Inference in Random Networks with Discrete Weights: An Application to Airport Networks. 2025.
    [ Google | Google Scholar ]
  27. FREITAS, J. V. B.; AZEVEDO Regression models for binary data with scale mixtures of centered skew-normal link functions. 2025.
    [ Google | Google Scholar ]
  28. TEIXEIRA, A. R. Medidas de controle em espaços sem convexidade local e integração estocástica vetorial. 2025.
    [ Google | Google Scholar ]
  29. TEIXEIRA, A. R. Controls for Stochastic 𝐿^0-Valued Measures in the Space of Bochner Measurable Functions and the Analytic Theory of Stochastic Integration. 2025.
    [ Google | Google Scholar ]
  30. SANTOS, L. S.; LEBENSZTAYN, Élcio Quasi-Stationary Distribution for Rumor Process. 2025.
    [ Google | Google Scholar ]
  31. SANTOS, L. S. Quasi-stationary behavior for Rumor Process. 2025.
    [ Google | Google Scholar ]
  32. SANTOS, L. S.; LEBENSZTAYN, Élcio The Law of Large Numbersfor Stochastic Rumor Process. 2025.
    [ Google | Google Scholar ]
  33. SANTOS, L. S. Processos de Rumor a Longo Prazo. 2025.
    [ Google | Google Scholar ]
  34. SOUSA, J. S.; MONTALVO, G. S. A. Violência Doméstica em Fortaleza: Evidências dos Efeitos Temporais com GAMLSS. 2025.
    [ Google | Google Scholar ]
  35. SOUSA, J. S.; MONTALVO, G. S. A. A Distribuição Harris Gumbel Tipo II. 2025.
    [ Google | Google Scholar ]
  36. SOUSA, J. S. Monitoramento da Criminalidade. 2025.
    [ Google | Google Scholar ]
  37. Travassos, K.; MATOS, L. A.; SCHUMACHER, F. L. Sandwich variance estimation in scale mixture of skew-normal linear mixed models. 2025.
    [ Google | Google Scholar ]
  38. SANTOS, D. S.; GONZALEZ-LOPEZ, V. A. An Efficient Determination Criterion-based Metric for Z-DNA Pattern Idetification. 2025.
    [ Google | Google Scholar ]
  39. SANTOS, D. S.; GONZALEZ-LOPEZ, V. A. Assessing Discrepancies in the Direction of Daily Currency Movements through Metrics Based on the Effcient Determination Criterion. 2025.
    [ Google | Google Scholar ]
  40. SANTOS, D. S.; PINHO, L. G. B. An Investor Inertia-Based Advection-Diffusion Model for Dynamics of Financial Asset Prices. 2025.
    [ Google | Google Scholar ]
  41. BARRIOS, F. A. C. Bayesian wavelet shrinkage for low SNR data based on the Epanechnikov kernel. 2025.
    [ Google | Google Scholar ]
  42. REINA, J. M.; SOUSA, A. R. S. Wavelet shrinkage based on the raised cosine prior. 2025.
    [ Google | Google Scholar ]
  43. GUAMÁN, P. A. Z. Inferencia de datos espaciales con respuestas censuradas o faltantes usando ecuaciones diferenciales parciales estocásticas (SPDE). 2025.
    [ Google | Google Scholar ]
  44. GOMES DE JESUS LINO, PAULO; COSTA, L. C. C.; MORAIS, S. R. R. Modelagem Logística com Respostas Distais Utilizando o Modelo de Resposta Gradual: Uma Abordagem Bayesiana.. 2025.
    [ Google | Google Scholar ]
  45. BERNARDINELLI, P. F. G.; ALVES, C. G.; SANTOS, R. R. Modelagem espaço-temporal bayesiana do risco de roubo de celulares nos municípios de São Paulo utilizando INLA: estimação e predição. 2025.
    [ Google | Google Scholar ]
  46. CAETANO, SIDNEY M.; MAZZEU, J. H. G. Short-term inflation expectations evaluation in the presence of instabilities. 2025.
    [ Google | Google Scholar ]
  47. FERNANDES, F. A. Parametrizações do modelo de von Bertalanffy para descrição de curvas de crescimento. 2025.
    [ Google | Google Scholar ]
  48. BARRIOS, L. L. D.; FERNANDES, F. A.; MOTTA, M. R. Abordagem Bayesiana utilizando Modelos Não Lineares na Predição do Crescimento de Coelhos. 2025.
    [ Google | Google Scholar ]
  49. FERNANDES, F. A.; LIMA, K. P.; RABELO, R. A. L. Crescimento e Padrão do Feminicídio no Nordeste: Um Estudo de 2001 a 2023. 2025.
    [ Google | Google Scholar ]
  50. LIMA, K. P.; FERNANDES, F. A.; RABELO, R. A. L. Evolução do Registro Global de Ensaios Clínicos Oncológicos: Análise do Número de Registros entre 2004 e 2025. 2025.
    [ Google | Google Scholar ]
  51. LIMA, K. P.; FERNANDES, F. A.; RABELO, R. A. L.; MORAIS, A. R. Comparação de modelos não lineares com erro assimétrico para o acúmulo de matéria seca do feijoeiro cultivar Bolinha. 2025.
    [ Google | Google Scholar ]
  52. PORTELLA, LUAN; PINHEIRO, A. Low-Complexity Approximations of the WECS Method for SAR Change Detection. 2025.
    [ Google | Google Scholar ]
  53. GOMES, T. F. P.; HOTTA, A New Homeomorphism: Application to a Novel Geometric Perspective on Historical Volatility. 2025.
    [ Google | Google Scholar ]

2024

  1. Motta, M. R.; GARCIA, NANCY L.; MIGON, H.; PETKOVA, E.; TARPEY, T.; OGDEN, R. T. Unsupervised Bayesian Classification for Mixture Regression Models with Scalar and Functional Covariates. 2024.
    [ Google | Google Scholar ]
  2. Motta, M. R.; FORKMAN, J. Bayesian Analysis of Nonnegative Data Using Dependency-Extended Two-Part Models. 2024.
    [ Google | Google Scholar ]
  3. Motta, M. R.; Garcia, N. L. CORRELATED FUNCTIONAL DATA. 2024.
    [ Google | Google Scholar ]
  4. Garcia, Nancy L. Da escola da Fazendo Palmeiras até a Eleição para a Academia Brasileira de Ciências. 2024.
    [ Google | Google Scholar ]
  5. Garcia, Nancy L. Identificação de respondentes a placebo baseado em covariáveis e sinais de EEG (e mais, se der tempo). 2024.
    [ Google | Google Scholar ]
  6. Garcia, Nancy L. Statistics - palying into everyone's backyard. 2024.
    [ Google | Google Scholar ]
  7. Garcia, Nancy L.; MOTTA, M. R.; MIGON, H.; PETKOVA, E.; TARPEY, T.; OGDEN, R. T. Identificação de respondentes a placebo baseado em covariáveis e sinais de EEG (e mais, se der tempo). 2024.
    [ Google | Google Scholar ]
  8. Garcia, Nancy L. Statistics - playing into everyone's backyard. 2024.
    [ Google | Google Scholar ]
  9. GARCÍA, JESÚS E.; González-López, V.A. The Efficient Determination Criterion for Partition Markov Model Estimation. 2024.
    [ Google | Google Scholar ]
  10. González López, V. A.; LITVINOFF JUSTUS, VINÍCIUS An Examination of a Necessary and Sufficient Condition for Conditional Independence. 2024.
    [ Google | Google Scholar ]
  11. GARCÍA, JESÚS E.; González-López, V.A.; Sanchez, J. G. A metric based on the efficient determination criterion. 2024.
    [ Google | Google Scholar ]
  12. Kiihl, S.; benaglia, t. a. Modelagem Estatística: Uma Jornada pelos Tidy Models em R. 2024.
    [ Google | Google Scholar ]
  13. benaglia, t. a.; Kiihl, S. TidyModels in R with Malaria Data Application. 2024.
    [ Google | Google Scholar ]
  14. CARVALHO, D. A. F.; MAIA, R.P. Modelo de regressão t assimétrica Tipo II com efeitos aleatórios aplicado à análise longitudinal de desempenho acadêmico. 2024.
    [ Google | Google Scholar ]
  15. MAIA, R. P.; GAONA, N. B. R. Analisando dados de desempenho acadêmico o tempo de permanência via um modelo conjunto de dados longitudinais e de sobrevivência com tempo discreto. 2024.
    [ Google | Google Scholar ]
  16. MATOS, L. A. Extending multivariate Student's-t semiparametric mixed models for longitudinal data with censored responses and heavy tails. 2024.
    [ Google | Google Scholar ]
  17. SOUSA, A. R. S. Sobre a estimação Bayesiana de coeficientes de ondaletas em modelos de regressão não paramétrica com erros estacionários. 2024.
    [ Google | Google Scholar ]
  18. TRUCÍOS, CARLOS A new proposal to forecast high-dimensional conditional covariance matrices via general dynamic factor models.. 2024.
    [ Google | Google Scholar ]
  19. SILVA, C. A. P. J.; Reisen, A. V.; RODRIGUES, P. C. Estimadores Robustos para Modelos de Regressão Circular. 2024.
    [ Google | Google Scholar ]
  20. SILVA, C. A. P. J. Detecção de Outliers no Modelo de Regressão Circular. 2024.
    [ Google | Google Scholar ]
  21. SANTOS, J. R. S.; AZEVEDO, C. L. N.; FOX, JEAN-PAUL Bayesian modeling of longitudinal multiple-group IRT data with skewed latent distributions and growth curves. 2024.
    [ Google | Google Scholar ]
  22. RODRIGUES, M. A. F.; COLOSIMO, ENRICO ANTÔNIO; BASTOS, JULIANA VILELA; COSTE, SYLVIA CURY Cause-Specifc Regression Model for correlated data in the presence of competing risks and interval censoring. 2024.
    [ Google | Google Scholar ]
  23. RODRIGUES, M. A. F.; COLOSIMO, ENRICO ANTÔNIO; BASTOS, JULIANA VILELA; COSTE, SYLVIA CURY Parametric Model for Correlated Survival Data in the Presence of Competing Risks and Interval Censored. 2024.
    [ Google | Google Scholar ]
  24. VENTURIM, V. P.; SILVA, D. R. C.; ZETUM, A. S. S.; MION, F. A.; ROSA, H. P.; MORAIS, L. C.; BARBOSA, K. R. M.; MORELLATO, S. A.; MEIRA, D. D.; LOURO, I. D. Impacto de variantes genéticas do gene SELP no desenvolvimento de sequelas cardiorrespiratórias pós-COVID-19: um estudo de sequenciamento de exoma. 2024.
    [ Google | Google Scholar ]
  25. MION, F. A.; GUAITOLINI, Y. M.; SILVA, D. R. C.; ZETUM, A. S. S.; VENTURIM, V. P.; MORELLATO, S. A.; MEIRA, D. D.; LOURO, I. D. Identification of Genetic Alterations in Patients Who Developed Physical Fatigue as a Long COVID Condition. 2024.
    [ Google | Google Scholar ]
  26. BASILIO, L. A.; SILVA, D. R. C.; VENTURIM, D. P.; MORELLATO, S. A.; MEIRA, D. D.; LOURO, I. D. Predictive modeling of post-covid-19 hair loss: Insights from machine learning and logistic regression. 2024.
    [ Google | Google Scholar ]
  27. GIACINTI, G. M.; MORELLATO, S. A.; MION, F. A.; SILVA, D. R. C.; CASOTTI, M. C.; LOURO, I. D.; MEIRA, D. D. Avaliação do EGFR como potencial biomarcador para a Covid Longa. 2024.
    [ Google | Google Scholar ]
  28. GUAITOLINI, Y. M.; MION, F. A.; ZETUM, A. S. S.; VENTURIM, V. P.; SILVA, D. R. C.; MORELLATO, S. A.; MEIRA, D. D.; LOURO, I. D. Genetic study of patients with persistent neurocognitive sequelae after COVID-19. 2024.
    [ Google | Google Scholar ]
  29. VENTURIM, V. P.; SILVA, D. R. C.; BASILIO, L. A.; BARBOSA, K. R. M.; MORAIS, L. C.; MORELLATO, S. A.; MEIRA, D. D.; LOURO, I. D. Exploring Genetic Determinants of Post-COVID-19 Dyspnea: An Exome Sequencing Approach. 2024.
    [ Google | Google Scholar ]
  30. UTRIA, J. Sistemas de paseos aleatorios interactuantes: Condiciones para la transición de fase. 2024.
    [ Google | Google Scholar ]
  31. UTRIA, J. Recorrência para passeios aleatórios assimétrico unidimensionais. 2024.
    [ Google | Google Scholar ]
  32. SCHUMACHER, FERNANDA L.; ZHANG, Y. Challenges in assessing biological aging in people with multiple sclerosis based on epigenetic clocks. 2024.
    [ Google | Google Scholar ]
  33. FREITAS, J. V. B.; AZEVEDO, C. L. N.; NOBRE, J. S. A stochastic approximation ECME algorithm to semi-parametric scale mixtures of centred skew-normal regression models. 2024.
    [ Google | Google Scholar ]
  34. FREITAS, J. V. B.; AZEVEDO ; NOBRE, J. S. A stochastic approximation ECME algorithm to semi-parametric scale mixtures of centred skew-normal regression models. 2024.
    [ Google | Google Scholar ]
  35. FREITAS, J. V. B.; NOBRE, J. S.; ESPINHEIRA, P. L.; REGO, L. C. Unit gamma regression models for correlated bounded data. 2024.
    [ Google | Google Scholar ]
  36. FREITAS, J. V. B.; AZEVEDO, C. L. N.; NOBRE, J. S. A stochastic approximation ECME algorithm to semi-parametric scale mixtures of centred skew-normal regression models. 2024.
    [ Google | Google Scholar ]
  37. GARCÍA, JESÚS ENRIQUE; GONZÁLEZ-LÓPEZ, VERÓNICA ANDREA; ÁLVARO, M.M.K. The Shape of the Young Tableau in Data of Collapse of Tailings Dams. 2024.
    [ Google | Google Scholar ]
  38. SANTOS, L. S.; LEBENSZTAYN, Élcio A Brief Presentation for Quasi-Stationary Distributions. 2024.
    [ Google | Google Scholar ]
  39. SILVA, K. T. A.; MATOS, L. A.; SCHUMACHER, F. L. Diagnostic analysis in scale mixture of skew- normal linear mixed models. 2024.
    [ Google | Google Scholar ]
  40. PUMPUTIS MARQUES, M. A. Modelos Mínimos de Markov: Aplicando Cadeias de Markov de ordem M em Estratigrafia. 2024.
    [ Google | Google Scholar ]
  41. CASTRO, M. O.; AZEVEDO, C. L. N. Robust quantile regression models for limited responses using finite mixtures. 2024.
    [ Google | Google Scholar ]
  42. NASCIMENTO, C. A. V.; TRUCIOS, C. M. Optimizing vine copula conditional covariannce matrix estimation on risk measures. 2024.
    [ Google | Google Scholar ]
  43. LITVINOFF JUSTUS, VINÍCIUS; GONZALEZ-LOPEZ, V. A. Inferência Causal: Uma Introdução aos Modelos Causais Estruturais. 2024.
    [ Google | Google Scholar ]
  44. PIO JUNIOR, R. L. S. A Ausência de Política Pública Educacional no Sistema Prisional Brasileiro e Seus Impactos na Reincidência Criminal. 2024.
    [ Google | Google Scholar ]
  45. SILVA, I. N. P.; TRUCÍOS, CARLOS Uma comparação de estimadores de encolhimento linear e não linear para a matriz de covariância. 2024.
    [ Google | Google Scholar ]
  46. KIST, L. P.; LUDWIG, G. V. N. Modelos estatísticos espaço-temporais para determinar fronteiras de áreas de desmatamento próximas a rodovias no Amazonas. 2024.
    [ Google | Google Scholar ]
  47. NICODEMO, L. S. Formulações Mistas de Elementos Finitos para Solução Numérica do Problema de Darcy. 2024.
    [ Google | Google Scholar ]
  48. NICODEMO, L. S. Resolução de Equações Diferenciais Parciais com o Método dos Elementos Finitos. 2024.
    [ Google | Google Scholar ]
  49. LINO, P. G. J.; LIMA, V. M. C.; COSTA, L. C. C.; MACHADO, L. O. R.; REGO, R. C. F. Derramamento de Petróleo na Bahia: Construção de Indicadores de Exposição em Pescadores Artesanais usando a Teoria de Resposta ao Item. 2024.
    [ Google | Google Scholar ]
  50. LINO, P. G. J.; COSTA, L. C. C.; MORAIS, S. R. R. Modelagem Logística com Respostas Distais Utilizando o Modelo de Resposta Gradual: Uma Abordagem Bayesiana. 2024.
    [ Google | Google Scholar ]
  51. LINO, P. G. J.; LIMA, V. M. C.; COSTA, L. C. C. Construção de Variáveis Indicadoras para Mensurar a Exposição ao Petróleo Durante às Atividades de Pesca no Litoral da Bahia: Classificação pelo Modelo de Resposta Gradual. 2024.
    [ Google | Google Scholar ]
  52. BERNARDINELLI, P. F. G. Deep Learning e Séries Temporais. 2024.
    [ Google | Google Scholar ]
  53. BERNARDINELLI, P. F. G.; FLORINDO, J. B. Análise de Séries Temporais Usando Aprendizado Profundo e Dinâmica Não-Linear. 2024.
    [ Google | Google Scholar ]
  54. CERQUEIRA, A. Detecção de comunidades em redes aleatórias. 2024.
    [ Google | Google Scholar ]
  55. MAZZEU, J. H. G. Robustez e o modelo generalizado de fatores dinâmicos com espaço de dimensão infinita: identificação, estimação e previsão. 2024.
    [ Google | Google Scholar ]
  56. BURBANO-MORENO, ALVARO ALEXANDER; DIAS, R. Predição de dados funcionais com dependência espacial: espaçamento não equidistante. 2024.
    [ Google | Google Scholar ]
  57. BURBANO-MORENO, ALVARO ALEXANDER; MAYRINK, VINÍCIUS DINIZ Functional data analysis: spatial association of curves and irregular spacing. 2024.
    [ Google | Google Scholar ]
  58. BURBANO-MORENO, ALVARO ALEXANDER Análisis de datos funcionales espaciales: Espaciamiento irregular y Polinomios de Bernstein. 2024.
    [ Google | Google Scholar ]
  59. BURBANO-MORENO, ALVARO ALEXANDER; MAYRINK, VINÍCIUS DINIZ Spatial functional data analysis: irregular spacing and Bernstein polynomials. 2024.
    [ Google | Google Scholar ]
  60. BURBANO-MORENO, ALVARO ALEXANDER; MAYRINK, VINÍCIUS DINIZ Modeling Spatial Functional Data on Irregular Domains using B-splines. 2024.
    [ Google | Google Scholar ]
  61. FERNANDES, F. A.; MOTTA, M. R. Regressão não linear quantílica para modelagem de crescimento de frangos machos. 2024.
    [ Google | Google Scholar ]
  62. LIMA, K. P.; FERNANDES, F. A.; RABELO, R. A. L.; MORAIS, A. R. Modelo não linear Gompertz com erro assimétrico para descrição do acúmulo da matéria seca do feijoeiro cultivar bolinha. 2024.
    [ Google | Google Scholar ]
  63. SANTOS, L. M.; FERNANDES, F. A.; BRUM, D.; ZANELLA, M. A.; FERRAZ, P. F. P.; FERRAZ, G. A. E. S. Uso de camêras térmicas na detecção precoce de Meloidogyne exigua em cafezais: Um estudo de caso na região sul de Minas Gerais. 2024.
    [ Google | Google Scholar ]

2023

  1. AZEVEDO, C. L. N. Um convite à Teoria da Resposta ao Item (TRI). 2023.
    [ Google | Google Scholar ]
  2. Pinheiro, Hildete; BARRETO, F. H. S. Evaluating academic performance using nonparametric regression. 2023.
    [ Google | Google Scholar ]
  3. RIFO, L. Modelagem probabilística na formação de professores. 2023.
    [ Google | Google Scholar ]
  4. RODRIGUES-Motta, M. Unsupervised Bayesian classification for mixed regression models with scalar and functional covariates. 2023.
    [ Google | Google Scholar ]
  5. Rodrigues-Motta, M. Bayesian analysis of nonnegative data using dependency-extended two-part models. 2023.
    [ Google | Google Scholar ]
  6. RODRIGUES-MOTTA, MARIANA Using complex models in the identification of sick cows. 2023.
    [ Google | Google Scholar ]
  7. RODRIGUES-MOTTA, MARIANA Unsupervised Bayesian classification for mixed regression models with scalar and functional covariates. 2023.
    [ Google | Google Scholar ]
  8. FREGUGLIA, V.; GARCIA, N. L. Detecting Renewal States in texts of Brazilian and European Portuguese. 2023.
    [ Google | Google Scholar ]
  9. Garcia, Nancy L. Statistics: a fundamental tool for analysing data. 2023.
    [ Google | Google Scholar ]
  10. Garcia, Nancy L.; ROCHA, M.; ZAMBOM, A. Z.; KIM, S. 'Variable length Markov chain with exogenous covariates'. 2023.
    [ Google | Google Scholar ]
  11. Garcia, Nancy L.; MEDEIROS, C. B. Mesa redonda: Open Science. 2023.
    [ Google | Google Scholar ]
  12. Garcia, Nancy L. Estatística: uma ferramenta fundamental para problemas aplicados. 2023.
    [ Google | Google Scholar ]
  13. García, Jesús E.; González-López, V.A.; Sanchez, J. G. A Metric Based on the EDC Criterion. 2023.
    [ Google | Google Scholar ]
  14. García, Jesús E.; González-López, V. A.; Sanchez, J. G. Quantifying Errors in Minimal Partition Identification through the Efficient Determination Criterion. 2023.
    [ Google | Google Scholar ]
  15. González López, V. A. Data Science and Statistics: Challenges and Opportunities in Latin America (In Data Science And Statistics: Challenges And Opportunities Within The ISI). 2023.
    [ Google | Google Scholar ]
  16. González López, V. A. Building a Metric through the Efficient Determination Criterion. 2023.
    [ Google | Google Scholar ]
  17. González-López, V.A. Representation of the dependence among indicators arising from reservoirs/tailing dams breakout. 2023.
    [ Google | Google Scholar ]
  18. CARVALHO, B. S.; SOUZA, W.; CENDES, I. T. L. RNNR: distributed task execution system for scaling reproducible workflows (pôster). 2023.
    [ Google | Google Scholar ]
  19. CARVALHO, B. S. Do Código à Cura Ciência de Dados e Condições Neurológicas. 2023.
    [ Google | Google Scholar ]
  20. CARVALHO, B. S. Precision Medicine in Brazil. 2023.
    [ Google | Google Scholar ]
  21. GUELLA, J. Hilbert space embeddings of independence tests in 2 and several variables. 2023.
    [ Google | Google Scholar ]
  22. GUELLA, J. Testes de independência total e parcial imersos em espaços de Hilbert. 2023.
    [ Google | Google Scholar ]
  23. SOUSA, A. R. S. Regras bayesianas de encolhimento de coeficientes de ondaletas em modelos com erros gaussianos e positivos. 2023.
    [ Google | Google Scholar ]
  24. TRUCÍOS, CARLOS; HALLIN, M. Forecasting risk measures in high-dimensional portfolios. 2023.
    [ Google | Google Scholar ]
  25. TRUCÍOS, CARLOS Forecasting conditional covariance matrices in high-dimensional time series via general dynamic factor models: portfolio allocation and risk measures. 2023.
    [ Google | Google Scholar ]
  26. TRUCÍOS, CARLOS Forecasting risk measures in high dimensional portfolios. 2023.
    [ Google | Google Scholar ]
  27. TRUCÍOS, CARLOS Does portfolio resampling really improve out-of-sample performance? Evidence from the Brazilian and US markets. 2023.
    [ Google | Google Scholar ]
  28. TRUCÍOS, CARLOS Forecasting conditional covariance matrices in high-dimensional time series via general dynamic factor models: portfolio allocation and risk measures. 2023.
    [ Google | Google Scholar ]
  29. TRUCÍOS, CARLOS Forecasting Value-at-Risk and Expected Shortfall in large portfolios. 2023.
    [ Google | Google Scholar ]
  30. TRUCÍOS, CARLOS High-Dimensional Financial Time Series. 2023.
    [ Google | Google Scholar ]
  31. TRUCÍOS, CARLOS Forecasting risk measures in high-dimensional portfolios with additive outliers. 2023.
    [ Google | Google Scholar ]
  32. TRUCÍOS, CARLOS Forecasting conditional covariance matrices in high-dimensional time series via general dynamic factor models: portfolio allocation and risk measures. 2023.
    [ Google | Google Scholar ]
  33. UTRIA, J. Oriented Percolation Models: Further improvement for the critical probability on regular trees. 2023.
    [ Google | Google Scholar ]
  34. OLIVEIRA, D. C. R.; SCHUMACHER, FERNANDA L.; LACHOS, VICTOR H. Variable selection in high-dimensional linear mixed-effects models. 2023.
    [ Google | Google Scholar ]
  35. SCHUMACHER, FERNANDA L.; MATOS, L. A.; LACHOS, VICTOR H. Robust mixed models for longitudinal data: model fitting and evaluation. 2023.
    [ Google | Google Scholar ]
  36. OLIVEIRA, D. C. R.; SCHUMACHER, F. L.; LACHOS, V. H. EM algorithm for regularization problems in high-dimensional LMMs. 2023.
    [ Google | Google Scholar ]
  37. SCHUMACHER, FERNANDA LANG; MATOS, LARISSA A.; LACHOS, VICTOR H.; LOUZADA NETO, F. Bayesian Estimation in Scale Mixture of Skew-Normal linear mixed models using Hamiltonian Monte Carlo. 2023.
    [ Google | Google Scholar ]
  38. ZHONG, K.; SCHUMACHER, FERNANDA L.; CASTRO, LUIS M.; LACHOS, VICTOR H. Bayesian scale mixture of normal censored linear mixed models with within-subject serial dependence. 2023.
    [ Google | Google Scholar ]
  39. MENDES, A. M. F.; Azevedo, C. L. N.; Demétrio, C. G. B.; NOBRE, J. S. Generalized Mixed Poisson regression models for overdispersed count data. 2023.
    [ Google | Google Scholar ]
  40. Conceição, Josué dos Santos Desempenho e Tempo de Permanência de estudantes nos cursos da área de Ciências Biológicas da Unicamp. 2023.
    [ Google | Google Scholar ]
  41. COSTA, L. L. S.; CERQUEIRA, A. Inferencia en redes aleatorias con pesos discretos. 2023.
    [ Google | Google Scholar ]
  42. ROCHA, M. G.; Nancy Lopes Garcia Probabilistic modeling of sequential data from multiple geographic locations using Variable Length Markov Chains with time-varying and time-invariant exogenous covariates. 2023.
    [ Google | Google Scholar ]
  43. PEREIRA, N. P.; JULIO, R. S.; MONTEIRO, M.A.C. Investigação matemática na perspectiva do diálogo igualitário no ensino de introdução a funções. 2023.
    [ Google | Google Scholar ]
  44. PEREIRA, N. P.; OLIVEIRA, A.J.; CARDOSO, A. Programação linear e ensino de matemática na educação básica. 2023.
    [ Google | Google Scholar ]
  45. PEREIRA, N. P.; OLIVEIRA, A.J. Uma breve apresentação do Problema de Transporte. 2023.
    [ Google | Google Scholar ]
  46. PEREIRA, N. P.; OLIVEIRA, A.J. Um estudo da análise de sensibilidade associada a problemas de transporte. 2023.
    [ Google | Google Scholar ]
  47. PEREIRA, N. P.; OLIVEIRA, A.J. Análise de sensibilidade associada ao problema de transportes de uma empresa de laticínios. 2023.
    [ Google | Google Scholar ]
  48. SILVA, R. C.; SILVA, H.; CAMPOS, J. C. Utilizando Análise Combinatória e Probabilidade para explicar os jogos de loteria no Brasil. 2023.
    [ Google | Google Scholar ]
  49. KIST, L. P.; LUDWIG, G. V. N. Modelos estatísticos espaço-temporais para determinar fronteiras de áreas de desmatamento próximas a rodovias no Amazonas. 2023.
    [ Google | Google Scholar ]
  50. LINO, P. G. J.; OLIVEIRA, M. D. Estatística básica no ensino médio: Educação remota. 2023.
    [ Google | Google Scholar ]
  51. LINO, P. G. J.; LIMA, V. M. C.; COSTA, L. C. C. Análise de dimensionalidade das variáveis de exposição ao petróleo durante às atividades de pesca e remoção no litoral da Bahia. 2023.
    [ Google | Google Scholar ]
  52. CERQUEIRA, A. Recovering communities in networks. 2023.
    [ Google | Google Scholar ]
  53. CERQUEIRA, A. Modelos Estatísticos para Modelagem de Redes Complexas. 2023.
    [ Google | Google Scholar ]
  54. CERQUEIRA, A. Spatial Gibbs Random Graphs. 2023.
    [ Google | Google Scholar ]
  55. TRUCÍOS, CARLOS; MAZZEU, J. H. G.; HALLIN, MARC; HOTTA, L. K.; VALLS, P. Robustness and the General Dynamic Factor Model with Infinite-Dimensional Space: Identification, Estimation and Forecasting. 2023.
    [ Google | Google Scholar ]
  56. MAZZEU, J. H. G. Robustez e o modelo generalizado de fatores dinâmicos com espaço de dimensão infinita: identificação, estimação e previsão. 2023.
    [ Google | Google Scholar ]
  57. SANTOS, O. M. S. P.; FERNANDES, F. A. DIAGNÓSTICO DA PRODUÇÃO E PRODUTIVIDADE DO ALGODÃO (GOSSYPIUM HIRSUTUM L.) NO BRASIL NAS SAFRA 2020/2021 E 2021/2022. 2023.
    [ Google | Google Scholar ]
  58. PICCIRILLI, G. P.; BRANCO, M. D Bayesian Conditional Transformation Models using Laplace Approximation. 2023.
    [ Google | Google Scholar ]
  59. PICCIRILLI, G. P.; BRANCO, M. D Bayesian Conditional Transformation Model using Laplace Approximation. 2023.
    [ Google | Google Scholar ]

2022

  1. GALINDO, A. F. L.; AZEVEDO, C. L. N.; Nobre, J. S. Semi-parametric models for independent and longitudinal data with limited response. 2022.
    [ Google | Google Scholar ]
  2. FREITAS, J. V. B.; AZEVEDO, C. L. N.; Nobre, J. S. Semi-parametric models based on the Scale Mixtures of Centred Skew Normal distribution for independent and longitudinal data. 2022.
    [ Google | Google Scholar ]
  3. Vilca, F. Influence analysis and outlier tests for log-Birnbaum-Saunders regression models based on the EM algorithm. 2022.
    [ Google | Google Scholar ]
  4. Vilca, F. Diagnostic analysis based on the EM algorithm: Application for Birnbaum-Saunders regression models. 2022.
    [ Google | Google Scholar ]
  5. PINHEIRO, H. P.; Farias, B.M. The use of quasi U-statistics to test homogeneity of variants of coronavirus. 2022.
    [ Google | Google Scholar ]
  6. RIFO, L.; CASTILLA, L.; Climent, N.; HUBENAKOVA, V.; SEMANISINOVA, I. Preservice teachers? knowledge for teaching uncertainty: cases from Slovakia and Spain. 2022.
    [ Google | Google Scholar ]
  7. Motta, M. R. Unsupervised Bayesian classification for models with scalar and functional covariates. 2022.
    [ Google | Google Scholar ]
  8. Rodrigues-Motta, M. Unsupervised Bayesian classification for mixed regression models with scalar and functional covariates. 2022.
    [ Google | Google Scholar ]
  9. ZEVALLOS, Mauricio Minimum Distance Estimation of Long-Memory Stochastic Duration Models. 2022.
    [ Google | Google Scholar ]
  10. Garcia, Nancy L.; SILVA, D. D. B. N. How can Statistics be used to address global challenges?. 2022.
    [ Google | Google Scholar ]
  11. Garcia, Nancy L.; MOTTA, M. R.; MIGON, H.; GIORDANO, J.; PEREZ, M. M. Unsupervised Bayesian classification for mixed regression models with applications to predicting illness for milking cows. 2022.
    [ Google | Google Scholar ]
  12. FREGUGLIA, V.; Garcia, Nancy L. Bayesian analysis of Brazilian and European written texts. 2022.
    [ Google | Google Scholar ]
  13. FREGUGLIA, V.; Garcia, Nancy L. Detecting Renewal States in Chains of Variable Length via Intrinsic Bayes Factors. 2022.
    [ Google | Google Scholar ]
  14. GARCIA, N. L.; MOTTA, M. R.; MIGON, H.; GIORDANO, J.; PEREZ, M. M. Unsupervised Bayesian classification for mixed regression models with applications to predicting illness for milking cows. 2022.
    [ Google | Google Scholar ]
  15. GARCIA, N. L.; FREGUGLIA, V. Análise Bayesiana de Textos Escritos de Português Europeu Moderno e Brasileiro. 2022.
    [ Google | Google Scholar ]
  16. Garcia, Nancy L.; FREGUGLIA, V. Bayesian analysis of Brazilian and European written texts. 2022.
    [ Google | Google Scholar ]
  17. Schultz, J.; González-López, V. A. Copula Analysis of the 2018 Brazilian Presidential Election. 2022.
    [ Google | Google Scholar ]
  18. González-López, V. A. A Stochastic Characterization of Omicron Variant of SARS-COV 2 Virus. 2022.
    [ Google | Google Scholar ]
  19. García, Jesús E.; González López, V. A. A Stochastic Characterization of Omicron Variant of SARS-COV 2 Virus. 2022.
    [ Google | Google Scholar ]
  20. VERGILIO, M. M.; Kiihl, S.; FLORINDO, J. B.; Freitas, L. S.; Ribeiro, M. D.; NASCIMENTO, D. C. M.; AIELLO, L. M.; LEONARDI, G. R. Machine learning in high-frequency ultrasound skin imaging for cosmetics assessment. 2022.
    [ Google | Google Scholar ]
  21. MATOS, L. A. Extending multivariate Student's-t semiparametric mixed models for longitudinal data with censored responses and heavy tails. 2022.
    [ Google | Google Scholar ]
  22. MATOS, L. A. Tutorial: Modeling Longitudinal Data using Robust Mixed Models in R. 2022.
    [ Google | Google Scholar ]
  23. Freitas, J. V. B.; AZEVEDO, C. L. N.; Nobre, J.S. Semi-parametric models based on the Scale Mixtures of CentredSkew Normal distribution for independent and longitudinal data. 2022.
    [ Google | Google Scholar ]
  24. Bessa, P. V. O.; Rocha, E. O.; BATISTA, M. J.; Nobre, J.S. Método Bootstrap para estimação Intervalar. 2022.
    [ Google | Google Scholar ]
  25. GUELLA, J. C. SOME RECENT THEORETICAL RESULTS ABOUT HILBERT SPACE EMBEDDINGS OF PROBABILITIES.. 2022.
    [ Google | Google Scholar ]
  26. GUELLA, J. Recent theoretical results on MMD, Energy distance, HSIC and its generalizations. 2022.
    [ Google | Google Scholar ]
  27. GUELLA, J. C. Recent theoretical results about Hilbert space embeddings of probabilities.. 2022.
    [ Google | Google Scholar ]
  28. SOUSA, A. R. S. Testes Estatísticos em Aprendizagem de Máquinas. 2022.
    [ Google | Google Scholar ]
  29. TRUCÍOS, CARLOS Forecasting Conditional Covariance Matrices in High- Dimentional Time Series: Implications for Portfolio Allocation.. 2022.
    [ Google | Google Scholar ]
  30. TRUCÍOS, CARLOS Modelando Series Temporales Financieras en Alta Dimensión.. 2022.
    [ Google | Google Scholar ]
  31. TRUCÍOS, CARLOS A Comparison of Methods for Forecasting Value-at-Risk and Expected Shortfall of Cryptocurrencies. 2022.
    [ Google | Google Scholar ]
  32. TRUCÍOS, CARLOS Risk Measures in Cryptocurrency Markets. 2022.
    [ Google | Google Scholar ]
  33. TRUCÍOS, CARLOS Academia, mercado e otras cositas mas.. 2022.
    [ Google | Google Scholar ]
  34. TRUCÍOS, CARLOS Academia, mercado e otras cositas mas. 2022.
    [ Google | Google Scholar ]
  35. SANTOS, J. R. S. Bayesian Longitudinal Item Response Modeling with Multivariate Asymmetric Serial Dependencies. 2022.
    [ Google | Google Scholar ]
  36. NOBRE, Y. M.; SANTOS, J. R. S. Estudo do comportamento d itens avaliativos nos períodos pré, durante e após pandemia de Covid-19. 2022.
    [ Google | Google Scholar ]
  37. GARCIA, J. E.; GONZALEZ-LOPEZ, V. A.; TASCA, G. H.; YAGINOMA, K. Y. An Efficient Coding Technique for Stochastic Processes. 2022.
    [ Google | Google Scholar ]
  38. TASCA, G. H.; GONZALEZ-LOPEZ, V. A.; GARCIA, J. E.; MORAES, R. R.; SVARTMAN, F. R. F.; SANTOS, V. G. Vocatives in Libolo Portuguese: the pitch range as a distinctive prosodic parameter. 2022.
    [ Google | Google Scholar ]
  39. SCHUMACHER, FERNANDA L. A trajetória acadêmica e uma introdução a modelos mistos para dados longitudinais. 2022.
    [ Google | Google Scholar ]
  40. VALERIANO, KATHERINE L.; SCHUMACHER, FERNANDA L.; GALARZA, C. E.; MATOS, L. A. Censored autoregressive regression models with Student-t innovations. 2022.
    [ Google | Google Scholar ]
  41. SCHUMACHER, FERNANDA L.; MATOS, L. A.; LACHOS, V. H. Tutorial: Modeling Longitudinal Data using Robust Mixed Models in R. 2022.
    [ Google | Google Scholar ]
  42. VALERIANO, KATHERINE L.; SCHUMACHER, FERNANDA L.; GALARZA, C. E.; MATOS, L. A. Censored autoregressive regression models using the R package ARCensReg. 2022.
    [ Google | Google Scholar ]
  43. ORDOÑEZ, JOSÉ A.; PRATES, M. O.; BAZAN, J. L.; LACHOS, VICTOR H. Penalized Complexity priors for the skewness parameter of power links. 2022.
    [ Google | Google Scholar ]
  44. Valeriano, Katherine A. L.; SCHUMACHER, FERNANDA L.; GALARZA MORALES, CHRISTIAN; MATOS, LARISSA A. Censored autoregressive regression models with Student-t innovations. 2022.
    [ Google | Google Scholar ]
  45. COSTA, L. L. S.; NASCIMENTO, F. F. Regression in extremes using the Four-parameter Kappa distribution. 2022.
    [ Google | Google Scholar ]
  46. GALINDO, Á. F. L.; AZEVEDO, C. L. N.; NOBRE, J. S. Semi-parametric Models for Independent and Longitudinal Data with Limited Response. 2022.
    [ Google | Google Scholar ]
  47. FREITAS, J. V. B.; AZEVEDO, C. L. N.; NOBRE, J. S. Semi-parametric models based on the Scale Mixtures of Centred Skew Normal distribution for independent and longitudinal data. 2022.
    [ Google | Google Scholar ]
  48. TEIXEIRA, A. R. Uma Comparação das Teorias Abstrata e Topológica para Medidas Aleatórias e Processos Pontuais. 2022.
    [ Google | Google Scholar ]
  49. 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 ]
  50. NASCIMENTO, C. A. V.; COELHO, N. S.; PROTAZIO, J. M. B. ANALISE DE SÉRIE TEMPORAL: COVID-19 NO ESTADO DO PARÁ. 2022.
    [ Google | Google Scholar ]
  51. ROSÁRIO, F. C.; FARIAS, V. J. C.; REZENDE, L. P.; HENRIQUES, L. S.; SARAIVA, A. J. A. S.; SIQUEIRA, M. B. Aplicação da Rede Neural de Legendre (RNLeNN) na Solução Númerica de Equações Diferenciais. 2022.
    [ Google | Google Scholar ]
  52. ROSÁRIO, F. C.; FARIAS, V. J. C. Redes Neurais Estocásticas: Deep Learning Aplicado na Solução de Equações Diferenciais Estocásticas. 2022.
    [ Google | Google Scholar ]
  53. DIAS, M. M. O. O estado da arte em novas técnicas atuariais. 2022.
    [ Google | Google Scholar ]
  54. JUSTUS, V. L.; GONZALEZ-LOPEZ, V. A. Correlation Structure in Exchangeable Sequences. 2022.
    [ Google | Google Scholar ]
  55. MELO, A. W. N.; MEDEIROS, P. C. CURVAS DE DEMANDA POR ÁGUA NA MICRORREGIÃO DE ARARIPINA/PE. 2022.
    [ Google | Google Scholar ]
  56. FERNANDES, F. A.; Boas, I. A. V.; ALVES, H. J. P.; FERNANDES, T. J. Comparação dos modelos Logístico e Gompertz na descrição do crescimento de coelhos mestiços. 2022.
    [ Google | Google Scholar ]
  57. Boas, I. A. V.; SALVADOR, R. C.; FERNANDES, F. A.; GONZAGA, N. A.; FERNANDES, T. J.; MUNIZ, J. A. Modelos não lineares na análise de curvas de crescimento de acúmulo de fósforo em cultivares de milho. 2022.
    [ Google | Google Scholar ]
  58. SANTOS, L. S.; FERNANDES, F. A. DIAGNÓSTICO DA PRODUÇÃO E PRODUTIVIDADE DO FEIJÃO NO BRASIL NAS SAFRAS 2020/2021 E 2021/2022. 2022.
    [ Google | Google Scholar ]
  59. PICCIRILLI, G. P.; BRANCO, M. D; BAZAN, J. L. Um modelo de regressão quantílica espaço-temporal longitudinal para taxa de ocupação de leitos por COVID-19. 2022.
    [ Google | Google Scholar ]

2021

  1. Lebensztayn, E. Limit theorems for the Maki-Thompson rumour model. 2021.
    [ Google | Google Scholar ]
  2. Vilca, F. A Robust Birnbaum-Saunders Regression Model based on asymmetric heavy-tailed distributions. 2021.
    [ Google | Google Scholar ]
  3. RIFO, L.; Climent, N; Castilla-Mora, L Conocimiento de futuros profesores sobre incertidumbre. 2021.
    [ Google | Google Scholar ]
  4. RIFO, L. Minicurso - QUAL OFICINA DEVO ESCOLHER OU COMO TOMAR DECISÕES EM SITUAÇÕES DE INCERTEZA. 2021.
    [ Google | Google Scholar ]
  5. RIFO, L. Precisamos falar sobre o ensino de probabilidade. 2021.
    [ Google | Google Scholar ]
  6. RIFO, L. Incerteza e percepção do risco na aula de matemática. 2021.
    [ Google | Google Scholar ]
  7. ZEVALLOS, Mauricio; ABBARA, OMAR Estimation and forecasting of long-memory stochastic volatility models. 2021.
    [ Google | Google Scholar ]
  8. GALVES, A.; GALVES, C.; GARCIA, J.; GARCIA, N. L.; LEONARDI, F. Context Tree Selection and Linguistic Rhythm Retrieval from Written Texts. 2021.
    [ Google | Google Scholar ]
  9. GARCIA, N. L. Interacting cluster point process model for epidermal nerve fibers. 2021.
    [ Google | Google Scholar ]
  10. García, Jesús E.; González López, V. A.; TASCA, G. H. Comparison between Genomic Sequences of SARS-CoV 2 Virus: Original versus P.1 Variant. 2021.
    [ Google | Google Scholar ]
  11. Viola, M. L. L.; García, Jesús E.; González-López, V. A. Markovian Structure of Interaction for Three Indicators of Linguistic Rhythm. 2021.
    [ Google | Google Scholar ]
  12. González López, V. A. Covid-19 its Origins and Variants from a Stochastic Perspective. 2021.
    [ Google | Google Scholar ]
  13. González-López, V. A. Language modality representation through multiple partition Markov models. 2021.
    [ Google | Google Scholar ]
  14. García, Jesús E.; González-López, V. A.; TASCA, G. H.; SANTOS, VINÍCIUS G.; Fernandes-Svartman, F. R. Language Modality Representation through Multiple Partition Markov Models. 2021.
    [ Google | Google Scholar ]
  15. MAIA, R.P. Pesquisa com tratamento estatístico. 2021.
    [ Google | Google Scholar ]
  16. Freitas, J. V. B.; Nobre, J.S.; Bourguignon, M.; SANTOS, M. F. A new approach to modeling positive random variables with repeated measures. 2021.
    [ Google | Google Scholar ]
  17. 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 ]
  18. 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 ]
  19. Santos Filho, D. J.; Nobre, J.S. Utilização da estatística gradiente e seu refinamento em modelos lineares mistos. 2021.
    [ Google | Google Scholar ]
  20. Silva, L. A.; Nobre, J.S. utilização do método Bootstrap em Modelos de Regressão Linear Simples. 2021.
    [ Google | Google Scholar ]
  21. TRUCÍOS, CARLOS Forecasting Value-at-Risk and Expected Shortfall in large portfolios: A general dynamic factor approach. 2021.
    [ Google | Google Scholar ]
  22. TRUCÍOS, CARLOS Forecasting Value-at-Risk and Expected Shortfall in large portfolios: A general dynamic factor approach. 2021.
    [ Google | Google Scholar ]
  23. TRUCÍOS, CARLOS Forecasting Value-at-Risk and Expected Shortfall in large portfolios: A general dynamic factor approach. 2021.
    [ Google | Google Scholar ]
  24. TRUCÍOS, CARLOS Forecasting Conditional Covariance Matrices in High-Dimensional Time Series: a General Dynamic Factor Approach.. 2021.
    [ Google | Google Scholar ]
  25. SANTOS, J. R. S. Bayesian Longitudinal Item Response Modeling with Multivariate Asymmetric Serial Dependencies. 2021.
    [ Google | Google Scholar ]
  26. SANTOS, L. S.; SANTOS, J. R. S. ANÁLISE DESCRITIVA DAS AVALIAÇÕES DA DISCIPLINA FUNDAMENTOS DE ESTATÍSTICA UTILIZANDO A TEORIA CLÁSSICA DE TESTES. 2021.
    [ Google | Google Scholar ]
  27. COSTA, F. P. B.; SANTOS, J. R. S. EXPERIÊNCIAS E AVALIAÇÃO DE MONITORIA NA DISCIPLINA FUNDAMENTOS DE ESTATÍSTICA. 2021.
    [ Google | Google Scholar ]
  28. GALARZA MORALES, CHRISTIAN EDUARDO Spatial Censored Regression Models in R: The CensSpatial package. 2021.
    [ Google | Google Scholar ]
  29. GALARZA MORALES, CHRISTIAN EDUARDO Moments of the doubly truncated selection elliptical distributions: recurrence, existence and applications. 2021.
    [ Google | Google Scholar ]
  30. GALARZA MORALES, CHRISTIAN EDUARDO Moments of the doubly truncated selection elliptical distributions with emphasis on the unified multivariate skew-t distribution: recurrence, existence, and applications. 2021.
    [ Google | Google Scholar ]
  31. GALARZA MORALES, CHRISTIAN EDUARDO Moments and Random Number Generation for the Truncated Elliptical Family of Distributions. 2021.
    [ Google | Google Scholar ]
  32. GALARZA MORALES, CHRISTIAN EDUARDO Moments of the doubly truncated selection elliptical distributions with emphasis on the unified multivariate skew-t distribution: recurrence, existence and applications. 2021.
    [ Google | Google Scholar ]
  33. GALARZA MORALES, CHRISTIAN EDUARDO Estadística y Ciencia de Datos: presente y futuro, en la teoría y práctica. 2021.
    [ Google | Google Scholar ]
  34. UTRIA, J. Percolación de largo alcance en árvores. 2021.
    [ Google | Google Scholar ]
  35. FRANCO, G.; SOUZA, C. P. E.; GARCIA, N. L. Aggregated Functional Data Model Applied on Clustering and Disaggregation of Electrical Load Profiles. 2021.
    [ Google | Google Scholar ]
  36. SCHUMACHER, FERNANDA L.; LACHOS, V. H.; MATOS, LARISSA A. Scale mixture of skew-normal linear mixed models with within-subject serial dependence. 2021.
    [ Google | Google Scholar ]
  37. SCHUMACHER, FERNANDA L.; MATOS, LARISSA A.; LACHOS, V. H. skewlmm: An R package for robust estimation of linear mixed models based on scale mixture of skew-normal distributions. 2021.
    [ Google | Google Scholar ]
  38. SCHUMACHER, FERNANDA L. Robust Mixed-Effects Models for Longitudinal Data. 2021.
    [ Google | Google Scholar ]
  39. SCHUMACHER, FERNANDA L.; MATOS, L. A.; Cabral‬ Canonical Fundamental Skew-t Linear Mixed Models. 2021.
    [ Google | Google Scholar ]
  40. Valeriano, Katherine A. L.; SCHUMACHER, FERNANDA L.; GALARZA MORALES, CHRISTIAN; MATOS, LARISSA A. Censored Autoregressive Regression Models with Student-t Innovations. 2021.
    [ Google | Google Scholar ]
  41. Valeriano, Katherine A. L.; LACHOS, VICTOR H.; MATOS, LARISSA A. Likelihood based inference for spatio‐temporal data with censored and missing responses. 2021.
    [ Google | Google Scholar ]
  42. FONSECA, R. V.; PINHEIRO, ALUÍSIO; ATTO, A. Wavelet Spatio-Temporal Change Detection on multi-temporal PolSAR images. 2021.
    [ Google | Google Scholar ]
  43. FONSECA, RODNEY V.; PINHEIRO, ALUÍSIO Using nonparametric regression models to analyze the dimensionality of curve time series. 2021.
    [ Google | Google Scholar ]
  44. FREITAS, J. V. B.; NOBRE, J. S.; BOURGUIGNON, M.; SANTOS-NETO, M. Uma abordagem para a modelagem de variáveis aleatórias positivas com medidas repetidas. 2021.
    [ Google | Google Scholar ]
  45. FREITAS, J. V. B.; NOBRE, J. S.; BOURGUIGNON, M.; SANTOS-NETO, M. A new approach to modeling positive random variables with repeated measures. 2021.
    [ Google | Google Scholar ]
  46. SALGADO, A. M. Multiverso Estatístico. 2021.
    [ Google | Google Scholar ]
  47. ARAUJO JÚNIOR, H. F. Congruências e os teoremas de isomorfismos para categorias concretas. 2021.
    [ Google | Google Scholar ]
  48. SANTOS, D. S.; RODRIGUEZ, P. M.; L.M. Gomez; SOUZA, H. P. Análise do método MI-LASSO com validação cruzada para dados de COVID-19. XL Congresso Nacional de Matemática Aplicada e Computacional. 2021.
    [ Google | Google Scholar ]
  49. ROSÁRIO, F. C.; ARAUJO, A. R.; SILVA, P. V. D. E. S. JOGOS DIGITAIS EDUCATIVOS NO ENSINO/APRENDIZAGEM DE ESTUDANTES DE ESCOLAS PÚBLICAS DE BELÉM. 2021.
    [ Google | Google Scholar ]
  50. MELO, A. W. N.; MEDEIROS, P. C. ELASTICIDADE-PREÇO DA DEMANDA POR ÁGUA NO ABASTECIMENTO URBANO NO POLO GESSEIRO DO ARARIPE/PE. 2021.
    [ Google | Google Scholar ]
  51. PRATES, MARCOS OLIVEIRA; GAMERMAN, D.; GALLETTI, T. P.; Mayrink, Vinícius D. Previsões Covid-19: Curto e Longo Prazo. 2021.
    [ Google | Google Scholar ]
  52. PRATES, MARCOS OLIVEIRA Estatística em Sociedade: Da metodologia a aplicações. 2021.
    [ Google | Google Scholar ]
  53. PRATES, MARCOS OLIVEIRA Estatística em Sociedade: Da metodologia a aplicações. 2021.
    [ Google | Google Scholar ]
  54. PRATES, MARCOS OLIVEIRA A Quem pertence a Ciência de Dados?. 2021.
    [ Google | Google Scholar ]
  55. PRATES, MARCOS OLIVEIRA Estatística em Sociedade: Da metodologia a aplicações. 2021.
    [ Google | Google Scholar ]
  56. PRATES, MARCOS OLIVEIRA; AZEVEDO, D. R. M.; BANDYOPADHYAY, D. Spatial Confounding Beyond Generalized Linear Mixed Models: Extension to Shared Components and Spatial Frailty Models. 2021.
    [ Google | Google Scholar ]
  57. FERNANDES, F. A.; FRUHAUF, A. C.; ALVES, H. J. P.; FERNANDES, T. J. Previsão para o número de casos de tuberculose no estado de São Paulo para o ano de 2021. 2021.
    [ Google | Google Scholar ]
  58. Boas, I. A. V.; FERNANDES, F. A.; FERNANDES, T. J.; MUNIZ, J. A. Modelos não lineares na descrição de acumulo de matéria seca em milho. 2021.
    [ Google | Google Scholar ]
  59. PICCIRILLI, G. P.; BAZAN, J. L.; BASTIANI, F. Bounded mixed regression models of Brazil's longitudinal mortality rate from bronchial and lung cancer. 2021.
    [ Google | Google Scholar ]

2020

  1. AZEVEDO, C. L. N.; ANDRADE, D. F.; FOX, J.-P. Time series and multilevel modeling for longitudinal item response theory data. 2020.
    [ Google | Google Scholar ]
  2. ROCHA, M. G.; AZEVEDO, C. L. N. Contributions to the study of the main unfolding models of item response theory with applications in psychology. 2020.
    [ Google | Google Scholar ]
  3. AZEVEDO, C. L. N.; FOX, J.-P.; ANDRADE, D. F. Time series and multilevel modeling for longitudinal item response theory data. 2020.
    [ Google | Google Scholar ]
  4. Vilca, F. A lifetime distribution to model fatigue life on the Birnbam-Saunders distribution,. 2020.
    [ Google | Google Scholar ]
  5. Pinheiro, Hildete; PINHEIRO, A. S.; SEN, Pranab Kumar; KIIHL, Samara Flamini A nonparametric approach to assess undergraduate performance. 2020.
    [ Google | Google Scholar ]
  6. RIFO, L.; Climent, N; Castilla-Mora, L Estudio sobre la enseñanza de la probabilidad - primeros pasos. 2020.
    [ Google | Google Scholar ]
  7. RIFO, L. Taller de Toma de Decisiones en Situaciones de Incertidumbre. 2020.
    [ Google | Google Scholar ]
  8. RODRIGUES-MOTTA, MARIANA A zero augmeted Birbaum-Saunders mixed model with repeated measures: a Bayesian approach. 2020.
    [ Google | Google Scholar ]
  9. RODRIGUES-MOTTA, MARIANA Ciclo de Palestras Grupo Elza Pesquisadoras do IMECC: Mariana Rodrigues Motta. 2020.
    [ Google | Google Scholar ]
  10. Garcia, Nancy L. A Estatística como ferramenta fundamental em problemas aplicados. 2020.
    [ Google | Google Scholar ]
  11. Garcia, Nancy L. Jobs in Brazil. 2020.
    [ Google | Google Scholar ]
  12. Garcia, Nancy L. Identificação de respondentes a placebo baseado em covariáveis e sinais de EEG. 2020.
    [ Google | Google Scholar ]
  13. Zambom, A. Z.; COLLAZOS, JULIAN A. A.; DIAS, R. Selection of the Number of Clusters in Functional Data Analysis. 2020.
    [ Google | Google Scholar ]
  14. GARCÍA, JESÚS E.; González-López, V.A.; TASCA, GUSTAVO HENRIQUE A Stochastic Inspection about Genetic Variants of Covid-19 Circulating in Brazil during 2020. 2020.
    [ Google | Google Scholar ]
  15. González-López, V.A.; PICANCO, J. L.; Moraes, R. R. Semi-Parametric Copula-Based Estimation of Risk of Tailings Dams. 2020.
    [ Google | Google Scholar ]
  16. GARCÍA, JESÚS E.; González López, V. A. Americas Zika virus and its similarities with African and Asian lineages. 2020.
    [ Google | Google Scholar ]
  17. González-López, V.A. Full Partition Markov Models. 2020.
    [ Google | Google Scholar ]
  18. Benaglia, Tatiana Bayesian Mixture Models for longitudinal data on cognition loss in elderly people. 2020.
    [ Google | Google Scholar ]
  19. CARVALHO, B. S. From statistical models to medical practice: how interdisciplinarity may lead the way to excellence in health care. 2020.
    [ Google | Google Scholar ]
  20. MAIA, R. P. A importância da Estatística na Pesquisa Científica. 2020.
    [ Google | Google Scholar ]
  21. MATOS, L. A. A semiparametric mixed-effects model for censored longitudinal data. 2020.
    [ Google | Google Scholar ]
  22. Cavalcante, J. P. L.; Nobre, J.S. Modelos de regressão beta com medida repetidas via teoria de equações de estimação generalizadas. 2020.
    [ Google | Google Scholar ]
  23. Pessoa, D. N.; Nobre, J.S.; Montalvo, G. S. A. Método de Log-cumulantes: Introdução e propriedades. 2020.
    [ Google | Google Scholar ]
  24. Santos Filho, D. J.; Nobre, J.S. Comparação entre os principais testes assintóticos. 2020.
    [ Google | Google Scholar ]
  25. SOUSA, A. R. S. Seleção de modelos em regressão por splines e localização automática de nós. 2020.
    [ Google | Google Scholar ]
  26. TRUCÍOS, CARLOS Estatística aplicada ao mercado financeiro. 2020.
    [ Google | Google Scholar ]
  27. TRUCÍOS, CARLOS Forecasting Conditional Covariance Matrices in High-Dimensional Time Series: a General Dynamic Factor Approach. 2020.
    [ Google | Google Scholar ]
  28. TRUCÍOS, CARLOS Robustness and the general dynamic factor model with infinite-dimensional space: identification, estimation, and forecasting. 2020.
    [ Google | Google Scholar ]
  29. TRUCÍOS, CARLOS Forecasting risk measures in cryptocurrency data. 2020.
    [ Google | Google Scholar ]
  30. GALARZA MORALES, CHRISTIAN EDUARDO Modelos em Regressão Quantílica: Teoría e Aplicações. 2020.
    [ Google | Google Scholar ]
  31. GALARZA MORALES, CHRISTIAN EDUARDO Moments of the doubly truncated selection elliptical distributions: recurrence, existence and applications. 2020.
    [ Google | Google Scholar ]
  32. GALARZA MORALES, CHRISTIAN EDUARDO Momentos multivariados truncados: recurrencia, existencia y aplicaciones. 2020.
    [ Google | Google Scholar ]
  33. GALARZA MORALES, CHRISTIAN EDUARDO Momentos das distribuições de seleção elíptica multivariadas duplamente truncadas com ênfase em modelos censurados. 2020.
    [ Google | Google Scholar ]
  34. UTRIA, J. Cotas no triviales para la probabilidad crítica de un sistema de paseos aleatórios con ramificación en árboles birregulares. 2020.
    [ Google | Google Scholar ]
  35. SCHUMACHER, FERNANDA L.; MATOS, L. A.; LACHOS, V. H. Robust estimation in linear mixed models using the R package skewlmm. 2020.
    [ Google | Google Scholar ]
  36. ORDOÑEZ, JOSÉ A.; PRATES, M. O.; MATOS, L. A.; LACHOS, VICTOR H. Objective Bayesian analysis for the spatial Student-t regression model. 2020.
    [ Google | Google Scholar ]
  37. Conceição, Josué dos Santos Previsão de Desempenho de Estudantes usando um modelo de regressão com variáveis Dummy. 2020.
    [ Google | Google Scholar ]
  38. MELO, A. W. N.; MEDEIROS, P. C. ANÁLISE DA DEMANDA E IMPACTO ECONÔMICO DO ABASTECIMENTO PÚBLICO NO SEMIÁRIDO PERNAMBUCANO. 2020.
    [ Google | Google Scholar ]
  39. AZEVEDO, D. R. M.; PRATES, MARCOS O; BANDYOPADHYAY, D. Spatial Confounding Beyond Generalized Linear Mixed Models: Extension to Shared Components and Spatial Frailty Models. 2020.
    [ Google | Google Scholar ]
  40. AZEVEDO, D. R. M.; PRATES, MARCOS O; BANDYOPADHYAY, D. Spatial Confounding Beyond Generalized Linear Mixed Models: Extension to Shared Components and Spatial Frailty Models. 2020.
    [ Google | Google Scholar ]
  41. FERNANDES, F. A. Utilização do modelo de von Bertalanffy na descrição do crescimento animal. 2020.
    [ Google | Google Scholar ]
  42. PENTÓN MACHADO, M. The set of invariant measures for the one-dimensional contact process with two types of particles and priorities. 2020.
    [ Google | Google Scholar ]
  43. PICCIRILLI, G. P.; BAZAN, J. L. Alternatives mixed regression models for bounded response variables.. 2020.
    [ Google | Google Scholar ]

2019

  1. AZEVEDO, C. L. N.; Vilca-Labra, F.; Lobos, C. Censored Linear Mixed Models based on the Birnbaum-Saunders distribution: Bayesian MCMC Implementation. 2019.
    [ Google | Google Scholar ]
  2. AZEVEDO, C. L. N.; Lobos, C.; Vilca-Labra, F. Birnbaum-Saunders Linear Mixed-Eects Models with Censored Data: Bayesian MCMC Inference. 2019.
    [ Google | Google Scholar ]
  3. REISEN, V. A.; AZEVEDO, C. L. N.; BONDON, P.; COTTA, H.; SARQUIZ, F. Additive mixed models with time series structures. 2019.
    [ Google | Google Scholar ]
  4. AZEVEDO, C. L. N.; Vilca-Labra, F.; Lobos, C. Censored Linear Mixed Models based on the Birnbaum-Saunders distribution: Bayesian MCMC Implementation. 2019.
    [ Google | Google Scholar ]
  5. Vilca, F. A robust multivariate Birnbaum-Saunders distribution: EM-estimation. 2019.
    [ Google | Google Scholar ]
  6. Vilca, F. Birnbaum-Saunders Linear Mixed-Effects Models with Censored Data: Bayesian MCMC Implementation. 2019.
    [ Google | Google Scholar ]
  7. BORDIN, Tatiana Buratto; PINHEIRO, H. P.; PINHEIRO, A.; 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 ]
  8. PINHEIRO, H. P.; Barbosa, E.; Benaglia, T.; Muniz-Terrera, G. Bayesian mixture models for longitudinal data on cognition loss in elderly people. 2019.
    [ Google | Google Scholar ]
  9. PINHEIRO, H. P.; Barbosa, E.; Benaglia, T.; Muniz-Terrera, G. Mixture models for longitudinal data of cognitive function in older adults. 2019.
    [ Google | Google Scholar ]
  10. BORDIN, Tatiana Buratto; Pinheiro, Hildete; PINHEIRO, A.; Perez, S.I.; REIS, S. F. Quasi U-statistics and substitution models for tests of homogeneity of groups of DNA sequences. 2019.
    [ Google | Google Scholar ]
  11. RIFO, L. Ensino básico de probabilidade e estatística sob o enfoque da tomada de decisões. 2019.
    [ Google | Google Scholar ]
  12. RIFO, L. Presença feminina na OBMEP. 2019.
    [ Google | Google Scholar ]
  13. RIFO, L. Toma de decisiones y enseñanza de la probabilidad. 2019.
    [ Google | Google Scholar ]
  14. TRUCIOS-MAZA, C. C.; Mazzeu, J. H. G.; Hallin, M.; Hotta, Luiz K.; HERÊNCIA, M. E. Z.; Valls Pereira, Pedro L. Forecasting Conditional Covariance Matrices in High-Dimensional Data: a General Dynamic Factor Approach. 2019.
    [ Google | Google Scholar ]
  15. TRUCÍOS, C.; Mazzeu, J. H. G.; Hallin, M.; Hotta, Luiz K.; Valls Pereira, Pedro L.; HERÊNCIA, M. E. Z. Forecasting Conditional Covariance Matrices in High-Dimensional Time Series: a General Dynamic Factor Approach. 2019.
    [ Google | Google Scholar ]
  16. TRUCÍOS, C.; Mazzeu, J. H. G.; Hotta, Luiz K.; Valls Pereira, Pedro L.; Hallin, M. On the robustness of the general dynamic factor model with infinite-dimensional space: identification, estimation and forecasting. 2019.
    [ Google | Google Scholar ]
  17. RODRIGUES-MOTTA, MARIANA Zero inflated and zero augmented mixed models. 2019.
    [ Google | Google Scholar ]
  18. ZEVALLOS, Mauricio Estimation of ARFIMA models: a minimum distance approach. 2019.
    [ Google | Google Scholar ]
  19. ZEVALLOS, Mauricio Estimation of ARFIMA models: a minimum distance approach. 2019.
    [ Google | Google Scholar ]
  20. Garcia, Nancy L.; FREGUGLIA, V.; BICAS, J. Modeling textile images with hidden Gibbs random fields. 2019.
    [ Google | Google Scholar ]
  21. Garcia, Nancy L. Da Escola da Fazenda Palmeiras à PRPG/UNICAMP. 2019.
    [ Google | Google Scholar ]
  22. Garcia, Nancy L. Modeling textile images with hidden Gibbs random fields. 2019.
    [ Google | Google Scholar ]
  23. GARCIA, N. L. Mestres e Doutores do Século XXI. 2019.
    [ Google | Google Scholar ]
  24. Zambom, A. Z.; COLLAZOS, JULIAN A. A.; DIAS, R. Functional Data Clustering via Hypothesis Testing K-means. 2019.
    [ Google | Google Scholar ]
  25. García, Jesús E.; González-López, V. A.; Silva, T. S.; Dias, D. H. Discrete Representation of an Annual Precipitation Process. 2019.
    [ Google | Google Scholar ]
  26. González-López, V.A.; Moraes, R. R. A Bayesian Copula-Based Modelling for Income Concentration and Inequality Indexes. 2019.
    [ Google | Google Scholar ]
  27. González-López, V.A. Sample Selection Procedure in Daily Trading Volume Processes. 2019.
    [ Google | Google Scholar ]
  28. González-López, V.A. Stochastic Profile of Strains of Zika from Tropical and Subtropical Regions. 2019.
    [ Google | Google Scholar ]
  29. González-López, V. A. Partition Markov Model for Multiple Processes. 2019.
    [ Google | Google Scholar ]
  30. García, Jesús E.; González-López, V.A.; Cordeiro, M. T. A.; Londoño, S. L. M. Partition Markov model for multiple processes. 2019.
    [ Google | Google Scholar ]
  31. González-López, V.A. Stochastic Profile of Strains of Zika from Tropical and Subtropical Regions. 2019.
    [ Google | Google Scholar ]
  32. Pinheiro, Hildete Prisco; MOTTA, M. R.; MAIA, R. P.; LIMA NETO, E. A. Zero-one augmented beta and aero-inflated discrete models with heterogeneous dispersion for the analysis od student. 2019.
    [ Google | Google Scholar ]
  33. MAIA, R. P.; Labouriau, R; Demétrio, CGB A discrete competing risks mixed model with masked causes: a cow longevity study. 2019.
    [ Google | Google Scholar ]
  34. MAIA, R. P. Histórico das políticas de ação afirmativa adotadas pela Unicamp: PAAIS, ProFIS e Cotas. 2019.
    [ Google | Google Scholar ]
  35. MATOS, L. A. Estimation for partially linear censored regression models based on heavy-tailed distributions. 2019.
    [ Google | Google Scholar ]
  36. MATOS, L. A. Estimation and diagnostics for partially linear censored regression models based on heavy-tailed distributions. 2019.
    [ Google | Google Scholar ]
  37. MATOS, L. A. Flexible longitudinal linear mixed models for multiple censored responses data. 2019.
    [ Google | Google Scholar ]
  38. MATOS, L. A. Longitudinal Models for Multiple Censored Responses Data. 2019.
    [ Google | Google Scholar ]
  39. GUELLA, J. C.; MENEGATTO, V. A. CONDITIONALLY NEGATIVE DEFINITE MATRIX VALUED KERNELS ON EUCLIDEAN SPACES.. 2019.
    [ Google | Google Scholar ]
  40. SOUSA, A. R. S. Bayesian Wavelet Shrinkage with Beta Priors. 2019.
    [ Google | Google Scholar ]
  41. TRUCÍOS, CARLOS A general dynamic factor approach to forecast conditional covariance matrices in high- dimensional data. 2019.
    [ Google | Google Scholar ]
  42. SANTOS, J. R. S. Bayesian general Cholesky decomposition based modeling of longitudinal IRT data with skewed latent distributions. 2019.
    [ Google | Google Scholar ]
  43. GALARZA MORALES, CHRISTIAN EDUARDO On moments of folded and truncated multivariate extended skew-normal distributions. 2019.
    [ Google | Google Scholar ]
  44. GALARZA MORALES, CHRISTIAN EDUARDO On moments of folded and truncated multivariate extended skew-normal distributions. 2019.
    [ Google | Google Scholar ]
  45. GALARZA MORALES, CHRISTIAN EDUARDO On moments of doubly truncated multivariate extended skew-normal distribution. 2019.
    [ Google | Google Scholar ]
  46. GALARZA MORALES, CHRISTIAN EDUARDO On moments of folded and truncated multivariate extended skew-normal distributions. 2019.
    [ Google | Google Scholar ]
  47. GALARZA MORALES, CHRISTIAN EDUARDO On moments of truncated multivariate skew-normal distribution with applications in interval censored data. 2019.
    [ Google | Google Scholar ]
  48. Estrada, Mario Andrés; Lebensztayn, E. Convergence of the trajectory of random walks systems on the complete graph. 2019.
    [ Google | Google Scholar ]
  49. FRANCO, Gabriel A importância da estatística para pesquisas acadêmicas e porque não ter medo dela. 2019.
    [ Google | Google Scholar ]
  50. Hernandez-Velasco, Lina L.; Abanto-Valle, Carlos Mixed-effect State-Space model with Student-t errors. 2019.
    [ Google | Google Scholar ]
  51. MATTOS, THALITA B.; LACHOS, VÍCTOR H.; MATOS, LARISSA A. A Semiparametric Mixed-Effects Model for Longitudinal Censored Data. 2019.
    [ Google | Google Scholar ]
  52. MATTOS, THALITA B.; MATOS, LARISSA A.; LACHOS, VÍCTOR H. A semiparametric mixed-effects model for censored longitudinal data. 2019.
    [ Google | Google Scholar ]
  53. SCHUMACHER, F. L.; LACHOS, V. H.; VILCA-LABRA, FILIDOR E.; CASTRO, LUIS M. Influence Diagnostics for Censored Regression Models with Autoregressive Errors. 2019.
    [ Google | Google Scholar ]
  54. SCHUMACHER, FERNANDA L.; MATOS, L. A.; LACHOS, V. H. Autoregressive scale mixture of skew-normal linear mixed models. 2019.
    [ Google | Google Scholar ]
  55. ORDOÑEZ, JOSÉ A.; PRATES, M. O.; MATOS, L. A.; LACHOS, VICTOR H. Objective Bayesian analysis for the spatial Student-t regression model. 2019.
    [ Google | Google Scholar ]
  56. ABBARA, OMAR; ZEVALLOS, MAURICIO Modeling and forecasting long memory stochatic volatility. 2019.
    [ Google | Google Scholar ]
  57. DE ALENCAR, FRANCISCO H. C.; MATOS, L. A.; DAVILA, V. H. L. Finite Mixture of Censored Linear Mixed Models for Irregularly Observed Longitudinal Data. 2019.
    [ Google | Google Scholar ]
  58. DE ALENCAR, FRANCISCO H. C.; MORALES, C. E. G.; MATOS, L. A.; DAVILA, V. H. L. Finite Mixture Modeling of Censored and Missing Data Using the Multivariate Skew-Normal Distribution. 2019.
    [ Google | Google Scholar ]
  59. FONSECA, R. V.; MONDAL, D. Wavelet Shrinkage Using Bayesian False Discovery Rate Methods: a Comparison Study. 2019.
    [ Google | Google Scholar ]
  60. FONSECA, R. V.; MONDAL, D.; ZHANG, L. Wavelet Variances for Heavy-Tailed Time Series. 2019.
    [ Google | Google Scholar ]
  61. FONSECA, R. V.; PINHEIRO, A.; YASUDA, C.; MONDAL, D. Graph wavelet analysis of fMRI time series. 2019.
    [ Google | Google Scholar ]
  62. FONSECA, R. V.; PINHEIRO, A. Wavelet dimensionality estimation of curve time series. 2019.
    [ Google | Google Scholar ]
  63. LIMA, C. M. M.; TOMAZELLA, V. L. D.; B.JUNIOR, W.; S JUNIOR, S. C.; CAMPELO, J. E. C. G.; COSTA, L. L. S. Modelagem de sobrevivência aplicada a dados de cabras da raça Anglo-Nubiana com OPG positivo para avaliar o tempo de permanência no rebanho.. 2019.
    [ Google | Google Scholar ]
  64. SANTOS, L. S. UMA SEQUÊNCIA DIDÁTICA PARA O ENSINO DE ARRANJO SIMPLES. 2019.
    [ Google | Google Scholar ]
  65. SOUSA, P. G.; MEZA, R. O.; Protázio J.M.B. Análise Espacial das Vítimas Fatais de Acidentes de Trânsito Por Motocicletas em Teresina-PI. 2019.
    [ Google | Google Scholar ]
  66. SILVA, H. B.; FERREIRA, Ivo; SANCHEZ, Beatriz Terrim de Araújo; DIAS, Carlos Eduardo Sampaio Burgos Tutoria Por Pares em Exatas Como Inovação Pedagógica na Garantia da Permanência Estudantil. 2019.
    [ Google | Google Scholar ]
  67. MELO, A. W. N.; MEDEIROS, P. C. IMPACTO DA TARIFA SOBRE CONSUMO RESIDENCIAL URBANO NOS ESTADOS RECEPTORES DO PISF. 2019.
    [ Google | Google Scholar ]
  68. MELO, A. W. N.; MEDEIROS, P. C. WAVELET MORLET APLICADA À VARIABILIDADE DO ESCOAMENTO FLUVIAL. 2019.
    [ Google | Google Scholar ]
  69. AZEVEDO, D. R. M.; Prates, Marcos O.; BANDYOPADHYAY, D. Assessing spatial confounding in Bayesian shared component disease mapping models via SPOCK: With applications to SEER cancer data. 2019.
    [ Google | Google Scholar ]
  70. CERQUEIRA, A. Learning communities in weighted networks. 2019.
    [ Google | Google Scholar ]
  71. MAZZEU, J. H. G.; GONZALEZ-RIVERA, G.; RUIZ, E.; VEIGA, H. A bootstrap approach for generalized autocontour testing. Implications for VIX forecast densities. 2019.
    [ Google | Google Scholar ]
  72. FERNANDES, F. A.; NOGUEIRA, A. R.; SILVA, E. M.; FERNANDES, T. J.; BERTECHINI, A. G. Ajuste de modelos de crescimento para frangos machos da linhagem Coob 500®. 2019.
    [ Google | Google Scholar ]
  73. MIRANDA, L. F.; LIMA, K. P.; SILVA, E. M.; FERNANDES, F. A.; MUNIZ, J. A.; MORAIS, A. R. Modelos não lineares na descrição do crescimento de tilápia do Nilo criada em tanques-rede. 2019.
    [ Google | Google Scholar ]
  74. SILVA, E. M.; FRUHAUF, A. C.; FERNANDES, F. A.; PAULA, G. S.; MUNIZ, J. A.; FERNANDES, T. J. Método de Newton e Gauss-Newton na estimação dos parâmetros de modelo de regressão não linear. 2019.
    [ Google | Google Scholar ]
  75. SILVA, E. M.; SILVA, V. F.; FERNANDES, F. A.; MUNIZ, J. A.; FERNANDES, T. J. O crescimento de frutos de pêssegos caracterizados por modelos de regressão não lineares. 2019.
    [ Google | Google Scholar ]
  76. SILVA, V. F.; LIMA, K. P.; SILVA, E. M.; SCALON, J. D.; FERNANDES, F. A. Análise da tendência do número de feminicídio na região sudeste. 2019.
    [ Google | Google Scholar ]
  77. LIMA, K. P.; MEDEIROS, E. S.; FERNANDES, F. A.; SILVA, V. F.; MORAIS, A. R. Ajuste de modelos não lineares para descrição do fruto cajá-manga. 2019.
    [ Google | Google Scholar ]
  78. FERNANDES, F. A. Utilização do Modelo de von Bertalanffy na descrição do crescimento animal. 2019.
    [ Google | Google Scholar ]
  79. SILVA, E. M.; FERNANDES, F. A. Modelos não lineares: um estudo de caso na descrição do crescimento de frangos e do fruto do côco anão.. 2019.
    [ Google | Google Scholar ]
  80. FERNANDES, F. A.; Clemente, A.; Boas, I. A. V.; Freitas, L.; NOGUEIRA, A. R.; FERNANDES, T. J.; BERTECHINI, A. G. Modelagem do crescimento de frangos avaliado por diferentes dietas. 2019.
    [ Google | Google Scholar ]
  81. FERNANDES, F. A.; Moraes, L. C.; FERNANDES, T. J.; Moreira, S. G. Modelo Sigmoidal de Boltzmann na descrição do crescimento da planta de mamoneira BRS Energia. 2019.
    [ Google | Google Scholar ]
  82. FERNANDES, F. A.; SILVA, E. M. Modelos não lineares: um estudo de caso na descrição do crescimento de frangos e do fruto do côco anão.. 2019.
    [ Google | Google Scholar ]
  83. MACHADO, MARIELA PENTÓN Metaestabilidade para o processo de contacto com dois tipos de partículas e prioridades. 2019.
    [ Google | Google Scholar ]
  84. MACHADO, MARIELA PENTÓN The one-dimensional contact process with two types of particles and priorities. 2019.
    [ Google | Google Scholar ]

2018

  1. AZEVEDO, C.L.N.; Fox, Jean-Paul; ANDRADE, D. F. Time series and multilevel modeling for longitudinal item response theory data. 2018.
    [ Google | Google Scholar ]
  2. Vilca, F. Deletion measures for Linear Mixed Models using Skew-Normal/Independent Distributions. 2018.
    [ Google | Google Scholar ]
  3. Vilca, F. A robust multivariate Birnbaum-Saunders distribution: EM-estimation. 2018.
    [ Google | Google Scholar ]
  4. Vilca, F. Linear Mixed Models using Skew-Normal/Independent Distributions: Diagnostic analysis. 2018.
    [ Google | Google Scholar ]
  5. Vilca, F. A robust multivariate Birnbaum-Saunders distribution: EM-estimation. 2018.
    [ Google | Google Scholar ]
  6. Vilca, F. A Robust multivariate Birnbaum-Saunders regression models. 2018.
    [ Google | Google Scholar ]
  7. Pinheiro, Hildete; Maia, R. P.; Lima Neto, Eufrasio A. Discrete survival models to evaluate performance of students. 2018.
    [ Google | Google Scholar ]
  8. PINHEIRO, H. P.; Maia, R. P.; Lima Neto, Eufrasio A. A bivariate discrete survival mixed model to evaluate performance of students in Calculus I and Linear Algebra. 2018.
    [ Google | Google Scholar ]
  9. ACHCAR, J. A. Multivariate discrete lifetime data analysis in presence of censoring and covariates (V WASA,Salvador, Bahia,2018). 2018.
    [ Google | Google Scholar ]
  10. PERES, M. V. O.; Martinez,E.Z.; ACHCAR, J. A. The exponentiated exponential with cure fraction: application to breast cancer data with covariates (V WASA,Salvador, Bahia,2018). 2018.
    [ Google | Google Scholar ]
  11. OLIVEIRA, R. P.; ACHCAR, J. A.; MAZUCHELI, J.; PERALTA, D. Analysis of Bivariate Lifetime Data in Presence of Censoring and Covariates: A Review Using Bivariate Parametric Distributions (V WASA,Salvador, Bahia,2018). 2018.
    [ Google | Google Scholar ]
  12. ICUMA, T. R.; BUZZATTO, I. P. C.; TIEZZI, D. G.; ACHCAR, J. A. USO DE DISTRIBUIÇÕES DE SOBREVIVÊNCIA BIVARIADAS CONTÍNUAS OU DISCRETAS PARA ANÁLISE DE DADOS DE PACIENTES COM CÂNCER DE MAMA: UMA APLICAÇÃO SOB O ENFOQUE BAYESIANO (V WASA,Salvador, Bahia,2018). 2018.
    [ Google | Google Scholar ]
  13. RIFO, LAURA Você tem certeza de quê?. 2018.
    [ Google | Google Scholar ]
  14. TRUCIOS-MAZA, C. C.; Hotta, Luiz K.; PEREIRA, Pedro Luiz Valls On the robustness of the principal volatility components. 2018.
    [ Google | Google Scholar ]
  15. Garcia, N. L.; Rodrigues-Motta, M.; PETKOVA, E.; OGDEN, R. T.; TARPEY, T. Identification of early respondents based on EEG signals. 2018.
    [ Google | Google Scholar ]
  16. ZEVALLOS, Mauricio; TRUCÍOS, CARLOS; HOTTA, LUIZ KOODI; SANTOS, A. P. Covariance Prediction in Large Portfolio Allocation. 2018.
    [ Google | Google Scholar ]
  17. Garcia, Nancy L. Perfect Simulation for Spatial Processes. 2018.
    [ Google | Google Scholar ]
  18. Garcia, Nancy L. Mulheres palestrantes em congressos: por que tão poucas?. 2018.
    [ Google | Google Scholar ]
  19. FREGUGLIA, V.; Garcia, Nancy L. Modeling textile images with hidden Gibbs random fields. 2018.
    [ Google | Google Scholar ]
  20. FERNÁNDEZ, M.; GARCÍA, JESÚS E.; GONZÁLEZ-LÓPEZ, V.A.; ROMANO, N. Bayesian sensitivity analysis for asymmetric copulas with cubic sections. 2018.
    [ Google | Google Scholar ]
  21. GARCÍA, JESÚS E.; GONZÁLEZ-LÓPEZ, V.A. Similarity between Strains of Zika from Tropical and Subtropical Regions. 2018.
    [ Google | Google Scholar ]
  22. González-López, V.A.; RODRIGUES, N.; ROMANO, N. Copula Model between Rates of Sexually Transmitted Diseases and Rates of Unemployment. 2018.
    [ Google | Google Scholar ]
  23. GONZÁLEZ-LÓPEZ, V.A.; RODRIGUES, N.; ROMANO, N. Upper Tail Dependence between Rates of Sexually Transmitted Diseases and Rates of Unemployment/Poverty. 2018.
    [ Google | Google Scholar ]
  24. Kiihl, Samara F.; GARRIDO, M. J.; DOMINGO-RELLOSO, A.; BERMUDEZ, J.; TELLEZ-PLAZA, M. MLML2R: EFFICIENT SIMULTANEOUS MAXIMUM LIKELIHOOD ESTIMATION OF DNA METHYLATION AND HYDROXYMETHYLATION PROPORTIONS. 2018.
    [ Google | Google Scholar ]
  25. Kiihl, Samara F.; GARRIDO, M. J.; DOMINGO-RELLOSO, A.; BERMUDEZ, J.; TELLEZ-PLAZA, M. MLML2R: An R Package for Maximum Likelihood Estimation of DNA Methylation and Hydroxymethylation Proportions. 2018.
    [ Google | Google Scholar ]
  26. MAIA, R. P. A importância da Estatística na Pesquisa Científica. 2018.
    [ Google | Google Scholar ]
  27. MAIA, R. P. ESTATÍSTICA APLICADA AO PROCESSO DE PESQUISA COM USO DO SOFTWARE ?R?. 2018.
    [ Google | Google Scholar ]
  28. MAIA, R.P.; Pinheiro, Hildete Prisco; LIMA NETO, E. A. A BIVARIATE DISCRETE SURVIVAL MIXED MODEL TO EVALUATE PERFORMANCE OF STUDENTS IN CALCULUS I AND LINEAR ALGEBRA. 2018.
    [ Google | Google Scholar ]
  29. MARQUES, R. N.; MAIA, E. F. S.; MAIA, R.P. INDICADORES DE DESEMPENHO DOS ALUNOS REINCIDENTES NAS DISCIPLINAS DE EXATAS DO CURSO SEMIPRESENCIAL DE LICENCIATURA EM CIÊNCIAS. 2018.
    [ Google | Google Scholar ]
  30. MATOS, L. A. Estimation and diagnostics in multivariate models for censored data. 2018.
    [ Google | Google Scholar ]
  31. Leal, B.; Vidal, I.; Brito, F.; NOBRE, J. S.; Machado, J. $delta$-DOCA: Achieving Privacy in Data Streams. 2018.
    [ Google | Google Scholar ]
  32. SANTOS, M. F.; Tomazella, V.; NOBRE, JUVÊNCIO S.; Pereira, G. H.A. Zero-Adjusted Birnbaum-Saunders Regression Model. 2018.
    [ Google | Google Scholar ]
  33. Nobre, J.S. Relato sobre formação e atuação como Estatístico. 2018.
    [ Google | Google Scholar ]
  34. GUELLA, J. C.; MENEGATTO, V.A.; PORCU, EMILIO Strictly positive definite multivariate covariance functions on spheres. 2018.
    [ Google | Google Scholar ]
  35. GUELLA, J. C.; MENEGATTO, V.A. Unitarily Invariant Strictly Positive Definite Kernels on Spheres. 2018.
    [ Google | Google Scholar ]
  36. TRUCÍOS, CARLOS Robust principal volatility components. 2018.
    [ Google | Google Scholar ]
  37. TRUCÍOS, CARLOS Forecasting conditional covariance matrices in high-dimensional data using the general dynamic factor model. 2018.
    [ Google | Google Scholar ]
  38. TRUCÍOS, CARLOS Principal volatility components: A robust approach.. 2018.
    [ Google | Google Scholar ]
  39. LENZI, A.; Marc Genton Spatio-Temporal Probabilistic Wind Vector Forecasting over Saudi Arabia. 2018.
    [ Google | Google Scholar ]
  40. LENZI, A.; Marc Genton Spatio-Temporal Probabilistic Wind Vector Forecasting over Saudi Arabia. 2018.
    [ Google | Google Scholar ]
  41. LENZI, A.; Marc Genton Spatio-Temporal Probabilistic Wind Vector Forecasting over Saudi Arabia. 2018.
    [ Google | Google Scholar ]
  42. LENZI, A. Statistical modelling of space-time processes with application to wind power. 2018.
    [ Google | Google Scholar ]
  43. LENZI, A.; Marc Genton Spatio-Temporal Probabilistic Wind Vector Forecasting over Saudi Arabia. 2018.
    [ Google | Google Scholar ]
  44. SANTOS, J. R. S. CONTRIBUIÇOES AO ESTUDO DE DADOS LONGITUDINAIS NA TEORIA DE RESPOSTA AO ITEM. 2018.
    [ Google | Google Scholar ]
  45. SANTOS, J. R. S. Contribuições ao Estudo de Dados Longitudinais na TRI. 2018.
    [ Google | Google Scholar ]
  46. COSTA, M. Cooperative Models of Stochastic Growth. 2018.
    [ Google | Google Scholar ]
  47. GALARZA MORALES, CHRISTIAN EDUARDO On moments of truncated multivariate Student-t distribution: a recurrent approach. 2018.
    [ Google | Google Scholar ]
  48. GALARZA MORALES, CHRISTIAN EDUARDO Analysis of longitudinal interval censored data using finite mixture of multivariate Student-t distributions. 2018.
    [ Google | Google Scholar ]
  49. GALARZA MORALES, CHRISTIAN EDUARDO On Moments of Truncated Multivariate Student-t Distribution: A Recurrence Approach. 2018.
    [ Google | Google Scholar ]
  50. GALARZA MORALES, CHRISTIAN EDUARDO On Moments of Truncated Multivariate Student-t Distribution: A Recurrence Approach. 2018.
    [ Google | Google Scholar ]
  51. GALARZA MORALES, CHRISTIAN EDUARDO Modelos censurados: Incorporando valores faltantes al modelo. 2018.
    [ Google | Google Scholar ]
  52. GALARZA MORALES, CHRISTIAN EDUARDO Modelos censurados: Incorporando valores faltantes al modelo. 2018.
    [ Google | Google Scholar ]
  53. GALARZA MORALES, CHRISTIAN EDUARDO On moments of doubly-truncated multivariate distributions. 2018.
    [ Google | Google Scholar ]
  54. Hernandez-Velasco, Lina L.; Abanto-Valle, Carlos Bayesian Inference in a copula-based framework for stochastic volatility models with leverage eect and heavy-tail using MCMC methods. 2018.
    [ Google | Google Scholar ]
  55. SCHUMACHER, FERNANDA L. Censored regression models with autoregressive errors. 2018.
    [ Google | Google Scholar ]
  56. PROTAZIO, J. M. B.; SOUZA, A. R. G. Metodologia ADA aplicada a diferentes modelos de curva de crescimento. 2018.
    [ Google | Google Scholar ]
  57. DOS SANTOS JUNIOR, P. C.; SOUZA, A. R. G. Modelagem dinâmica para dados de aneurisma sujeitos à censura intervalar. 2018.
    [ Google | Google Scholar ]
  58. GALINDO, Á. F. L.; ANDRADE, J. A. A. Funções de covariância em Regressão Não Linear usando Processos Gaussianos. 2018.
    [ Google | Google Scholar ]
  59. GALINDO, Á. F. L. Regressão não-linear usando Processos Gaussianos. 2018.
    [ Google | Google Scholar ]
  60. FREITAS, J. V. B.; NOBRE, J. S. Uso de Equações de Estimação Generalizadas para modelagem com medidas repetidas. 2018.
    [ Google | Google Scholar ]
  61. ÁLVARO, M.M.K.; TARUMOTO, M. H.; RODRIGUES, E. R. COMPARAÇÃO DE MODELOS ESTATÍSTICOS PARA ESTIMAÇÃO DO INTERVALO DE TEMPOS ENTRE ULTRAPASSES DE UM LIMIAR DE TEMPERATURA NA CIDADE DE PRESIDENTE PRUDENTE (SP). 2018.
    [ Google | Google Scholar ]
  62. VALLIM, M. D.; YASUDA, C. Dynamic Causal Modeling Reveals Altered Effective Connectivity Between Contralateral Hippocampus and Default Mode Network in Temporal Lobe Epilepsy. 2018.
    [ Google | Google Scholar ]
  63. CARDOSO, B. G. S.; SILVA, J. C.; NASCIMENTO, J. M. P.; SILVA, J. W. Análise de proporções de Mortalidade Infantil via Inferência Bayesiana. 2018.
    [ Google | Google Scholar ]
  64. SOUSA, P. G.; MEZA, R. O.; TAVARES, H. R. COMPORTAMENTO DA DISTRIBUIÇÃO DA TRANSFORMADA 𝑷𝒊(𝜽) DA VARIÁVEL LATENTE 𝜽 DA TRI SEGUNDO DIFERENTES CONFIGURAÇÕES DE ITENS. 2018.
    [ Google | Google Scholar ]
  65. ALCÂNTARA JUNIOR, G. P.; Alan Santos Oliveira; MOALA, F. A. Análise Bayesiana da distribuição gama exponenciada na presença de censura progressiva tipo II. 2018.
    [ Google | Google Scholar ]
  66. GONÇALVES, Y. B.; OLIVEIRA, N. L. ANÁLISE DO DESEMPENHO DAS ESCOLAS DE FORTALEZA NO ENEM DE 2014-2017. 2018.
    [ Google | Google Scholar ]
  67. MIRANDA, T. F.; TAVERES, H. R.; SOUZA, M. M.; CORDOVIL, Y. F. O Estimador Swap para Proficiências em Modelos da TRI. 2018.
    [ Google | Google Scholar ]
  68. NASCIMENTO, C. A. V.; Silva, B. S.; CABRAL, N. F. SEQUÊNCIAS DIDÁTICAS PARA O ENSINO DE RELAÇÕES MÉTRICAS E TRIGONOMÉTRICAS NO TRIÂNGULO RETÂNGULO. 2018.
    [ Google | Google Scholar ]
  69. NASCIMENTO, C. A. V.; NASCIMENTO, C. A. V. A TECNOLOGIA ASSISTIVA COMO FACILITADORA DO USO DO COMPUTADOR: DESENVOLVIMENTO DE PROTÓTIPO DE MOUSE ADAPTADO. 2018.
    [ Google | Google Scholar ]
  70. NASCIMENTO, C. A. V.; MELLO JUNIOR, M. J. R.; MIRANDA, R. R.; SILVA, W. N. RELATO DE EXPERIÊNCIA: UMA OFICINA PARA O ENSINO DE EQUAÇÕES DO 1º GRAU. 2018.
    [ Google | Google Scholar ]
  71. CERQUEIRA, A. Estimação do número de comunidades em redes aleatórias. 2018.
    [ Google | Google Scholar ]
  72. MAZZEU, J. H. G.; GONZALEZ-RIVERA, G.; RUIZ, E.; VEIGA, H. A bootstrap approach for generalized autocontour testing. Implications for VIX forecast densities. 2018.
    [ Google | Google Scholar ]
  73. SILVA, V. F.; LIMA, K. P.; SILVA, E. M.; FERNANDES, F. A.; SCALON, J. D. Vida escolar: Agressor ou vítima? O uso da análise de correspondência simples na ocorrência de bullying. 2018.
    [ Google | Google Scholar ]
  74. FERNANDES, F. A.; PEREIRA, A. A.; SILVA, E. M.; SILVA, V. F.; FERNANDES, T. J. Curva de crescimento de suínos com erros autocorrelacionados de primeira ordem. 2018.
    [ Google | Google Scholar ]
  75. JANE, S. A.; FERNANDES, F. A.; MUNIZ, J. A.; FERNANDES, T. J. Comparação dos modelos Polinomial e Logístico na descrição do crescimento da pimenta doce. 2018.
    [ Google | Google Scholar ]
  76. MACHADO, MARIELA PENTÓN Contact Process with two kinds of particles and priorities. 2018.
    [ Google | Google Scholar ]
  77. PICCIRILLI, G. P.; Souza, A. D. P Teoria da Resposta ao Item: Um estudo de modelos multidimensionais com enfoque bayesiano.. 2018.
    [ Google | Google Scholar ]
  78. PICCIRILLI, G. P.; Souza, A. D. P Análise da Prova do Enem 2016 via Modelos Multidimensionais da TRI. 2018.
    [ Google | Google Scholar ]
  79. PICCIRILLI, G. P.; Souza, A. D. P Analysis of the Enem 2016 Test through multidimensional IRT Models.. 2018.
    [ Google | Google Scholar ]

2017

  1. SANTOS, J. R. S.; AZEVEDO, C. L. N. A general Cholesky decomposition based modeling of longitudinal IRT data. 2017.
    [ Google | Google Scholar ]
  2. AZEVEDO, C. L. N.; ANDRADE, D. F. Time Series and Multilevel Modeling for Longitudinal Item Response Theory Data. 2017.
    [ Google | Google Scholar ]
  3. PINHEIRO, H. P.; Maia, R. P.; Barboza, Daniel Multinomial and discrete survival models to evaluate performance of students. 2017.
    [ Google | Google Scholar ]
  4. ACHCAR, J. A. Use of graphical methods in the diagnostic of parametric probability distributions derived from copula functions for bivariate lifetime data in presence of censoring. 2017.
    [ Google | Google Scholar ]
  5. RIFO, L. Aspectos de teoria da decisão e probabilidade subjetiva para o ensino básico. 2017.
    [ Google | Google Scholar ]
  6. Almeida, Daniel de; FUERTES, A.; Hotta, Luiz K. Equity Premium Prediction by Sparse Pooling of Parsimonious State-Dependent Models. 2017.
    [ Google | Google Scholar ]
  7. TRUCÍOS, C.; Hotta, Luiz K.; RUIZ, E. Robust bootstrap densities for dynamic conditional correlation. 2017.
    [ Google | Google Scholar ]
  8. Almeida, Daniel de; FUERTES, A.; Hotta, Luiz K. Forecast combination with state-dependent models: equity premium prediction. 2017.
    [ Google | Google Scholar ]
  9. Rodrigues-Motta, M.; Garcia, N. L.; BELAZ, K. R. A.; TATA, A.; FRANCA, M. R.; BINELLI, M.; CABERLIN, M. E. A Mixture of Bivariate Truncated Beta Distribution Applied to the Classification of Matrix Assisted Laser Desorption Ionization Mass Spectrometry (MALDI-MS) Data. 2017.
    [ Google | Google Scholar ]
  10. Rodrigues-Motta, M.; Claudia Akemi Koda; Verly Junior, E. Mixed models for positive responses augmented by zero. 2017.
    [ Google | Google Scholar ]
  11. Rodrigues-Motta, M. Added value from Classic to Bayesian approach. 2017.
    [ Google | Google Scholar ]
  12. Garcia, Nancy L. Why settle for MCMC samples when you can perfect simulate from the invariant distribution?. 2017.
    [ Google | Google Scholar ]
  13. DIAS, R.; LUDWIG, G.; SAMPSON, P. A bit of splines, deformation, diffeomorphism, non-euclidean metrics toward spatial temporal processes. 2017.
    [ Google | Google Scholar ]
  14. FERNANDEZ, M.; GARCÍA, JESÚS E.; GONZA'LEZ-LO'PEZ, V. A.; ROMANO, N. Bayesian Sensitivity Analysis for Asymmetric Copulas with Cubic Sections. 2017.
    [ Google | Google Scholar ]
  15. FERNÁNDEZ, M.; GARCÍA, JESÚS E.; GONZÁLEZ-LÓPEZ, V.A.; ROMANO, N.; TESSLER, J. Foreing exchange dependence through different copula models. 2017.
    [ Google | Google Scholar ]
  16. García, Jesús E.; González-López, V. A. Stochastic Distance between Burkitt lymphoma/leukemia Strains. 2017.
    [ Google | Google Scholar ]
  17. V. A. González-López A copula-based partition Markov procedure. 2017.
    [ Google | Google Scholar ]
  18. GONZÁLEZ-LÓPEZ, V.A. Consistent Estimation of Partition Markov Models. 2017.
    [ Google | Google Scholar ]
  19. TELLEZ-PLAZA, MARIA; Kiihl, Samara F.; MARTINEZ-GARRIDO, MARIA JOSE; DOMINGO-RELLOSO, ARCE; BERMUDEZ, JOSE The MLML2R package: maximum likelihood estimates of DNA methylation and hydroxymethylation using R. 2017.
    [ Google | Google Scholar ]
  20. Benaglia, T. Curso de Diseño y Análisis Experimental. 2017.
    [ Google | Google Scholar ]
  21. MAIA, R. P. Modelos não-lineares mistos aplicados ao ajuste de curvas de produção de ovos de aves poedeiras.. 2017.
    [ Google | Google Scholar ]
  22. MATOS, L. A. Heavy-Tailed Longitudinal Linear Mixed Models for Multiple Censored Responses Data. 2017.
    [ Google | Google Scholar ]
  23. MATOS, L. A. Heavy-tailed longitudinal regression models for censored data: A likelihood based perspective. 2017.
    [ Google | Google Scholar ]
  24. GUELLA, J. C.; MENEGATTO, V. A. From Schoenberg coefficients to Schoenberg matrix valued functions. 2017.
    [ Google | Google Scholar ]
  25. GUELLA, J. C.; MENEGATTO, V. A. A limit formula for semigroups defined by Fourier-Jacobi series. 2017.
    [ Google | Google Scholar ]
  26. SOUSA, A. R. S. Bayesian Wavelet Shrinkage with Beta Priors. 2017.
    [ Google | Google Scholar ]
  27. TRUCÍOS, CARLOS On the robustness of the principal volatility components. 2017.
    [ Google | Google Scholar ]
  28. TRUCÍOS, CARLOS Forecasting conditional covariance matrix via principal volatility components in the presence of additive outliers. 2017.
    [ Google | Google Scholar ]
  29. TRUCÍOS, CARLOS Forecasting large dimensional (co)volatilities in the presence of outliers. 2017.
    [ Google | Google Scholar ]
  30. COSTA, M. A model for a stochastic growth process with interactions. 2017.
    [ Google | Google Scholar ]
  31. COSTA, M. Asymptotic shape of a non-homogeneous growth process with interaction. 2017.
    [ Google | Google Scholar ]
  32. COSTA, M. Stochastic processes with reinforcement. 2017.
    [ Google | Google Scholar ]
  33. SILVA, A.P.G.A.; RODRIGUES, M. A. F.; MELO, T. F. N Análise do efeito dos fenômenos climáticos La Niña e El Niño na precipitação acumulada da região centro-norte do Brasil utilizando modelos lineares mistos. 2017.
    [ Google | Google Scholar ]
  34. RODRIGUES, M. A. F. Evasão nos Cursos de Matemática e Estatística: determinantes e futuras recomendações. 2017.
    [ Google | Google Scholar ]
  35. GALARZA MORALES, CHRISTIAN EDUARDO On moments of truncated multivariate Student-t distribution: A recurrence approach. 2017.
    [ Google | Google Scholar ]
  36. GALARZA MORALES, CHRISTIAN EDUARDO On moments of truncated multivariate Student-t distribution: A recurrence approach. 2017.
    [ Google | Google Scholar ]
  37. GALARZA MORALES, CHRISTIAN EDUARDO Robust logistic quantile regression models using skewed heavy-tailed distributions. 2017.
    [ Google | Google Scholar ]
  38. GALARZA MORALES, CHRISTIAN EDUARDO Robust logistic quantile regression models using skewed heavy-tailed distributions. 2017.
    [ Google | Google Scholar ]
  39. Utria, J. Frog model with Poisson initial configuration on homogeneous tree. 2017.
    [ Google | Google Scholar ]
  40. FELIX, V. B.; MENEZES, A. F. B. Monte Carlo study of multiple comparisons corrections in t-test.. 2017.
    [ Google | Google Scholar ]
  41. GALINDO, Á. F. L.; FREITAS, J. V. B. Tenda o mundo da estatística. 2017.
    [ Google | Google Scholar ]
  42. GALINDO, Á. F. L. Modelos Não Lineares para Dados Longitudinais via Poisson Multivariada. 2017.
    [ Google | Google Scholar ]
  43. FREITAS, J. V. B.; GALINDO, A. F. L.; BARROS NETO, J. F.; FONTES, D. S. M. Tenda o mundo da Estatístca. 2017.
    [ Google | Google Scholar ]
  44. VALLIM, M. D.; YASUDA, C. Dynamic Causal Modeling reveals altered effective connectivity between contralateral hippocampus and Default Mode Network in temporal lobe epilepsy patients. 2017.
    [ Google | Google Scholar ]
  45. CARDOSO, B. G. S.; ARAÚJO, L. B.; ARAUJO, M. F. C. Análise de variáveis respiratórias via análise univariada de perfil. 2017.
    [ Google | Google Scholar ]
  46. CARDOSO, B. G. S.; ARAÚJO, L. B. Análise de variáveis respiratórias via análise univariada de perfil. 2017.
    [ Google | Google Scholar ]
  47. CARVALHO JÚNIOR, E. B.; AGUIAR, J. M. B. Aplicação da Estatística Descritiva e da Análise de Série Temporal no Estudo da Violência Contra Mulher em Teresina. 2017.
    [ Google | Google Scholar ]
  48. ALCÂNTARA JUNIOR, G. P. Modelo para o tempo de sobrevivência de camundongos expostos a radiação gama.. 2017.
    [ Google | Google Scholar ]
  49. PUMPUTIS MARQUES, M. A.; ELIAN, S. N. Uso de Pseudovariáveis para calibração do nível de entrada nas regressões do tipo forward. 2017.
    [ Google | Google Scholar ]
  50. GONÇALVES, Y. B.; GALINDO, A. F. L.; GOMES, :. C. E.; SILVA, A. O. PESQUISA SOBRE ASSÉDIO NO AMBIENTE UNIVERSITÁRIO - RELATOS. 2017.
    [ Google | Google Scholar ]
  51. CORDOVIL, Y. F.; ALMEIDA, S. S.; CARVALHO JUNIOR, J. G. Ocorrência e letalidade das doenças meningocócicas no Estado do Pará, no período de 2007 a 2014. 2017.
    [ Google | Google Scholar ]
  52. CORDOVIL, Y. F.; SANTOS, A. S.; ALMEIDA, S. S. Minicurso Manipulação de Dados Estatísticos no Excel. 2017.
    [ Google | Google Scholar ]
  53. SANTOS, G. M. C.; CAMPOS, L. M. M.; CORDOVIL, Y. F.; PROTAZIO, M. B. Estudo estatístico da Espécie Manilkara Huberi (Maçaranduba) oriundos da Fazenda Rio Capim, no município de Paragominas, Pará-PA (BRASIL). 2017.
    [ Google | Google Scholar ]
  54. CORDOVIL, Y. F.; ALMEIDA, S. S. Aplicações de Modelagem Estatística na Área da Saúde. 2017.
    [ Google | Google Scholar ]
  55. MESQUITA, C. H.; SILVA, V. C.; AOKI, P.; CALVO, W. A. P.; HARAGUCHI, M. I.; VELO, A. F.; ALVAREZ, A. G.; HAMADA, M. M. GALLIUM-67 CITRATE USED AS TRACER OF ACETONE PRODUCTION ROUTES. 2017.
    [ Google | Google Scholar ]
  56. VELO, A. F.; CARVALHO, D. V. S.; ALVAREZ, A. G.; HAMADA, M. M.; MESQUITA, C. H. EVALUATION OF ITERATIVE ALGORITHMS FOR TOMOGRAHY IMAGE RECONSTRUCTION ? A STUDY USING A THIRD GENERATION INSDUTRIAL TOMOGRAPHY SYSTEM.. 2017.
    [ Google | Google Scholar ]
  57. VELO, A. F.; CARVALHO, D. V. S.; ALVAREZ, A. G.; HAMADA, M. M.; MESQUITA, C. H. RECONSTRUCTED IMAGE QUALITY ANALYSIS OF AN INDUSTRIAL INSTANT NON-SCANNING TOMOGRAPHY SYSTEM WITH DIFFERENT TYPES OF COLLIMATORS BY THE MONTE CARLO SIMULATION.. 2017.
    [ Google | Google Scholar ]
  58. VELO, A. F.; ALVAREZ, A. G.; V. Fernandez; S. Somessari; F.F. Sprenger; HAMADA, M. M.; MESQUITA, C. H. A THIRD GENERATION TOMOGRAPHY SYSTEM WITH FIFTEEN DETECTORS SIMULATED BY MONTE CARLO METHOD. 2017.
    [ Google | Google Scholar ]
  59. NASCIMENTO, C. A. V.; Silva, B. S.; JUCÁ, R. S. O Estudo dos erros dos alunos do 9º ano do ensino fundamental em teorema de Pitágoras. 2017.
    [ Google | Google Scholar ]
  60. PRATES, M. O. Os desafios do Big Data em Estatística. 2017.
    [ Google | Google Scholar ]
  61. PRATES, M. O. Um passeio por aplicações e problemas em diferentes áreas da Estatística nas quais tenho dedicado o meu tempo. 2017.
    [ Google | Google Scholar ]
  62. PIROUTEK, A. New Surveillance and Disease Map Methods in Biological Sciences.. 2017.
    [ Google | Google Scholar ]
  63. PIROUTEK, A. New Surveillance and Disease Map Methods in Biological Sciences. 2017.
    [ Google | Google Scholar ]
  64. CERQUEIRA, A. Quantas comunidades existem?. 2017.
    [ Google | Google Scholar ]
  65. CERQUEIRA, A. Strongly consistent estimator for the number of communities of the Stochastic Block Model. 2017.
    [ Google | Google Scholar ]
  66. SILVA, V. F.; LIMA, K. P.; SILVA, E. M.; FERNANDES, F. A.; SCALON, J. D. Um estudo da tendência temporal da taxa suicida no Brasil. 2017.
    [ Google | Google Scholar ]
  67. FERNANDES, F. A.; SILVA, E. M.; SILVA, V. F.; FERNANDES, T. J.; MUNIZ, J. A. Comparação entre os modelos Gompertz e Logístico para avaliar o crescimento em matéria fresca da batata. 2017.
    [ Google | Google Scholar ]
  68. FERNANDES, F. A.; GOUVÊA, Graziela Dutra Rocha Estimação do PIB pela ótica da despesa: Uma aplicação do modelo de regressão linear múltipla. 2017.
    [ Google | Google Scholar ]
  69. FERNANDES, F. A.; SILVA, E. M.; SILVA, V. F.; ALVES, H. J. P.; FERNANDES, T. J. Modelos não lineares na descrição da curva de crescimento da batata. 2017.
    [ Google | Google Scholar ]
  70. ALVES, H. J. P.; FERNANDES, F. A.; SILVA, V. F.; SILVA, E. M.; FERREIRA, D. F. Avaliando o desempenho da estatística scan espacial na detecção de clusters espaciais utilizando o poder do teste e a sensibilidade como medidas avaliativas. 2017.
    [ Google | Google Scholar ]
  71. PICCIRILLI, G. P.; Souza, A. D. P Uma aplicação da Teoria da Resposta ao Item. 2017.
    [ Google | Google Scholar ]
  72. REMPEL, E. L.; CHIAN, A. C. L.; VERA, F. J. B.; SZANYI, S.; HALLER, G.; GOMES, T. F. P.; SILVA, S. S. E. A. Objective Detection of Kinematic and Magnetic Vortices in Astrophysical Plasmas. 2017.
    [ Google | Google Scholar ]
  73. GOMES, T. F. P.; REMPEL, E. L.; RAMOS, F. M.; CHIAN, A. C. L. Statistical Modeling of Extreme Values and Evidence of Presence of Dragon King (DK) in Solar Wind. 2017.
    [ Google | Google Scholar ]
  74. SILVA, S. S. E. A.; GOMES, T. F. P.; REMPEL, E. L. Vortex Detection in the Solar Photosphere.. 2017.
    [ Google | Google Scholar ]

2016

  1. Ferreira, Eduardo V.; AZEVEDO, C. L. N. Modelos da Teoria de Resposta ao Item assimétricos de grupos múltiplos para respostas politômicas nominais e ordinais sob um enfoque bayesiano. 2016.
    [ Google | Google Scholar ]
  2. PINHEIRO, H. P.; Maia, R. P.; Lima Neto, Eufrasio A.; Motta, R.M. Modelling the proportion of failed courses and GPA scores for engineering major students. 2016.
    [ Google | Google Scholar ]
  3. PINHEIRO, H. P.; Maia, R. P.; Barboza, Daniel Análise do desempenho dos alunos da Unicamp em Cálculo I e Física I. 2016.
    [ Google | Google Scholar ]
  4. Rodrigues-Motta, M.; FORKMAN, J. Positive Responses Augmented by Zeros in Experiments with Incomplete Block Design. 2016.
    [ Google | Google Scholar ]
  5. ZEVALLOS, Mauricio Minimum Distance Estimation of Stochastic Conditional Duration Models. 2016.
    [ Google | Google Scholar ]
  6. Garcia, Nancy L. Analysis of aggregated functional data from mixed populations with Application to Energy Consumption. 2016.
    [ Google | Google Scholar ]
  7. FERNANDEZ, M.; GONZA'LEZ-LO'PEZ, V. A.; HERGERT, B. S. Prediction through a Gumbel Barnett Copula. 2016.
    [ Google | Google Scholar ]
  8. FERNÁNDEZ, M.; GARCIA, J.; GONZA'LEZ-LO'PEZ, V. A.; ROMANO, N. Right Tail Increasing Dependence between Scores. 2016.
    [ Google | Google Scholar ]
  9. FERNÁNDEZ, M.; GARCÍA, JESÚS; GONZÁLEZ-LÓPEZ, V.A.; Viola, M. L. L. Full Interaction Partition Estimation in Stochastic Processes. 2016.
    [ Google | Google Scholar ]
  10. TELLEZ-PLAZA, M.; MARTINEZ-GARRIDO, MARIA JOSE; Kiihl, Samara F.; BERMUDEZ, JOSE; RENTERO-GARRIDO, P.; TANG, W. Y.; NAVAS-ACIEN, A. Estimation of consistent estimates of DNA methylation and hydroxymethylation from blood epidemiologic samples. 2016.
    [ Google | Google Scholar ]
  11. MAIA, R.P.; Demétrio, CGB; Labouriau, R Variance component estimation on discrete time competing riskis analysis with masked causes. 2016.
    [ Google | Google Scholar ]
  12. MAIA, R.P.; Labouriau, R; Demétrio, CGB Discrete time competing risks analysis with masked causes. 2016.
    [ Google | Google Scholar ]
  13. MAIA, R.P.; Demétrio, CGB; LABOURIAU, R. A Discrete Mixed Competing Risk Model for Discrete Time with Masked Causes. 2016.
    [ Google | Google Scholar ]
  14. MATOS, L. A. Heavy-Tailed Longitudinal Linear Mixed Models for Multiple Censored Responses Data. 2016.
    [ Google | Google Scholar ]
  15. GUELLA, J. C.; MENEGATTO, VALDIR A. From Schoenberg coefficients to Schoenberg functions: a unifying framework. 2016.
    [ Google | Google Scholar ]
  16. GUELLA, J. C.; MENEGATTO, VALDIR A. From schoenberg coefficients to schoenberg functions: strict positive definiteness.. 2016.
    [ Google | Google Scholar ]
  17. TRUCÍOS, CARLOS; HOTTA, LUIZ K.; RUIZ, E. Measuring the Effect of Uncertainty in the Estimation of the Conditional Covariance Matrix in Portfolio Selection and Risk Measures.. 2016.
    [ Google | Google Scholar ]
  18. TRUCÍOS, CARLOS; HOTTA, LUIZ K.; RUIZ, E. Forecasting densities of returns, volatilities, correlations and VaR in cDCC models using bootstrap procedures in the presence of outliers.. 2016.
    [ Google | Google Scholar ]
  19. TRUCÍOS, CARLOS Measuring the effect of uncertainty in the forecast of the conditional covariance matrix in portfolio selection and risk measures. 2016.
    [ Google | Google Scholar ]
  20. TRUCÍOS, CARLOS Nuevas herramientas para la enseñanza de metodologías cuentitativas de análisis de datos. 2016.
    [ Google | Google Scholar ]
  21. LEME, H. Precificação, gestão de risco e instrumentos de cobertura para carteiras de energia elétrica. 2016.
    [ Google | Google Scholar ]
  22. SANTOS, J. R. S. Modelos Longitudinais da Teoria da Resposta ao Item: uma aplicação em avaliação educacional. 2016.
    [ Google | Google Scholar ]
  23. ROCIO MAEHARA; BOLFARINE, H.; VILCA, FILIDOR Modelling extreme percentiles in the Birnbaum-Saunders distributions based on asymmetric heavy-tailed distribution. 2016.
    [ Google | Google Scholar ]
  24. ROCIO MAEHARA; SANCHEZ, L. E. B. Birnbaum-Saunders SN com aplicações em R. 2016.
    [ Google | Google Scholar ]
  25. ROCIO MAEHARA; BOLFARINE, H.; VILCA, FILIDOR Modelling extreme percentiles in the Birnbaum-Saunders distributions based on asymmetric heavy-tailed distribution. 2016.
    [ Google | Google Scholar ]
  26. SANFINS, M. D.; BORGES, L. R.; DONADON, C.; UBIALI, T.; BORDIN, T. .; COLELLA-SANTOS, M. F. Neurophysiological modifications of speech perception in children underwent bilateral myringotomy. 2016.
    [ Google | Google Scholar ]
  27. GALARZA MORALES, CHRISTIAN EDUARDO Likelihood based inference for quantile regression using a generalized class of skew distributions. 2016.
    [ Google | Google Scholar ]
  28. GALARZA MORALES, CHRISTIAN EDUARDO Regressão Quantílica para Modelos de Efeitos Mistos. 2016.
    [ Google | Google Scholar ]
  29. GALARZA MORALES, CHRISTIAN EDUARDO Robust quantile regression in R. 2016.
    [ Google | Google Scholar ]
  30. MATTOS, THALITA B.; GARAY, ALDO M.; LACHOS, VICTOR H. Robust estimation in regression models for censored data. 2016.
    [ Google | Google Scholar ]
  31. DESOUSA, M. F.; SAULO, H.; LEIVA, V. On a new asymmetric tobit model with an application to antibody response to vaccine. 2016.
    [ Google | Google Scholar ]
  32. GOMES, P. L. O.; NUNES, Marcus Ajuste de um modelo linear generalizado inflacionado de zeros a dados de infecção por nematoides em bovinos. 2016.
    [ Google | Google Scholar ]
  33. MENDES, A. M. F.; FREITAS, S. M. de Um Estudo das Distribuições Poisson, Binomial Negativa, Poisson-Lindley e Binomial Negativa-Lindley para Modelar Dados de Contagem. 2016.
    [ Google | Google Scholar ]
  34. MENDES, A. M. F.; RATHIE, P. N.; FREITAS, S. M. de; SILVA, T. S. Modelos Stress-Strength. 2016.
    [ Google | Google Scholar ]
  35. PAES, N.A.; SILVA, D. J. Relações Paradoxais entre a Mortalidade e as Condições de Vida no Semiárido Brasileiro. 2016.
    [ Google | Google Scholar ]
  36. Conceição, Josué dos Santos A Importancia das Atividades do PIBID. 2016.
    [ Google | Google Scholar ]
  37. FURRIEL, W. O.; MENEZES, A. F. B.; SANTANA, R. G. Estatísticas da Razão de Verossimilhança, Wald e Escore em amostras pequenas para a distribuição Beta.. 2016.
    [ Google | Google Scholar ]
  38. GALINDO, Á. F. L. Assédio no ambiente universitário. 2016.
    [ Google | Google Scholar ]
  39. SALGADO, A. M. Construção de Indicadores Estratégicos. 2016.
    [ Google | Google Scholar ]
  40. ARAUJO JÚNIOR, H. F. A Conjectura do Corredor Solitário. 2016.
    [ Google | Google Scholar ]
  41. ARAUJO JÚNIOR, H. F. O Teorema da Representação de Stone. 2016.
    [ Google | Google Scholar ]
  42. SILVA, L. C.; GALVES, A. P. T. Estimativa Populacional da cidade de Uberlândia-MG utilizando equações diferenciais ordinárias. 2016.
    [ Google | Google Scholar ]
  43. SILVA, L. C.; GALVES, A. P. T. Modelagem e Monitoramento Preditivo do Crescimento Eleitoral na cidade de Uberlândia-MG. 2016.
    [ Google | Google Scholar ]
  44. NASCIMENTO, M. J.; OLIVEIRA, R. E.; SOARES, T. R. M.; VILLA, T.; SILVA, L. C. A Comunidade Acadêmica e sua Segurança: uma abordagem nos campi da UFU. 2016.
    [ Google | Google Scholar ]
  45. SILVA, L. C. Análises Estatísticas utilizando o software BioEstat 5.4. 2016.
    [ Google | Google Scholar ]
  46. SILVA, L. C.; GALVES, A. P. T. Aplicação de equação diferencial ordinária na estimativa populacional da Arara-azul-de-Lear. 2016.
    [ Google | Google Scholar ]
  47. GABRIEL NICOLAU DOTTA, ANGELO Uma introdução ao problemas de dimensionamento de lotes. 2016.
    [ Google | Google Scholar ]
  48. KIST, L. P.; JOLANDEK, E. G. Bolhas de sabão na matemática. 2016.
    [ Google | Google Scholar ]
  49. SANTOS, L. S. F. C.; PRATES, M. O.; RODRIGUES, E. C. Estudo Online da Dinâmica Espaço-Temporal de Dados de Crime a Partir de Dados da Rede Social Twitter. 2016.
    [ Google | Google Scholar ]
  50. PIROUTEK, A.; Assunção, R M; DUARTE, D. Stochastic NeighborhoodStructure in Bayesian Spatial Models. 2016.
    [ Google | Google Scholar ]
  51. Cerda-Hernandez, Jose Percolation on random causal trees. 2016.
    [ Google | Google Scholar ]
  52. CERQUEIRA, A. Perfect simulation for Exponential random graphs. 2016.
    [ Google | Google Scholar ]
  53. MAZZEU, J. H. G.; GONZALEZ-RIVERA, G.; RUIZ, E.; VEIGA, H. A bootstrap approach for generalized autocontour testing.. 2016.
    [ Google | Google Scholar ]
  54. MAZZEU, J. H. G.; RUIZ, E.; VEIGA, H. Uncertainty and density forecasts of ARMA models: Comparison of asymptotic, Bayesian and bootstrap procedures.. 2016.
    [ Google | Google Scholar ]
  55. PORTELLA, L.; BROCH, S. C. Teste de independência: um estudo de caso. 2016.
    [ Google | Google Scholar ]
  56. PORTELLA, L.; BROCH, S. C. Aplicações estatísticas no cotidiano. 2016.
    [ Google | Google Scholar ]
  57. PORTELLA, L.; SILVA, I. C.; BRITTES, L. R. Trabalho docente e políticas curriculares]:reflexões sobre o compromisso da docência. 2016.
    [ Google | Google Scholar ]
  58. PORTELLA, L.; FOLETTO, T. C. Modelagem matemática: dando continuidade aos estudos. 2016.
    [ Google | Google Scholar ]

2015

  1. Gomez, J. L. P.; AZEVEDO, C. L. N. Modelos da Teoria de Resposta ao Item Multidimensionais Assimétricos de Grupos Múltiplos Para Respostas Dicotômicas sob um Enfoque Bayesiano. 2015.
    [ Google | Google Scholar ]
  2. Chaves, N. L.; AZEVEDO, C. L. N. Um estudo sobre os aspectos inferenciais da distribuição Birnbaum-Saunders Skew-Normal sob a parametrização centrada. 2015.
    [ Google | Google Scholar ]
  3. Silva, A. R. S.; AZEVEDO, C. L. N.; Bazan, J. L. Modelo de Regressão Beta Retangular Aumentado em zeros e uns. 2015.
    [ Google | Google Scholar ]
  4. Lebensztayn, E. A large deviations principle for the Maki-Thompson rumour model. 2015.
    [ Google | Google Scholar ]
  5. Lebensztayn, E. Large deviations for rumour models. 2015.
    [ Google | Google Scholar ]
  6. VILCA, FILIDOR The Bivariate Sinh-Elliptical Distribution with Applications to Birnbaum-Saunders Distribution and Associated Regression and Measurement Error Models. 2015.
    [ Google | Google Scholar ]
  7. Pinheiro, Hildete P.; Maia, R. P.; PINHEIRO, A. S.; RODRIGUES-MOTTA, MARIANA; Franco, Gabriel Analysis of academic performance of students via quasi U-statistics and generalized linear mixed models. 2015.
    [ Google | Google Scholar ]
  8. PINHEIRO, H. P.; Maia, R. P.; PINHEIRO, A. S. Academic performance of students from entrance to graduation via quasi U-statistics. 2015.
    [ Google | Google Scholar ]
  9. ACHCAR, J. A. Uso de métodos Bayesianos em análise estatística de dados médicos. 2015.
    [ Google | Google Scholar ]
  10. RIFO, Laura R. Bayesian inference for the memory in diffusion processes. 2015.
    [ Google | Google Scholar ]
  11. ANDRADE, P.; RIFO, Laura R. Approximate Bayesian inference for the Rosenblatt distribution. 2015.
    [ Google | Google Scholar ]
  12. CASCONE, M. H.; Hotta, Luiz K. Quasi-likelihood estimation of GARCH models with missing values. 2015.
    [ Google | Google Scholar ]
  13. de ALMEIDA, D.; Hotta, Luiz K.; RUIZ, E. MGARCH models: Tradeoff between feasibility and dynamic dependencies in volatilities and covariances. 2015.
    [ Google | Google Scholar ]
  14. ZEVALLOS, Mauricio; ABBARA, OMAR Assessing Stock Market Dependence and Contagion. 2015.
    [ Google | Google Scholar ]
  15. ZEVALLOS, Mauricio; ABBARA, OMAR Forecasting intraday VaR of an equity portfolio. 2015.
    [ Google | Google Scholar ]
  16. ZEVALLOS, Mauricio Minimum Distance Estimation of Stochastic Conditional Duration Models. 2015.
    [ Google | Google Scholar ]
  17. ZEVALLOS, Mauricio Estimation of the Autococorrelation Function of Long-Memory Processes. 2015.
    [ Google | Google Scholar ]
  18. Garcia, Nancy L.; Dias, Ronaldo; Schmidt, A.; SARAIVA, M. A.; LUDWIG, G. Análise estatística de dados de espectroscopia do infra-vermelho. 2015.
    [ Google | Google Scholar ]
  19. Garcia, Nancy L.; GALLO, S.; RODRIGUEZ, P.; JUNIOR, VALDIVINO VARGAS Rumor processes viewed as renewal processes. 2015.
    [ Google | Google Scholar ]
  20. Garcia, Nancy L. Análise de Dados Funcionais em Quimiometria. 2015.
    [ Google | Google Scholar ]
  21. Garcia, Nancy L. What is Perfect Simulation, and What Can it Do Perfectly for You. 2015.
    [ Google | Google Scholar ]
  22. Garcia, Nancy L. Quimiometria e Análise de Dados Funcionais. 2015.
    [ Google | Google Scholar ]
  23. Garcia, Nancy L. Why should we perfect simulate?. 2015.
    [ Google | Google Scholar ]
  24. Garcia, Nancy L. Why settle for MCMC samples when you can perfect simulate from the invariant distribution?. 2015.
    [ Google | Google Scholar ]
  25. LENZI, A.; Souza; DIAS, R.; GARCIA, NANCY L.; HECKMAN, NANCY Analysis of Aggregated Functional Data from Mixed Populations with Application to Energy Consumption. 2015.
    [ Google | Google Scholar ]
  26. García, J. E.; V. A. González-López; Viola, M. L. L. Copula-Based Analysis of Rhythm. 2015.
    [ Google | Google Scholar ]
  27. García, J. E.; V. A. González-López; Hirsh, I. Copula-Based Prediction of Economic Movements. 2015.
    [ Google | Google Scholar ]
  28. V. A. González-López A Copula-Based Partition Markov Procedure. 2015.
    [ Google | Google Scholar ]
  29. García, J. E.; V. A. González-López Dependency between clinical assessment and kinematic variables assessed with robotic device. 2015.
    [ Google | Google Scholar ]
  30. García, J. E.; V. A. González-López Markov Partition Models for Epstein Barr Virus. 2015.
    [ Google | Google Scholar ]
  31. MAIA, R. P.; LABOURIAU, R.; Demétrio, CGB Variance component estimation on Competing risk analysis with masked causes and gaussian random components: A simulation study.. 2015.
    [ Google | Google Scholar ]
  32. MAIA, R. P.; Labouriau, R; MADSEN, P. A General Multivariate Competing Risks Mixed Model. 2015.
    [ Google | Google Scholar ]
  33. MAIA, R. P. Introdução a Estatística Inferencial. 2015.
    [ Google | Google Scholar ]
  34. MAIA, R. P.; Labouriau, R; Demétrio, CGB A Class of Competing Risks modelos apllied on Quantitative Genetics. 2015.
    [ Google | Google Scholar ]
  35. MATOS, L. A. Censored mixed-effects models for irregularly observed repeated measures with applications to HIV viral loads. 2015.
    [ Google | Google Scholar ]
  36. NOBRE, JUVÊNCIO S. Relato de experiência na formação e atuação na profissão de Estatístico. 2015.
    [ Google | Google Scholar ]
  37. NOBRE, J. S. Distância de Cook para Modelos Lineares Generalizados Mistos. 2015.
    [ Google | Google Scholar ]
  38. NOBRE, J. S. Distância de Cook para Modelos Lineares Generalizados Mistos. 2015.
    [ Google | Google Scholar ]
  39. Azevedo, I. F. S.; Biase, A.; Lima, C.; NOBRE, J. S.; Herling, V. Modelagem de germinação de sementes ? uma abordagem bayesiana utilizando o pacote FME. 2015.
    [ Google | Google Scholar ]
  40. Hermeto, R. T.; NOBRE, J. S.; Gomes, D. G. Análise de Sobrevivência na Modelagem do Tempo de Vida de Redes de Sensores sem Fio. 2015.
    [ Google | Google Scholar ]
  41. SOUSA, A. R. S. Bayesian Wavelet Shrinkage with Beta Priors. 2015.
    [ Google | Google Scholar ]
  42. TRUCÍOS, CARLOS; HOTTA, L. K.; RUIZ, E. Forecasting Returns, Volatilities and Risk Measures in GARCH Models: A robust bootstrap procedure. 2015.
    [ Google | Google Scholar ]
  43. TRUCÍOS, CARLOS; HOTTA, L. K.; RUIZ, E. Robust bootstrap forecast densities for GARCH models: returns, volatilities and Value-at-Risk. 2015.
    [ Google | Google Scholar ]
  44. TRUCÍOS, CARLOS; HOTTA, L. K.; RUIZ, E. Forecasting densities of returns, volatilities and correlations in DCC model in presence of additive outliers. 2015.
    [ Google | Google Scholar ]
  45. Huaira-Contreras, Carlos Alberto Modelos de Regressão Mistura de Escala Normal com Ponto de Mudança: Aplicação a Audiências de Televisão. 2015.
    [ Google | Google Scholar ]
  46. Huaira Contreras, Carlos Alberto O analfabetismo funcional no Brasil: uma visão sobre os municípios. 2015.
    [ Google | Google Scholar ]
  47. CORTES, S. C.; MERCEDES, C. E. V.; CARDOSO, M. W. A.; FERRARI, F. M. Os Processos para Gestão de Dados e Disseminação de Informações em Ambiente de Computação Móvel na Capes. 2015.
    [ Google | Google Scholar ]
  48. CORTES, S. C.; CARDOSO, M. W. A.; FERRARI, F. M.; MERCEDES, C. E. V. Uma arquitetura de processos para gerir e disseminar informações. 2015.
    [ Google | Google Scholar ]
  49. FERREIRA, E. V.; Azevedo, Caio L. N. Inferência bayesiana em modelos assimétricos da Teoria da Resposta ao Item de grupos múltiplos para respostas nominais e ordinais. 2015.
    [ Google | Google Scholar ]
  50. COSTA, M. Explosion Criteria for Continuous-Time Markov Chains. 2015.
    [ Google | Google Scholar ]
  51. SILVA, A. R. S.; AZEVEDO, C. L. N.; BAZAN, J. L.; NOBRE, J. S. Modelo de Regressão Beta Retangular Aumentado em zeros e uns. 2015.
    [ Google | Google Scholar ]
  52. GALARZA MORALES, CHRISTIAN EDUARDO Estadística para empresas. 2015.
    [ Google | Google Scholar ]
  53. GALARZA MORALES, CHRISTIAN EDUARDO Likelihood based inference in quantile regression for nonlinear mixed effect models. 2015.
    [ Google | Google Scholar ]
  54. GALARZA MORALES, CHRISTIAN EDUARDO Likelihood based inference in quantile regression for nonlinear mixed effect models. 2015.
    [ Google | Google Scholar ]
  55. GALARZA MORALES, CHRISTIAN EDUARDO Network Control System Application: Minimization of global number of interactions, transmissions and receptions in a Multi-Hop network. 2015.
    [ Google | Google Scholar ]
  56. GALARZA MORALES, CHRISTIAN EDUARDO Quantile regression models in R. 2015.
    [ Google | Google Scholar ]
  57. GALARZA MORALES, CHRISTIAN EDUARDO A statistical software for quantile regression in R. 2015.
    [ Google | Google Scholar ]
  58. GALARZA MORALES, CHRISTIAN EDUARDO Likelihood based inference in quantile regression for nonlinear mixed effect models. 2015.
    [ Google | Google Scholar ]
  59. GALARZA MORALES, CHRISTIAN EDUARDO Network Control System Application: Minimization of global number of interactions, transmissions and receptions in a Multi-Hop network. 2015.
    [ Google | Google Scholar ]
  60. Utria, J. Transição de fase para um modelo de percolação orientada na árvore homogênea. 2015.
    [ Google | Google Scholar ]
  61. CHAVES, N. L.; AZEVEDO, C. L. N.; LABRA, F. E. V.; NOBRE, J. S. Um estudo sobre os aspectos inferenciais da distribuição Birnbaum-Saunders Normal Assimétrica sob a parametrização centrada. 2015.
    [ Google | Google Scholar ]
  62. PINHEIRO, H. P.; MAIA, R. P.; PINHEIRO, A. S.; RODRIGUES-MOTTA, M.; FRANCO, G. Analysis of academic performance of students via quasi U-statistics and generalized linear mixed models. 2015.
    [ Google | Google Scholar ]
  63. PINHEIRO, H. P.; MAIA, R. P.; PINHEIRO, A. S.; RODRIGUES-MOTTA, M.; FRANCO, G. Análise de Desempenho Acadêmico de estudantes da Unicamp. 2015.
    [ Google | Google Scholar ]
  64. GONÇALVES, B. O.; RAMOS, P. S.; AVELAR, F. G. Teste de Student-Newman-Keuls bootstrap: proposta e avaliação em dados de produtividade da graviola. 2015.
    [ Google | Google Scholar ]
  65. SCHUMACHER, F. L.; SOUZA, E. M. Imputação de dados faltantes em séries temporais: Comparação de modelos estruturais e modelos de imputações múltiplas de dados Amelia II. 2015.
    [ Google | Google Scholar ]
  66. SOUSA, H. M. R.; BARBOSA, R. M. O uso da pílula anticoncepcional de emergência: uma análise comparativa entre mulheres vivendo e não vivendo com HIV/AIDS.. 2015.
    [ Google | Google Scholar ]
  67. GOMES, P. L. O.; NUNES, Marcus Aplicação do K-means longitudinal para identificação de gado mais resistêntes a infecção por nematoides. 2015.
    [ Google | Google Scholar ]
  68. RODRIGUES, K. A. S.; FONSECA, R. V.; NOBRE, J. S. Modelos Lineares Generalizados Simétricos. 2015.
    [ Google | Google Scholar ]
  69. PAES, N.A.; SILVA, D. J. Mortalidade no Semiárido. 2015.
    [ Google | Google Scholar ]
  70. Conceição, Josué dos Santos Usando o Geogebra no ensino de Matemática no Ensino Fundamental. 2015.
    [ Google | Google Scholar ]
  71. SALGADO, A. M. Planejamento como Ferramenta de Gestão. 2015.
    [ Google | Google Scholar ]
  72. Fernández, M.; González-López, V. A. A statistical tool for management based on copula conditional expectation. 2015.
    [ Google | Google Scholar ]
  73. Cerda-Hernandez, Jose Potts model on causal dynamical triangulations. 2015.
    [ Google | Google Scholar ]
  74. CERQUEIRA, A. A test of hypotheses for random graph distributions. 2015.
    [ Google | Google Scholar ]
  75. MAZZEU, J. H. G.; GONZALEZ-RIVERA, G.; RUIZ, E.; VEIGA, H. Model uncertainty and the forecast accuracy of ARMA models: A survey.. 2015.
    [ Google | Google Scholar ]
  76. PORTELLA, L. Intercâmbio: Vivências e Aprendizagens. 2015.
    [ Google | Google Scholar ]
  77. PORTELLA, L.; GAIER, L. M. W.; FOLETTO, T. C. Aprendizagem de Equações Diferenciais Ordinárias (EDOs)através do Software Maple. 2015.
    [ Google | Google Scholar ]
  78. PORTELLA, L.; GAIER, L. M. W.; BATIANI, L. C. TECNOLOGIA: uma grande aliada da educação. 2015.
    [ Google | Google Scholar ]

2014

  1. Nogarotto, D.; AZEVEDO, C.L.N. Bayesian inference in beta and inflated beta regression models. 2014.
    [ Google | Google Scholar ]
  2. Gomez, J. L. P.; AZEVEDO, C.L.N. Multidimensional Item Response Theory models with multivariate skew normal latent trait distributions under the centered parameterization. 2014.
    [ Google | Google Scholar ]
  3. AZEVEDO, C. L. N.; Vilca-Labra, F.; Lobos, C. Bayesian inference for Birnbaum-Saunders mixed models for censored responses. 2014.
    [ Google | Google Scholar ]
  4. AZEVEDO, C.L.N. Introdução à Teoria da Resposta ao Item. 2014.
    [ Google | Google Scholar ]
  5. AZEVEDO, C. L. N.; Fox, Jean-Paul; ANDRADE, D. F. Bayesian longitudinal item response modeling with restricted covariance pattern structures. 2014.
    [ Google | Google Scholar ]
  6. Pinheiro, Hildete P.; Maia, R. P.; PINHEIRO, A. S.; RODRIGUES-MOTTA, MARIANA; Franco, Gabriel Análise de Desempenho Acadêmico de estudantes da Unicamp. 2014.
    [ Google | Google Scholar ]
  7. Pinheiro, Hildete P.; PINHEIRO, A. S.; Kiihl, Samara F.; SEN, Pranab Kumar Comparison of groups of longitudinal sequences by quasi U-statistics. 2014.
    [ Google | Google Scholar ]
  8. Pinheiro, Hildete P.; RODRIGUES-MOTTA, MARIANA; Franco, Gabriel Modelling performance of students with bivariate generalized mixed models. 2014.
    [ Google | Google Scholar ]
  9. PINHEIRO, H. P.; Maia, R. P.; PINHEIRO, A. S.; Motta, R.M.; Franco, Gabriel Análise da performance acadêmica de estudantes via quase U-estatísticas e modelos lineares generalizados mistos. 2014.
    [ Google | Google Scholar ]
  10. ANDRADE, P.; Garcia. J.E.; RIFO, Laura R. Bayesian inference for dependent chains applied to neural phenomena. 2014.
    [ Google | Google Scholar ]
  11. RIFO, Laura R. Inferencia bayesiana para procesos estocasticos, conceptos basicos y aplicaciones. 2014.
    [ Google | Google Scholar ]
  12. Rodrigues-Motta, M.; SOTO, D. M. G.; Lachos, V. H.; VILCA, FILIDOR; BALTAR, V. T.; Verly Junior, E.; Fisberg, R.M.; Marchioni, Dirce M. Lobo A mixed model for positive responses augmented by zeros. 2014.
    [ Google | Google Scholar ]
  13. 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 ]
  14. ZEVALLOS, Mauricio; Carlos del Carpio; VILLARREAL, F. Estimación del Riesgo Bursátil Peruano: cuánto influyen los metales y el mercado internacional?. 2014.
    [ Google | Google Scholar ]
  15. ZEVALLOS, Mauricio Minimum Distance Estimation of High Frequency Transaction Data. 2014.
    [ Google | Google Scholar ]
  16. GALLO, SANDRO; Garcia, Nancy L.; JUNIOR, VALDIVINO VARGAS; RODRIGUEZ, P. Rumor spread viewed as renewal processes. 2014.
    [ Google | Google Scholar ]
  17. GALLO, SANDRO; Garcia, Nancy L.; JUNIOR, VALDIVINO VARGAS; RODRIGUEZ, P. Rumor processes viewed as renewal processes. 2014.
    [ Google | Google Scholar ]
  18. Dias, Ronaldo; Garcia, Nancy L.; Schmidt, A.; LUDWIG, G.; SARAIVA, M. A. Statistical analysis of NIR spectroscopy data. 2014.
    [ Google | Google Scholar ]
  19. Garcia, Nancy L.; Schmidt, A.; SARAIVA, M. A.; Dias, Ronaldo Chemometrics and Funcional Data Analysis. 2014.
    [ Google | Google Scholar ]
  20. DIAS, R. Modeling Aggregate Funcional Data. 2014.
    [ Google | Google Scholar ]
  21. DIAS, R.; Souza; LENZI, A.; HECKMAN, N.; GARCIA, N. L. Analysis of Aggregated Functional Data from Mixed Populations with Application to Energy Consumption. 2014.
    [ Google | Google Scholar ]
  22. González-López, V. A. Open Problems (Theory of Copulas). 2014.
    [ Google | Google Scholar ]
  23. Bianchi, M. C.; Fernandes-Svartman, F. R.; FERNANDEZ, M.; González-López, V. A. Confidence Bands in Kendall Plots. 2014.
    [ Google | Google Scholar ]
  24. García, J. E.; González-López, V. A. Detecting regime changes in Markov models. 2014.
    [ Google | Google Scholar ]
  25. García, J. E.; González-López, V. A. An independence test based on random permutations. 2014.
    [ Google | Google Scholar ]
  26. González-López, V. A. A estatística é pop. 2014.
    [ Google | Google Scholar ]
  27. García, J. E.; González-López, V. A. Minimal Markov Models. 2014.
    [ Google | Google Scholar ]
  28. Zambom, Adriano Z. Nonparametric Lack-of-Fit Testing and Variable Selection - (Colloquium - Miami University - OH). 2014.
    [ Google | Google Scholar ]
  29. SIGRIST, T. M.; KIIHL, S. F. CETvis. 2014.
    [ Google | Google Scholar ]
  30. Kiihl, Samara F.; Irizarry, Rafael Statistical methods for preprocessing, integration, and quality assessment of synthetic lethality data. 2014.
    [ Google | Google Scholar ]
  31. Kiihl, Samara F.; Irizarry, Rafael Statistical methods for preprocessing, integration, and quality assessment of synthetic lethality data. 2014.
    [ Google | Google Scholar ]
  32. Kiihl, Samara F.; Irizarry, Rafael PREPROCESSING AND QUALITY ASSESSMENT OF MICROARRAY-BASED SYNTHETIC LETHALITY DATA. 2014.
    [ Google | Google Scholar ]
  33. CARVALHO, B. S. Uma visão da investigação multimodal da epileptogênese na Unicamp. 2014.
    [ Google | Google Scholar ]
  34. CARVALHO, B. S. Statistical Modelling of RNA-Seq Data on the Multimodal Investigation of Epileptogenesis.. 2014.
    [ Google | Google Scholar ]
  35. CARVALHO, B. S. Multimodal Investigation of Epileptogenesis: An ?omics Perspective. 2014.
    [ Google | Google Scholar ]
  36. CARVALHO, B. S. The Laboratory of Computational Biology and Bioinformatics and the Brazilian Institute of Neuroscience and Neutechnology. 2014.
    [ Google | Google Scholar ]
  37. MAIA, R. P.; Labouriau, R Modelos de riscos competitivos mistos aplicados ao estudo de longevidade. 2014.
    [ Google | Google Scholar ]
  38. MAIA, R. P. Multivariate Survival Mixed Models for Genetic Analysis of Longevity Traits. 2014.
    [ Google | Google Scholar ]
  39. MAIA, R. P.; MADSEN, P.; LABOURIAU, R. Competing risk analysis with masked causes of death applied to a genetic longevity study. 2014.
    [ Google | Google Scholar ]
  40. NOBRE, JUVÊNCIO S.; Sen, P. K.; Singer, J.M. U-tests for variance components in linear mixed models. 2014.
    [ Google | Google Scholar ]
  41. Maza, C. C. T.; HOTTA, L. K.; RUIZ, E. Volatility and return bootstrap prediction intervals in GARCH models in the presence of outliers. 2014.
    [ Google | Google Scholar ]
  42. Trucios Maza, C. C.; HOTTA, L. K.; RUIZ, E. Robust bootstrap prediction intervals for returns and volatilities in GARCH models. 2014.
    [ Google | Google Scholar ]
  43. Trucios-Maza, C.C.; HOTTA, L. K.; RUIZ, E. Intervalos de predicción bootstrap robustos para retornos y volatilidades en los modelos GARCH. 2014.
    [ Google | Google Scholar ]
  44. NOGAROTTO, D. C.; AZEVEDO, C. L. N. Bayesian inference in beta and inflated beta regression models. 2014.
    [ Google | Google Scholar ]
  45. FERREIRA, E. V.; Azevedo, Caio L. N. Aspectos inferenciais no Modelo de Crédito Parcial Generalizado da Teoria da Resposta ao Item. 2014.
    [ Google | Google Scholar ]
  46. FERREIRA, E. V.; Azevedo, Caio L. N. Modelos da Teoria de Resposta ao Item assimétricos de grupos múltiplos para respostas politômicas nominais e ordinais sob um enfoque bayesiano. 2014.
    [ Google | Google Scholar ]
  47. FERREIRA, E. V.; Azevedo, Caio L. N. Modelos da Teoria de Resposta ao Item assimétricos de grupos múltiplos para respostas politômicas nominais e ordinais sob um enfoque bayesiano. 2014.
    [ Google | Google Scholar ]
  48. LEME, H.; Hansen. P., M. Análise de Risco em Negócios de Compra e Venda de Energia Elétrica. 2014.
    [ Google | Google Scholar ]
  49. SANTOS, J. R. S.; MATOS, L. A.; COLLAZOS, J. A. Modelos Aditivos Generalizados Funcionais: método de estimação e predição para respostas binárias. 2014.
    [ Google | Google Scholar ]
  50. SANTOS, J. R. S. Antedependence modeling of longitudinal item response data: Handling skewed ability distributions. 2014.
    [ Google | Google Scholar ]
  51. CARVALHO, Walter Augusto Fonseca de Análise de Variância e Técnicas de Experimentação. 2014.
    [ Google | Google Scholar ]
  52. CARVALHO, Walter Augusto Fonseca de Processos de Renovação Obtidos por agregação de Estados. 2014.
    [ Google | Google Scholar ]
  53. GALARZA MORALES, CHRISTIAN EDUARDO Estimation in Quantile Regression for Mixed-Effects Models using the Asymmetric Laplace Distribution. 2014.
    [ Google | Google Scholar ]
  54. GALARZA MORALES, CHRISTIAN EDUARDO Estimation in Quantile Regression for Mixed-Effects Models using the Asymmetric Laplace Distribution. 2014.
    [ Google | Google Scholar ]
  55. GALARZA MORALES, CHRISTIAN EDUARDO Beta regression and applications. 2014.
    [ Google | Google Scholar ]
  56. MATTA, D. H.; GARCIA, N. L. Algorithms for Estimation of Variable Length Markov Chains and Simulation. 2014.
    [ Google | Google Scholar ]
  57. PINHEIRO, H. P.; RODRIGUES-MOTTA, M.; FRANCO, G. Modelling performance of students with bivariate generalized linear mixed models. 2014.
    [ Google | Google Scholar ]
  58. FRANCO, G.; RODRIGUES-MOTTA, M. Modelando número de cigarros consumidos através de um modelo Hurdle com efeitos aleatórios. 2014.
    [ Google | Google Scholar ]
  59. GONÇALVES, B. O.; RAMOS, P. S. Versão Bootstrap paramétrico do teste de Student-Newman-Keuls. 2014.
    [ Google | Google Scholar ]
  60. GONÇALVES, B. O.; CARDOSO, L. C.; CHAGAS, E. N.; FERREIRA, E. B. Otimização com respostas simultâneas na selagem da noz macadâmia. 2014.
    [ Google | Google Scholar ]
  61. SCHUMACHER, F. L.; SOUZA, E. M.; GIMENES, E.; UCHIMURA, T. T.; MASUKAWA, M. L. T. Modelos estruturais em séries temporais com aplicação em dados de internação por bronquiolite. 2014.
    [ Google | Google Scholar ]
  62. GOMES, P. L. O.; VIVACQUA, C. A. Aplicação da Estatística Multivariada no Processo de Ensino e Aprendizagem. 2014.
    [ Google | Google Scholar ]
  63. FONSECA, R. V.; NOBRE, J. S.; FARIAS, R. B. A. Introdução aos Modelos Aditivos Generalizados. 2014.
    [ Google | Google Scholar ]
  64. FONSECA, R. V.; NOBRE, J. S.; FARIAS, R. B. A. Distribuição Birnbaum-Saunders Reparametrizada: Aspectos Clássico e Bayesiano. 2014.
    [ Google | Google Scholar ]
  65. FONSECA, R. V.; NOBRE, J. S.; FARIAS, R. B. A. Modelos Lineares Generalizados Aditivos: Aspectos Clássicos e Bayesianos. 2014.
    [ Google | Google Scholar ]
  66. FARIAS, B. M.; CUNHA, L. F. Em que dia cai? A fórmula do calendário.. 2014.
    [ Google | Google Scholar ]
  67. Prates, Marcos O. Pós-Graduação em Estatística e Aplicações na Pesquisa. 2014.
    [ Google | Google Scholar ]
  68. Prates, Marcos O.; RODRIGUES, E. C.; ASSUNCAO, R. M. When is the spatial confounding a real problem? A fast Gaussian Markov random fields alternative to alleviate spatial confounding. 2014.
    [ Google | Google Scholar ]
  69. GONCALVES, F. B.; PRATES, M. O.; V. H. Lachos Robust Bayesian Model Selection for Heavy-tailed Linear Regression Models Using Mixtures. 2014.
    [ Google | Google Scholar ]
  70. Prates, Marcos O. Pesquisa na Pós-Graduação e Aplicações das Pesquisas no Mundo Real. 2014.
    [ Google | Google Scholar ]
  71. Prates, Marcos O.; RODRIGUES, E. C.; ASSUNCAO, R. M. When is spatial confounding a real problem? A fast Gaussian Markov random fields alternative to alleviate spatial confounding. 2014.
    [ Google | Google Scholar ]
  72. Fernández, M.; GARCIA, J. E.; González-López, V. A. Multivariate Markov chain predictions adjusted with copula models. 2014.
    [ Google | Google Scholar ]
  73. Fernández, M.; González-López, V. A. Bounds for the cumulative conditional expectation function. 2014.
    [ Google | Google Scholar ]
  74. BURBANO-MORENO, ALVARO ALEXANDER; MELO-MARTINEZ, OSCAR ORLANDO Estimación en el Modelo de Regresión Lineal con Errores no Normales. 2014.
    [ Google | Google Scholar ]
  75. Alves, Edna Maria F.P.; FERNANDES, F. A. COMPARAÇÃO ENTRE O ÍNDICE NACIONAL DE PREÇOS AO CONSUMIDOR AMPLO (IPCA) E A APLICAÇÃO DO ÍNDICE DE SAUERBECK NO SETOR DE HIGIENE PESSOAL, PERFUMARIA E COSMÉTICOS (HPPC).. 2014.
    [ Google | Google Scholar ]
  76. MACHADO, MARIELA PENTÓN Percolation in a dependent random enviroment. 2014.
    [ Google | Google Scholar ]

2013

  1. Ferreira, Eduardo V.; AZEVEDO, C. L. N. Estimação paramétrica no modelo de crédito parcial generalizado da Teoria da Resposta ao Item. 2013.
    [ Google | Google Scholar ]
  2. SANTOS, J. R. S.; AZEVEDO, C. L. N. Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centradas. 2013.
    [ Google | Google Scholar ]
  3. Vilca-Labra, F.; AZEVEDO, C.L.N.; Balakrishnan, N. Bayesian inference in Birnbaum-Saunders Nonlinear Regression Models based on Scale-Mixture of Normals. 2013.
    [ Google | Google Scholar ]
  4. AZEVEDO, C.L.N.; SANTOS, J. R. S. On the using of distances to measure goodness of fit in Item Response Theory models. 2013.
    [ Google | Google Scholar ]
  5. Flores, S.; Bazan, J.; AZEVEDO, C.L.N. A new testlet model. 2013.
    [ Google | Google Scholar ]
  6. PINHEIRO, H. P.; PINHEIRO, A. S.; SEN, Pranab Kumar Comparação de grupos de sequências genômicas via quase U-estatísticas. 2013.
    [ Google | Google Scholar ]
  7. TORRES, S; RIFO, Laura R.; CORDOVA, A. M.; DIAZ, V. Full Bayesian analysis for a class of long-memory processes. 2013.
    [ Google | Google Scholar ]
  8. ANDRADE, P.; RIFO, Laura R. A note on Bayesian inference for the long-range dependence of a stationary two-state process. 2013.
    [ Google | Google Scholar ]
  9. RIBEIRO, A. L. P.; Hotta, Luiz K. Estimation and testing of hypotheses in the heteroskedastic canonical model of contagion using instrumental variables. 2013.
    [ Google | Google Scholar ]
  10. Hotta, Luiz K.; Tsai, R. Generalization of the Mixture Model Using a Copula Function. 2013.
    [ Google | Google Scholar ]
  11. TRUCIOS-MAZA, C. C.; Hotta, Luiz K. Bootstrap prediction in DCC-GARCH multivariate volatility model with normal distribution. 2013.
    [ Google | Google Scholar ]
  12. CASCONE, M. H.; HOTTA, L. K.; LAURINI, M. P. Efeito dos outliers na estimação dos modelos de volatilidade estocástica. 2013.
    [ Google | Google Scholar ]
  13. Garcia, Nancy L. Perfect simulation for chains of infinite order. 2013.
    [ Google | Google Scholar ]
  14. DIAS, R.; GARCIA, N. L.; Schmidt, A. M. A Hierarchical Model for Aggregated Functional Data: Abayesian Approach. 2013.
    [ Google | Google Scholar ]
  15. DIAS, R.; GARCIA, N. L.; ALEXANDRA, A Hierarchical Model for Aggregated Functional Data. 2013.
    [ Google | Google Scholar ]
  16. GARCIA, J.; González-López, V. A.; Nelsen, R. A New Index to Measure Positive Dependence in Trivariate Distributions. 2013.
    [ Google | Google Scholar ]
  17. FERNANDEZ, M.; González-López, V. A. Bayesian approach for convex combination of two Gumbel-Barnett copulas. 2013.
    [ Google | Google Scholar ]
  18. García, J. E.; González-López, V. A. Detecting Regime Changes In Markov Models. 2013.
    [ Google | Google Scholar ]
  19. González-López, V. A. Aspectos Metodológicos na Análise Estatística em Saúde: a Visão Bayesiana. 2013.
    [ Google | Google Scholar ]
  20. FERNANDEZ, M.; González-López, V. A.; Rifo, L. L. R. A Note on Conjugate Distibutions for Likelihoods Given by Copulas. 2013.
    [ Google | Google Scholar ]
  21. CARVALHO, B. S. A Pesquisa nas Diferentes Áreas da Genética: Desafios da Bioinformática. 2013.
    [ Google | Google Scholar ]
  22. CARVALHO, B. S. Current Statistical Strategies for RNA-Seq Data Modelling. 2013.
    [ Google | Google Scholar ]
  23. CARVALHO, B. S. RNA-Sequencing applied on models of epilepsy and its clinical consequences. 2013.
    [ Google | Google Scholar ]
  24. CARVALHO, B. S. -omics: atualidades e multidisciplinaridade. 2013.
    [ Google | Google Scholar ]
  25. CARVALHO, B. S. Quebrando paradigmas na era da informação: Multidisciplinaridade e Medicina Personalizada. 2013.
    [ Google | Google Scholar ]
  26. Maia, Rafael Pimentel; MADSEN, P.; Pedersen, J.; LABOURIAU, R. Genetic study of mortality rate in Danish dairy cows: multivariate competing risk analysis.. 2013.
    [ Google | Google Scholar ]
  27. MATOS, L. A. Influence diagnostics in linear and nonlinear mixed-effects models with censored data using the multivariate-t distribution. 2013.
    [ Google | Google Scholar ]
  28. MATOS, L. A. Diagnostic Analysis of Censored HIV Viral Dynamics Load with Multivariate Student-t Distribution. 2013.
    [ Google | Google Scholar ]
  29. NOBRE, JUVÊNCIO S.; Singer, J.M.; Sen, P. K. $U$-tests for variance components in Linear Mixed Models. 2013.
    [ Google | Google Scholar ]
  30. NOBRE, JUVÊNCIO S.; Singer, J.M.; Sen, P. K. U-tests for variance components in linear mixed models. 2013.
    [ Google | Google Scholar ]
  31. NOBRE, JUVÊNCIO S. Mesa redonda intitulada: ' A importância das disciplinas básicas da graduação'. 2013.
    [ Google | Google Scholar ]
  32. Fonseca, R. V.; NOBRE, JUVÊNCIO S.; Farias, A. R. B. Distribuição Birnbaum-Saunders: Definições e propriedades. 2013.
    [ Google | Google Scholar ]
  33. Fonseca, R. V.; NOBRE, JUVÊNCIO S.; Farias, A. R. B. Métodos de suavização não-paramétricos. 2013.
    [ Google | Google Scholar ]
  34. SILVA, T. O.; ALENCAR, F. H. C.; NOBRE, JUVÊNCIO S. Simulação estocástica usando o software livre R. 2013.
    [ Google | Google Scholar ]
  35. Fonseca, R. V.; NOBRE, JUVÊNCIO S.; Farias, A. R. B. Distribuição Birbaum-Saunders: Definição e propriedades. 2013.
    [ Google | Google Scholar ]
  36. ARAUJO, Y. A.; NOBRE, JUVÊNCIO S. Introdução aos Modelos Generalizados Aditivos. 2013.
    [ Google | Google Scholar ]
  37. NOBRE, W. S.; Morais, R. G. A.; NOBRE, JUVÊNCIO S. Família de distribuições elipticas/simétricas: definição e propriedades. 2013.
    [ Google | Google Scholar ]
  38. Maza, C. C. T.; Hotta, L. Bootstrap prediction in DCC-GARCH multivariate volatility model with normal distribution. 2013.
    [ Google | Google Scholar ]
  39. Maza, C. C. T.; Hotta, L. Bootstrap Prediction in Univariate Volatility Models with Leverage Effect. 2013.
    [ Google | Google Scholar ]
  40. Trucios-Maza, C.C.; Hotta, L. Intervalos de previsão bootstrap em modelos de volatilidade multivariados DCC-GARCH.. 2013.
    [ Google | Google Scholar ]
  41. FERREIRA, E. V.; Azevedo, Caio L. N. Estimação paramétrica no modelo de crédito parcial generalizado da Teoria da Resposta ao Item. 2013.
    [ Google | Google Scholar ]
  42. SANTOS, J. R. S. Um Modelo de Resposta ao Item para Grupos Múltiplos com Distribuições Normais Assimétricas Centralizadas. 2013.
    [ Google | Google Scholar ]
  43. CASCONE, M. H.; MATOS, L. A.; CAMPOS, J. A. G. Nonparametric method for treatment comparison in the winemaking process. 2013.
    [ Google | Google Scholar ]
  44. CARVALHO, Walter Augusto Fonseca de; GARCIA, N. L.; GALLO, A. Renewal Processes As aggregation Of Markovian Processes. 2013.
    [ Google | Google Scholar ]
  45. CARVALHO, Walter Augusto Fonseca de ECAB - 2013. 2013.
    [ Google | Google Scholar ]
  46. Hernandez-Velasco, Lina L.; Gomez Escobar, Gustavo Adolfo; Conde Arango, Gabriel; Andrade Bejarano, Mercedes Modelación de ocurrencia de precipitación diaria mediante un processo markoviano de segunda orden. 2013.
    [ Google | Google Scholar ]
  47. Mattos, T. B.; FERREIRA, C. S. Método Mean Shift para Detecção de Outliers em Modelos Normais Assimétricos. 2013.
    [ Google | Google Scholar ]
  48. GONÇALVES, B. O.; AVELAR, F. G. Fundamentos matemáticos do método de Gauss-Newton. 2013.
    [ Google | Google Scholar ]
  49. GONÇALVES, B. O.; AVELAR, F. G.; Beijo, L.A. Propriedades matemáticas e estatísticas das isotermas de adsorção de Langmuir e Freundlich e do método de Gauss-Newton. 2013.
    [ Google | Google Scholar ]
  50. SCHUMACHER, F. L.; ZANLORENZI, E.; SOUZA, E. M.; ALVES, D. B. M. Análise Harmônica de Séries Temporais de Índices de Multicaminho em Estações GPS da Rede Brasileira de Monitoramento Contínuo. 2013.
    [ Google | Google Scholar ]
  51. ALBUQUERQUE, B.; SOUZA, A. P. A.; ZANLORENZI, E.; SCHUMACHER, F. L.; SILVA, J. A.; Kung, J.; CARVALHO, J. F.; OLIANO, N. C.; SOUZA, E. M. Modelagem e Previsão de Séries Temporais da Estação Climatológica de Maringa / UEM. 2013.
    [ Google | Google Scholar ]
  52. FONSECA, R. V.; NOBRE, J. S.; FARIAS, R. B. A. Distribuição Birnbaum-Saunders: definições e propriedades. 2013.
    [ Google | Google Scholar ]
  53. FONSECA, R. V.; NOBRE, J. S.; FARIAS, R. B. A. Métodos de Suavização Não Paramétricos. 2013.
    [ Google | Google Scholar ]
  54. FONSECA, R. V.; NOBRE, J. S.; FARIAS, R. B. A. Distribuição Birnbaum-Saunders: definições e propriedades. 2013.
    [ Google | Google Scholar ]
  55. LOPES, J. E. Técnicas de Pesquisa. 2013.
    [ Google | Google Scholar ]
  56. LOPES, J. E. Nocões de Amostragem. 2013.
    [ Google | Google Scholar ]
  57. LOPES, J. E. Apresentação do trabalho de conclusão. 2013.
    [ Google | Google Scholar ]
  58. Prates, Marcos O.; Dey, Dipak K.; Willig, Michael R.; Yan, Jun Transformed Gaussian Markov Random Fields and Spatial Modeling. 2013.
    [ Google | Google Scholar ]
  59. COSTA, D. R.; V. H. Lachos; PRATES, M. O. Estimação em Modelos Lineares Mistos Generalizados para Dados Binários Correlacionados com Distribuição Link Normal e t-Student. 2013.
    [ Google | Google Scholar ]
  60. CORNEJO, Z. Q.; PRATES, M. O.; RUE, H. A Bayesian approach to estimate the abundance of anchovies in the coast of Perú. 2013.
    [ Google | Google Scholar ]
  61. CORNEJO, Z. Q.; Prates, Marcos O.; RUE, H. A Bayesian approach to estimate the abundance of anchovies in the coast of Perú. 2013.
    [ Google | Google Scholar ]
  62. CORNEJO, Z. Q.; Prates, Marcos O.; RUE, H. A Bayesian approach to estimate the abundance of anchovies in the coast of Perú. 2013.
    [ Google | Google Scholar ]
  63. Fernández, M.; González-López, V. A. A copula model to analyze minimum admission scores - 11th International Conference of Numerical Analysis and Applied Mathematics. 2013.
    [ Google | Google Scholar ]
  64. Fernández, M.; González-López, V. A. Asymmetric Weak Dependence Modelled by Biparametric Copula with Cubic Sections - Sixth Brazilian Conference on Statistical Modelling in Insurance and Finance. 2013.
    [ Google | Google Scholar ]
  65. CERQUEIRA, A. Test of hypotheses on random graphs. 2013.
    [ Google | Google Scholar ]
  66. BURBANO-MORENO, ALVARO ALEXANDER Un Estudio Alternativo para Estimar los Parámetros de la Secante Hiperbólica Generalizada: Máxima Verosimilitud Modificada. 2013.
    [ Google | Google Scholar ]
  67. GOMES, T. F. P.; SATO, F. Método do Átomo Imerso-EAM (Embedded Atom Method), Metodologia, Vantagens e Aplicações na Física da Matéria Condensada.. 2013.
    [ Google | Google Scholar ]

2012

  1. PINHEIRO, A. CTARMA Wavelet Functional Data Model. 2012.
    [ Google | Google Scholar ]
  2. Valk, Marcio; PINHEIRO, A. Classificação e Agrupamento de Séries Temporais Multivariadas via Quase U-Estatísticas. 2012.
    [ Google | Google Scholar ]
  3. PINHEIRO, Hildete Prisco; PINHEIRO, A.; SEN, Pranab Kumar Comparison of groups of dependent sequences by quasi U-statistics. 2012.
    [ Google | Google Scholar ]
  4. Borgatto, A.F.; Azevedo, C.L.N.; PINHEIRO, A.; Andrade, D.F. Comparação entre Métodos de Estimação das Habilidades na TRI em Provas com Diferentes Graus de Dificuldade. 2012.
    [ Google | Google Scholar ]
  5. PINHEIRO, A.; SEN, Pranab Kumar THE USE OF QUASI U-STATISTICS FOR EXCHANGEBLE RANDOM VECTORS. 2012.
    [ Google | Google Scholar ]
  6. Valk, Marcio; PINHEIRO, A. Clustering time series with time dependents outliers. 2012.
    [ Google | Google Scholar ]
  7. Kist, A.; PINHEIRO, A. Procedimento iterativo Cochrane-Orcutt em modelos FANOVA de efeitos fixos com erros dependentes. 2012.
    [ Google | Google Scholar ]
  8. AZEVEDO, C. L. N. CADEM: algoritmo EM condicional via dados aumentados para ajuste de modelos da TRI. 2012.
    [ Google | Google Scholar ]
  9. Azevedo, Caio L. N.; Migon, H. S. Bayesian Inference In A Item Response Theory Model With A Generalized Student t Link Function. 2012.
    [ Google | Google Scholar ]
  10. SANTOS, J. R. S.; Azevedo, Caio L.N. Um Modelo de Resposta ao Item para Grupos Múltiplos com Distribuições Normais Assimétricas Centralizadas. 2012.
    [ Google | Google Scholar ]
  11. Ferreira, Eduardo V.; Azevedo, Caio L.N. Estimação Paramétrica no Modelo de Crédito Parcial Generalizado da Teoria da Resposta ao Item. 2012.
    [ Google | Google Scholar ]
  12. Pereira, S. R. S.; AZEVEDO, C. L. N. Contribuições ao estudo do Modelo de Resposta Nominal. 2012.
    [ Google | Google Scholar ]
  13. García, Jesús E.; González-López, V. A.; LANFREDI VIOLA, Marcio Luis Model selection for multivariate Markov chains. 2012.
    [ Google | Google Scholar ]
  14. ACHCAR, J. A. Uso de métodos Bayesianos na análise de dados de poluição do ar. 2012.
    [ Google | Google Scholar ]
  15. Tsai, R.; Hotta, Luiz K. Modelo de Misturas de Distribuições Utilizando Cópulas. 2012.
    [ Google | Google Scholar ]
  16. Tsai, R.; Hotta, Luiz K. A generalization of the mixture model using a copula function. 2012.
    [ Google | Google Scholar ]
  17. RODRIGUES-Motta, M.; Lachos, V. H.; Labra, F; Verly Junior, E.; Fisberg, R.M.; MARCHIONI, D. D. Modeling food intake using the Zero-Inflated Gamma Regression Model. 2012.
    [ Google | Google Scholar ]
  18. RODRIGUES-Motta, M.; Labra, F; LEIVA, V. Generalized Logarithm and Normal Scale Mixture Distributions with an Application in Genetics. 2012.
    [ Google | Google Scholar ]
  19. Rodrigues-Motta, M.; VILCA, FILIDOR; LEIVA, V. Generalized Logarithm and Normal Scale Mixture Distributions with an Application in Genetics. 2012.
    [ Google | Google Scholar ]
  20. Garcia, Nancy L.; DIAS, R.; ZAMBOM, A. Z. How to find the best path for an autonomous vehicle. 2012.
    [ Google | Google Scholar ]
  21. Garcia, Nancy L. Abertura das atividades de PG em Matemática e Estatística. 2012.
    [ Google | Google Scholar ]
  22. Dias, Ronaldo; Garcia, Nancy L.; LUDWIG, G. Análise de dados de espectroscopia do infra-vermelho. 2012.
    [ Google | Google Scholar ]
  23. Garcia, Nancy L. Perfect simulation for chains and processes of infinite order. 2012.
    [ Google | Google Scholar ]
  24. DIAS, R.; GARCIA, N. L.; Schmidt, A. M. Hierarchical Model For Aggregated Functional Data. 2012.
    [ Google | Google Scholar ]
  25. González-López, V. A.; Singer, J. M.; Tanaka, N. I.; Lima, A. C. P. A Bayesian Test for the Intraclass Correlation Coefficient. 2012.
    [ Google | Google Scholar ]
  26. García, J. E.; González-López, V. A.; Viola, M. L. L. Robust model selection for stochastic processes. 2012.
    [ Google | Google Scholar ]
  27. García, J. E.; González-López, V. A.; Nelsen, R. A New Index to Measure Dependence. 2012.
    [ Google | Google Scholar ]
  28. García, J. E.; González-López, V. A. An independence test based on random permutations. 2012.
    [ Google | Google Scholar ]
  29. García, J. E.; González-López, V. A.; Viola, M. L. L. Markovian Model Selection for Contaminated Stochastic Processes. 2012.
    [ Google | Google Scholar ]
  30. MAIA, R.P.; Labouriau, R; MADSEN, P.; Nielsen, Bjarne Genetic Analysis of Sow Longevity. 2012.
    [ Google | Google Scholar ]
  31. MATOS, L. A. Likelihood based inference for linear and nonlinear mixed-effects models with censored response using the multivariate t distribution. 2012.
    [ Google | Google Scholar ]
  32. MATOS, L. A. Modelos Lineares e não Lineares de Efeito Misto para Respostas Censuradas usando as Distribuições Normal E Student-t Multivariada. 2012.
    [ Google | Google Scholar ]
  33. Trucios Maza, C. C.; Hotta, L Intervalos de previsão bootstrap em modelos GARCH com efeito de alavancagem. 2012.
    [ Google | Google Scholar ]
  34. SOTO, D. M. G.; Lachos, V.H 19 SINAPE. 2012.
    [ Google | Google Scholar ]
  35. FERREIRA, E. V.; Azevedo, Caio L. N. Estimação paramétrica no modelo de crédito parcial generalizado da Teoria da Resposta ao Item. 2012.
    [ Google | Google Scholar ]
  36. LEME, H.; HANSEN, P. M.; HOTTA, L. K.; ZEVALLOS, M. Curva Forward no Mercado de Energia Elétrica Brasileiro: Construção, Modelagem, Previsão e Simulação. 2012.
    [ Google | Google Scholar ]
  37. LEME, H.; Hansen. P., M.; HOTTA, L. K.; ZEVALLOS, M. Curva Forward no Mercado de Energia Elétrica Brasileiro: Construção, Modelagem, Previsão e Simulação. 2012.
    [ Google | Google Scholar ]
  38. LEME, H.; Hansen. P., M.; HOTTA, L. K.; ZEVALLOS, M. Forward curve on the Brazilian electricity market: Building, modelling, forecasting and simulation. 2012.
    [ Google | Google Scholar ]
  39. CAMPOS, J. A. G. Computation of the Two-particle Correlation Function for Stellar Clusters via Fokker- Planck Equation.. 2012.
    [ Google | Google Scholar ]
  40. CAMPOS, J. A. G.; BARAHONA, M. P. Moments of truncated skew-t distribution: with application to optimal paths. 2012.
    [ Google | Google Scholar ]
  41. CAMPOS, J. A. G.; CASCONE, M. H. Familia Kullback-Leibler simetrica: Inferencia. 2012.
    [ Google | Google Scholar ]
  42. SANTOS, J. R. S. Um Modelo de Resposta ao Item para Grupos Múltiplos com Distribuições Normais Assimétricas Centralizadas.. 2012.
    [ Google | Google Scholar ]
  43. SANTOS, J. R. S. Um modelo de resposta ao item pra grupos múltiplos com distribuições normais assimétricas centralizadas: Estrutura bayesiana. 2012.
    [ Google | Google Scholar ]
  44. RODRIGUES, M. A. F. Modelos Logísticos Regressivos Aplicados em Sequência de DNA com Perspectiva Bayesiana. 2012.
    [ Google | Google Scholar ]
  45. CAMPOS, J. A. G.; CASCONE, M. H.; MORENO, N. Geodesic distribution in graph theory: Kullback-Leibler-Symmetric. 2012.
    [ Google | Google Scholar ]
  46. CARVALHO, Walter Augusto Fonseca de Ciências Exatas no ENEM. 2012.
    [ Google | Google Scholar ]
  47. SILVA, A. R. S.; FREITAS, S. M. de; NOBRE, J. S Avaliação da contaminação por Fungos e Bactérias em frutos de Acerola através dos Modelos Lineares Generalizados. 2012.
    [ Google | Google Scholar ]
  48. SILVA, A. R. S.; NOBRE, J. S. Modelo Linear Generalizado Misto: Um estudo para o modelo binomial com superdispersão. 2012.
    [ Google | Google Scholar ]
  49. GALARZA MORALES, CHRISTIAN EDUARDO Functional ANOVA for comparing the effect of edible films on physicochemical characteristics in papayas. 2012.
    [ Google | Google Scholar ]
  50. MATTA, D. H.; DIAS, D. C. Eficiência e Desempenho dos Gastos Públicos no Estado de Goiás. 2012.
    [ Google | Google Scholar ]
  51. PESSOA, K. C. A.; Tatiane Ferreira do Nascimento Melo da Silva; MATTA, D. H.; DIAS, P. M. Modelo Múltiplo Com Erros nas Variáveis: Uma aplicação a dados agropecuários do Estado de Goiás. 2012.
    [ Google | Google Scholar ]
  52. OLIVEIRA, R. A.; Melo, T.F.N.; MATTA, D. H.; DIAS, P. M. Aplicação do Modelo com Erros nas Variaveis a Dados da Pecuária Goiana. 2012.
    [ Google | Google Scholar ]
  53. SILVA, T. C. M.; Tatiane Ferreira do Nascimento Melo da Silva; MATTA, D. H.; DIAS, P. M. Estimacao do Ganho Médio de Peso em Bovinos Utilizando um Modelo Linear Misto. 2012.
    [ Google | Google Scholar ]
  54. SCHWELLER, L. S. Um estudo sobre aspectos inferenciais Bayesianos da distribuição lognormal sob uma nova parametrização. 2012.
    [ Google | Google Scholar ]
  55. SOUZA, D.M.; MATTOS, THALITA B.; Vieira, M.T. Comparação de Desenhos Amostrais Alternativos: Um Estudo de Simulação. 2012.
    [ Google | Google Scholar ]
  56. MATTOS, THALITA B.; FERREIRA, C. S. Inferência estatística em modelos lineares assimétricos. 2012.
    [ Google | Google Scholar ]
  57. GONÇALVES, B. O.; Beijo, L.A. Comparação de método de previsão sobre observações futuras em modelos de regressão linear. 2012.
    [ Google | Google Scholar ]
  58. GONÇALVES, B. O.; Beijo, L.A. Acurácia e precisão de métodos de previsões futuras em regressão linear. 2012.
    [ Google | Google Scholar ]
  59. SCHUMACHER, F. L.; MAZUCHELI, J. Distribuições de Poisson Compostas e alteradas de zeros. 2012.
    [ Google | Google Scholar ]
  60. Valeriano, Katherine A. L. A migração interna no Equador. 2012.
    [ Google | Google Scholar ]
  61. Valeriano, Katherine A. L. Estatísticas e distribuição espacial dos americanos residentes em Equador. 2012.
    [ Google | Google Scholar ]
  62. DESOUSA, M. F.; VALLE, P. A. M.; MONSUETO, S. E. Boletim Econômico-Financeiro Goiano. 2012.
    [ Google | Google Scholar ]
  63. FLORES, L. B.; FONSECA, R. V.; COELHO, J. E. H. E.; VASCONCELOS, T. O. O perfil socioeconômico e cultural dos estudantes de graduação presencial do curso de Estatística da Universidade Federal do Ceará. 2012.
    [ Google | Google Scholar ]
  64. Prates, Marcos O.; Dey, Dipak K.; Willig, Michael R.; Yan, Jun Transformed Gaussian Markov Random Fields and Spatial Modeling. 2012.
    [ Google | Google Scholar ]
  65. Prates, Marcos O.; Dey, Dipak K.; V. H. Lachos A Dengue Fever Study in the State of Rio de Janeiro with the Use of Generalized Skew-Normal/Independent Spatial Field. 2012.
    [ Google | Google Scholar ]
  66. PRATES, M. O.; Dey, Dipak K.; V. H. Lachos A Dengue Fever Study in the State of Rio de Janeiro with the Use of Generalized Skew-Normal/Independent Spatial Field. 2012.
    [ Google | Google Scholar ]
  67. CERQUEIRA, A. Teste de hipóteses em duas populações de grafos. 2012.
    [ Google | Google Scholar ]
  68. CERQUEIRA, A. Test of hypotheses on random graphs. 2012.
    [ Google | Google Scholar ]
  69. Másmela Caita Luis Alejandro; BURBANO-MORENO, ALVARO ALEXANDER Distribuciones Secante Hiperbólica Generalizada y Lambda Generalizada dos Métodos de Estimación para sus Parametros. 2012.
    [ Google | Google Scholar ]
  70. BURBANO-MORENO, ALVARO ALEXANDER Caracterización de los Momentos Individuales de Estadística de Orden para la Distribución Secante Hiperbólica Generalizada. 2012.
    [ Google | Google Scholar ]
  71. GOMES, T. F. P.; SATO, F. Conceitos Básicos do Potencial EAM - Embedded Atom Method. 2012.
    [ Google | Google Scholar ]
  72. GOMES, T. F. P.; SATO, F. MEAM - Modified Embedded Atom Method. 2012.
    [ Google | Google Scholar ]
Arquivo gerado a partir dos currículos Lattes dos pesquisadores. Data do processamento: 22/07/2026 16:51:28
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: coordpgest@ime.unicamp.br.