Programa de Pós-Graduação em Estatística

Produção Científica do Período de 2012 a 2025

Participação em eventos

Número total de items: 1667

2025

  1. PINHEIRO, A. U-statistics: Foundations, Generalizations and Applications Part I. 2025.
    [ Google | Google Scholar ]
  2. PINHEIRO, A. U-statistics: Foundations, Generalizations and Applications. 2025.
    [ Google | Google Scholar ]
  3. PINHEIRO, A. Wavelet feature screening for high dimensional regression models. 2025.
    [ Google | Google Scholar ]
  4. A. Yambartsev The Law of the Iterated Logarithm for Functionals of the Wiener Process: A Delta Method Approach. 2025.
    [ Google | Google Scholar ]
  5. A. Yambartsev The law of the iterated logarithm for functionals of the Wiener process. 2025.
    [ Google | Google Scholar ]
  6. A. Yambartsev Bounds for the Success Probability in the Odds Theorem. 2025.
    [ Google | Google Scholar ]
  7. A. Yambartsev O problema do casamento ótimo: limitantes para a probabilidade de sucesso. 2025.
    [ Google | Google Scholar ]
  8. Lebensztayn, E. . 2025.
    [ Google | Google Scholar ]
  9. HOTTA, L. K. Portfolio Optimization with Multiple Covariance Models: Forecast Combination Approaches. 2025.
    [ Google | Google Scholar ]
  10. GARCIA, N. L. Painel de discussão Brasil-Portugal: Perspectivas para a Cooperação em Matemática. 2025.
    [ Google | Google Scholar ]
  11. GARCIA, N. L. Predicting Dengue Outbreaks: A Dynamic Approach with Variable Length Markov Chains and Exogenous Factors. 2025.
    [ Google | Google Scholar ]
  12. GARCIA, N. L. Pós-Graduação em Matemática/ Probabilidade e Estatística, passado, presente e futuro. 2025.
    [ Google | Google Scholar ]
  13. GARCIA, N. L. Predicting Dengue Outbreaks: A Dynamic Approach with Variable Length Markov Chains and Exogenous Factors. 2025.
    [ Google | Google Scholar ]
  14. POPOV, Serguei Conditioned simple random walk in two dimensions and some of its surprising properties. 2025.
    [ Google | Google Scholar ]
  15. V. A. González-López An Efficient Determination Criterion-based Metric for Z-DNA Pattern Identification. 2025.
    [ Google | Google Scholar ]
  16. V. A. González-López A Non-parametric Test for Copula Distribution Equality Using Young Diagrams. 2025.
    [ Google | Google Scholar ]
  17. V. A. González-López Statistical Inference in Copula Models and Markov Processes X (in ICNAAM 2025). 2025.
    [ Google | Google Scholar ]
  18. V. A. González-López A Family of Metrics based on the Efficient Determination Criterion. 2025.
    [ Google | Google Scholar ]
  19. V. A. González-López A Family of Metrics based on the Efficient Determination Criterion. 2025.
    [ Google | Google Scholar ]
  20. V. A. González-López A Estatística Para Além dos Muros da Universidade. 2025.
    [ Google | Google Scholar ]
  21. KIIHL, S. F. Minicurso ministrado. 2025.
    [ Google | Google Scholar ]
  22. KIIHL, S. F. . 2025.
    [ Google | Google Scholar ]
  23. MAIA, R. P. . 2025.
    [ Google | Google Scholar ]
  24. MAIA, R. P. Selection for Undergrad level: UNICAMP inclusion programs and their effect on demography of the campus. 2025.
    [ Google | Google Scholar ]
  25. MAIA, R. P. Perfil dos estudantes: Ensino Médio, Profis e Graduação. 2025.
    [ Google | Google Scholar ]
  26. MATOS, L. A. . 2025.
    [ Google | Google Scholar ]
  27. MATOS, L. A. skewlmm: An R Package for Fitting Skewed and Heavy-Tailed Linear Mixed Models. 2025.
    [ Google | Google Scholar ]
  28. MATOS, L. A. Modeling Longitudinal Data using Robust Mixed Models. 2025.
    [ Google | Google Scholar ]
  29. NOBRE, J. S. A robust quantile regression for bounded variables based on the Kumaraswamy Rectangular distribution. 2025.
    [ Google | Google Scholar ]
  30. SOUSA, A. R. S. Wavelet-based estimation in aggregated functional data. 2025.
    [ Google | Google Scholar ]
  31. SOUSA, A. R. S. Suavização por Ondaletas (tutorial). 2025.
    [ Google | Google Scholar ]
  32. SOUSA, A. R. S. Processos de ramificação com covariáveis. 2025.
    [ Google | Google Scholar ]
  33. SOUSA, A. R. S. . 2025.
    [ Google | Google Scholar ]
  34. Trucios Maza, C. C. ARCH, GAS, SV, and MSGARCH models: Do we really need all of them for forecasting daily risk measures?. 2025.
    [ Google | Google Scholar ]
  35. Trucios Maza, C. C. A novel approach for forecasting high-dimensional conditional covariance matrices using general dynamic factor models.. 2025.
    [ Google | Google Scholar ]
  36. Trucios Maza, C. C. Modelado de Series de Tiempo en Entornos de Big Data: Previsión de la (Co)volatilidad con Datos de Alta Dimensión.. 2025.
    [ Google | Google Scholar ]
  37. Trucios Maza, C. C. GARCH, GAS, SV, and MSGARCH models: Do we really need all of them for forecasting daily volatility?.. 2025.
    [ Google | Google Scholar ]
  38. SOUZA, V. F. Detecting Renewal States in Chains of Variable Length Via Instrinsic Bayes Factors. 2025.
    [ Google | Google Scholar ]
  39. SOUZA, V. F. Bayesian Testing for Context Tree Equality. 2025.
    [ Google | Google Scholar ]
  40. ANSELMO, Cézar Augusto de Freitas . 2025.
    [ Google | Google Scholar ]
  41. ANSELMO, Cézar Augusto de Freitas . 2025.
    [ Google | Google Scholar ]
  42. SOUZA, R. F. . 2025.
    [ Google | Google Scholar ]
  43. FONSECA, R. V. Wavelet Feature Screening. 2025.
    [ Google | Google Scholar ]
  44. FONSECA, R. V. Wavelet feature screening in time series. 2025.
    [ Google | Google Scholar ]
  45. FONSECA, R. V. . 2025.
    [ Google | Google Scholar ]
  46. FONSECA, R. V. Two-round debiased lasso for federated regression. 2025.
    [ Google | Google Scholar ]
  47. MENDES, A. M. F. . 2025.
    [ Google | Google Scholar ]
  48. MENDES, A. M. F. Parametric quantile regression models: an overview. 2025.
    [ Google | Google Scholar ]
  49. MENDES, A. M. F. . 2025.
    [ Google | Google Scholar ]
  50. COSTA, L. L. S. Inference in Random Networks with Discrete Weights: An Application to Airport Networks. 2025.
    [ Google | Google Scholar ]
  51. SOUSA, P. H. T. O. Fast Bayesian Basis Selection for Functional Data Representation with Correlated Errors. 2025.
    [ Google | Google Scholar ]
  52. SOUSA, P. H. T. O. . 2025.
    [ Google | Google Scholar ]
  53. SANTOS, L. S. Quasi-stationary behavior for Rumor Process. 2025.
    [ Google | Google Scholar ]
  54. SANTOS, L. S. The Law of Large Numbersfor Stochastic Rumor Process. 2025.
    [ Google | Google Scholar ]
  55. SANTOS, L. S. Quasi-Stationary Distribution for Rumor Process. 2025.
    [ Google | Google Scholar ]
  56. SANTOS, L. S. Avaliador de trabalhos inscritos no evento. 2025.
    [ Google | Google Scholar ]
  57. SANTOS, L. S. Processos de Rumor a Longo Prazo. 2025.
    [ Google | Google Scholar ]
  58. Silva, C. B. P. da Longitudinal data under antedependence model with applications to environmental sciences. 2025.
    [ Google | Google Scholar ]
  59. Silva, C. B. P. da Bayesian empirical likelihood longitudinal analysis based on the Hamiltonian Monte Carlo algorithm. 2025.
    [ Google | Google Scholar ]
  60. Silva, C. B. P. da Antedependence models for nonstationary longitudinal data with centered skew-t distribution in a Bayesian approach. 2025.
    [ Google | Google Scholar ]
  61. SOUSA, J. S. Violência Doméstica em Fortaleza: Evidências dos Efeitos Temporais com GAMLSS. 2025.
    [ Google | Google Scholar ]
  62. SOUSA, J. S. A Distribuição Harris Gumbel Tipo II. 2025.
    [ Google | Google Scholar ]
  63. Travassos, K. Sandwich variance estimation in scale mixture of skew-normal linear mixed models. 2025.
    [ Google | Google Scholar ]
  64. Travassos, K. Diagnostic analysis in scale mixture of skew-normal linear mixed models. 2025.
    [ Google | Google Scholar ]
  65. Travassos, K. Sandwich variance estimation in scale mixture of skew-normal linear mixed models. 2025.
    [ Google | Google Scholar ]
  66. CASTRO, M. O. A robust quantile regression for bounded variables based on the kumaraswamy rectangular distribution. 2025.
    [ Google | Google Scholar ]
  67. CASTRO, M. O. A robust quantile regression for bounded variables based on the Kumaraswamy Rectangular distribution. 2025.
    [ Google | Google Scholar ]
  68. SANTOS, D. S. An Efficient Determination Criterion-based Metric for Z-DNA Pattern Idetification. 2025.
    [ Google | Google Scholar ]
  69. SANTOS, D. S. Assessing Discrepancies in the Direction of Daily Currency Movements through Metrics Based on the Effcient Determination Criterion. 2025.
    [ Google | Google Scholar ]
  70. SANTOS, D. S. An Investor Inertia-Based Advection-Diffusion Model for Dynamics of Financial Asset Prices. 2025.
    [ Google | Google Scholar ]
  71. FELIX, C. H. T. N. Análise de abundância diferencial microbiana em indivíduos infectados com SARS-CoV-2.. 2025.
    [ Google | Google Scholar ]
  72. FELIX, C. H. T. N. Application of Fuzzy Logic in Confidence Intervals. 2025.
    [ Google | Google Scholar ]
  73. REINA, J. M. Wavelet shrinkage based on the raised cosine prior. 2025.
    [ Google | Google Scholar ]
  74. RIVERA, E. A. Estimation of High-Dimensional cDCC Model by Composite Likelihood Method. 2025.
    [ Google | Google Scholar ]
  75. RIVERA, E. A. Estimativa do Modelo cDCC em Alta Dimensão com o Método de Verossimilhança Composta. 2025.
    [ Google | Google Scholar ]
  76. OLIVEIRA, G. P. Análise de Concordância entre Dois Sistemas de Informação dos Repasses Federais à Atenção Primária à Saúde. 2025.
    [ Google | Google Scholar ]
  77. CAMOLESI, J. Modelagem para Balanço de Carbono. 2025.
    [ Google | Google Scholar ]
  78. ELIAS, P. H. G. Intervalos de previsão para volatilidade realizada com Conformal Prediction. 2025.
    [ Google | Google Scholar ]
  79. ELIAS, P. H. G. Prediction Intervals for Realized Volatility via Conformal Prediction. 2025.
    [ Google | Google Scholar ]
  80. ALVES, C. G. Estimação por máxima verossimilhança em modelos espaciais lineares mistos generalizados baseada na aproximação de Laplace. 2025.
    [ Google | Google Scholar ]
  81. ALVES, C. G. Estimação por máxima verossimilhança em modelos espaciais lineares mistos generalizados baseada na aproximação de Laplace. 2025.
    [ Google | Google Scholar ]
  82. ALVES, C. G. Modelagem espaço-temporal bayesiana do risco de roubo de celulares nos municípios de São Paulo utilizando INLA: estimação e predição. 2025.
    [ Google | Google Scholar ]
  83. ROCHA, É. O. Aplicação dos modelos de regressão multivariados skew-normal centrados com misturas de escala. 2025.
    [ Google | Google Scholar ]
  84. ROCHA, É. O. Bayesian inference for zero-and/or-one augmented unit-gamma. 2025.
    [ Google | Google Scholar ]
  85. ROCHA, É. O. A trapezoidal extension of the unit-gamma distribution for modeling bounded heavy-tailed data. 2025.
    [ Google | Google Scholar ]
  86. LINO, P. G. J. Modelagem Logística com Respostas Distais Utilizando o Modelo de Resposta Gradual: Uma Abordagem Bayesiana.. 2025.
    [ Google | Google Scholar ]
  87. PRATES, M. O. Fast Bayesian inference of blockNNGP. 2025.
    [ Google | Google Scholar ]
  88. PRATES, M. O. Fast Mixture Spatial Regression: A Mixture in the Geographical and Feature Space Applied to Predict Porosity in the Post-salt. 2025.
    [ Google | Google Scholar ]
  89. PRATES, M. O. Latent archetypes of the spatial patterns of cancer. 2025.
    [ Google | Google Scholar ]
  90. PRATES, M. O. Advances in Spatial Statistics for Large-Scale and Complex Domain. 2025.
    [ Google | Google Scholar ]
  91. PRATES, M. O. Advances in Spatial Statistics for Large- Scale and Complex Domains. 2025.
    [ Google | Google Scholar ]
  92. PRATES, M. O. Latent archetypes of the spatial patterns of cancer. 2025.
    [ Google | Google Scholar ]
  93. PRATES, M. O. Advances in Spatial Statistics for Large-Scale and Complex Domains. 2025.
    [ Google | Google Scholar ]
  94. PRATES, M. O. Advances in Spatial Statistics for Large-Scale and Complex Domains. 2025.
    [ Google | Google Scholar ]
  95. UNGARETTI, D. Contact process on interchange process. 2025.
    [ Google | Google Scholar ]
  96. CERQUEIRA, A. Estimating the number of communities in networks. 2025.
    [ Google | Google Scholar ]
  97. CERQUEIRA, A. Modelagem Estatística de Redes Complexas. 2025.
    [ Google | Google Scholar ]
  98. Alvaro Alexander Burbano Moreno Bayesian Hierarchical Modeling for Predicting Spatially Correlated Curves in Irregular Domains: A Case Study on PM10 Pollution.. 2025.
    [ Google | Google Scholar ]
  99. FERNANDES, F. A. . 2025.
    [ Google | Google Scholar ]
  100. FERNANDES, F. A. . 2025.
    [ Google | Google Scholar ]
  101. FERNANDES, F. A. . 2025.
    [ Google | Google Scholar ]
  102. FERNANDES, F. A. . 2025.
    [ Google | Google Scholar ]
  103. PORTELLA, L. Mini Workshop II ?Estatística e Ciência de Dados?. 2025.
    [ Google | Google Scholar ]
  104. MACHADO, MARIELA PENTÓN O processo de contato com dois tipos de partículas e prioridade. 2025.
    [ Google | Google Scholar ]

2024

  1. PINHEIRO, A. Time-referenced wavelet spatio-temporal change detection on multi-temporal SAR images. 2024.
    [ Google | Google Scholar ]
  2. PINHEIRO, A. ANÁLISE ESPECTRAL APLICADA À DETECÇÃO DE MUDANÇAS EM SÉRIES DE IMAGENS SAR. 2024.
    [ Google | Google Scholar ]
  3. PINHEIRO, A. Time-referenced wavelet spatio-temporal change detection on multi-temporal SAR images. 2024.
    [ Google | Google Scholar ]
  4. AZEVEDO, C. L. N. Time series and multilevel modelling for longitudinal item response theory data. 2024.
    [ Google | Google Scholar ]
  5. AZEVEDO, C. L. N. Time series and Multilevel Modeling for Longitudinal Item Response Theory Data. 2024.
    [ Google | Google Scholar ]
  6. AZEVEDO, C. L. N. Time series and multilevel modeling for longitudinal item response theory data. 2024.
    [ Google | Google Scholar ]
  7. Lebensztayn, E. Limit theorems for a stochastic rumor process with multiple repetitions. 2024.
    [ Google | Google Scholar ]
  8. GARCIA, J. E. Stochastic Representations of Plasmodium vivax. 2024.
    [ Google | Google Scholar ]
  9. GARCIA, J. E. Assessing Differences in Copula Distributions through Young Diagrams. 2024.
    [ Google | Google Scholar ]
  10. RIFO, L. L.R. Modelos probabilísticos com urnas e bolas para o ensino básico. 2024.
    [ Google | Google Scholar ]
  11. Rodrigues-Motta, M. Unsupervised Bayesian classification for models with functional covariates. 2024.
    [ Google | Google Scholar ]
  12. Rodrigues-Motta, M. Bayesian Analysis of Nonnegative Data Using Dependency-Extended Two-Part Models. 2024.
    [ Google | Google Scholar ]
  13. ZEVALLOS, Mauricio Forecasting VaR and ES through Markov Switching GARCH Models: Does the Specification Matter?. 2024.
    [ Google | Google Scholar ]
  14. ZEVALLOS, Mauricio Forecasting Realized Volatility: Does Anything Beat Linear Models?. 2024.
    [ Google | Google Scholar ]
  15. GARCIA, N. L. Correlated Functional Data. 2024.
    [ Google | Google Scholar ]
  16. GARCIA, N. L. Estatística e os Objetivos do Desenvolvimento Sustentável. 2024.
    [ Google | Google Scholar ]
  17. GARCIA, N. L. Desafios dos Programas de Pós-graduação em Estatística. 2024.
    [ Google | Google Scholar ]
  18. DIAS, R. Bayesian Variable Selection for Function-on-Scalar Regression Models: a comparative analysis]{Bayesian Variable Selection for Function-on-Scalar Regression Models: a comparative analysis. 2024.
    [ Google | Google Scholar ]
  19. V. A. González-López The Efficient Determination Criterion for Partition Markov Model Estimation. 2024.
    [ Google | Google Scholar ]
  20. V. A. González-López Statistical Inference in Copula Models and Markov Processes IX (in ICNAAM 2024). 2024.
    [ Google | Google Scholar ]
  21. V. A. González-López STATISTICS AND DATA SCIENCE FROM WOMEN AROUND THE GLOBE. 2024.
    [ Google | Google Scholar ]
  22. KIIHL, S. F. Modelagem Estatística: Uma jornada pelos TidyModels em R. 2024.
    [ Google | Google Scholar ]
  23. KIIHL, S. F. TidyModels in R with Malaria Data Application. 2024.
    [ Google | Google Scholar ]
  24. MAIA, R. P. Modelo de regressão t assimétrica Tipo II com efeitos aleatórios aplicado à análise longitudinal de desempenho acadêmico. 2024.
    [ Google | Google Scholar ]
  25. MAIA, R. P. Mesa; As trajetórias de egressos da política de permanência da UNICAMP. 2024.
    [ Google | Google Scholar ]
  26. MAIA, R. P. . 2024.
    [ Google | Google Scholar ]
  27. MAIA, R. P. 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 ]
  28. MAIA, R. P. Perfil dos estudantes: Ensino Médio, ProFIS e Graduação. 2024.
    [ Google | Google Scholar ]
  29. MATOS, L. A. Extending multivariate Student's-t semiparametric mixed models for longitudinal data with censored responses and heavy tails. 2024.
    [ Google | Google Scholar ]
  30. LUDWIG, G. A non-stationary spatio-temporal covariance model with advection effects for rainfall data. 2024.
    [ Google | Google Scholar ]
  31. NOBRE, J. S. A stochastic approximation ECME algorithm to semi-parametric scale mixtures of centred skew-normal regression models. 2024.
    [ Google | Google Scholar ]
  32. 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 ]
  33. Trucios Maza, C. C. A new proposal to forecast highdimensional conditional covariance matrices via general dynamic factor models. 2024.
    [ Google | Google Scholar ]
  34. SOUZA, V. F. Inference Tools for Markov Random Fields on Lattices: The R Package mrf2d. 2024.
    [ Google | Google Scholar ]
  35. SOUZA, V. F. Detecting Renewal States in Chains of Variable Length via Intrinsic Bayes Factors. 2024.
    [ Google | Google Scholar ]
  36. SILVA, C. A. P. J. Estimadores Robustos para Modelos de Regressão Circular. 2024.
    [ Google | Google Scholar ]
  37. SILVA, C. A. P. J. Detecção de Outliers no Modelo de Regressão Circular. 2024.
    [ Google | Google Scholar ]
  38. NOGAROTTO, D. C. Análise e Projeção do mercado de veículos elétricos no estado de São Paulo. 2024.
    [ Google | Google Scholar ]
  39. RODRIGUES, M. A. F. Cause-Specifc Regression Model for correlated data in the presence of competing risks and interval censoring. 2024.
    [ Google | Google Scholar ]
  40. CUASTUMAL, J. A. O. Heckman Selection-Contaminated Normal Model. 2024.
    [ Google | Google Scholar ]
  41. FONSECA, R. V. Distributed Sparse Linear Regression under Communication Constraints. 2024.
    [ Google | Google Scholar ]
  42. FREITAS, J. V. B. Unit gamma regression models for correlated bounded data. 2024.
    [ Google | Google Scholar ]
  43. FREITAS, J. V. B. A stochastic approximation ECME algorithm to semi-parametric scale mixtures of centred skew-normal regression models. 2024.
    [ Google | Google Scholar ]
  44. FREITAS, J. V. B. A stochastic approximation ECME algorithm to semi-parametric scale mixtures of centred skew-normal regression models. 2024.
    [ Google | Google Scholar ]
  45. ÁLVARO, M.M.K. . 2024.
    [ Google | Google Scholar ]
  46. ÁLVARO, M.M.K. . 2024.
    [ Google | Google Scholar ]
  47. SOUSA, P. H. T. O. Seleção Bayesiana de Variáveis para Modelos de Regressão Funcional do tipo Function-on-Scalar. 2024.
    [ Google | Google Scholar ]
  48. SANTOS, L. S. A Brief Presentation for Quasi-Stationary Distributions. 2024.
    [ Google | Google Scholar ]
  49. ROCHA, M. G. Modeling Sequential Data from Multiple Sources using Variable Length Markov Chains and Exogenous Covariates. 2024.
    [ Google | Google Scholar ]
  50. Silva, C. B. P. da Antedependence models for longitudinal data with skewed and heavy-tailed distributions.. 2024.
    [ Google | Google Scholar ]
  51. Travassos, K. Diagnostic analysis in scale mixture of skew-normal linear mixed models. 2024.
    [ Google | Google Scholar ]
  52. CASTRO, M. O. Robust quantile regression models for limited responses using finite mixtures. 2024.
    [ Google | Google Scholar ]
  53. SANTOS, D. S. . 2024.
    [ Google | Google Scholar ]
  54. PULIDO, M. AURORA P. Mujeres colombianas en la ciencia: Desafiando barreras, cerando oportunidades. 2024.
    [ Google | Google Scholar ]
  55. PULIDO, M. AURORA P. Introdução ao software Mathematica. 2024.
    [ Google | Google Scholar ]
  56. SANTOS, C. M. P. Avaliação do nível de saúde dos municípios do estado da Bahia a partir de indicadores baseados em análise de agrupamento. 2024.
    [ Google | Google Scholar ]
  57. SANTOS, C. M. P. Modelo de Sobrevivência Bayesiano para Dados de Câncer Colorretal. 2024.
    [ Google | Google Scholar ]
  58. SANTOS, C. M. P. Modelos de regressão para dados de sobrevivência com eventos competitivos. 2024.
    [ Google | Google Scholar ]
  59. ELIAS, P. H. G. . 2024.
    [ Google | Google Scholar ]
  60. 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 ]
  61. PAULICHEN, T. . 2024.
    [ Google | Google Scholar ]
  62. ALVES, C. G. O efeito do uso de redes sociais no sono e notas de alunos de escolas particulares. 2024.
    [ Google | Google Scholar ]
  63. ALVES, C. G. Aprovação de alunos dos cursos de exatas da UFPR e a relação com a pandemia de COVID-19: uma análise baseada em sobrevivência. 2024.
    [ Google | Google Scholar ]
  64. ALVES, C. G. Aprovação de alunos dos cursos de exatas da UFPR e a relação com a pandemia de COVID- 19: uma análise baseada em sobrevivência. 2024.
    [ Google | Google Scholar ]
  65. ROCHA, É. O. Unit Gamma Regression Model: A Bayesian Inference Approach. 2024.
    [ Google | Google Scholar ]
  66. NICODEMO, L. S. Métodos de Elementos Finitos Mistos para Problemas Elípticos de 2 ordem. 2024.
    [ Google | Google Scholar ]
  67. GUAMÁN, P. A. Z. INTEGRATION OF MULTIVARIATE TECHNIQUES APPLIED TO CHARACTERIZE AGRICULTURAL PRACTICES IN CACAO CULTIVATION IN THE NORTHERN ECUADORIAN AMAZON. 2024.
    [ Google | Google Scholar ]
  68. LINO, P. G. J. 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 ]
  69. LINO, P. G. J. . 2024.
    [ Google | Google Scholar ]
  70. LINO, P. G. J. Modelagem Logística com Respostas Distais Utilizando o Modelo de Resposta Gradual: Uma Abordagem Bayesiana. 2024.
    [ Google | Google Scholar ]
  71. LINO, P. G. J. Derramamento de Petróleo na Bahia: Construção de Indicadores de Exposição em Pescadores Artesanais usando a Teoria de Resposta ao Item. 2024.
    [ Google | Google Scholar ]
  72. PRATES, M. O. Statistical Inferences and Predictions for Areal Data and Spatial Data Fusion with Hausdorff?Gaussian Processes. 2024.
    [ Google | Google Scholar ]
  73. PRATES, M. O. Statistical Inferences and Predictions for Areal Data and Spatial Data Fusion with Hausdorff?Gaussian Processes. 2024.
    [ Google | Google Scholar ]
  74. PRATES, M. O. Statistical Inferences and Predictions for Areal Data and Spatial Data Fusion with Hausdorff?Gaussian Processe. 2024.
    [ Google | Google Scholar ]
  75. PRATES, M. O. Latent archetypes of the spatial patterns of cancer. 2024.
    [ Google | Google Scholar ]
  76. PRATES, M. O. Fast Mixture Spatial Regression: A Mixture in the Geographical and Feature Space Applied to Predict Porosity in the Post-Salt. 2024.
    [ Google | Google Scholar ]
  77. PRATES, M. O. The Hausdorff-Gaussian Process an Unified Framework for Spatial Data. 2024.
    [ Google | Google Scholar ]
  78. PRATES, M. O. Spatial Confounding Beyond Generalized Linear Mixed Models: Extension to Shared Components and Spatial Frailty Models. 2024.
    [ Google | Google Scholar ]
  79. PRATES, M. O. Spatial Confounding Beyond Generalized Linear Mixed Models: Extension to Shared Components and Spatial Frailty Models. 2024.
    [ Google | Google Scholar ]
  80. UNGARETTI, D. ?Oriented percolation with inhomogeneities and strict inequalities. 2024.
    [ Google | Google Scholar ]
  81. UNGARETTI, D. Contact process on dynamic random environments. 2024.
    [ Google | Google Scholar ]
  82. UNGARETTI, D. Contact process on dynamic random environments. 2024.
    [ Google | Google Scholar ]
  83. CERQUEIRA, A. Minicurso: Análise Estatística de Dados Genômicos. 2024.
    [ Google | Google Scholar ]
  84. CERQUEIRA, A. Estimating the number of communities in networks. 2024.
    [ Google | Google Scholar ]
  85. CERQUEIRA, A. Redes Complexas na Saúde. 2024.
    [ Google | Google Scholar ]
  86. FERNANDES, F. A. . 2024.
    [ Google | Google Scholar ]
  87. MACHADO, MARIELA PENTÓN Metastability for the two types contact process with priorities?. 2024.
    [ Google | Google Scholar ]

2023

  1. PINHEIRO, A. Weighted U?statistics for absolutely regular processes with applications to time series and other dependent sequences. 2023.
    [ Google | Google Scholar ]
  2. PINHEIRO, A. Wavelet Feature Screening in High Dimensional Regression Model. 2023.
    [ Google | Google Scholar ]
  3. PINHEIRO, A. Wavelet spatio-temporal change detection on multitemporal SAR images. 2023.
    [ Google | Google Scholar ]
  4. A. Yambartsev Large deviation view on processes with catastrophes. 2023.
    [ Google | Google Scholar ]
  5. A. Yambartsev Poisson processes with catastrophes. 2023.
    [ Google | Google Scholar ]
  6. A. Yambartsev Matter Antimatter Asymmetry: A Probabilistic Toy Explanation. 2023.
    [ Google | Google Scholar ]
  7. A. Yambartsev Thematic Session of Special topics in stochastic processes, random structures, and applications. 2023.
    [ Google | Google Scholar ]
  8. AZEVEDO, C. L. N. Um convite à Teoria da Resposta ao Item (TRI). 2023.
    [ Google | Google Scholar ]
  9. GALLESCO, C. Mixing rates for chains of infinite order. 2023.
    [ Google | Google Scholar ]
  10. PINHEIRO, H. P. Evaluating academic performance using nonparametric regression. 2023.
    [ Google | Google Scholar ]
  11. PINHEIRO, H. P. . 2023.
    [ Google | Google Scholar ]
  12. GARCIA, J. E. Young Tableau and Statistical Dependence. 2023.
    [ Google | Google Scholar ]
  13. GARCIA, J. E. The Shape of the Young Tableau in Data of Collapse of Tailings Dams. 2023.
    [ Google | Google Scholar ]
  14. GARCIA, J. E. Independence Test for Continuous Random Variables based on the Shape of the Young Tableau. 2023.
    [ Google | Google Scholar ]
  15. RIFO, L. L.R. Diseño y análisis de una tarea sobre inferencia estadística informal en formación inicial docente. 2023.
    [ Google | Google Scholar ]
  16. HOTTA, L. K. Session in Honor of Luiz Hotta. 2023.
    [ Google | Google Scholar ]
  17. HOTTA, L. K. Robust Estimation of Markov-Switching GARCH Model. 2023.
    [ Google | Google Scholar ]
  18. HOTTA, L. K. High-Dimensional Financial Time Series. 2023.
    [ Google | Google Scholar ]
  19. HOTTA, L. K. Robust Forecasting of Value-at-Risk and Expected Shortfall with Markov-Switching GARCH Models. 2023.
    [ Google | Google Scholar ]
  20. HOTTA, L. K. Forecasting VaR and ES through Markov Switching GARCH Models. 2023.
    [ Google | Google Scholar ]
  21. Rodrigues-Motta, M. Using complex models in the identication of sick cows. 2023.
    [ Google | Google Scholar ]
  22. ZEVALLOS, Mauricio Minimum Distance Estimation of Long-Memory Stochastic Duration Models. 2023.
    [ Google | Google Scholar ]
  23. ZEVALLOS, Mauricio Mortality in Peru during the COVID-19 pandemic: the role of high-altitude and population density. 2023.
    [ Google | Google Scholar ]
  24. ZEVALLOS, Mauricio Estimation and forecasting of Stochastic Volatility Models. 2023.
    [ Google | Google Scholar ]
  25. ZEVALLOS, Mauricio Minimum Distance Estimation of Long-Memory Stochastic Duration Models. 2023.
    [ Google | Google Scholar ]
  26. GARCIA, N. L. . 2023.
    [ Google | Google Scholar ]
  27. GARCIA, N. L. Unsupervise Bayesian classification for mixed regression models with applications to predicting illness for milking cows. 2023.
    [ Google | Google Scholar ]
  28. GARCIA, N. L. Mesa Redonda em Open Science. 2023.
    [ Google | Google Scholar ]
  29. GARCIA, N. L. A vida na Matemática. 2023.
    [ Google | Google Scholar ]
  30. GARCIA, N. L. Matemática Aplicada à Indústria. 2023.
    [ Google | Google Scholar ]
  31. DIAS, R. Variational inference for Bayesian bridge regression. 2023.
    [ Google | Google Scholar ]
  32. DIAS, R. Variational inference for Bayesian bridge regression. 2023.
    [ Google | Google Scholar ]
  33. POPOV, Serguei Two-dimensional (Brownian) random interlacements. 2023.
    [ Google | Google Scholar ]
  34. V. A. González-López A Metric Based on the EDC Criterion. 2023.
    [ Google | Google Scholar ]
  35. V. A. González-López Representation of the dependence among indicators arising from reservoirs/tailing dams breakout. 2023.
    [ Google | Google Scholar ]
  36. V. A. González-López Building a Metric through the Efficient Determination Criterion. 2023.
    [ Google | Google Scholar ]
  37. V. A. González-López Data Science and Statistics: Challenges and Opportunities in Latin America. 2023.
    [ Google | Google Scholar ]
  38. V. A. González-López Statistical Inference in Copula Models and Markov Processes VIII (in ICNAAM 2023). 2023.
    [ Google | Google Scholar ]
  39. KIIHL, S. F. . 2023.
    [ Google | Google Scholar ]
  40. CARVALHO, B. S. RNNR: distributed task execution system for scaling reproducible workflows. 2023.
    [ Google | Google Scholar ]
  41. CARVALHO, B. S. Revealing disease genetics: unveiling genetic architecture through differential copy number variation in admixed populations. 2023.
    [ Google | Google Scholar ]
  42. CARVALHO, B. S. RNNR: distributed task execution system for scaling reproducible workflows. 2023.
    [ Google | Google Scholar ]
  43. CARVALHO, B. S. Open Science in Brazil. 2023.
    [ Google | Google Scholar ]
  44. CARVALHO, B. S. Análise Federada de Dados Genômicos. 2023.
    [ Google | Google Scholar ]
  45. MAIA, R. P. ?A inovação em tratamento de dados pessoais.?. 2023.
    [ Google | Google Scholar ]
  46. SOUSA, A. R. S. . 2023.
    [ Google | Google Scholar ]
  47. SOUSA, A. R. S. A class of priors to perform asymmetric wavelet shrinkage. 2023.
    [ Google | Google Scholar ]
  48. SOUSA, A. R. S. A wavelet-based method in aggregated functional data analysis. 2023.
    [ Google | Google Scholar ]
  49. SOUSA, A. R. S. A wavelet-based method in aggregated functional data analysis. 2023.
    [ Google | Google Scholar ]
  50. Trucios Maza, C. C. Forecasting risk measures in high-dimensional portfolios with additive outliers. 2023.
    [ Google | Google Scholar ]
  51. Trucios Maza, C. C. Forecasting Value-at-Risk and Expected Shortfall in Large Panels: A Robust General Dynamic Factor Approach.. 2023.
    [ Google | Google Scholar ]
  52. Trucios Maza, C. C. Forecasting Value-at-Risk and Expected Shortfall in Large Portfolios. 2023.
    [ Google | Google Scholar ]
  53. Trucios Maza, C. C. Forecasting risk measures in high-dimensional portfolios. 2023.
    [ Google | Google Scholar ]
  54. SOUZA, V. F. Detecting renewal states in chains of variable length via intrinsic Bayes factors. 2023.
    [ Google | Google Scholar ]
  55. SOUZA, V. F. O Processo de Machine Learning. 2023.
    [ Google | Google Scholar ]
  56. NOGAROTTO, D. C. . 2023.
    [ Google | Google Scholar ]
  57. MATTA, D. H. Modelo funcional espaço-temporal para dados com estrutura de blocos com medidas repetidas: uma abordagem bayesiana. 2023.
    [ Google | Google Scholar ]
  58. FONSECA, R. V. Distributed Sparse Linear Regression under Communication Constraints. 2023.
    [ Google | Google Scholar ]
  59. MENDES, A. M. F. . 2023.
    [ Google | Google Scholar ]
  60. MENDES, A. M. F. . 2023.
    [ Google | Google Scholar ]
  61. MENDES, A. M. F. Generalized Mixed Poisson regression models for overdispersed count data. 2023.
    [ Google | Google Scholar ]
  62. Conceição, Josué dos Santos Desempenho e Tempo de Permanência de estudantes nos cursos das áreas de Ciências Biológicas da Unicamp. 2023.
    [ Google | Google Scholar ]
  63. COSTA, L. L. S. Inferencia en redes aleatorias con pesos discretos. 2023.
    [ Google | Google Scholar ]
  64. MORAES, R. R. . 2023.
    [ Google | Google Scholar ]
  65. SOUSA, P. H. T. O. . 2023.
    [ Google | Google Scholar ]
  66. SOUSA, P. H. T. O. . 2023.
    [ Google | Google Scholar ]
  67. ROCHA, M. G. 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 ]
  68. SOARES, A. B. . 2023.
    [ Google | Google Scholar ]
  69. CARVALHO, D. A. F. Quem são es Pós-graduandes do Imecc?. 2023.
    [ Google | Google Scholar ]
  70. PULIDO, M. AURORA P. Aproximação por diferenças finitas da derivada fracionária $\psi$-Riemann-Liouville. 2023.
    [ Google | Google Scholar ]
  71. PULIDO, M. AURORA P. Aproximaciones $L1$ y $L1-2$ de la derivada fraccionaria $\psi$-Caputo. 2023.
    [ Google | Google Scholar ]
  72. PULIDO, M. AURORA P. A discretization of $\psi$-Riemann-Liouville Fractional Derivative. 2023.
    [ Google | Google Scholar ]
  73. SANTOS, C. M. P. Modelo de Fine e Gray e sua extensão para dados de sobrevivência com eventos competitivos. 2023.
    [ Google | Google Scholar ]
  74. SANTOS, C. M. P. Modelos de Regressão para dados de sobrevivência com eventos competitivos usando a distribuição Gompertz. 2023.
    [ Google | Google Scholar ]
  75. SANTOS, C. M. P. Modelos de regressão para dados de sobrevivência com eventos competitivos. 2023.
    [ Google | Google Scholar ]
  76. OLIVEIRA, G. P. Estimação do efeito indireto em modelos de equações estruturais sob violações de suposições do modelo. 2023.
    [ Google | Google Scholar ]
  77. SILVA, M. A. F. Uso de métodos de aprendizado estatístico para estimar o escore de propensão e suas implicações na estimativa do efeito.. 2023.
    [ Google | Google Scholar ]
  78. SILVA, M. A. F. Abordagem espaço-temporal para dados de contagem: casos de malária na região da Amazônia Legal. 2023.
    [ Google | Google Scholar ]
  79. PAULICHEN, T. . 2023.
    [ Google | Google Scholar ]
  80. FERNANDES, V. M. N. Métodos robustos para modelos de regressão heteroscedásticos. 2023.
    [ Google | Google Scholar ]
  81. FERNANDES, V. M. N. Métodos robustos para modelos de regressão heteroscedásticos. 2023.
    [ Google | Google Scholar ]
  82. GOMES, V. V. MÉTODOS ESTATÍSTICOS APLICADOS AO ESTUDO DE PADRÕES DIFERENCIAIS DE METILAÇÃO DE DNA. 2023.
    [ Google | Google Scholar ]
  83. SATELIS, W. R. S. Uso de séries temporais de imagens do satélite GOES-16 para detecção de queimadas no pantanal sul mato-grossense. 2023.
    [ Google | Google Scholar ]
  84. ALVES, C. G. Análise exploratória do impacto da pandemia de COVID-19 na performance dos alunos de Exatas da UFPR. 2023.
    [ Google | Google Scholar ]
  85. ROCHA, É. O. Modelo de regressão gama unitária: Uma abordagem bayesiana. 2023.
    [ Google | Google Scholar ]
  86. LOPEZ, M. H. Participante en el I Seminario Internacional de Análisis Fuzzy y sus Aplicaciones (I SIAFA).. 2023.
    [ Google | Google Scholar ]
  87. LOPEZ, M. H. Inducción Académica de Estudiantes Ingresantes.. 2023.
    [ Google | Google Scholar ]
  88. GUAMÁN, P. A. Z. . 2023.
    [ Google | Google Scholar ]
  89. LINO, P. G. J. Estatística básica no ensino médio: Educação remota. 2023.
    [ Google | Google Scholar ]
  90. LINO, P. G. J. Análise de dimensionalidade das variáveis de exposição ao petróleo durante às atividades de pesca e remoção no litoral da Bahia. 2023.
    [ Google | Google Scholar ]
  91. PRATES, M. O. Fast Mixture Spatial Regression: A Mixture in the Geographical and Feature Space Applied to Predict Porosity in the Post-salt. 2023.
    [ Google | Google Scholar ]
  92. PRATES, M. O. Is augmentation effective to improve prediction in imbalanced text datasets?. 2023.
    [ Google | Google Scholar ]
  93. PRATES, M. O. The Hausdorff-Gaussian Process an Unified Framework for Spatial Data. 2023.
    [ Google | Google Scholar ]
  94. PRATES, M. O. A Ciência de Dados sob seus diferentes aspectos. 2023.
    [ Google | Google Scholar ]
  95. PRATES, M. O. Fast Mixture Spatial Regression: A Mixture in the Geographical and Feature Space Applied to Predict Porosity in the Post-salt. 2023.
    [ Google | Google Scholar ]
  96. UNGARETTI, D. A Central Limit Theorem for intransitive dice. 2023.
    [ Google | Google Scholar ]
  97. CERQUEIRA, A. Spatial Gibbs Random Graphs. 2023.
    [ Google | Google Scholar ]
  98. CERQUEIRA, A. Modelos Estatísticos para Modelagem e Análise de Redes Complexas. 2023.
    [ Google | Google Scholar ]
  99. CERQUEIRA, A. Recovery Communities in Weighted Networks. 2023.
    [ Google | Google Scholar ]
  100. CERQUEIRA, A. Recovering communities in networks. 2023.
    [ Google | Google Scholar ]
  101. CERQUEIRA, A. Community detection in weighted networks. 2023.
    [ Google | Google Scholar ]
  102. CERQUEIRA, A. Modelagem estatística de redes complexas. 2023.
    [ Google | Google Scholar ]
  103. MACHADO, MARIELA PENTÓN Central Limit Theorem for the limit process of the discrete time RAP seen from the origin. 2023.
    [ Google | Google Scholar ]
  104. LUIZ, D. A. The Dynamic Elephant Random Walk - DERW. 2023.
    [ Google | Google Scholar ]
  105. LUIZ, D. A. A random walk with memory perturbed by a dynamical system. 2023.
    [ Google | Google Scholar ]
  106. LUIZ, D. A. Infinite-Dimensional Evolution Algebras generated by Gibbs Measures. 2023.
    [ Google | Google Scholar ]

2022

  1. A. Yambartsev Large deviations for inhomogeneous birth-death processes. 2022.
    [ Google | Google Scholar ]
  2. vilca-Labra, F. E. Influence analysis and outlier tests for log-Birnbaum-Saunders regression models based on theEM algorithm. 2022.
    [ Google | Google Scholar ]
  3. vilca-Labra, F. E. Diagnostic analysis based on the EM algorithm: Application for Birnbaum-Saunders regression models ,.. 2022.
    [ Google | Google Scholar ]
  4. PINHEIRO, H. P. . 2022.
    [ Google | Google Scholar ]
  5. PINHEIRO, H. P. The use of quasi U-statistics to test homogeneity of variants of coronavirus. 2022.
    [ Google | Google Scholar ]
  6. GARCIA, J. E. Young diagram and Statistical Independence. 2022.
    [ Google | Google Scholar ]
  7. GARCIA, J. E. Independence?s Partition of the Set of Coordinates of a Multivariate Markov Chain. 2022.
    [ Google | Google Scholar ]
  8. RIFO, L. L.R. Teachers Specialized Knowledge - a look on fractions division. 2022.
    [ Google | Google Scholar ]
  9. RIFO, L. L.R. Preservice teachers? knowledge for teaching uncertainty: cases from Slovakia and Spain. 2022.
    [ Google | Google Scholar ]
  10. RIFO, L. L.R. Rodas de Conversa ? Integração de ensino e extensão: e agora?. 2022.
    [ Google | Google Scholar ]
  11. HOTTA, L. K. Robust estimation of high dimensional cDCC models. 2022.
    [ Google | Google Scholar ]
  12. Rodrigues-Motta, M. Unsupervised Bayesian classification for mixed regression models with scalar and functional covariates. 2022.
    [ Google | Google Scholar ]
  13. Rodrigues-Motta, M. Unsupervised Bayesian classification for mixed regression models with scalar and functional covariates. 2022.
    [ Google | Google Scholar ]
  14. ZEVALLOS, Mauricio Minimum distance estimation of long-memory stochastic duration models. 2022.
    [ Google | Google Scholar ]
  15. GARCIA, N. L. Unsupervised Bayesian classification for mixed regression models with applications to predicting illness for milking cows. 2022.
    [ Google | Google Scholar ]
  16. GARCIA, N. L. Detecting Renewal States in Chains of Variable Length via Intrinsic Bayes Factors. 2022.
    [ Google | Google Scholar ]
  17. GARCIA, N. L. International Congress of Mathematics. 2022.
    [ Google | Google Scholar ]
  18. GARCIA, N. L. Inferência estatística para processos complexos. 2022.
    [ Google | Google Scholar ]
  19. GARCIA, N. L. Bayesian analysis of Brazilian and European written texts. 2022.
    [ Google | Google Scholar ]
  20. GARCIA, N. L. Bayesian analysis of Brazilian and European written texts. 2022.
    [ Google | Google Scholar ]
  21. GARCIA, N. L. Conversa com +1café. 2022.
    [ Google | Google Scholar ]
  22. DIAS, R. Adaptive Bayesian Selection of Basis Functions for Functional Data via Stochastic Penalization. 2022.
    [ Google | Google Scholar ]
  23. DIAS, R. Adaptive Bayesian Selection of Basis Functions for Functional Data via Stochastic Penalization. 2022.
    [ Google | Google Scholar ]
  24. V. A. González-López A Stochastic Characterization of Omicron Variant of SARS-COV 2 Virus. 2022.
    [ Google | Google Scholar ]
  25. V. A. González-López A Stochastic Characterization of Omicron Variant of SARS-COV 2 Virus. 2022.
    [ Google | Google Scholar ]
  26. V. A. González-López Statistical Inference in Copula Models and Markov Processes VII (in ICNAAM 2022). 2022.
    [ Google | Google Scholar ]
  27. KIIHL, S. F. . 2022.
    [ Google | Google Scholar ]
  28. Benaglia, T. Mixture models for longitudinal data of cognitive function in older adults. 2022.
    [ Google | Google Scholar ]
  29. CARVALHO, B. S. Applications of statistics in the biomedical field. 2022.
    [ Google | Google Scholar ]
  30. CARVALHO, B. S. A method to unveil the genetic architecture of diseases through differential copy number variation in an admixed population. 2022.
    [ Google | Google Scholar ]
  31. CARVALHO, B. S. ABE e a COVID-19: Ações e Desafios. 2022.
    [ Google | Google Scholar ]
  32. CARVALHO, B. S. How can CABANA become auto-suficient?. 2022.
    [ Google | Google Scholar ]
  33. MAIA, R. P. Modelo de regressão logística bivariado para estimar as chances de um candidato ao curso de Medicina ingressar em primeira chamada na Unicamp. 2022.
    [ Google | Google Scholar ]
  34. MAIA, R. P. Fórum Dez anos da Lei Federal de Cotas: história, dilemas e resultados - Sessão 2. Dados de ingresso. 2022.
    [ Google | Google Scholar ]
  35. MATOS, L. A. Estatística e Aprendizado de Máquinas. 2022.
    [ Google | Google Scholar ]
  36. MATOS, L. A. Tutorial: Modeling Longitudinal Data using Robust Mixed Models in R. 2022.
    [ Google | Google Scholar ]
  37. MATOS, L. A. Extending multivariate Student's-t semiparametric mixed models for longitudinal data with censored responses and heavy tails. 2022.
    [ Google | Google Scholar ]
  38. LUDWIG, G. Organização da Sessão: Estatística e Aprendizado de Máquinas. 2022.
    [ Google | Google Scholar ]
  39. LUDWIG, G. Minicurso MC2: Modelos geoestatísticos para fenômenos espaço-temporais. 2022.
    [ Google | Google Scholar ]
  40. LUDWIG, G. Bayesian Estimation and Variable Selection for Spatial Count Data with an Application to Rio de Janeiro Gun Violence. 2022.
    [ Google | Google Scholar ]
  41. GUELLA, J. C. Recent theoretical results about Hilbert space embeddings of probabilities.. 2022.
    [ Google | Google Scholar ]
  42. GUELLA, J. C. SOME RECENT THEORETICAL RESULTS ABOUT HILBERT SPACE EMBEDDINGS OF PROBABILITIES. 2022.
    [ Google | Google Scholar ]
  43. SOUSA, A. R. S. Kurtosis control in wavelet shrinkage with generalized secant hyperbolic prior. 2022.
    [ Google | Google Scholar ]
  44. SOUSA, A. R. S. Wavelet Shrinkage em Regressão Não Paramétrica. 2022.
    [ Google | Google Scholar ]
  45. Trucios Maza, C. C. Does portfolio resampling really improve out-of-sample performance? evidence from the Brazilian market.. 2022.
    [ Google | Google Scholar ]
  46. Trucios Maza, C. C. Risk Measures in Cryptocurrency Markets. 2022.
    [ Google | Google Scholar ]
  47. Trucios Maza, C. C. A Comparison of Methods for Forecasting Value-at-Risk and Expected Shortfall of Cryptocurrencies. 2022.
    [ Google | Google Scholar ]
  48. Trucios Maza, C. C. Forecasting Conditional Covariance Matrices in High- Dimentional Time Series: Implications for Portfolio Allocation. 2022.
    [ Google | Google Scholar ]
  49. Trucios Maza, C. C. Modelando series temporales financieras en alta dimensión. 2022.
    [ Google | Google Scholar ]
  50. Trucios Maza, C. C. Academia, mercado e otras cositas mas.. 2022.
    [ Google | Google Scholar ]
  51. SANTOS, J. R. S. Bayesian longitudinal item response modeling with multivariate asymmetric serial dependencies. 2022.
    [ Google | Google Scholar ]
  52. SCHUMACHER, F. L. Censored autoregressive regression modeling using the R package ARCensReg. 2022.
    [ Google | Google Scholar ]
  53. SCHUMACHER, F. L. Censored autoregressive regression models with Student-t innovations. 2022.
    [ Google | Google Scholar ]
  54. SCHUMACHER, F. L. Tutorial: Modeling Longitudinal Data using Robust Mixed Models in R. 2022.
    [ Google | Google Scholar ]
  55. CUASTUMAL, J. A. O. Penalized Complexity priors for the skewness parameter of power links. 2022.
    [ Google | Google Scholar ]
  56. FONSECA, R. V. Wavelet spatio-temporal change detection on multi-temporal SAR images. 2022.
    [ Google | Google Scholar ]
  57. FONSECA, R. V. Modelos de Análise de Dados Funcionais por Ondaletas: Fundamentos e Aplicações. 2022.
    [ Google | Google Scholar ]
  58. COSTA, L. L. S. Regression in extremes using the Four-parameter Kappa distribution. 2022.
    [ Google | Google Scholar ]
  59. AZEVEDO, S. H. A. . 2022.
    [ Google | Google Scholar ]
  60. AZEVEDO, S. H. A. ?Modelagem de séries temporais macroeconômicas com vetores autorregressivos aumentados com fator e transição suave. 2022.
    [ Google | Google Scholar ]
  61. SOUZA, A. R. G. . 2022.
    [ Google | Google Scholar ]
  62. SOUZA, A. R. G. . 2022.
    [ Google | Google Scholar ]
  63. GALINDO, Á. F. L. Semi-parametric Models for Independent and Longitudinal Data with Limited Response. 2022.
    [ Google | Google Scholar ]
  64. GALINDO, Á. F. L. . 2022.
    [ Google | Google Scholar ]
  65. GALINDO, Á. F. L. Mesa Redonda - Garotas STEM: desafios na formação de futuras cientistas. 2022.
    [ Google | Google Scholar ]
  66. FREITAS, J. V. B. . 2022.
    [ Google | Google Scholar ]
  67. FREITAS, J. V. B. . 2022.
    [ Google | Google Scholar ]
  68. FREITAS, J. V. B. Semi-parametric models based on the Scale Mixtures of Centred Skew Normal distribution for independent and longitudinal data. 2022.
    [ Google | Google Scholar ]
  69. SOUSA, P. H. T. O. Adaptive Bayesian Selection of Basis Functions for Functional Data via Stochastic Penalization. 2022.
    [ Google | Google Scholar ]
  70. SANTOS, L. S. . 2022.
    [ Google | Google Scholar ]
  71. CARVALHO, D. A. F. 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 ]
  72. CARVALHO, D. A. F. 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 ]
  73. CARVALHO, D. A. F. Determinação do tamanho da população de onças (pantera onca) na caatinga do nordeste brasileiro através de algoritmos de MCMC.. 2022.
    [ Google | Google Scholar ]
  74. NASCIMENTO, C. A. V. ANÁLISE DE SÉRIE TEMPORAL: COVID-19 NO ESTADO DO PARÁ. 2022.
    [ Google | Google Scholar ]
  75. PULIDO, M. AURORA P. Aproximação por diferenças finitas da derivada fracionária $\psi$-Caputo. 2022.
    [ Google | Google Scholar ]
  76. FARIAS, B. M. O uso de U-estatísticas em testes de homogeneidade entre grupos: aplicações em genética e educação. 2022.
    [ Google | Google Scholar ]
  77. ROSÁRIO, F. C. Aplicação da Rede Neural de Legendre (RNLeNN) na Solução Númerica de Equações Diferenciais. 2022.
    [ Google | Google Scholar ]
  78. ROSÁRIO, F. C. Solução de Equações Diferenciais Estocásticas por Redes Neurais Artificiais. 2022.
    [ Google | Google Scholar ]
  79. REINA, J. M. Oficina: Levantamento estatístico usando contagem de M&M's. 2022.
    [ Google | Google Scholar ]
  80. SANTOS, C. M. P. Modelo de Fine e Gray e sua extensão para dados de sobrevivência com eventos competitivos. 2022.
    [ Google | Google Scholar ]
  81. OLIVEIRA, G. P. Análise de mediação para respostas contínuas e binárias: um tutorial usando o software R. 2022.
    [ Google | Google Scholar ]
  82. CAMOLESI, J. Visualização e modelagem dos dados do Enem e análise de impacto da pandemia de COVID-19. 2022.
    [ Google | Google Scholar ]
  83. SILVA, M. A. F. Escores de propensão: uma abordagem para quantificar os efeitos de intervenções em estudos observacionais.. 2022.
    [ Google | Google Scholar ]
  84. SILVA, M. A. F. Minicurso de inferência causal e escore de propensão. 2022.
    [ Google | Google Scholar ]
  85. PAULICHEN, T. . 2022.
    [ Google | Google Scholar ]
  86. LOPEZ, M. H. Participante al Peruvian Conference on Scientific Computing. 2022 ,. 2022.
    [ Google | Google Scholar ]
  87. LOPEZ, M. H. Participante I Seminario Internacional de Matemática y Estadística (I SIMAES).. 2022.
    [ Google | Google Scholar ]
  88. LOPEZ, M. H. Participante en el Simposio Especializado Descentralizado de la Escuela Profesional de Matemática y Estadística.Vicerrectorado de Investigación de la Universidad Nacional de San Antonio Abad del Cusco(UNSAAC). 2022. 2022.
    [ Google | Google Scholar ]
  89. LOPEZ, M. H. Análisis y predicción de gastos corrientesno financieros del gobierno central del Perú (1995 - 2022).. 2022.
    [ Google | Google Scholar ]
  90. LINO, P. G. J. . 2022.
    [ Google | Google Scholar ]
  91. PRATES, M. O. Estatística em Sociedade: Da metodologia a Aplicações. 2022.
    [ Google | Google Scholar ]
  92. PRATES, M. O. Non-Separable Spatio-Temporal Models Via Transformed Multivariate Gaussian Markov Random Fields. 2022.
    [ Google | Google Scholar ]
  93. PRATES, M. O. Non-Separable Spatio-Temporal Models Via Transformed Multivariate Gaussian Markov Random Fields. 2022.
    [ Google | Google Scholar ]
  94. PRATES, M. O. Is augmentation effective to improve prediction in unbalanced datasets?. 2022.
    [ Google | Google Scholar ]
  95. PRATES, M. O. La Estadística Espacial y su Utilidad para las Políticas Públicas. 2022.
    [ Google | Google Scholar ]
  96. PRATES, M. O. Beyond Gaussian processes: Flexible Bayesian modeling and inference for geostatistical processes. 2022.
    [ Google | Google Scholar ]
  97. UNGARETTI, D. Euclidean and chemical distances in ellipses percolation. 2022.
    [ Google | Google Scholar ]
  98. UNGARETTI, D. Results on the contact process with dynamic edges or under renewals. 2022.
    [ Google | Google Scholar ]
  99. FERNANDES, F. A. . 2022.
    [ Google | Google Scholar ]
  100. FERNANDES, F. A. . 2022.
    [ Google | Google Scholar ]
  101. MACHADO, MARIELA PENTÓN O processo de contato unidimensional com dois tipos de partículas e prioridade: metastabilidade e convergência em volume infinito. 2022.
    [ Google | Google Scholar ]
  102. MACHADO, MARIELA PENTÓN Metaestabilidade e resultados de convergência para o processo de contato unidimensional com dois tipos de partículas e prioridades. 2022.
    [ Google | Google Scholar ]
  103. LUIZ, D. A. . 2022.
    [ Google | Google Scholar ]
  104. LUIZ, D. A. . 2022.
    [ Google | Google Scholar ]

2021

  1. vilca-Labra, F. E. A Robust Birnbaum-Saunders Regression Model based on asymmetric heavy-tailed distributions. 2021.
    [ Google | Google Scholar ]
  2. GARCIA, J. E. Huffman Coding and Minimal Markov Models to Improve the Data Compression. 2021.
    [ Google | Google Scholar ]
  3. GARCIA, J. E. Non-decreasing Subsequences for Exploring Statistical Independence. 2021.
    [ Google | Google Scholar ]
  4. RIFO, L. L.R. Incerteza e percepção do risco na aula de matemática. 2021.
    [ Google | Google Scholar ]
  5. RIFO, L. L.R. Minicurso - QUAL OFICINA DEVO ESCOLHER OU COMO TOMAR DECISÕES EM SITUAÇÕES DE INCERTEZA. 2021.
    [ Google | Google Scholar ]
  6. RIFO, L. L.R. Mapeamento de propostas transdisciplinares de extensão e ensino na Unicamp. 2021.
    [ Google | Google Scholar ]
  7. RIFO, L. L.R. Precisamos falar sobre o ensino de probabilidade. 2021.
    [ Google | Google Scholar ]
  8. HOTTA, L. K. Robust estimation of volatility models in the presence of additive outliers. 2021.
    [ Google | Google Scholar ]
  9. ZEVALLOS, Mauricio Estimation and forecasting of long memory stochastic volatility models. 2021.
    [ Google | Google Scholar ]
  10. GARCIA, N. L. Context tree selection and linguistic rhythm retrieval from written texts - Prêmio Johannes Kepler. 2021.
    [ Google | Google Scholar ]
  11. GARCIA, N. L. Interacting cluster point process model for epidermal nerve fibers. 2021.
    [ Google | Google Scholar ]
  12. GARCIA, N. L. SBMAC em Defesa da Ciência e Tecnologia. 2021.
    [ Google | Google Scholar ]
  13. V. A. González-López Covid-19 its Origins and Variants from a Stochastic Perspective. 2021.
    [ Google | Google Scholar ]
  14. V. A. González-López Language Modality Representation through Multiple Partition Markov Models. 2021.
    [ Google | Google Scholar ]
  15. V. A. González-López Language modality representation through multiple partition Markov models. 2021.
    [ Google | Google Scholar ]
  16. V. A. González-López Statistical Inference in Copula Models and Markov Processes VI ((in ICNAAM 2021). 2021.
    [ Google | Google Scholar ]
  17. KIIHL, S. F. . 2021.
    [ Google | Google Scholar ]
  18. KIIHL, S. F. . 2021.
    [ Google | Google Scholar ]
  19. KIIHL, S. F. . 2021.
    [ Google | Google Scholar ]
  20. CARVALHO, B. S. End-to-End Implementations of GA4GH Standards at BIPMed. 2021.
    [ Google | Google Scholar ]
  21. CARVALHO, B. S. Desenvolvimentos da Iniciativa Brasileira em Medicina de Precisão. 2021.
    [ Google | Google Scholar ]
  22. MAIA, R. P. . 2021.
    [ Google | Google Scholar ]
  23. MAIA, R. P. . 2021.
    [ Google | Google Scholar ]
  24. NOBRE, J. S. A new approach to modeling positive random variables with repeated measures. 2021.
    [ Google | Google Scholar ]
  25. SOUSA, A. R. S. Bayesian Wavelet Shrinkage with Logistic Prior. 2021.
    [ Google | Google Scholar ]
  26. SOUSA, A. R. S. Model selection criteria for regression models with splines and the automatic localization of knots. 2021.
    [ Google | Google Scholar ]
  27. SOUSA, A. R. S. Asymmetric Prior in Wavelet Shrinkage. 2021.
    [ Google | Google Scholar ]
  28. SOUSA, A. R. S. Asymmetric prior in wavelet shrinkage. 2021.
    [ Google | Google Scholar ]
  29. SOUSA, A. R. S. Asymmetric prior in wavelet shrinkage. 2021.
    [ Google | Google Scholar ]
  30. SOUSA, A. R. S. . 2021.
    [ Google | Google Scholar ]
  31. SOUSA, A. R. S. . 2021.
    [ Google | Google Scholar ]
  32. SOUSA, A. R. S. O instrumento de avaliação institucional da UNIFACCAMP, suas relações com o SINAES e seu tratamento estatístico. 2021.
    [ Google | Google Scholar ]
  33. Trucios Maza, C. C. Forecasting Value-at-Risk and Expected Shortfall in Large Portfolios: a General Dynamic Factor Model Approach. 2021.
    [ Google | Google Scholar ]
  34. Trucios Maza, C. C. Forecasting Conditional Covariance Matrices in High-Dimensional Time Series: a General Dynamic Factor Approach. 2021.
    [ Google | Google Scholar ]
  35. Trucios Maza, C. C. Forecasting Value-at-Risk and Expected Shortfall in Large Portfolios: a General Dynamic Factor Model Approach. 2021.
    [ Google | Google Scholar ]
  36. MORALES, C. E. G. . 2021.
    [ Google | Google Scholar ]
  37. MORALES, C. E. G. . 2021.
    [ Google | Google Scholar ]
  38. MORALES, C. E. G. . 2021.
    [ Google | Google Scholar ]
  39. MORALES, C. E. G. . 2021.
    [ Google | Google Scholar ]
  40. MORALES, C. E. G. . 2021.
    [ Google | Google Scholar ]
  41. MORALES, C. E. G. . 2021.
    [ Google | Google Scholar ]
  42. MORALES, C. E. G. . 2021.
    [ Google | Google Scholar ]
  43. MORALES, C. E. G. . 2021.
    [ Google | Google Scholar ]
  44. SCHUMACHER, F. L. Scale mixture of skew-normal linear mixed models with within-subject serial dependence. 2021.
    [ Google | Google Scholar ]
  45. SCHUMACHER, F. L. skewlmm: An R package for robust estimation of linear mixed models based on scale mixture of skew-normal distributions. 2021.
    [ Google | Google Scholar ]
  46. SCHUMACHER, F. L. skewlmm: An R package for robust estimation of linear mixed models based on scale mixture of skew-normal distributions. 2021.
    [ Google | Google Scholar ]
  47. SCHUMACHER, F. L. Scale mixture of skew-normal linear mixed models with within-subject serial dependence. 2021.
    [ Google | Google Scholar ]
  48. SCHUMACHER, F. L. Canonical Fundamental Skew-t Linear Mixed Models. 2021.
    [ Google | Google Scholar ]
  49. SCHUMACHER, F. L. Scale mixture of skew-normal linear mixed models with within-subject serial dependence. 2021.
    [ Google | Google Scholar ]
  50. CUASTUMAL, J. A. O. Penalized complexity priors for the skewness parameter of power links. 2021.
    [ Google | Google Scholar ]
  51. FONSECA, R. V. Wavelet Spatio-Temporal Change Detection on multi-temporal PolSAR images. 2021.
    [ Google | Google Scholar ]
  52. FONSECA, R. V. Using nonparametric regression models to analyze the dimensionality of curve time series. 2021.
    [ Google | Google Scholar ]
  53. Conceição, Josué dos Santos . 2021.
    [ Google | Google Scholar ]
  54. Conceição, Josué dos Santos . 2021.
    [ Google | Google Scholar ]
  55. AZEVEDO, S. H. A. . 2021.
    [ Google | Google Scholar ]
  56. AZEVEDO, S. H. A. . 2021.
    [ Google | Google Scholar ]
  57. AZEVEDO, S. H. A. . 2021.
    [ Google | Google Scholar ]
  58. SOUZA, A. R. G. Uso do Power BI na Ciência de Dados. 2021.
    [ Google | Google Scholar ]
  59. GALINDO, Á. F. L. . 2021.
    [ Google | Google Scholar ]
  60. FREITAS, J. V. B. . 2021.
    [ Google | Google Scholar ]
  61. ARAUJO JÚNIOR, H. F. Congruências e os teoremas de isomorfismos para categorias concretas. 2021.
    [ Google | Google Scholar ]
  62. SANTOS, L. S. . 2021.
    [ Google | Google Scholar ]
  63. SOARES, A. B. . 2021.
    [ Google | Google Scholar ]
  64. SOARES, A. B. . 2021.
    [ Google | Google Scholar ]
  65. CASTRO, M. O. Uma nova mistura finita de distribuições. 2021.
    [ Google | Google Scholar ]
  66. PEÇAIBES, C. Séries Temporais - Conceitos e aplicação em dados reais. 2021.
    [ Google | Google Scholar ]
  67. SANTOS, D. S. Análise do método MI-LASSO com validação cruzada para dados de COVID-19.. 2021.
    [ Google | Google Scholar ]
  68. SILVA, H. B. . 2021.
    [ Google | Google Scholar ]
  69. RODRIGUES, M. L. Modelos Estatísticos Aplicados à Biologia Computacional e Medicina de Precisão. 2021.
    [ Google | Google Scholar ]
  70. FELIX, C. H. T. N. Comparando as taxas de cobertura para diferentes intervalos de confiança para uma proporção. 2021.
    [ Google | Google Scholar ]
  71. ROSÁRIO, F. C. JOGOS DIGITAIS EDUCATIVOS NO ENSINO/APRENDIZAGEM DE ESTUDANTES DE ESCOLAS PÚBLICAS DE BELÉM. 2021.
    [ Google | Google Scholar ]
  72. REINA, J. M. . 2021.
    [ Google | Google Scholar ]
  73. SILVA, M. A. F. Escores de propensão: uma abordagem para quantificar os efeitos de intervenções em estudos observacionais.. 2021.
    [ Google | Google Scholar ]
  74. SILVA, R. C. . 2021.
    [ Google | Google Scholar ]
  75. SILVA, R. C. . 2021.
    [ Google | Google Scholar ]
  76. PAULICHEN, T. . 2021.
    [ Google | Google Scholar ]
  77. PAULICHEN, T. . 2021.
    [ Google | Google Scholar ]
  78. PAULICHEN, T. . 2021.
    [ Google | Google Scholar ]
  79. PAULICHEN, T. . 2021.
    [ Google | Google Scholar ]
  80. SATELIS, W. R. S. Uso de imagens de satélites para detecção de queimadas nas áreas canavieiras de São Paulo.. 2021.
    [ Google | Google Scholar ]
  81. ROCHA, É. O. Modelos Lineares Generalizados: Uma aplicação de regressão Poisson em R. 2021.
    [ Google | Google Scholar ]
  82. ROCHA, É. O. Uma aplicação no programa R do Modelo de Regressão Linear Múltipla. 2021.
    [ Google | Google Scholar ]
  83. ROCHA, É. O. . 2021.
    [ Google | Google Scholar ]
  84. PRATES, M. O. A Latent Spatial Model for Pandemic Prediction. 2021.
    [ Google | Google Scholar ]
  85. PRATES, M. O. Objective Bayesian Analysis for Spatial Student-t Regression Model. 2021.
    [ Google | Google Scholar ]
  86. PRATES, M. O. Voronoi Linkage for Spatially Misaligned Data with Application to Spatial Analysis of Brazilian Election 2018. 2021.
    [ Google | Google Scholar ]
  87. CERQUEIRA, A. Detecção de comunidades em redes aleatórias. 2021.
    [ Google | Google Scholar ]
  88. FERNANDES, F. A. . 2021.
    [ Google | Google Scholar ]
  89. FERNANDES, F. A. . 2021.
    [ Google | Google Scholar ]
  90. FERNANDES, F. A. . 2021.
    [ Google | Google Scholar ]
  91. MACHADO, MARIELA PENTÓN The contact process with two types of particles and priority: metastability and convergence in infinite volume. 2021.
    [ Google | Google Scholar ]
  92. MACHADO, MARIELA PENTÓN O processo de contato com dois tipos de partículas e prioridades. 2021.
    [ Google | Google Scholar ]

2020

  1. PINHEIRO, A. Nonparametric methods for detecting change in Multitemporal SAR/PolSAR Satellite Data. 2020.
    [ Google | Google Scholar ]
  2. A. Yambartsev Large deviations for non-homogeneous birth-death process. 2020.
    [ Google | Google Scholar ]
  3. A. Yambartsev Poisson Processes with Catastrophes. 2020.
    [ Google | Google Scholar ]
  4. AZEVEDO, C. L. N. Time series and multilevel modeling for longitudinal item response theory data. 2020.
    [ Google | Google Scholar ]
  5. AZEVEDO, C. L. N. Time series and multilevel modeling for longitudinal item response theory data. 2020.
    [ Google | Google Scholar ]
  6. Lebensztayn, E. . 2020.
    [ Google | Google Scholar ]
  7. vilca-Labra, F. E. A lifetime distribution to model fatigue life on the Birnbam-Saunders distribution. 2020.
    [ Google | Google Scholar ]
  8. GARCIA, J. E. Seasonal components in Partition Markov Models. 2020.
    [ Google | Google Scholar ]
  9. GARCIA, J. E. Conditional Independence between Markov Random Fields. 2020.
    [ Google | Google Scholar ]
  10. RIFO, L. L.R. Enseñar y conocer matemáticas - Núria Climent (Univerdidad de Huelva, Espanha). 2020.
    [ Google | Google Scholar ]
  11. RIFO, L. L.R. CONOCIMIENTO DE FUTUROS PROFESORES SOBRE INCERTIDUMBRE. 2020.
    [ Google | Google Scholar ]
  12. Rodrigues-Motta, M. Using linear and non linear functional additive effects for predicting binary variables: an Baysian approach with an application to EEG data. 2020.
    [ Google | Google Scholar ]
  13. Rodrigues-Motta, M. A zero augmented Birbaum-Saunders mixed model with repeated measures: a Bayesian approach. 2020.
    [ Google | Google Scholar ]
  14. GARCIA, N. L. Filtering Textile Effects in Dyed Images Using Hidden Markov Random Fields. 2020.
    [ Google | Google Scholar ]
  15. GARCIA, N. L. Jobs in Brazil. 2020.
    [ Google | Google Scholar ]
  16. GARCIA, N. L. Interacting cluster point process model for epidermal nerve fibers. 2020.
    [ Google | Google Scholar ]
  17. POPOV, Serguei Introduction to IOTA -- a feeless cryptocurrency. 2020.
    [ Google | Google Scholar ]
  18. POPOV, Serguei Two-dimensional conditioned simple random walk and some of its surprising properties. 2020.
    [ Google | Google Scholar ]
  19. POPOV, Serguei IOTA: its basic principles and approach to consensus. 2020.
    [ Google | Google Scholar ]
  20. V. A. González-López Full Partition Markov Models. 2020.
    [ Google | Google Scholar ]
  21. V. A. González-López Americas Zika virus and its similarities with African and Asian lineages. 2020.
    [ Google | Google Scholar ]
  22. V. A. González-López Statistical Inference in Copula Models and Markov Processes V (in ICNAAM 2020). 2020.
    [ Google | Google Scholar ]
  23. CARVALHO, B. S. The Brazilian Initiative on Precision Medicine: Strategies and Findings - A glimpse into Global Bioinformatics Communities: Latin America. 2020.
    [ Google | Google Scholar ]
  24. CARVALHO, B. S. Advances by BIPMed. 2020.
    [ Google | Google Scholar ]
  25. CARVALHO, B. S. Computational Biology: new approaches to understand human diseases. 2020.
    [ Google | Google Scholar ]
  26. MAIA, R. P. . 2020.
    [ Google | Google Scholar ]
  27. MAIA, R. P. . 2020.
    [ Google | Google Scholar ]
  28. MAIA, R. P. . 2020.
    [ Google | Google Scholar ]
  29. MAIA, R. P. . 2020.
    [ Google | Google Scholar ]
  30. MAIA, R. P. . 2020.
    [ Google | Google Scholar ]
  31. MATOS, L. A. A semiparametric mixed-effects model for censored longitudinal data. 2020.
    [ Google | Google Scholar ]
  32. LUDWIG, G. Scalable modeling of nonstationary covariance functions with regularized B-spline deformations. 2020.
    [ Google | Google Scholar ]
  33. SOUSA, A. R. S. Model selection criteria for regression models with splines and the automatic localization of knots. 2020.
    [ Google | Google Scholar ]
  34. SOUSA, A. R. S. Bayesian Wavelet Shrinkage with Beta Priors. 2020.
    [ Google | Google Scholar ]
  35. SOUSA, A. R. S. Selección de modelos en regresión por splines y localización automática de nudos.. 2020.
    [ Google | Google Scholar ]
  36. SOUSA, A. R. S. . 2020.
    [ Google | Google Scholar ]
  37. Trucios Maza, C. C. Forecasting risk measures in cryptocurrency data. 2020.
    [ Google | Google Scholar ]
  38. Trucios Maza, C. C. orecasting Conditional Covariance Matrices in High-Dimensional Time Series: a General Dynamic Factor Approach. 2020.
    [ Google | Google Scholar ]
  39. Trucios Maza, C. C. Robustness and the general dynamic factor model with infinite-dimensional space: identification, estimation, and forecasting. 2020.
    [ Google | Google Scholar ]
  40. Trucios Maza, C. C. Estatística aplicada ao mercado financeiro. 2020.
    [ Google | Google Scholar ]
  41. SOUZA, V. F. Bayesian selection of variable length Markov chain models via reversible jump. 2020.
    [ Google | Google Scholar ]
  42. ANSELMO, Cézar Augusto de Freitas . 2020.
    [ Google | Google Scholar ]
  43. ANSELMO, Cézar Augusto de Freitas . 2020.
    [ Google | Google Scholar ]
  44. ANSELMO, Cézar Augusto de Freitas . 2020.
    [ Google | Google Scholar ]
  45. ANSELMO, Cézar Augusto de Freitas . 2020.
    [ Google | Google Scholar ]
  46. ANSELMO, Cézar Augusto de Freitas . 2020.
    [ Google | Google Scholar ]
  47. ANSELMO, Cézar Augusto de Freitas . 2020.
    [ Google | Google Scholar ]
  48. ANSELMO, Cézar Augusto de Freitas . 2020.
    [ Google | Google Scholar ]
  49. ANSELMO, Cézar Augusto de Freitas . 2020.
    [ Google | Google Scholar ]
  50. NOGAROTTO, D. C. . 2020.
    [ Google | Google Scholar ]
  51. MORALES, C. E. G. . 2020.
    [ Google | Google Scholar ]
  52. MORALES, C. E. G. . 2020.
    [ Google | Google Scholar ]
  53. MORALES, C. E. G. . 2020.
    [ Google | Google Scholar ]
  54. TASCA, G. H. . 2020.
    [ Google | Google Scholar ]
  55. CAMARGO, D. . 2020.
    [ Google | Google Scholar ]
  56. SCHUMACHER, F. L. Robust estimation in linear mixed models using the R package skewlmm. 2020.
    [ Google | Google Scholar ]
  57. CUASTUMAL, J. A. O. Objective Bayesian analysis for spatial Student-t regression models. 2020.
    [ Google | Google Scholar ]
  58. Conceição, Josué dos Santos Previsão de Desempenho de Estudantes através de um modelo de regressão com variáveis Dummy. 2020.
    [ Google | Google Scholar ]
  59. AZEVEDO, S. H. A. . 2020.
    [ Google | Google Scholar ]
  60. GALINDO, Á. F. L. . 2020.
    [ Google | Google Scholar ]
  61. SANTOS, L. S. . 2020.
    [ Google | Google Scholar ]
  62. ROCHA, M. G. Contribuições ao estudo dos principais modelos de desdobramento da teoria de resposta ao item com aplicações em psicologia. 2020.
    [ Google | Google Scholar ]
  63. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  64. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  65. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  66. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  67. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  68. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  69. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  70. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  71. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  72. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  73. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  74. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  75. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  76. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  77. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  78. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  79. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  80. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  81. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  82. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  83. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  84. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  85. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  86. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  87. SOARES, A. B. . 2020.
    [ Google | Google Scholar ]
  88. CARVALHO, D. A. F. Modelo de regressão logística para a evasão no primeiro ano de graduação de ingressantes na UNICAMP entre 2014 e 2018. 2020.
    [ Google | Google Scholar ]
  89. ALCÂNTARA JUNIOR, G. P. PERFORMANCE PREDITIVA DO LASSO, STEPWISE E MÁXIMA VEROSSIMILHANÇA EM MODELOS DE REGRESSÃO LOGÍSTICA. 2020.
    [ Google | Google Scholar ]
  90. Travassos, K. Análise de Correspondência: conceitos e aplicação. 2020.
    [ Google | Google Scholar ]
  91. CASTRO, M. O. Misturas Finitas de Distribuições: Introdução e Aplicações. 2020.
    [ Google | Google Scholar ]
  92. PULIDO, M. AURORA P. . 2020.
    [ Google | Google Scholar ]
  93. FARIAS, B. M. Formação de professores na região do MATOPIBA na implementação dos PNE 2014 ? 2024 e os Planos Estaduais de Educação (PEE?s).. 2020.
    [ Google | Google Scholar ]
  94. JUSTUS, V. L. Decomposição do impacto de uma transferência de renda no índice de Gini. 2020.
    [ Google | Google Scholar ]
  95. SILVA, R. C. . 2020.
    [ Google | Google Scholar ]
  96. ROCHA, É. O. Regressão linear simples: Uma visão via Ggplot2. 2020.
    [ Google | Google Scholar ]
  97. PRATES, M. O. Projection-based approach to alleviate Spatial Confounding in Spatial Frailty Models. 2020.
    [ Google | Google Scholar ]
  98. PRATES, M. O. Projection-based approach to alleviating Spatial Confounding in Spatial Frailty Models. 2020.
    [ Google | Google Scholar ]
  99. CERQUEIRA, A. Spatial Gibbs Random Graphs. 2020.
    [ Google | Google Scholar ]
  100. CERQUEIRA, A. Inferência Estatística para redes aleatórias. 2020.
    [ Google | Google Scholar ]
  101. CERQUEIRA, A. Spatial Gibbs Random Graphs. 2020.
    [ Google | Google Scholar ]
  102. FERNANDES, F. A. . 2020.
    [ Google | Google Scholar ]
  103. FERNANDES, F. A. . 2020.
    [ Google | Google Scholar ]
  104. PORTELLA, L. . 2020.
    [ Google | Google Scholar ]
  105. MACHADO, MARIELA PENTÓN The set of invariant measures for the one-dimensional contact process with two types of particles and priorities. 2020.
    [ Google | Google Scholar ]

2019

  1. PINHEIRO, A. Wavelet estimation of the dimensionality of curve time series. 2019.
    [ Google | Google Scholar ]
  2. PINHEIRO, A. Wavelet estimation of the dimensionality of curve time series. 2019.
    [ Google | Google Scholar ]
  3. PINHEIRO, A. Wavelet estimation of the dimensionality of curve time series. 2019.
    [ Google | Google Scholar ]
  4. PINHEIRO, A. Wavelets, U-statistics and High Dimensional Data. 2019.
    [ Google | Google Scholar ]
  5. PINHEIRO, A. ALGUNS ASPECTOS TEORICOS E PRATICOS DA ANALISE ESTATISTICA DE DADOS DE ALTA DIMENSAO. 2019.
    [ Google | Google Scholar ]
  6. A. Yambartsev The local principle of large deviations for compound Poisson process with catastrophes. 2019.
    [ Google | Google Scholar ]
  7. AZEVEDO, C. L. N. Censored Linear Mixed Models based on the Birnbaum-Saunders distribution: Bayesian MCMC Implementation. 2019.
    [ Google | Google Scholar ]
  8. AZEVEDO, C. L. N. A new family of unidimensional item response models with asymmetric heavy tailed distributions and item response functions. 2019.
    [ Google | Google Scholar ]
  9. AZEVEDO, C. L. N. Censored Linear Mixed Models based on the Birnbaum-Saunders distribution: Bayesian MCMC Implementation. 2019.
    [ Google | Google Scholar ]
  10. AZEVEDO, C. L. N. Additive mixed models with time series structures. 2019.
    [ Google | Google Scholar ]
  11. GALLESCO, C. Soft local times and applications. 2019.
    [ Google | Google Scholar ]
  12. GALLESCO, C. Recent applications of soft local times. 2019.
    [ Google | Google Scholar ]
  13. Lebensztayn, E. Phase transition for the frog model on trees. 2019.
    [ Google | Google Scholar ]
  14. vilca-Labra, F. E. Birnbaum-Saunders Linear Mixed-Effects Models with Censored Data: Bayesian MCMCImplementation. 2019.
    [ Google | Google Scholar ]
  15. vilca-Labra, F. E. A robust multivariate Birnbaum-Saunders distribution: EM-estimation. 2019.
    [ Google | Google Scholar ]
  16. PINHEIRO, H. P. Bayesian mixture models for longitudinal data on cognition loss in elderly people. 2019.
    [ Google | Google Scholar ]
  17. PINHEIRO, H. P. Homogeneity tests for comparisons of groups of DNA sequences using U-statistics and substitution models. 2019.
    [ Google | Google Scholar ]
  18. GARCIA, J. E. Optimal Model for a Markov Chain with Markov Covariates. 2019.
    [ Google | Google Scholar ]
  19. GARCIA, J. E. Robust Minimal Markov Model. 2019.
    [ Google | Google Scholar ]
  20. GARCIA, J. E. Minimal Markov model for a set of Markov chains. 2019.
    [ Google | Google Scholar ]
  21. HOTTA, L. K. On the robustness of the general dynamic factor model with infinite-dimensional space: identification, estimation and forecasting. 2019.
    [ Google | Google Scholar ]
  22. HOTTA, L. K. Forecasting Conditional Covariance Matrices in High-Dimensional Time Series: a General Dynamic Factor Approach. 2019.
    [ Google | Google Scholar ]
  23. Rodrigues-Motta, M. Zero in ated and zero augmented mixed models. 2019.
    [ Google | Google Scholar ]
  24. ZEVALLOS, Mauricio Estimation of ARFIMA models: a minimum distance approach. 2019.
    [ Google | Google Scholar ]
  25. ZEVALLOS, Mauricio Estimation of ARFIMA models: a minimum distance approach. 2019.
    [ Google | Google Scholar ]
  26. GARCIA, N. L. Global labor market developments. 2019.
    [ Google | Google Scholar ]
  27. GARCIA, N. L. Hidden Markov random field models applied to color homogeneity evaluation in dyed textiles images. 2019.
    [ Google | Google Scholar ]
  28. GARCIA, N. L. Mestres e Doutores do Século XXI. 2019.
    [ Google | Google Scholar ]
  29. DIAS, R. https://impa.br/eventos-do-impa/eventos-2019/32o-coloquio-brasileiro-de-matematica/. 2019.
    [ Google | Google Scholar ]
  30. POPOV, Serguei Introduction to IOTA ? a feeless cryptocurrency. 2019.
    [ Google | Google Scholar ]
  31. POPOV, Serguei Introduction to IOTA - a feeless cryptocurrency. 2019.
    [ Google | Google Scholar ]
  32. V. A. González-López Stochastic Profile of Strains of Zika from Tropical and Subtropical Regions. 2019.
    [ Google | Google Scholar ]
  33. V. A. González-López Partition Markov Model for Multiple Processes. 2019.
    [ Google | Google Scholar ]
  34. V. A. González-López Statistical Inference in Copula Models and Markov Processes IV (in ICNAAM 2019). 2019.
    [ Google | Google Scholar ]
  35. V. A. González-López Sample Selection Procedure in Daily Trading Volume Processes. 2019.
    [ Google | Google Scholar ]
  36. V. A. González-López Partition Markov model for multiple processes. 2019.
    [ Google | Google Scholar ]
  37. V. A. González-López Stochastic Profile of Strains of Zika from Tropical and Subtropical Regions. 2019.
    [ Google | Google Scholar ]
  38. KIIHL, S. F. Bioinformática e Estatística. 2019.
    [ Google | Google Scholar ]
  39. CARVALHO, B. S. Identificação de Variantes Raras em Estudos Genômicos. 2019.
    [ Google | Google Scholar ]
  40. CARVALHO, B. S. Perspectivas da Ciência Aberta no Brasil. 2019.
    [ Google | Google Scholar ]
  41. CARVALHO, B. S. New BIPMed Products. 2019.
    [ Google | Google Scholar ]
  42. MAIA, R. P. A discrete competing risks mixed model with masked causes: a cow longevity study. 2019.
    [ Google | Google Scholar ]
  43. MATOS, L. A. Estimation and diagnostics for partially linear censored regression models based on heavy-tailed distributions. 2019.
    [ Google | Google Scholar ]
  44. MATOS, L. A. Estimation for partially linear censored regression models based on heavy tailed distributions. 2019.
    [ Google | Google Scholar ]
  45. MATOS, L. A. Longitudinal Models for Multiple Censored Responses Data. 2019.
    [ Google | Google Scholar ]
  46. MATOS, L. A. Flexible longitudinal linear mixed models for multiple censored responses data. 2019.
    [ Google | Google Scholar ]
  47. LUDWIG, G. Scalable modeling of nonstationary covariance functions with regularized B-spline deformations. 2019.
    [ Google | Google Scholar ]
  48. GUELLA, J. C. CONDITIONALLY NEGATIVE DEFINITE MATRIX VALUED KERNELS ON EUCLIDEAN SPACES.. 2019.
    [ Google | Google Scholar ]
  49. SOUSA, A. R. S. . 2019.
    [ Google | Google Scholar ]
  50. SOUSA, A. R. S. . 2019.
    [ Google | Google Scholar ]
  51. Trucios Maza, C. C. A general dynamic factor approach to forecast conditional covariance matrices in high- dimensional data. 2019.
    [ Google | Google Scholar ]
  52. SOUZA, V. F. Avaliador. 2019.
    [ Google | Google Scholar ]
  53. SOUZA, V. F. Métodos MCMC em Campos Aleatórios de Markov e aplicações a dados de imagens. 2019.
    [ Google | Google Scholar ]
  54. NOGAROTTO, D. C. Avaliação de episódios de MP10 na cidade de Limeira-SP usando Análise de Regressão de Trajetória. 2019.
    [ Google | Google Scholar ]
  55. BARSZCZ, P. K. . 2019.
    [ Google | Google Scholar ]
  56. BARSZCZ, P. K. . 2019.
    [ Google | Google Scholar ]
  57. CARVALHO, Walter Augusto Fonseca de Dia Nacional da Abelha. 2019.
    [ Google | Google Scholar ]
  58. CARVALHO, Walter Augusto Fonseca de UNASP - Rumo à Excelência: Enfoque Missional, Profissional e Regulatório. 2019.
    [ Google | Google Scholar ]
  59. CARVALHO, Walter Augusto Fonseca de USO DA LEMNA EM AQUAPONIA: TILÁPIA NILÓTICA, QUALIDADE DA ÁGUA E ALFACE HIDROPÔNICA. 2019.
    [ Google | Google Scholar ]
  60. MORALES, C. E. G. . 2019.
    [ Google | Google Scholar ]
  61. MORALES, C. E. G. . 2019.
    [ Google | Google Scholar ]
  62. MORALES, C. E. G. . 2019.
    [ Google | Google Scholar ]
  63. MORALES, C. E. G. . 2019.
    [ Google | Google Scholar ]
  64. MORALES, C. E. G. . 2019.
    [ Google | Google Scholar ]
  65. Estrada, Mario Andrés Convergencia de la trayectoria de paseos aleatorios en el grafo completo. 2019.
    [ Google | Google Scholar ]
  66. Estrada, Mario Andrés Duração da epidemia para o modelo SI. 2019.
    [ Google | Google Scholar ]
  67. Estrada, Mario Andrés Absorption time for the die and jump model with one particle. 2019.
    [ Google | Google Scholar ]
  68. CAMARGO, D. . 2019.
    [ Google | Google Scholar ]
  69. VELASCO, L. L. H. Mixed Effects State-Space Models with Student-t errors. 2019.
    [ Google | Google Scholar ]
  70. Mattos, T. B. A semiparametric mixed-effects model for censored longitudinal data. 2019.
    [ Google | Google Scholar ]
  71. Mattos, T. B. A semiparametric mixed-effects model for censored longitudinal data. 2019.
    [ Google | Google Scholar ]
  72. SCHUMACHER, F. L. Influence Diagnostics for Censored Regression Models with Autoregressive Errors. 2019.
    [ Google | Google Scholar ]
  73. SCHUMACHER, F. L. Autoregressive scale mixture of skew-normal linear mixed models. 2019.
    [ Google | Google Scholar ]
  74. SCHUMACHER, F. L. . 2019.
    [ Google | Google Scholar ]
  75. CUASTUMAL, J. A. O. Objective Bayesian analysis for spatial Student-t regression models. 2019.
    [ Google | Google Scholar ]
  76. ALENCAR, F. H. C. Finite Mixture of Censored Linear Mixed Models for Longitudinal Data. 2019.
    [ Google | Google Scholar ]
  77. FONSECA, R. V. Wavelet variances for heavy-tailed time series. 2019.
    [ Google | Google Scholar ]
  78. FONSECA, R. V. Graph wavelet analysis of fMRI time series. 2019.
    [ Google | Google Scholar ]
  79. FONSECA, R. V. Wavelet dimensionality estimation of curve time series. 2019.
    [ Google | Google Scholar ]
  80. FONSECA, R. V. Wavelet shrinkage using Bayesian FDR Methods. 2019.
    [ Google | Google Scholar ]
  81. FONSECA, R. V. . 2019.
    [ Google | Google Scholar ]
  82. Conceição, Josué dos Santos . 2019.
    [ Google | Google Scholar ]
  83. Conceição, Josué dos Santos . 2019.
    [ Google | Google Scholar ]
  84. ARAUJO JÚNIOR, H. F. . 2019.
    [ Google | Google Scholar ]
  85. ROCHA, M. G. Contribuições ao estudo dos principais modelos de desdobramento da teoria de resposta ao item com aplicações em psicologia. 2019.
    [ Google | Google Scholar ]
  86. BRANCO, R. A. R. Previsão de retornos financeiros: uma abordagem de aprendizado de máquina. 2019.
    [ Google | Google Scholar ]
  87. MEZA, R. O. . 2019.
    [ Google | Google Scholar ]
  88. MEZA, R. O. Análise Espacial das Vítimas Fatais de Acidentes de Trânsito Por Motocicletas em Teresina-PI. 2019.
    [ Google | Google Scholar ]
  89. SOARES, A. B. AGESTÃODESERVIÇOSEBENEFÍCIOSSÓCIOASSISTENCIAISEMMUNICÍPIOSBRASILEIROS:APLICAÇÃODEUMMODELODATEORIADERESPOSTADOITEM(TRI). 2019.
    [ Google | Google Scholar ]
  90. SOARES, A. B. . 2019.
    [ Google | Google Scholar ]
  91. SOARES, A. B. . 2019.
    [ Google | Google Scholar ]
  92. SOARES, A. B. . 2019.
    [ Google | Google Scholar ]
  93. SILVA, A. G. Atividades de extensão do ano de 2019. 2019.
    [ Google | Google Scholar ]
  94. CARVALHO, D. A. F. Programas de ações afirmativas na UNICAMP: um breve estudo sobre o impacto do PAAIS e do ProFIS na evasão no 1º ano dos alunos ingressantes em cursos de graduação de 2014 à 2018. 2019.
    [ Google | Google Scholar ]
  95. Travassos, K. Análise de dados utilizando distribuições assimétricas. 2019.
    [ Google | Google Scholar ]
  96. CASTRO, M. O. . 2019.
    [ Google | Google Scholar ]
  97. GONÇALVES, Y. B. ANÁLISE DO DESEMPENHO DAS ESCOLAS DE FORTALEZA NO ENEM DE 2014-2017. 2019.
    [ Google | Google Scholar ]
  98. SANTOS, D. S. A história da Estatística. 2019.
    [ Google | Google Scholar ]
  99. SILVA, H. B. Tutoria Por Pares Em Exatas Como Inovação na Garantia da Permanência Estudantil. 2019.
    [ Google | Google Scholar ]
  100. CASTRO, L. P. . 2019.
    [ Google | Google Scholar ]
  101. CASTRO, L. P. . 2019.
    [ Google | Google Scholar ]
  102. CASTRO, L. P. FLUXOS COMERCIAIS DOS PRODUTOS FLORESTAIS NÃO MADEIREIROS DO ESTADO DO AMAZONAS UMA ANÁLISE EM REDES COMPLEXAS. 2019.
    [ Google | Google Scholar ]
  103. FARIAS, B. M. PEIS - Projeto Educativo de Integração Social: oficina de "Ciências Naturais". 2019.
    [ Google | Google Scholar ]
  104. REINA, J. M. . 2019.
    [ Google | Google Scholar ]
  105. RIVERA, E. A. . 2019.
    [ Google | Google Scholar ]
  106. CAMOLESI, J. Semana da Estatística. 2019.
    [ Google | Google Scholar ]
  107. PAZELLI, J. M. . 2019.
    [ Google | Google Scholar ]
  108. SILVA, M. A. F. . 2019.
    [ Google | Google Scholar ]
  109. PAULICHEN, T. . 2019.
    [ Google | Google Scholar ]
  110. TOSO, D. L. Deficientes auditivos: dificuldades de acesso ao mercado de trabalho.. 2019.
    [ Google | Google Scholar ]
  111. TOSO, D. L. Determinação da taxa de corrosão por processos eletroquímicos: uma proposta de aprendizado.. 2019.
    [ Google | Google Scholar ]
  112. TOSO, D. L. O estado de Sergipe. 2019.
    [ Google | Google Scholar ]
  113. TOSO, D. L. Medalha de Prata. 2019.
    [ Google | Google Scholar ]
  114. PRATES, M. O. ALLEVIATING SPATIAL CONFOUNDING FOR AREAL DATA PROBLEMS BY DISPLACING THE GEOGRAPHICAL CENTROIDS. 2019.
    [ Google | Google Scholar ]
  115. PRATES, M. O. Alleviating Spatial Confounding For Areal Data Problems By Displacing The Geographical Centroids. 2019.
    [ Google | Google Scholar ]
  116. PRATES, M. O. Generalized Predictive Comparisons for Intepreting Complex Models. 2019.
    [ Google | Google Scholar ]
  117. PRATES, M. O. Block Nearest Neighboor Gaussian Processes. 2019.
    [ Google | Google Scholar ]
  118. CERQUEIRA, A. Learning communities in weighted networks. 2019.
    [ Google | Google Scholar ]
  119. MACHADO, MARIELA PENTÓN The one-dimensional contact process with two types of particles and priorities. 2019.
    [ Google | Google Scholar ]
  120. LUIZ, D. A. . 2019.
    [ Google | Google Scholar ]

2018

  1. AZEVEDO, C. L. N. Binary regression models: inference and applications. 2018.
    [ Google | Google Scholar ]
  2. AZEVEDO, C. L. N. Time series and multilevel modeling for longitudinal item response theory data. 2018.
    [ Google | Google Scholar ]
  3. AZEVEDO, C. L. N. Time series and multilevel modeling for longitudinal item response theory data. 2018.
    [ Google | Google Scholar ]
  4. AZEVEDO, C. L. N. . 2018.
    [ Google | Google Scholar ]
  5. GALLESCO, C. Tempos locais suaves para cadeias de Markov e aplicações. 2018.
    [ Google | Google Scholar ]
  6. Lebensztayn, E. Resultados assintóticos para um modelo estocástico de difusão de rumor em grafos finitos. 2018.
    [ Google | Google Scholar ]
  7. vilca-Labra, F. E. A Robust multivariate Birnbaum-Saunders regression models. 2018.
    [ Google | Google Scholar ]
  8. vilca-Labra, F. E. A robust multivariate Birnbaum-Saunders distribution: EM-estimation. 2018.
    [ Google | Google Scholar ]
  9. vilca-Labra, F. E. A robust multivariate Birnbaum-Saunders distribution: EM-estimation. 2018.
    [ Google | Google Scholar ]
  10. vilca-Labra, F. E. Deletion measures for Linear Mixed Models using Skew-Normal/Independent Distributions. 2018.
    [ Google | Google Scholar ]
  11. vilca-Labra, F. E. Linear Mixed Models using Skew-Normal/Independent Distributions: Diagnostic analysis. 2018.
    [ Google | Google Scholar ]
  12. PINHEIRO, H. P. Discrete survival models to evaluate performance of students. 2018.
    [ Google | Google Scholar ]
  13. PINHEIRO, H. P. A bivariate discrete survival mixed model to evaluate performance of students in Calculus I and Linear Algebra. 2018.
    [ Google | Google Scholar ]
  14. GARCIA, J. E. Foreign exchange dependence through different copula models. 2018.
    [ Google | Google Scholar ]
  15. GARCIA, J. E. Independence Test for Continuous or Discrete Random Variables. 2018.
    [ Google | Google Scholar ]
  16. GARCIA, J. E. Optimal Model for a Set of Markov Processes. 2018.
    [ Google | Google Scholar ]
  17. HOTTA, L. K. On the robustness of the principal volatility components. 2018.
    [ Google | Google Scholar ]
  18. Rodrigues-Motta, M. Identification of early respondents based on EEG signals. 2018.
    [ Google | Google Scholar ]
  19. Rodrigues-Motta, M. Identifying Potential Biomarkers Through Bivariate MALDI-MS Data. 2018.
    [ Google | Google Scholar ]
  20. VACHKOVSKAIA, Marina On the range of two-dimensional conditioned simple random walk. 2018.
    [ Google | Google Scholar ]
  21. ZEVALLOS, Mauricio Covariance Prediction in Large Portfolio Allocation. 2018.
    [ Google | Google Scholar ]
  22. ZEVALLOS, Mauricio Estimation of ARFIMA models: A minimum distance approach. 2018.
    [ Google | Google Scholar ]
  23. ZEVALLOS, Mauricio Séries Temporais, Econometria e Finanças. 2018.
    [ Google | Google Scholar ]
  24. GARCIA, N. L. Identification of early respondents based on EEG signals. 2018.
    [ Google | Google Scholar ]
  25. GARCIA, N. L. Modeling textile images with hidden Gibbs random fields. 2018.
    [ Google | Google Scholar ]
  26. GARCIA, N. L. Interacting cluster point process model for epidermal nerve fibers. 2018.
    [ Google | Google Scholar ]
  27. DIAS, R. Deformastion, Non Euclidean metrics towards Spatio-Temporal Process. 2018.
    [ Google | Google Scholar ]
  28. POPOV, Serguei On uniform closeness of local times of Markov chains and i.i.d. sequences. 2018.
    [ Google | Google Scholar ]
  29. POPOV, Serguei On the range of two-dimensional conditioned simple random walk. 2018.
    [ Google | Google Scholar ]
  30. POPOV, Serguei On the range of a two-dimensional conditioned random walk. 2018.
    [ Google | Google Scholar ]
  31. V. A. González-López Bayesian Sensitivity Analysis for Asymmetric Copulas with Cubic Sections. 2018.
    [ Google | Google Scholar ]
  32. V. A. González-López Similarity between Strains of Zika from Tropical and Subtropical Regions. 2018.
    [ Google | Google Scholar ]
  33. V. A. González-López Statistical Inference in Copula Models and Markov Processes III (in ICNAAM 2018). 2018.
    [ Google | Google Scholar ]
  34. ZAMBOM, A. Z. Hypothesis Testing Sure Independence Screening for Nonparametric Regression. 2018.
    [ Google | Google Scholar ]
  35. KIIHL, S. F. MLML2R: An R Package for Maximum Likelihood Estimation of DNA Methylation and Hydroxymethylation Proportions. 2018.
    [ Google | Google Scholar ]
  36. KIIHL, S. F. MLML2R: EFFICIENT SIMULTANEOUS MAXIMUM LIKELIHOOD ESTIMATION OF DNA METHYLATION AND HYDROXYMETHYLATION PROPORTIONS. 2018.
    [ Google | Google Scholar ]
  37. Benaglia, T. Visuospatial Reasoning Trajectories and Death in a Study of the Oldest Old: A Formal Evaluation of Their Association. 2018.
    [ Google | Google Scholar ]
  38. CARVALHO, B. S. Big data e dados de pesquisa em saúde. 2018.
    [ Google | Google Scholar ]
  39. CARVALHO, B. S. Métodos estatísticos para detecção de mutações e para identificação de genes associados a fenótipos de interesse. 2018.
    [ Google | Google Scholar ]
  40. CARVALHO, B. S. Avanços na tecnologia de informação e impacto no diagóstico e terapêutica do câncer: o exemplo do big data. 2018.
    [ Google | Google Scholar ]
  41. CARVALHO, B. S. Gestão de dados na Unicamp. 2018.
    [ Google | Google Scholar ]
  42. MAIA, R. P. ?INDICADORES DE DESEMPENHO DOS ALUNOS REINCIDENTES NAS DISCIPLINAS DE EXATAS DO CURSO SEMIPRESENCIAL DE LICENCIATURA EM CIÊNCIAS. 2018.
    [ Google | Google Scholar ]
  43. MAIA, R. P. A BIVARIATE DISCRETE SURVIVAL MIXED MODEL TO EVALUATE PERFORMANCE OF STUDENTS IN CALCULUS I AND LINEAR ALGEBRA. 2018.
    [ Google | Google Scholar ]
  44. MATOS, L. A. Estimation and diagnostics in multivariate models for censored data. 2018.
    [ Google | Google Scholar ]
  45. BERNARDINI, D. F. On uniform closeness of local times of Markov chains and i.i.d. sequences. 2018.
    [ Google | Google Scholar ]
  46. LUDWIG, G. Interacting cluster point process model for epidermal nerve fibers. 2018.
    [ Google | Google Scholar ]
  47. LUDWIG, G. Interacting cluster point process model for epidermal nerve bers. 2018.
    [ Google | Google Scholar ]
  48. LUDWIG, G. A spline-based approach to spatial confounding in spatial linear regression methods for geostatistical data. 2018.
    [ Google | Google Scholar ]
  49. NOBRE, J. S. Desafios na Pós-graduação em Estatística no Nordeste. 2018.
    [ Google | Google Scholar ]
  50. GUELLA, J. C. Strictly Positive Definite Multivariate Covariance Functions On Spheres. 2018.
    [ Google | Google Scholar ]
  51. GUELLA, J. C. Special functions and approximation theory. 2018.
    [ Google | Google Scholar ]
  52. SOUSA, A. R. S. . 2018.
    [ Google | Google Scholar ]
  53. Trucios Maza, C. C. Forecasting conditional covariance matrices in high-dimensional data using the general dynamic factor model. 2018.
    [ Google | Google Scholar ]
  54. Trucios Maza, C. C. Robust principal volatility components. 2018.
    [ Google | Google Scholar ]
  55. Trucios Maza, C. C. Principal volatility components: A robust approach. 2018.
    [ Google | Google Scholar ]
  56. SOUZA, V. F. Modeling Textile Images with Markov Random Fields. 2018.
    [ Google | Google Scholar ]
  57. SOUZA, V. F. Segmentação de Imagens com Campos Aleatórios Markovianos Ocultos. 2018.
    [ Google | Google Scholar ]
  58. NOGAROTTO, D. C. Estudo da contribuição regional nos níveis do MP10 em Piracicaba usando análise multivariada. 2018.
    [ Google | Google Scholar ]
  59. NOGAROTTO, D. C. Avaliação espacial e temporal da contribuição do MP10 em Piracicaba usando análises multivariadas. 2018.
    [ Google | Google Scholar ]
  60. COLLAZOS, J. A. A. Functional Data Clustering via Hypothesis Testing K-means. 2018.
    [ Google | Google Scholar ]
  61. COLLAZOS, J. A. A. A bayesian approach to semiparametric count data models applied to university dropout. 2018.
    [ Google | Google Scholar ]
  62. COLLAZOS, J. A. A. A bayesian approach to semiparametric count data models applied to univesity dropout. 2018.
    [ Google | Google Scholar ]
  63. COSTA, M. Cooperative Models of Stochastic Growth. 2018.
    [ Google | Google Scholar ]
  64. RODRIGUES, M. A. F. Influence diagnostics for the Weibull power distribution with cure under different activation schemes. 2018.
    [ Google | Google Scholar ]
  65. BARSZCZ, P. K. . 2018.
    [ Google | Google Scholar ]
  66. CARVALHO, Walter Augusto Fonseca de Perfil de Coordenação np Contexto da 4a. Revolução. 2018.
    [ Google | Google Scholar ]
  67. CARVALHO, Walter Augusto Fonseca de Perfil de Coordenação no Contexto da 4a. Revolução. 2018.
    [ Google | Google Scholar ]
  68. SILVA, A. R. S. XIII Encontro Científico dos Pós-Graduandos. 2018.
    [ Google | Google Scholar ]
  69. MORALES, C. E. G. . 2018.
    [ Google | Google Scholar ]
  70. MORALES, C. E. G. . 2018.
    [ Google | Google Scholar ]
  71. MORALES, C. E. G. . 2018.
    [ Google | Google Scholar ]
  72. Utria, J. Processos de ramificação, Percolação e muitos sapos passeando em árvores. 2018.
    [ Google | Google Scholar ]
  73. Utria, J. Sapos em árvores? Condições para a transição de fase. 2018.
    [ Google | Google Scholar ]
  74. Utria, J. Transição de fase para o modelo dos sapos em árvores birregulares. 2018.
    [ Google | Google Scholar ]
  75. Estrada, Mario Andrés Convergence of the trajectory of random walks systems on the complete graph. 2018.
    [ Google | Google Scholar ]
  76. CHAVES, N. L. . 2018.
    [ Google | Google Scholar ]
  77. CAMARGO, D. . 2018.
    [ Google | Google Scholar ]
  78. VELASCO, L. L. H. Bayesian Inference in a copula-based framework for stochastic volatility models with leverage eect and heavy-tail using MCMC methods. 2018.
    [ Google | Google Scholar ]
  79. SCHUMACHER, F. L. Censored regression models with autoregressive errors. 2018.
    [ Google | Google Scholar ]
  80. AZEVEDO, A. A. A BAYESIAN APPROACH FOR A MULTIVARIATE DISTRIBUTION OF EXCESS. 2018.
    [ Google | Google Scholar ]
  81. AZEVEDO, A. A. Modelagem Condicional de Valores Extremos: Uma aplicação a dados hidrológicos. 2018.
    [ Google | Google Scholar ]
  82. Conceição, Josué dos Santos . 2018.
    [ Google | Google Scholar ]
  83. AZEVEDO, S. H. A. . 2018.
    [ Google | Google Scholar ]
  84. SOUZA, A. R. G. Modelagem dinâmica para dados de aneurisma sujeitos à censura intervalar. 2018.
    [ Google | Google Scholar ]
  85. SOUZA, A. R. G. Metodologia ADA aplicada a diferentes modelos de curva de crescimento. 2018.
    [ Google | Google Scholar ]
  86. MENEZES, A. F. B. . 2018.
    [ Google | Google Scholar ]
  87. GALINDO, Á. F. L. Funções de covariância em Regressão Não Linear usando Processos Gaussianos. 2018.
    [ Google | Google Scholar ]
  88. FREITAS, J. V. B. Uso de Equações de Estimação Generalizadas para modelagem com medidas repetidas. 2018.
    [ Google | Google Scholar ]
  89. ÁLVARO, M.M.K. 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 ]
  90. VALLIM, M. D. Dynamic Causal Modeling Reveals Altered Effective Connectivity Between Contralateral Hippocampus and Default Mode Network in Temporal Lobe Epilepsy. 2018.
    [ Google | Google Scholar ]
  91. SALGADO, A. M. Uso de Regressão Isotônica na Escolha de Itens em Testes Adaptativos Computadorizados. 2018.
    [ Google | Google Scholar ]
  92. CARDOSO, B. G. S. Análise de proporções de Mortalidade Infantil via Inferência Bayesiana. 2018.
    [ Google | Google Scholar ]
  93. SARTORETTO, E. Simulações para um Modelo de Grafo Aleatório Não Homogêneo. 2018.
    [ Google | Google Scholar ]
  94. SILVA, L. C. Sessões Culturais do Serviço de Relações Internacionais da Universidade do Porto. 2018.
    [ Google | Google Scholar ]
  95. SANTOS, L. S. SEQUÊNCIAS DIDÁTICAS PARA O ENSINO DE ANÁLISE COMBINATÓRIA. 2018.
    [ Google | Google Scholar ]
  96. MEZA, R. O. Comportamento da distribuição da transformada 𝑷𝒊(𝜽) da variável latente 𝜽 da TRI segundo diferentes configurações de itens. 2018.
    [ Google | Google Scholar ]
  97. MEZA, R. O. . 2018.
    [ Google | Google Scholar ]
  98. Silva, C. B. P. da A Educação Estatística no Ensino Médio: uma comparação entre os PCN+ e a BNCC. 2018.
    [ Google | Google Scholar ]
  99. Silva, C. B. P. da Artesanato no ensino de formas geométricas: um olhar etnomatemático. 2018.
    [ Google | Google Scholar ]
  100. ALCÂNTARA JUNIOR, G. P. Analise Bayesiana da distribuição Gama Exponenciada na presença de censura progressiva. 2018.
    [ Google | Google Scholar ]
  101. ALCÂNTARA JUNIOR, G. P. Análise Bayesiana da distribuição gama exponenciada na presença de censura progressiva tipo II. 2018.
    [ Google | Google Scholar ]
  102. CASTRO, M. O. . 2018.
    [ Google | Google Scholar ]
  103. CORDOVIL, Y. F. O estimador Swap para proficiências em modelos da TRI. 2018.
    [ Google | Google Scholar ]
  104. CORDOVIL, Y. F. . 2018.
    [ Google | Google Scholar ]
  105. NASCIMENTO, C. A. V. A TECNOLOGIA ASSISTIVA COMO FACILITADORA DO USO DO COMPUTADOR: DESENVOLVIMENTO DE PROTÓTIPO DE MOUSE ADAPTADO. 2018.
    [ Google | Google Scholar ]
  106. NASCIMENTO, C. A. V. . 2018.
    [ Google | Google Scholar ]
  107. NASCIMENTO, C. A. V. . 2018.
    [ Google | Google Scholar ]
  108. NASCIMENTO, C. A. V. RELATO DE EXPERIÊNCIA: UMA OFICINA PARA O ENSINO DE EQUAÇÕES DO 1º GRAU. 2018.
    [ Google | Google Scholar ]
  109. NASCIMENTO, C. A. V. SEQUÊNCIAS DIDÁTICAS PARA O ENSINO DE RELAÇÕES MÉTRICAS E TRIGONOMÉTRICAS NO TRIÂNGULO RETÂNGULO. 2018.
    [ Google | Google Scholar ]
  110. NASCIMENTO, C. A. V. . 2018.
    [ Google | Google Scholar ]
  111. SANTOS, D. S. Modelo de Black-Scholes para precificação de opções. 2018.
    [ Google | Google Scholar ]
  112. CASTRO, L. P. . 2018.
    [ Google | Google Scholar ]
  113. FARIAS, B. M. O Projeto Educativo de Integração Social - PEIS: o curso ?Ciências e Meio Ambiente?. 2018.
    [ Google | Google Scholar ]
  114. PAZELLI, J. M. . 2018.
    [ Google | Google Scholar ]
  115. SILVA, M. A. F. O uso de Softwares para o ensino musical. 2018.
    [ Google | Google Scholar ]
  116. PIO JUNIOR, R. L. S. Direito Digital: Novas Perspectivas Para O Mundo Jurídico. 2018.
    [ Google | Google Scholar ]
  117. PAULICHEN, T. O Conjunto dos Números Inteiros possui mais elementos que o Conjunto dos Números Naturais?: O que dizem os futuros professores de Matemática. 2018.
    [ Google | Google Scholar ]
  118. PAULICHEN, T. . 2018.
    [ Google | Google Scholar ]
  119. TOSO, D. L. Suicídio no Brasil. 2018.
    [ Google | Google Scholar ]
  120. ROCHA, É. O. . 2018.
    [ Google | Google Scholar ]
  121. KIST, L. P. . 2018.
    [ Google | Google Scholar ]
  122. PRATES, M. O. Block Nearest Neighboor Gaussian Processes. 2018.
    [ Google | Google Scholar ]
  123. PRATES, M. O. Spatial Quantile Regression for Wind Speed Prediction. 2018.
    [ Google | Google Scholar ]
  124. PRATES, M. O. Spatial Quantile Regression for Wind Speed Prediction. 2018.
    [ Google | Google Scholar ]
  125. PRATES, M. O. Spatial Extreme Learning Machines: An Application on Predicitiono of Disease Counts. 2018.
    [ Google | Google Scholar ]
  126. UNGARETTI, D. . 2018.
    [ Google | Google Scholar ]
  127. CERQUEIRA, A. Estimação do número de comunidades em redes aleatórias. 2018.
    [ Google | Google Scholar ]
  128. FERNANDES, F. A. . 2018.
    [ Google | Google Scholar ]
  129. FERNANDES, F. A. Comparação dos modelos Polinomial e Logístico na descrição do crescimento da pimenta doce.. 2018.
    [ Google | Google Scholar ]
  130. FERNANDES, F. A. . 2018.
    [ Google | Google Scholar ]
  131. MACHADO, MARIELA PENTÓN Contact Process with two kinds of particles and priorities. 2018.
    [ Google | Google Scholar ]
  132. PICCIRILLI, G. P. Teoria da Resposta ao Item: Um estudo de modelos multidimensionais com enfoque bayesiano.. 2018.
    [ Google | Google Scholar ]

2017

  1. PINHEIRO, A. O High Dimensional Classification Part II. 2017.
    [ Google | Google Scholar ]
  2. PINHEIRO, A. Hadamard Differentiability and Asymptotics for a CSI Functional. 2017.
    [ Google | Google Scholar ]
  3. PINHEIRO, A. Some Results on Wavelet Analysis of Functional Data. 2017.
    [ Google | Google Scholar ]
  4. PINHEIRO, A. O High Dimensional Classification Part I. 2017.
    [ Google | Google Scholar ]
  5. PINHEIRO, A. Wavelet regression and generalized linear models with continuous distributions. 2017.
    [ Google | Google Scholar ]
  6. PINHEIRO, A. Wavelet statistical analysis in multitemporal SAR and satellite images. 2017.
    [ Google | Google Scholar ]
  7. AZEVEDO, C. L. N. Time Series and Multilevel Modeling for Longitudinal Item Response Theory Data. 2017.
    [ Google | Google Scholar ]
  8. AZEVEDO, C. L. N. A general Cholesky decomposition based modeling of longitudinal IRT data. 2017.
    [ Google | Google Scholar ]
  9. AZEVEDO, C. L. N. Teoria da Resposta ao Item e avaliações educacionais. 2017.
    [ Google | Google Scholar ]
  10. AZEVEDO, C. L. N. . 2017.
    [ Google | Google Scholar ]
  11. PINHEIRO, H. P. Modelling the performance of engineering major students.. 2017.
    [ Google | Google Scholar ]
  12. PINHEIRO, H. P. Multinomial and Discrete survival models to evaluate performance of students. 2017.
    [ Google | Google Scholar ]
  13. GARCIA, J. E. Inspecting Discrepancies between Industrial Processes. 2017.
    [ Google | Google Scholar ]
  14. GARCIA, J. E. Comparison of Stochastic Processes. 2017.
    [ Google | Google Scholar ]
  15. RIFO, L. L.R. ASPECTOS DE TEORIA DA DECISÃO E PROBABILIDADE SUBJETIVA PARA O ENSINO BÁSICO. 2017.
    [ Google | Google Scholar ]
  16. RIFO, L. L.R. Bayesian analysis for the long-memory of a Gamma-modulated process. 2017.
    [ Google | Google Scholar ]
  17. HOTTA, L. K. Equity Premium Prediction by Sparse Pooling of Parsimonious State-Dependent Models. 2017.
    [ Google | Google Scholar ]
  18. HOTTA, L. K. Forecast combination with state-dependent models: equity premium prediction. 2017.
    [ Google | Google Scholar ]
  19. HOTTA, L. K. Robust bootstrap densities for dynamic conditional correlation. 2017.
    [ Google | Google Scholar ]
  20. HOTTA, L. K. Robust bootstrap forecast densities for GARCH and DCC returns and volatilities. 2017.
    [ Google | Google Scholar ]
  21. Rodrigues-Motta, M. Analysis of spectrometry data using a discretization of a bivariate-beta distribution. 2017.
    [ Google | Google Scholar ]
  22. Rodrigues-Motta, M. Added value from Classic to Bayesian approach. 2017.
    [ Google | Google Scholar ]
  23. ZEVALLOS, Mauricio Integrated variance estimation using realised measures under microstructure, jumps and outliers. 2017.
    [ Google | Google Scholar ]
  24. GARCIA, N. L. Bayesian wavelet shrinkage with beta priors for curve estimation with lognormal positive errors. 2017.
    [ Google | Google Scholar ]
  25. DIAS, R. A bit of splines, deformation, diffeomorphism, non-euclidean metrics toward spatial temporal processes. 2017.
    [ Google | Google Scholar ]
  26. POPOV, Serguei Two-dimensional random interlacements. 2017.
    [ Google | Google Scholar ]
  27. V. A. González-López Stochastic Distance between Burkitt lymphoma/leukemia Strains. 2017.
    [ Google | Google Scholar ]
  28. V. A. González-López Statistical Inference in Copula Models and Markov Processes II (in ICNAAM 2017). 2017.
    [ Google | Google Scholar ]
  29. V. A. González-López Consistent Estimation of Partition Markov Models. 2017.
    [ Google | Google Scholar ]
  30. V. A. González-López Further Investigations: a Needed Tool. 2017.
    [ Google | Google Scholar ]
  31. ZAMBOM, A. Z. . 2017.
    [ Google | Google Scholar ]
  32. ZAMBOM, A. Z. . 2017.
    [ Google | Google Scholar ]
  33. ZAMBOM, A. Z. A Comparative Study of Additive and Nonparametric Regression Estimators and Variable Selection Procedures. 2017.
    [ Google | Google Scholar ]
  34. CARVALHO, B. S. Brazilian Initiative on Precision Medicine: Statistical Perspectives. 2017.
    [ Google | Google Scholar ]
  35. MAIA, R. P. Modelos não-lineares mistos aplicados ao ajuste de curvas de produção de ovos de aves poedeiras.. 2017.
    [ Google | Google Scholar ]
  36. MAIA, R. P. Modelos não lineares mistos aplicados ao ajuste de curvas de produção de ovos. 2017.
    [ Google | Google Scholar ]
  37. MATOS, L. A. Heavy-Tailed Longitudinal Linear Mixed Models for Multiple Censored Responses Data. 2017.
    [ Google | Google Scholar ]
  38. MATOS, L. A. Heavy-tailed longitudinal regression models for censored data: A likelihood based perspective. 2017.
    [ Google | Google Scholar ]
  39. LUDWIG, G. A spline-based approach to spatial confounding in spatial linear regression methods for geostatistical data. 2017.
    [ Google | Google Scholar ]
  40. LUDWIG, G. Efficient Estimation in Gibbs Point Process Regression. 2017.
    [ Google | Google Scholar ]
  41. LUDWIG, G. Estimação eficiente de coeficientes de regressão para processos pontuais. 2017.
    [ Google | Google Scholar ]
  42. GUELLA, J. C. A limit formula for semigroups defined by Fourier-Jacobi series. 2017.
    [ Google | Google Scholar ]
  43. GUELLA, J. C. From Schoenberg coefficients to Schoenberg matrix valued functions. 2017.
    [ Google | Google Scholar ]
  44. GUELLA, J. C. From Schoenberg coefficients to Schoenberg functions: a unifying framework. 2017.
    [ Google | Google Scholar ]
  45. GUELLA, J. C. . 2017.
    [ Google | Google Scholar ]
  46. SOUSA, A. R. S. Bayesian Wavelet Shrinkage with Beta Priors. 2017.
    [ Google | Google Scholar ]
  47. Trucios Maza, C. C. On the robustness of the principal volatility components. 2017.
    [ Google | Google Scholar ]
  48. Trucios Maza, C. C. Forecasting large dimensional (co)volatilities in the presence of outliers. 2017.
    [ Google | Google Scholar ]
  49. Trucios Maza, C. C. Forecasting conditional covariance matrix via principal volatility components in the presence of additive outliers. 2017.
    [ Google | Google Scholar ]
  50. NOGAROTTO, D. C. Study of diurnal pattern of air quality using Cluster Analysis. 2017.
    [ Google | Google Scholar ]
  51. NOGAROTTO, D. C. Bayesian estimation, residual analysis and prior sensitivity study for zero-one augmented beta regression model with an application to psychometric data. 2017.
    [ Google | Google Scholar ]
  52. NOGAROTTO, D. C. Estudo da Contribuição regional nos níveis do Material Particulado em São José dos Campos usando Análise de Regressão de Trajetória. 2017.
    [ Google | Google Scholar ]
  53. FERREIRA, E. V. Ensino da Estatística para demandas futuras. 2017.
    [ Google | Google Scholar ]
  54. FERREIRA, E. V. . 2017.
    [ Google | Google Scholar ]
  55. COLLAZOS, J. A. A. Bayesian analysis for semiparametric count data models applied to the university dropout. 2017.
    [ Google | Google Scholar ]
  56. COLLAZOS, J. A. A. Curso de Introducción al Análisis de Datos Funcionales. 2017.
    [ Google | Google Scholar ]
  57. COSTA, M. . 2017.
    [ Google | Google Scholar ]
  58. COSTA, M. Stochastic processes with reinforcement. 2017.
    [ Google | Google Scholar ]
  59. COSTA, M. A model for a stochastic growth process with interactions. 2017.
    [ Google | Google Scholar ]
  60. COSTA, M. . 2017.
    [ Google | Google Scholar ]
  61. COSTA, M. Asymptotic shape of a non-homogeneous growth process with interaction. 2017.
    [ Google | Google Scholar ]
  62. RODRIGUES, M. A. F. 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 ]
  63. RODRIGUES, M. A. F. Evasão nos Cursos de Matemática e Estatística: determinantes e futuras recomendações. 2017.
    [ Google | Google Scholar ]
  64. BARSZCZ, P. K. . 2017.
    [ Google | Google Scholar ]
  65. REIS, S. S. Abordagem do Escore de Propensão para Avaliação de Impacto. 2017.
    [ Google | Google Scholar ]
  66. MORALES, C. E. G. Robust logistic quantile regression for bounded responses. 2017.
    [ Google | Google Scholar ]
  67. MORALES, C. E. G. . 2017.
    [ Google | Google Scholar ]
  68. MORALES, C. E. G. . 2017.
    [ Google | Google Scholar ]
  69. MORALES, C. E. G. . 2017.
    [ Google | Google Scholar ]
  70. Utria, J. Frog model with Poisson initial configuration on homogeneous tree. 2017.
    [ Google | Google Scholar ]
  71. Utria, J. . 2017.
    [ Google | Google Scholar ]
  72. Estrada, Mario Andrés ASYMPTOTIC RESULTS FOR EPIDEMIC PROCESSES ON FINITE POPULATIONS. 2017.
    [ Google | Google Scholar ]
  73. CAMARGO, D. The Meteor Process Stationary Distribution. 2017.
    [ Google | Google Scholar ]
  74. CAMARGO, D. . 2017.
    [ Google | Google Scholar ]
  75. GONÇALVES, B. O. . 2017.
    [ Google | Google Scholar ]
  76. SCHUMACHER, F. L. . 2017.
    [ Google | Google Scholar ]
  77. CUASTUMAL, J. A. O. . 2017.
    [ Google | Google Scholar ]
  78. Conceição, Josué dos Santos . 2017.
    [ Google | Google Scholar ]
  79. Conceição, Josué dos Santos . 2017.
    [ Google | Google Scholar ]
  80. COSTA, L. L. S. . 2017.
    [ Google | Google Scholar ]
  81. SOUZA, A. R. G. . 2017.
    [ Google | Google Scholar ]
  82. MENEZES, A. F. B. . 2017.
    [ Google | Google Scholar ]
  83. MENEZES, A. F. B. O uso de modelos de fração de cura discreto na análise de resultados oncológicos no tratamento de sarcomas pélvicos. 2017.
    [ Google | Google Scholar ]
  84. MENEZES, A. F. B. Monte Carlo study of multiple comparisons corrections in t-test.. 2017.
    [ Google | Google Scholar ]
  85. GALINDO, Á. F. L. Modelos não lineares para dados longitudinais via: Poisson Multivariada. 2017.
    [ Google | Google Scholar ]
  86. GALINDO, Á. F. L. O mundo da Estatística. 2017.
    [ Google | Google Scholar ]
  87. PINHEIRO, E. G. DISTRIBUIÇÃO EXPONENCIAL-WEIBULL GENERALIZADA: ESTIMAÇÃO DE PARÂMETROS E APLICAÇÕES. 2017.
    [ Google | Google Scholar ]
  88. FREITAS, J. V. B. Análise de projetos de monitoria de graduação. 2017.
    [ Google | Google Scholar ]
  89. FREITAS, J. V. B. Métodos de estimação robustos em modelos de regressão linear. 2017.
    [ Google | Google Scholar ]
  90. FREITAS, J. V. B. O mundo da Estatística. 2017.
    [ Google | Google Scholar ]
  91. ÁLVARO, M.M.K. . 2017.
    [ Google | Google Scholar ]
  92. CARDOSO, B. G. S. Análise de variáveis respiratórias via análise univariada de perfil. 2017.
    [ Google | Google Scholar ]
  93. CARVALHO JÚNIOR, E. B. . 2017.
    [ Google | Google Scholar ]
  94. SANTOS, L. S. Matemática Está em Tudo. 2017.
    [ Google | Google Scholar ]
  95. BRANCO, R. A. R. Iniciação científica - Visitando os Primos. 2017.
    [ Google | Google Scholar ]
  96. SOARES, A. B. . 2017.
    [ Google | Google Scholar ]
  97. SOARES, A. B. . 2017.
    [ Google | Google Scholar ]
  98. Silva, C. B. P. da Demonstrações das propriedades do Triângulo de Pascal por meio algébrico e argumentos combinatórios. 2017.
    [ Google | Google Scholar ]
  99. ALCÂNTARA JUNIOR, G. P. Modelo para o tempo de sobrevivência de camundongos expostos a radiação gama.. 2017.
    [ Google | Google Scholar ]
  100. ALCÂNTARA JUNIOR, G. P. . 2017.
    [ Google | Google Scholar ]
  101. PUMPUTIS MARQUES, M. A. Uso de Pseudovariávies para calibração do nível de entrada nas regressões do tipo forward. 2017.
    [ Google | Google Scholar ]
  102. CASTRO, M. O. . 2017.
    [ Google | Google Scholar ]
  103. CORDOVIL, Y. F. MINICURSO MANIPULAÇÃO DE DADOS ESTATÍSTICOS NO EXCEL. 2017.
    [ Google | Google Scholar ]
  104. CORDOVIL, Y. F. Ocorrência e letalidade das doenças meningocócicas no Estado do Pará, no período de 2007 a 2014. 2017.
    [ Google | Google Scholar ]
  105. CORDOVIL, Y. F. Aplicações de Modelagem Estatística na Área da Saúde. 2017.
    [ Google | Google Scholar ]
  106. CORDOVIL, Y. F. . 2017.
    [ Google | Google Scholar ]
  107. NASCIMENTO, C. A. V. . 2017.
    [ Google | Google Scholar ]
  108. NASCIMENTO, C. A. V. . 2017.
    [ Google | Google Scholar ]
  109. NASCIMENTO, C. A. V. Estudo dos erros dos alunos do 9º ano do ensino fundamental em teorema de Pitágoras. 2017.
    [ Google | Google Scholar ]
  110. NASCIMENTO, C. A. V. . 2017.
    [ Google | Google Scholar ]
  111. NASCIMENTO, C. A. V. . 2017.
    [ Google | Google Scholar ]
  112. SILVA, H. B. Monitorias de Matemática 1 e Estatística 1. 2017.
    [ Google | Google Scholar ]
  113. CASTRO, L. P. . 2017.
    [ Google | Google Scholar ]
  114. RODRIGUES, M. L. Primeiros Socorros na Escola - Revisão Integrativa. 2017.
    [ Google | Google Scholar ]
  115. PULIDO, M. AURORA P. ¿Cuándo podemos hablar de media derivada?. 2017.
    [ Google | Google Scholar ]
  116. PAULICHEN, T. . 2017.
    [ Google | Google Scholar ]
  117. PRATES, M. O. Relative risk estimates from spatial and space-time scan statistics: Are they biased?. 2017.
    [ Google | Google Scholar ]
  118. PRATES, M. O. Bayesian spatio-temporal modeling of anchovy abundance through the SPDE Approach. 2017.
    [ Google | Google Scholar ]
  119. PRATES, M. O. InfoSAS: Resultados, Situação e Perspectivas. 2017.
    [ Google | Google Scholar ]
  120. PIROUTEK, A. Inference in probabilistic context neighborhood. 2017.
    [ Google | Google Scholar ]
  121. PIROUTEK, A. Inference in probabilistic context neighborhood.. 2017.
    [ Google | Google Scholar ]
  122. UNGARETTI, D. . 2017.
    [ Google | Google Scholar ]
  123. UNGARETTI, D. . 2017.
    [ Google | Google Scholar ]
  124. CERQUEIRA, A. Quantas comunidades existem?. 2017.
    [ Google | Google Scholar ]
  125. CERQUEIRA, A. . 2017.
    [ Google | Google Scholar ]
  126. FERNANDES, F. A. Estimação do PIB pela ótica da despesa: Uma aplicação do modelo de regressão linear múltipla. 2017.
    [ Google | Google Scholar ]
  127. FERNANDES, F. A. Comparação entre os modelos Gompertz e Logístico para avaliar o crescimento em matéria fresca da batata. 2017.
    [ Google | Google Scholar ]
  128. PORTELLA, L. Correções bootstrap de estimadores robustos para os parâmetros da distribuição beta. 2017.
    [ Google | Google Scholar ]
  129. PORTELLA, L. . 2017.
    [ Google | Google Scholar ]
  130. PICCIRILLI, G. P. Uma aplicação da Teoria da Resposta ao Item. 2017.
    [ Google | Google Scholar ]
  131. GOMES, T. F. P. Statistical Modeling of Extreme Values and Evidence of Presence of Dragon King (DK) in Solar Wind. 2017.
    [ Google | Google Scholar ]

2016

  1. PINHEIRO, A. Wavelet statistical analysis in multitemporal SAR images. 2016.
    [ Google | Google Scholar ]
  2. PINHEIRO, A. Wavelet regressio ad generalized linear models. 2016.
    [ Google | Google Scholar ]
  3. PINHEIRO, A. Wavelet Statistical Analysis of Multitemporal SAR and satellite images. 2016.
    [ Google | Google Scholar ]
  4. AZEVEDO, C. L. N. Multilevel Item Response Theory Models. 2016.
    [ Google | Google Scholar ]
  5. AZEVEDO, C. L. N. Modelo de Teoria de Resposta ao Item unidimensional assimétrico de grupos múltiplos: aplicação aos dados do Sistema de Avaliação da Educação Básica (SAEB), de 2011. 2016.
    [ Google | Google Scholar ]
  6. 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 ]
  7. GALLESCO, C. Comparação uniforme dos tempos locais de cadeias de Markov e sequências i.i.d.. 2016.
    [ Google | Google Scholar ]
  8. PINHEIRO, H. P. Modelling the proportion of failed courses and GPA scores for engineering major. 2016.
    [ Google | Google Scholar ]
  9. GARCIA, J. E. Consistent proximity between N-grams. 2016.
    [ Google | Google Scholar ]
  10. GARCIA, J. E. Dissimilarity between Markovian Processes applied to Industrial Processes. 2016.
    [ Google | Google Scholar ]
  11. Rodrigues-Motta, M. Positive Responses Augmented by Zeros in Experiments with Incomplete Block Design. 2016.
    [ Google | Google Scholar ]
  12. Rodrigues-Motta, M. A Mixed-Effect Model for Positive Responses Augmented by Zeros. 2016.
    [ Google | Google Scholar ]
  13. ZEVALLOS, Mauricio Minimum Distance Estimation of Stochastic Conditional Duration Models. 2016.
    [ Google | Google Scholar ]
  14. GARCIA, N. L. Analysis of Aggregated Functional Data from Mixed Populations with Application to Energy Consumption. 2016.
    [ Google | Google Scholar ]
  15. GARCIA, N. L. Cluster processes with repulsion: a model for epidermic nerve fibers. 2016.
    [ Google | Google Scholar ]
  16. GARCIA, N. L. Como escrever "matematiquês". 2016.
    [ Google | Google Scholar ]
  17. POPOV, Serguei Two-dimensional random interlacements and late points for random walks. 2016.
    [ Google | Google Scholar ]
  18. POPOV, Serguei Lyapunov functions for random walks. 2016.
    [ Google | Google Scholar ]
  19. POPOV, Serguei Two-dimensional random interlacements and late points for random walks. 2016.
    [ Google | Google Scholar ]
  20. POPOV, Serguei Coupling and decoupling with soft local times. 2016.
    [ Google | Google Scholar ]
  21. POPOV, Serguei An elementary introduction to random interlacements. 2016.
    [ Google | Google Scholar ]
  22. V. A. González-López Full Interaction Partition Estimation in Stochastic Processes. 2016.
    [ Google | Google Scholar ]
  23. V. A. González-López Statistical Inference in Copula Models and Markov Processes. 2016.
    [ Google | Google Scholar ]
  24. Lachos, V. H. Likelihood-based Inference for Mixed-Effects Models with Censored Response Using the Multivariate-t Distribution. 2016.
    [ Google | Google Scholar ]
  25. Lachos, V. H. Heavy-tailed longitudinal regression models for censored data: A likelihood based perspective. 2016.
    [ Google | Google Scholar ]
  26. Benaglia, T. A Generalized Non-Parametric Genotype Caller using an EM-like Algorithm. 2016.
    [ Google | Google Scholar ]
  27. Benaglia, T. A generalized non-parametric genotype caller using an EM-like Algorithm. 2016.
    [ Google | Google Scholar ]
  28. MAIA, R. P. A Discrete Mixed Competing Risk Model for Discrete Time with Masked Causes. 2016.
    [ Google | Google Scholar ]
  29. MAIA, R. P. Variance Component Estimation on Discrete-time Competing Risks analysis with Masked Causes. 2016.
    [ Google | Google Scholar ]
  30. MAIA, R. P. Discrete time competing risks analysis with mas- ked causes. 2016.
    [ Google | Google Scholar ]
  31. MATOS, L. A. Heavy-Tailed Longitudinal Linear Mixed Models for Multiple Censored Responses Data. 2016.
    [ Google | Google Scholar ]
  32. LUDWIG, G. Fusão de dados de sensores móveis e estáticos com aplicações em mapeamento de risco no ambiente de trabalho. 2016.
    [ Google | Google Scholar ]
  33. NOBRE, J. S. Cook?s distance for generalized linear mixed models. 2016.
    [ Google | Google Scholar ]
  34. GUELLA, J. C. From Schoenberg coefficients to Schoenberg functions: a unifying framework. 2016.
    [ Google | Google Scholar ]
  35. GUELLA, J. C. From schoenberg coefficients to schoenberg functions: strict positive definiteness. 2016.
    [ Google | Google Scholar ]
  36. Trucios Maza, C. C. Nuevas herramientas para la enseñanza de metodologías cuantitativas de análisis de datos.. 2016.
    [ Google | Google Scholar ]
  37. Trucios Maza, C. C. Measuring the effect of uncertainty in the estimation of the conditional covariance matrix in portfolio selection and risk measures.. 2016.
    [ Google | Google Scholar ]
  38. Trucios Maza, C. C. Forecasting densities of returns, volatilities, correlations and VaR in cDCC models using bootstrap procedures in the presence of outliers. 2016.
    [ Google | Google Scholar ]
  39. Trucios Maza, C. C. Measuring the effect of uncertainty in the forecast of the conditional covariance matrix in portfolio selection and risk measures. 2016.
    [ Google | Google Scholar ]
  40. ALMEIDA, D. MGARCH models: Trade-off between feasibility and flexibility. 2016.
    [ Google | Google Scholar ]
  41. NOGAROTTO, D. C. Estudo de relação entre variáveis meteorológicas e poluentes atmosféricos usando técnicas multivariadas. 2016.
    [ Google | Google Scholar ]
  42. SANTOS, J. R. S. Modelos Longitudinais da Teoria da Resposta ao Item: uma aplicação em avaliação educacional. 2016.
    [ Google | Google Scholar ]
  43. COLLAZOS, J. A. A. Clustering in Functional Data: A Survey. 2016.
    [ Google | Google Scholar ]
  44. COSTA, M. . 2016.
    [ Google | Google Scholar ]
  45. COSTA, M. . 2016.
    [ Google | Google Scholar ]
  46. RODRIGUES, M. A. F. . 2016.
    [ Google | Google Scholar ]
  47. RODRIGUES, M. A. F. Regressão de Poisson. 2016.
    [ Google | Google Scholar ]
  48. RODRIGUES, M. A. F. Análise exploratória de dados Climáticos para utilização de técnicas estatísitcas na área agrícola. 2016.
    [ Google | Google Scholar ]
  49. BARSZCZ, P. K. . 2016.
    [ Google | Google Scholar ]
  50. BARSZCZ, P. K. . 2016.
    [ Google | Google Scholar ]
  51. BARSZCZ, P. K. . 2016.
    [ Google | Google Scholar ]
  52. ROMEIRO, R. G. A robust multivariate Birnbaum-Saunders distribution EM-estimation. 2016.
    [ Google | Google Scholar ]
  53. R.P. MAEHARA Birnbaum-Saunders SN com aplicações em R. 2016.
    [ Google | Google Scholar ]
  54. MORELLATO, S. A. Modelagem estatística aplicada à apostas esportivas. 2016.
    [ Google | Google Scholar ]
  55. CARVALHO, Walter Augusto Fonseca de . 2016.
    [ Google | Google Scholar ]
  56. MORALES, C. E. G. Quantile regression models. 2016.
    [ Google | Google Scholar ]
  57. MORALES, C. E. G. Robust quantile regression using a new family of skewed distributions. 2016.
    [ Google | Google Scholar ]
  58. MORALES, C. E. G. Robust quantile regression using a new family of skewed distributions. 2016.
    [ Google | Google Scholar ]
  59. CAMARGO, D. . 2016.
    [ Google | Google Scholar ]
  60. Mattos, T. B. Robust estimation in regression models for censored data. 2016.
    [ Google | Google Scholar ]
  61. SCHUMACHER, F. L. . 2016.
    [ Google | Google Scholar ]
  62. SOUSA, M. F. On a new asymmetric tobit model with an application to antibody response to vaccine. 2016.
    [ Google | Google Scholar ]
  63. SOUSA, M. F. . 2016.
    [ Google | Google Scholar ]
  64. ROMANO, N. . 2016.
    [ Google | Google Scholar ]
  65. GOMES, P. L. O. Ajuste de um modelo linear generalizado inflacionado de zeros a dados de infecção por nematóides em gado bovino.. 2016.
    [ Google | Google Scholar ]
  66. GOMES, P. L. O. Tutorial Latex. 2016.
    [ Google | Google Scholar ]
  67. FONSECA, R. V. Distribuição Birnbaum-Saunders: Aspectos Clássico e Bayesiano. 2016.
    [ Google | Google Scholar ]
  68. FONSECA, R. V. . 2016.
    [ Google | Google Scholar ]
  69. MENDES, A. M. F. Um estudo das distribuições Poisson, Binomial Negativa, Poisson - Lindley e Binomial Negativa - Lindley dados de contagem. 2016.
    [ Google | Google Scholar ]
  70. MENDES, A. M. F. Modelos Stress - Strength. 2016.
    [ Google | Google Scholar ]
  71. MENDES, A. M. F. . 2016.
    [ Google | Google Scholar ]
  72. SILVA, D. J. . 2016.
    [ Google | Google Scholar ]
  73. SILVA, D. J. Relações Paradoxais Entre a Mortalidade e as Condições de Vida no Semiárido Brasileiro. 2016.
    [ Google | Google Scholar ]
  74. Conceição, Josué dos Santos A Importância das atividades do PIBID. 2016.
    [ Google | Google Scholar ]
  75. COSTA, L. L. S. Estatística Básica com o uso do Software LibreOffice Calc. 2016.
    [ Google | Google Scholar ]
  76. COSTA, L. L. S. . 2016.
    [ Google | Google Scholar ]
  77. COSTA, L. L. S. . 2016.
    [ Google | Google Scholar ]
  78. AZEVEDO, S. H. A. . 2016.
    [ Google | Google Scholar ]
  79. SILVA, T. S. Modelos Stress-Strength. 2016.
    [ Google | Google Scholar ]
  80. SOUZA, A. R. G. . 2016.
    [ Google | Google Scholar ]
  81. SOUZA, A. R. G. Práticas Socioculturais no Contexto Escolar dos Anos Iniciais. 2016.
    [ Google | Google Scholar ]
  82. MENEZES, A. F. B. Estatísticas da Razão de Verossimilhança, Wald e Escore em amostras pequenas para a distribuição Beta.. 2016.
    [ Google | Google Scholar ]
  83. MENEZES, A. F. B. Algoritmo de Semivariância para Big Data. 2016.
    [ Google | Google Scholar ]
  84. GALINDO, Á. F. L. Assédio no ambiente universitário. 2016.
    [ Google | Google Scholar ]
  85. FREITAS, J. V. B. . 2016.
    [ Google | Google Scholar ]
  86. ÁLVARO, M.M.K. . 2016.
    [ Google | Google Scholar ]
  87. CARDOSO, B. G. S. . 2016.
    [ Google | Google Scholar ]
  88. CARDOSO, B. G. S. Estudo da População Economicamente Ativa no Brasil entre 2001 e 2011 via método multivariado K-MEANS. 2016.
    [ Google | Google Scholar ]
  89. CARDOSO, B. G. S. . 2016.
    [ Google | Google Scholar ]
  90. CARVALHO JÚNIOR, E. B. . 2016.
    [ Google | Google Scholar ]
  91. CARVALHO JÚNIOR, E. B. . 2016.
    [ Google | Google Scholar ]
  92. ARAUJO JÚNIOR, H. F. A Conjectura do Corredor Solitário. 2016.
    [ Google | Google Scholar ]
  93. ARAUJO JÚNIOR, H. F. O Teorema da Representação de Stone. 2016.
    [ Google | Google Scholar ]
  94. SILVA, L. C. . 2016.
    [ Google | Google Scholar ]
  95. SILVA, L. C. . 2016.
    [ Google | Google Scholar ]
  96. SILVA, L. C. . 2016.
    [ Google | Google Scholar ]
  97. SILVA, L. C. Modelagem e Monitoramento Preditivo do Crescimento Eleitoral na cidade de Uberlândia. 2016.
    [ Google | Google Scholar ]
  98. SANTOS, L. S. . 2016.
    [ Google | Google Scholar ]
  99. SANTOS, L. S. . 2016.
    [ Google | Google Scholar ]
  100. MEZA, R. O. . 2016.
    [ Google | Google Scholar ]
  101. HOUETONNOU, S. H. . 2016.
    [ Google | Google Scholar ]
  102. HOUETONNOU, S. H. . 2016.
    [ Google | Google Scholar ]
  103. HOUETONNOU, S. H. . 2016.
    [ Google | Google Scholar ]
  104. SOARES, A. B. . 2016.
    [ Google | Google Scholar ]
  105. Silva, C. B. P. da . 2016.
    [ Google | Google Scholar ]
  106. CORDOVIL, Y. F. . 2016.
    [ Google | Google Scholar ]
  107. SILVA, B. C. D. . 2016.
    [ Google | Google Scholar ]
  108. NASCIMENTO, C. A. V. . 2016.
    [ Google | Google Scholar ]
  109. NASCIMENTO, C. A. V. . 2016.
    [ Google | Google Scholar ]
  110. NASCIMENTO, C. A. V. . 2016.
    [ Google | Google Scholar ]
  111. CASTRO, L. P. . 2016.
    [ Google | Google Scholar ]
  112. CASTRO, L. P. . 2016.
    [ Google | Google Scholar ]
  113. PRATES, M. O. Non-separable Space-time Models using Transformed Gaussian Markov Random Fields. 2016.
    [ Google | Google Scholar ]
  114. PIROUTEK, A. Stochastic NeighborhoodStructure in Bayesian Spatial Models. 2016.
    [ Google | Google Scholar ]
  115. J. C. HERNÁNDEZ THE AGGREGATE PATH COUPLING METHOD APPLIED TO THE POTTS MODEL ON BIPARTITE GRAPH. 2016.
    [ Google | Google Scholar ]
  116. J. C. HERNÁNDEZ Percolation on random causal triangulations. 2016.
    [ Google | Google Scholar ]
  117. J. C. HERNÁNDEZ Percolation on causal random trees. 2016.
    [ Google | Google Scholar ]
  118. UNGARETTI, D. Ellipses Percolation. 2016.
    [ Google | Google Scholar ]
  119. UNGARETTI, D. . 2016.
    [ Google | Google Scholar ]
  120. CERQUEIRA, A. Perfect simulation for Exponential random graphs. 2016.
    [ Google | Google Scholar ]
  121. PORTELLA, L. Trabalho docente e políticas curriculares:reflexões sobre o compromisso da docência. 2016.
    [ Google | Google Scholar ]
  122. PORTELLA, L. . 2016.
    [ Google | Google Scholar ]
  123. PORTELLA, L. . 2016.
    [ Google | Google Scholar ]
  124. PORTELLA, L. Teste de independência: um estudo de caso. 2016.
    [ Google | Google Scholar ]
  125. PORTELLA, L. . 2016.
    [ Google | Google Scholar ]
  126. PORTELLA, L. Aplicações estatísticas no cotidiano. 2016.
    [ Google | Google Scholar ]
  127. PORTELLA, L. Modelagem Matemática:dando continuidade aos estudos. 2016.
    [ Google | Google Scholar ]
  128. PICCIRILLI, G. P. . 2016.
    [ Google | Google Scholar ]

2015

  1. PINHEIRO, A. . 2015.
    [ Google | Google Scholar ]
  2. PINHEIRO, A. Wavelet Analysis of SAR Data. 2015.
    [ Google | Google Scholar ]
  3. PINHEIRO, A. Self-modeling ordinal regression with time invariant covariates. 2015.
    [ Google | Google Scholar ]
  4. PINHEIRO, A. Self-Modeling Ordinal Model with Time Invariant Covariates --- An Application to Prostate Cancer Data. 2015.
    [ Google | Google Scholar ]
  5. PINHEIRO, A. Wavelet statistical of satellite images. 2015.
    [ Google | Google Scholar ]
  6. 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 ]
  7. AZEVEDO, C. L. N. Longitudinal multiple-group IRT modelling: covariance pattern selection using MCMC and RJMCMC. 2015.
    [ Google | Google Scholar ]
  8. GALLESCO, C. Dynamic uniqueness for chains of infinite order. 2015.
    [ Google | Google Scholar ]
  9. GALLESCO, C. Dynamic uniqueness and phase transition for chains of infinite order. 2015.
    [ Google | Google Scholar ]
  10. PINHEIRO, H. P. Analysis of academic performance of students via quasi U-statistics and generalized linear mixed models. 2015.
    [ Google | Google Scholar ]
  11. PINHEIRO, H. P. Constrained hypotheses testing via quasi U-statistics and its application to undergraduate performance assessment. 2015.
    [ Google | Google Scholar ]
  12. PINHEIRO, H. P. Comparison of groups of longitudinal sequences by quasi U-statistics. 2015.
    [ Google | Google Scholar ]
  13. GARCIA, J. E. Independence tests based on the size of longest increasing subsequence. 2015.
    [ Google | Google Scholar ]
  14. GARCIA, J. E. Optimal partition of Markov models and automatic classification of languages. 2015.
    [ Google | Google Scholar ]
  15. RIFO, L. L.R. Approximate Bayesian inference for the Rosenblatt process. 2015.
    [ Google | Google Scholar ]
  16. RIFO, L. L.R. Bayesian inference for the memory in diffusion processes. 2015.
    [ Google | Google Scholar ]
  17. RIFO, L. L.R. Matemática M3. 2015.
    [ Google | Google Scholar ]
  18. RIFO, L. L.R. Consultora ad hoc das áreas Matemática, Probabilidade e Estatística. 2015.
    [ Google | Google Scholar ]
  19. HOTTA, L. K. Modelo Geoestatístico com Processos de Poisson Não Homogêneo. 2015.
    [ Google | Google Scholar ]
  20. HOTTA, L. K. MGARCH models: Tradeoff between feasibility and dynamic dependencies in volatilities and covariances. 2015.
    [ Google | Google Scholar ]
  21. HOTTA, L. K. Quasi-likelihood estimation of GARCH models with missing values. 2015.
    [ Google | Google Scholar ]
  22. HOTTA, L. K. Minicurso: Modelos da la Família GARCH Univaruados y Multivariados. 2015.
    [ Google | Google Scholar ]
  23. Rodrigues-Motta, M. A Mixed-Effect Model for Positive Responses Augmented by Zeros. 2015.
    [ Google | Google Scholar ]
  24. Rodrigues-Motta, M. . 2015.
    [ Google | Google Scholar ]
  25. VACHKOVSKAIA, Marina Dynamical systems with heavy-tailed random parameters. 2015.
    [ Google | Google Scholar ]
  26. ZEVALLOS, Mauricio Minimum Distance Estimation of Stochastic Conditional Duration Models. 2015.
    [ Google | Google Scholar ]
  27. ZEVALLOS, Mauricio Estimation of the Autococorrelation Function of Long-Memory Processes. 2015.
    [ Google | Google Scholar ]
  28. ZEVALLOS, Mauricio Assessing Stock Market Dependence and Contagion. 2015.
    [ Google | Google Scholar ]
  29. ZEVALLOS, Mauricio . 2015.
    [ Google | Google Scholar ]
  30. ZEVALLOS, Mauricio Forecasting intraday VaR of an equity portfolio. 2015.
    [ Google | Google Scholar ]
  31. GARCIA, N. L. What is perfect simulation and what can it do perfectly for you. 2015.
    [ Google | Google Scholar ]
  32. GARCIA, N. L. Rumor processes on N and discrete renewal processes. 2015.
    [ Google | Google Scholar ]
  33. GARCIA, N. L. Análise de dados funcionais em Quimiometria. 2015.
    [ Google | Google Scholar ]
  34. POPOV, Serguei Two-dimensional random interlacements and late points for random walks. 2015.
    [ Google | Google Scholar ]
  35. V. A. González-López 3rd Symposium on Highlights in Copula Modeling. 2015.
    [ Google | Google Scholar ]
  36. V. A. González-López Theory and Applications of Copulas. 2015.
    [ Google | Google Scholar ]
  37. V. A. González-López Estimation in Partition Markov Models. 2015.
    [ Google | Google Scholar ]
  38. V. A. González-López Markov Partition Models for Epstein Barr Virus. 2015.
    [ Google | Google Scholar ]
  39. Lachos, V. H. Minicurso-Misturas Finitas de distribuições assimétricas. 2015.
    [ Google | Google Scholar ]
  40. Lachos, V. H. Augmented mixed beta regression models for periodontal proportion data. 2015.
    [ Google | Google Scholar ]
  41. MAIA, R. P. Variance component estimation on Competing risk analysis with masked causes and gaussian random components: A simulation study.. 2015.
    [ Google | Google Scholar ]
  42. MAIA, R. P. Competing risk analysis with masked causes of death applied to a genetic longevity study. 2015.
    [ Google | Google Scholar ]
  43. MAIA, R. P. A General Multivariate Competing Risks Mixed Model. 2015.
    [ Google | Google Scholar ]
  44. MATOS, L. A. Censored mixed-effects models for irregularly observed repeated measures with applications to HIV viral loads. 2015.
    [ Google | Google Scholar ]
  45. BERNARDINI, D. F. Some applications of Russo's formula for random interlacements. 2015.
    [ Google | Google Scholar ]
  46. LUDWIG, G. On fixed effects estimation in spline-based models for spatial data. 2015.
    [ Google | Google Scholar ]
  47. NOBRE, J. S. Distância de Cook para Modelos Lineares Generalizados Mistos. 2015.
    [ Google | Google Scholar ]
  48. SOUSA, A. R. S. Bayesian Wavelet Shrinkage with Beta Priors. 2015.
    [ Google | Google Scholar ]
  49. Trucios Maza, C. C. Robust bootstrap forecast densities for GARCH models: returns, volatilities and Value-at-Risk.. 2015.
    [ Google | Google Scholar ]
  50. Trucios Maza, C. C. Forecasting densities of returns, volatilities and correlations in DCC model in presence of additive outliers. 2015.
    [ Google | Google Scholar ]
  51. Trucios Maza, C. C. Forecasting Returns, Volatilities And Risk Measures In Garch Models: A Robust Bootstrap Procedure.. 2015.
    [ Google | Google Scholar ]
  52. LENZI, A. A Spatial Model for the Instantaneous Estimation of Wind Power at a Large Number of Unobserved Sites. 2015.
    [ Google | Google Scholar ]
  53. LENZI, A. A Spatial Model for the Instantaneous Estimation of Wind Power at a Large Number of Unobserved Sites. 2015.
    [ Google | Google Scholar ]
  54. Huaira Contreras, C. A. O analfabetismo funcional no Brasil: uma visão sobre os municípios. 2015.
    [ Google | Google Scholar ]
  55. Huaira Contreras, C. A. Modelos de Regressão Mistura de Escala Normal com Ponto de Mudança: Aplicação a Audiência de Televisão. 2015.
    [ Google | Google Scholar ]
  56. MERCEDES, C. E. V. Os Processos para Gestão de Dados e Disseminação de Informações em Ambiente de Computação Móvel na Capes. 2015.
    [ Google | Google Scholar ]
  57. MERCEDES, C. E. V. Uma arquitetura de processos para gerir e disseminar informações. 2015.
    [ Google | Google Scholar ]
  58. NOGAROTTO, D. C. Relação entre Material Particulado e variáveis meteorológicas em cidades paulistas. 2015.
    [ Google | Google Scholar ]
  59. NOGAROTTO, D. C. . 2015.
    [ Google | Google Scholar ]
  60. SOTO, D. M. G. Modelos de regresión mixtos para proporciones, incluyendo ceros y/o unos. 2015.
    [ Google | Google Scholar ]
  61. SOTO, D. M. G. Augmented mixed models for clustered proportion data. 2015.
    [ Google | Google Scholar ]
  62. FERREIRA, E. V. Avaliador de Trabalhos de Iniciacao Cientifica. 2015.
    [ Google | Google Scholar ]
  63. FERREIRA, E. V. Inferência bayesiana em modelos assimétricos da Teoria da Resposta ao Item de grupos múltiplos para respostas nominais e ordinais. 2015.
    [ Google | Google Scholar ]
  64. COLLAZOS, J. A. A. Consistent Variable Selection in Functional Linear Regression Model. 2015.
    [ Google | Google Scholar ]
  65. COLLAZOS, J. A. A. Modelos Aditivos Generalizados Funcionais: método de estimação e predição para respostas binárias. 2015.
    [ Google | Google Scholar ]
  66. COSTA, M. Explosion Criteria for Continuous-Time Markov Chains. 2015.
    [ Google | Google Scholar ]
  67. COSTA, M. . 2015.
    [ Google | Google Scholar ]
  68. COSTA, M. . 2015.
    [ Google | Google Scholar ]
  69. COSTA, M. . 2015.
    [ Google | Google Scholar ]
  70. COSTA, M. . 2015.
    [ Google | Google Scholar ]
  71. BARSZCZ, P. K. . 2015.
    [ Google | Google Scholar ]
  72. BARSZCZ, P. K. . 2015.
    [ Google | Google Scholar ]
  73. ROMEIRO, R. G. Modelo de regressão Birnbaum-Saunders bivariado. 2015.
    [ Google | Google Scholar ]
  74. R.P. MAEHARA . 2015.
    [ Google | Google Scholar ]
  75. R.P. MAEHARA . 2015.
    [ Google | Google Scholar ]
  76. R.P. MAEHARA . 2015.
    [ Google | Google Scholar ]
  77. R.P. MAEHARA . 2015.
    [ Google | Google Scholar ]
  78. CARVALHO, Walter Augusto Fonseca de . 2015.
    [ Google | Google Scholar ]
  79. SILVA, A. R. S. Modelo de Regressão Beta Retangular Aumentado em zeros e uns. 2015.
    [ Google | Google Scholar ]
  80. MORALES, C. E. G. Likelihood based inference in quantile regression for nonlinear mixed effect models. 2015.
    [ Google | Google Scholar ]
  81. MORALES, C. E. G. . 2015.
    [ Google | Google Scholar ]
  82. MORALES, C. E. G. Network Control System Application: Minimization of global number of interactions, transmissions and receptions in a Multi-Hop network. 2015.
    [ Google | Google Scholar ]
  83. MORALES, C. E. G. Advances and Applications of Statistical Methods for Medical Data. 2015.
    [ Google | Google Scholar ]
  84. MORALES, C. E. G. . 2015.
    [ Google | Google Scholar ]
  85. MORALES, C. E. G. Likelihood based inference in quantile regression for nonlinear mixed effect models. 2015.
    [ Google | Google Scholar ]
  86. MORALES, C. E. G. Statistical software for quantile regression in R. 2015.
    [ Google | Google Scholar ]
  87. MORALES, C. E. G. Quantile regression models in R. 2015.
    [ Google | Google Scholar ]
  88. MORALES, C. E. G. Statistics for Business. 2015.
    [ Google | Google Scholar ]
  89. MORALES, C. E. G. Likelihood based inference in quantile regression for nonlinear mixed effect models. 2015.
    [ Google | Google Scholar ]
  90. MORALES, C. E. G. ?Network Control System Application: Minimization of global number of interactions, transmissions and receptions in a Multi-Hop network. 2015.
    [ Google | Google Scholar ]
  91. Utria, J. . 2015.
    [ Google | Google Scholar ]
  92. CHAVES, N. L. Um estudo sobre os aspectos inferenciais da distribuição Birnbaum-Saunders Normal assimétrica sob a parametrização centrada. 2015.
    [ Google | Google Scholar ]
  93. CAMARGO, D. Random Interlacements in one dimension. 2015.
    [ Google | Google Scholar ]
  94. SCHUMACHER, F. L. Imputação de Dados Faltantes em séries temporais. 2015.
    [ Google | Google Scholar ]
  95. BARBOSA, E. K. P. Processos autorregressivos de memória variável. 2015.
    [ Google | Google Scholar ]
  96. SOUSA, H. M. R. O uso da pílula anticoncepcional de emergência: uma análise comparativa entre mulheres vivendo e não vivendo com HIV/AIDS.. 2015.
    [ Google | Google Scholar ]
  97. ROMANO, N. . 2015.
    [ Google | Google Scholar ]
  98. GOMES, P. L. O. PET-Estatística: O mundo da Estatística.. 2015.
    [ Google | Google Scholar ]
  99. GOMES, P. L. O. Geração Estatística. 2015.
    [ Google | Google Scholar ]
  100. GOMES, P. L. O. . 2015.
    [ Google | Google Scholar ]
  101. GOMES, P. L. O. . 2015.
    [ Google | Google Scholar ]
  102. SOUZA, R. F. . 2015.
    [ Google | Google Scholar ]
  103. MENDES, A. M. F. Distribuições Poisson e Binomial Negativa: Definição e Aplicações. 2015.
    [ Google | Google Scholar ]
  104. SILVA, D. J. Mortalidade no Semiárido. 2015.
    [ Google | Google Scholar ]
  105. Conceição, Josué dos Santos Grupo de Trabalho: Atividades Matemáticas. Experimento sobre o Teorema de Pitágoras.. 2015.
    [ Google | Google Scholar ]
  106. SOUZA, A. R. G. . 2015.
    [ Google | Google Scholar ]
  107. SOUZA, A. R. G. . 2015.
    [ Google | Google Scholar ]
  108. SOUZA, A. R. G. . 2015.
    [ Google | Google Scholar ]
  109. MENEZES, A. F. B. Proposta de Estimador de Semivariância para Big Data. 2015.
    [ Google | Google Scholar ]
  110. MENEZES, A. F. B. . 2015.
    [ Google | Google Scholar ]
  111. PINTO, M. S. S. Construção de um Telescópio Refrator. 2015.
    [ Google | Google Scholar ]
  112. PINTO, M. S. S. Diferença Simétrica. 2015.
    [ Google | Google Scholar ]
  113. PINTO, M. S. S. . 2015.
    [ Google | Google Scholar ]
  114. PINTO, M. S. S. . 2015.
    [ Google | Google Scholar ]
  115. CARDOSO, B. G. S. . 2015.
    [ Google | Google Scholar ]
  116. CARVALHO JÚNIOR, E. B. . 2015.
    [ Google | Google Scholar ]
  117. SARTORETTO, E. . 2015.
    [ Google | Google Scholar ]
  118. ARAUJO JÚNIOR, H. F. Migração de Estudantes para a Unifesp - SJC. 2015.
    [ Google | Google Scholar ]
  119. SILVA, L. C. . 2015.
    [ Google | Google Scholar ]
  120. SILVA, L. C. . 2015.
    [ Google | Google Scholar ]
  121. MEZA, R. O. . 2015.
    [ Google | Google Scholar ]
  122. MEZA, R. O. . 2015.
    [ Google | Google Scholar ]
  123. SOARES, A. B. COMO FICA OS HÁBITOS ALIMENTARES DO CONSUMO DE AÇAÍ APÓS A INFECÇÃO AGUDA POR TRYPANOSSOMA CRUZI ?. 2015.
    [ Google | Google Scholar ]
  124. Silva, C. B. P. da Minicurso Calculadora Científica. 2015.
    [ Google | Google Scholar ]
  125. ALCÂNTARA JUNIOR, G. P. . 2015.
    [ Google | Google Scholar ]
  126. SILVA, B. C. D. DESENVOLVIMENTO DE UM VEÍCULO AUTÔNOMO PARA UM SISTEMA DE PLANTAÇÃO AUTOMATIZADA. 2015.
    [ Google | Google Scholar ]
  127. PEÇAIBES, C. Text Mining: Descrição da utilização do pacote Rfacebook. 2015.
    [ Google | Google Scholar ]
  128. CASTRO, L. P. . 2015.
    [ Google | Google Scholar ]
  129. PRATES, M. O. Robust Bayesian model selection for heavy-tailed linear regression models using finite mixtures. 2015.
    [ Google | Google Scholar ]
  130. PRATES, M. O. Robust Bayesian model selection for heavy-tailed linear regression using finite mixtures. 2015.
    [ Google | Google Scholar ]
  131. PRATES, M. O. Non-separable Spatio-temporal Models via Transformed Gaussian Markov Random Fields. 2015.
    [ Google | Google Scholar ]
  132. PRATES, M. O. Where geography lives? A spectral projection approach for spatial confounding. 2015.
    [ Google | Google Scholar ]
  133. PIROUTEK, A. . 2015.
    [ Google | Google Scholar ]
  134. J. C. HERNÁNDEZ Potts model on causal dynamical triangulations. 2015.
    [ Google | Google Scholar ]
  135. J. C. HERNÁNDEZ Spin systems on random causal triangulations: Quenched and annealed case. 2015.
    [ Google | Google Scholar ]
  136. J. C. HERNÁNDEZ Bond percolation on random causal triangulations. 2015.
    [ Google | Google Scholar ]
  137. UNGARETTI, D. Phase Transition for some Ellipses Percolation Models on $\mathbb{R}^2$. 2015.
    [ Google | Google Scholar ]
  138. CERQUEIRA, A. A test of hypotheses for random graph distributions. 2015.
    [ Google | Google Scholar ]
  139. CERQUEIRA, A. . 2015.
    [ Google | Google Scholar ]
  140. FERNANDES, F. A. . 2015.
    [ Google | Google Scholar ]
  141. FERNANDES, F. A. "Mesa redonda: Egressos do Curso de Estatística da UFOP". 2015.
    [ Google | Google Scholar ]
  142. FERNANDES, F. A. . 2015.
    [ Google | Google Scholar ]
  143. PORTELLA, L. Tecnologia: uma grande aliada na educação. 2015.
    [ Google | Google Scholar ]
  144. PORTELLA, L. . 2015.
    [ Google | Google Scholar ]
  145. PORTELLA, L. . 2015.
    [ Google | Google Scholar ]
  146. PORTELLA, L. Aprendizagem de equações diferenciais ordinárias (EDOS) através do software maple. 2015.
    [ Google | Google Scholar ]
  147. PORTELLA, L. . 2015.
    [ Google | Google Scholar ]
  148. PORTELLA, L. Intercâmbio: Vivências e Aprendizagens. 2015.
    [ Google | Google Scholar ]
  149. MACHADO, MARIELA PENTÓN . 2015.
    [ Google | Google Scholar ]
  150. PICCIRILLI, G. P. . 2015.
    [ Google | Google Scholar ]

2014

  1. PINHEIRO, A. Wavelet Functional Analysis of Variance for Dependent Errors. 2014.
    [ Google | Google Scholar ]
  2. PINHEIRO, A. Wavelet Functional Analysis for Dependent Errors. 2014.
    [ Google | Google Scholar ]
  3. PINHEIRO, A. Classification of Time Series Under Contamination. 2014.
    [ Google | Google Scholar ]
  4. PINHEIRO, A. Agrupamento e Classificação de Séries Temporais. 2014.
    [ Google | Google Scholar ]
  5. AZEVEDO, C. L. N. . 2014.
    [ Google | Google Scholar ]
  6. AZEVEDO, C. L. N. Bayesian inference for Birnbaum-Saunders mixed models for censored responses e Bayesian Inference in beta and inflated beta regression models. 2014.
    [ Google | Google Scholar ]
  7. AZEVEDO, C. L. N. Multidimensional Item Response Theory models with multivariate skew normal latent trait distributions under the centered parameterization: bayesian parameter estimation, structural selection and model fit assessment. 2014.
    [ Google | Google Scholar ]
  8. AZEVEDO, C. L. N. Bayesian longitudinal item response modeling with restricted covariance pattern structures. 2014.
    [ Google | Google Scholar ]
  9. AZEVEDO, C. L. N. Introdução à Teoria da Resposta ao Item: Conceitos, aplicações e temas de pesquisa. 2014.
    [ Google | Google Scholar ]
  10. GALLESCO, C. Constrained Information Transmission on Erdos-Renyi graphs. 2014.
    [ Google | Google Scholar ]
  11. GALLESCO, C. Constrained Information Transmission on Erdos-Renyi graphs. 2014.
    [ Google | Google Scholar ]
  12. GALLESCO, C. Information Transmission on Erdos-Renyi graphs. 2014.
    [ Google | Google Scholar ]
  13. PINHEIRO, H. P. Comparison of groups of longitudinal sequences by quasi U-statistics. 2014.
    [ Google | Google Scholar ]
  14. PINHEIRO, H. P. Modelling performance of students with bivariate generalized linear mixed models. 2014.
    [ Google | Google Scholar ]
  15. PINHEIRO, H. P. Análise de Desempenho Acadêmico de estudantes da Unicamp. 2014.
    [ Google | Google Scholar ]
  16. GARCIA, J. E. Interaction partition. Structure of interacting coordinates for a multivariate stochastic process. 2014.
    [ Google | Google Scholar ]
  17. RIFO, L. L.R. Approximate Bayesian inference for the Rosenblatt distribution. 2014.
    [ Google | Google Scholar ]
  18. RIFO, L. L.R. A note on Bayesian inference for the long-range dependence of a stationary two-state process. 2014.
    [ Google | Google Scholar ]
  19. RIFO, L. L.R. Bayesian inference for dependent chains applied to neural phenomena. 2014.
    [ Google | Google Scholar ]
  20. RIFO, L. L.R. Apresentação do curso de Estatística. 2014.
    [ Google | Google Scholar ]
  21. Rodrigues-Motta, M. A Mixed-Effect Model for Positive Responses Augmented by Zeros. 2014.
    [ Google | Google Scholar ]
  22. VACHKOVSKAIA, Marina Dynamical systems with heavy-tailed random parameters. 2014.
    [ Google | Google Scholar ]
  23. ZEVALLOS, Mauricio Minimum Distance Estimation of High Frequency Transaction Data. 2014.
    [ Google | Google Scholar ]
  24. ZEVALLOS, Mauricio Minimum Distance Estimation of Stochastic Conditional Duration Models. 2014.
    [ Google | Google Scholar ]
  25. ZEVALLOS, Mauricio Minimum Distance Estimation of Stochastic Conditional Duration Models. 2014.
    [ Google | Google Scholar ]
  26. ZEVALLOS, Mauricio Estimación del Riesgo Bursátil Peruano: cuánto influyen los metales y el mercado internacional?. 2014.
    [ Google | Google Scholar ]
  27. GARCIA, N. L. Bayesian analysis for spectroscopy data. 2014.
    [ Google | Google Scholar ]
  28. GARCIA, N. L. Rumor processes viewed as renewal processes. 2014.
    [ Google | Google Scholar ]
  29. GARCIA, N. L. Functional Data in Chemometrics. 2014.
    [ Google | Google Scholar ]
  30. GARCIA, N. L. Rumor processes viewed as discrete renewal processes. 2014.
    [ Google | Google Scholar ]
  31. GARCIA, N. L. Mesa Redondo sobre a Pós Graduação em Estatística no Brasil. 2014.
    [ Google | Google Scholar ]
  32. GARCIA, N. L. Statistical analysis of NIR spectroscopy data. 2014.
    [ Google | Google Scholar ]
  33. GARCIA, N. L. Functional Data Analysis applied to chemometrics. 2014.
    [ Google | Google Scholar ]
  34. DIAS, R. Analysis of Aggregated Functional Data from Mixed Populations with Application to Energy Consumption. 2014.
    [ Google | Google Scholar ]
  35. DIAS, R. Modeling Aggregate Funcional Data. 2014.
    [ Google | Google Scholar ]
  36. POPOV, Serguei Soft local times: decoupling of random interlacements and other applications. 2014.
    [ Google | Google Scholar ]
  37. POPOV, Serguei A matemática de lançamento de moedas. 2014.
    [ Google | Google Scholar ]
  38. V. A. González-López Detecting regime changes in Markov models. 2014.
    [ Google | Google Scholar ]
  39. V. A. González-López Confidence Bands in Kendall Plots. 2014.
    [ Google | Google Scholar ]
  40. V. A. González-López A estatística é pop. 2014.
    [ Google | Google Scholar ]
  41. V. A. González-López Minimal Markov Models. 2014.
    [ Google | Google Scholar ]
  42. V. A. González-López An independence test based on random permutations. 2014.
    [ Google | Google Scholar ]
  43. Lachos, V. H. Modelos de Regresión para Datos Censurados con Aplicaciones en R. 2014.
    [ Google | Google Scholar ]
  44. Lachos, V. H. Bayesian Analysis of censored linear regression models with scale mixtures of normal distribution. 2014.
    [ Google | Google Scholar ]
  45. Lachos, V. H. Likelihood Based Inference Mixed-Effects Models with Censored Responses Using the Multivariate-t Distribution. 2014.
    [ Google | Google Scholar ]
  46. Lachos, V. H. New developments in non-Gaussian mixture modeling. 2014.
    [ Google | Google Scholar ]
  47. ZAMBOM, A. Z. Nonparametric Lack-of-Fit Testing and Consistent Variable Selection. 2014.
    [ Google | Google Scholar ]
  48. KIIHL, S. F. Statistical methods for preprocessing, integration, and quality assessment of synthetic lethality data. 2014.
    [ Google | Google Scholar ]
  49. KIIHL, S. F. Comparison of groups of longitudinal sequences by quasi U-statistics. 2014.
    [ Google | Google Scholar ]
  50. KIIHL, S. F. Statistical methods for preprocessing, integration, and quality assessment of synthetic lethality data. 2014.
    [ Google | Google Scholar ]
  51. KIIHL, S. F. PREPROCESSING AND QUALITY ASSESSMENT OF MICROARRAY-BASED SYNTHETIC LETHALITY DATA. 2014.
    [ Google | Google Scholar ]
  52. Benaglia, T. Effectiveness and Cost-Effectiveness of Cytosponge Screening for Barrett's Esophagus. 2014.
    [ Google | Google Scholar ]
  53. Benaglia, T. Effectiveness and Cost-Effectiveness of Cytosponge Screening for Barrett's Esophagus. 2014.
    [ Google | Google Scholar ]
  54. CARVALHO, B. S. Multimodal Investigation of Epileptogenesis: an -omics perspective. 2014.
    [ Google | Google Scholar ]
  55. CARVALHO, B. S. Developing a new approach to transcriptomic characterization of mesial temporal lobe epilepsy models through next-generation sequencing. 2014.
    [ Google | Google Scholar ]
  56. CARVALHO, B. S. The Laboratory of Computational Biology and Bioinformatics and the Brazilian Institute of Neuroscience and Neutechnology (BRAINN). 2014.
    [ Google | Google Scholar ]
  57. CARVALHO, B. S. Multimodal Investigation of Epileptogenesis: An ?omics Perspective. 2014.
    [ Google | Google Scholar ]
  58. CARVALHO, B. S. Statistical Modelling of RNA-Seq Data on the Multimodal Investigation of Epileptogenesis. 2014.
    [ Google | Google Scholar ]
  59. CARVALHO, B. S. Uma visão da investigação multimodal da epileptogênese na Unicamp. 2014.
    [ Google | Google Scholar ]
  60. MAIA, R. P. Modelos de riscos competitivos mistos aplicados ao estudo de longevidade. 2014.
    [ Google | Google Scholar ]
  61. MAIA, R. P. A genetic multivariate competing risks model for discrete time. 2014.
    [ Google | Google Scholar ]
  62. BERNARDINI, D. F. . 2014.
    [ Google | Google Scholar ]
  63. LUDWIG, G. . 2014.
    [ Google | Google Scholar ]
  64. NOBRE, J. S. U-tests for variance components in linear mixed models. 2014.
    [ Google | Google Scholar ]
  65. SOUSA, A. R. S. Calibração e Predição para Dados Obtidos por Espectroscopia no Infravermelho Próximo. 2014.
    [ Google | Google Scholar ]
  66. Trucios Maza, C. C. Volatility and return bootstrap prediction intervals in GARCH models in the presence of outliers. 2014.
    [ Google | Google Scholar ]
  67. Trucios Maza, C. C. Robust bootstrap prediction intervals for returns and volatilities in GARCH models. 2014.
    [ Google | Google Scholar ]
  68. SOTO, D. M. G. Augmented mixed models for clustered proportion data. 2014.
    [ Google | Google Scholar ]
  69. FERREIRA, E. V. 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 ]
  70. FERREIRA, E. V. Aspectos inferenciais no Modelo de Crédito Parcial Generalizado da Teoria da Resposta ao Item. 2014.
    [ Google | Google Scholar ]
  71. SANTOS, J. R. S. Modelos Aditivos Generalizados Funcionais: método de estimação e predição para respostas binárias. 2014.
    [ Google | Google Scholar ]
  72. SANTOS, J. R. S. Antedependence modeling of longitudinal item response data: Handling skewed ability distributions. 2014.
    [ Google | Google Scholar ]
  73. COLLAZOS, J. A. A. Genetic Algorithm for Constrained Optimization with Stochastic Feasibility Region with Application to Vehicle Path Planning. 2014.
    [ Google | Google Scholar ]
  74. COLLAZOS, J. A. A. Modelos Aditivos Generalizados Funcionais: método de estimação e predição para respostas binárias. 2014.
    [ Google | Google Scholar ]
  75. LB Sánchez, L Sánchez Minicurso de Julia. 2014.
    [ Google | Google Scholar ]
  76. LB Sánchez, L Sánchez Likelihood Based Inference for Quantile Regression Using the Asymmetric Laplace Distribution. 2014.
    [ Google | Google Scholar ]
  77. COSTA, M. . 2014.
    [ Google | Google Scholar ]
  78. RODRIGUES, M. A. F. Misturas Finitas de Distribuições. 2014.
    [ Google | Google Scholar ]
  79. REYES, N. A. M. . 2014.
    [ Google | Google Scholar ]
  80. BARSZCZ, P. K. . 2014.
    [ Google | Google Scholar ]
  81. BARSZCZ, P. K. . 2014.
    [ Google | Google Scholar ]
  82. BARSZCZ, P. K. . 2014.
    [ Google | Google Scholar ]
  83. R.P. MAEHARA Modelo de regressão Sinh-Normal. 2014.
    [ Google | Google Scholar ]
  84. REIS, S. S. Critérios de Seleção de Variáveis Preditoras com Abordagem Penalizada em Estudos de Varredura Genômica (GWAS). 2014.
    [ Google | Google Scholar ]
  85. CARVALHO, Walter Augusto Fonseca de Processos de Renovação Obtidos por agregação de Estados a partir de um Processo Markoviano. 2014.
    [ Google | Google Scholar ]
  86. CARVALHO, Walter Augusto Fonseca de . 2014.
    [ Google | Google Scholar ]
  87. CARVALHO, Walter Augusto Fonseca de . 2014.
    [ Google | Google Scholar ]
  88. MORALES, C. E. G. Estimation in Quantile Regression for Mixed-Effects Models using the Asymmetric Laplace Distribution. 2014.
    [ Google | Google Scholar ]
  89. MORALES, C. E. G. Estimation in Quantile Regression for Mixed-Effects Models using the Asymmetric Laplace Distribution. 2014.
    [ Google | Google Scholar ]
  90. MORALES, C. E. G. Beta regression and applications. 2014.
    [ Google | Google Scholar ]
  91. MATTA, D. H. Algorithms for Estimation of Variable Length Markov Chains and Simulation. 2014.
    [ Google | Google Scholar ]
  92. TASCA, G. H. Índice de Obesidade Generalizado. 2014.
    [ Google | Google Scholar ]
  93. Utria, J. Transição de fase para um modelo de percolação em árvores homogêneas. 2014.
    [ Google | Google Scholar ]
  94. BARAHONA, M. J. P. Bayesian estimation for the skew-Brownian motion. 2014.
    [ Google | Google Scholar ]
  95. Estrada, Mario Andrés Threshold Theorems for the Stochastic Epidemic SIR Model. 2014.
    [ Google | Google Scholar ]
  96. GONÇALVES, B. O. Otimização com respostas simultâneas na selagem da noz macadâmia. 2014.
    [ Google | Google Scholar ]
  97. GONÇALVES, B. O. Versão bootstrap paramétrico do teste de Sudent-Newman-Keuls. 2014.
    [ Google | Google Scholar ]
  98. SCHUMACHER, F. L. Modelos estruturais em séries temporais com aplicação em dados de internação por bronquiolite. 2014.
    [ Google | Google Scholar ]
  99. MAIOLI, M. C. Inferência Bayesiana como um procedimento de decisão. 2014.
    [ Google | Google Scholar ]
  100. SOUZA, S. A. P. . 2014.
    [ Google | Google Scholar ]
  101. SOUZA, S. A. P. . 2014.
    [ Google | Google Scholar ]
  102. GOMES, P. L. O. PET-Estatística: O mundo da Estatística.. 2014.
    [ Google | Google Scholar ]
  103. GOMES, P. L. O. Aplicação da Estatística Multivariada no Processo de Ensino e Aprendizagem.. 2014.
    [ Google | Google Scholar ]
  104. GOMES, P. L. O. . 2014.
    [ Google | Google Scholar ]
  105. GOMES, P. L. O. . 2014.
    [ Google | Google Scholar ]
  106. SOUZA, R. F. ANÁLISE DE DADOS PONTUAIS EM SERVIÇOS DE TELECOMUNICAÇÕES EM MATO GROSSO. 2014.
    [ Google | Google Scholar ]
  107. SOUZA, R. F. . 2014.
    [ Google | Google Scholar ]
  108. FONSECA, R. V. Introdução aos Modelos Aditivos Generalizados. 2014.
    [ Google | Google Scholar ]
  109. MENDES, A. M. F. Orientador Vocacional do curso de Estatística. 2014.
    [ Google | Google Scholar ]
  110. MENDES, A. M. F. . 2014.
    [ Google | Google Scholar ]
  111. MENDES, A. M. F. A importância e a aplicação do software R.. 2014.
    [ Google | Google Scholar ]
  112. SILVA, D. J. . 2014.
    [ Google | Google Scholar ]
  113. MENEZES, A. F. B. . 2014.
    [ Google | Google Scholar ]
  114. PINTO, M. S. S. Braquistócrona. 2014.
    [ Google | Google Scholar ]
  115. PINTO, M. S. S. . 2014.
    [ Google | Google Scholar ]
  116. PINTO, M. S. S. . 2014.
    [ Google | Google Scholar ]
  117. PINTO, M. S. S. . 2014.
    [ Google | Google Scholar ]
  118. PINTO, M. S. S. . 2014.
    [ Google | Google Scholar ]
  119. ÁLVARO, M.M.K. . 2014.
    [ Google | Google Scholar ]
  120. ÁLVARO, M.M.K. . 2014.
    [ Google | Google Scholar ]
  121. CARVALHO JÚNIOR, E. B. . 2014.
    [ Google | Google Scholar ]
  122. SARTORETTO, E. . 2014.
    [ Google | Google Scholar ]
  123. SARTORETTO, E. . 2014.
    [ Google | Google Scholar ]
  124. SARTORETTO, E. . 2014.
    [ Google | Google Scholar ]
  125. MEZA, R. O. . 2014.
    [ Google | Google Scholar ]
  126. SOARES, A. B. Modelos Probabilísticos Para Pacientes com Câncer do Colo do Útero, no Estado do Pará no Período de Janeiro de 2011 a Dezembro de 2013. 2014.
    [ Google | Google Scholar ]
  127. SOARES, A. B. . 2014.
    [ Google | Google Scholar ]
  128. FARIAS, B. M. . 2014.
    [ Google | Google Scholar ]
  129. FARIAS, B. M. . 2014.
    [ Google | Google Scholar ]
  130. PRATES, M. O. A Bayesian Approach to estimate the biomass of anchovies in the coast of Perú. 2014.
    [ Google | Google Scholar ]
  131. PRATES, M. O. Inference on Dynamic Models for non-Gaussian Random Fields using INLA: A Homicide Rate Analysis of Brazilian Cities. 2014.
    [ Google | Google Scholar ]
  132. PRATES, M. O. When is the spatial confounding a real problem? A fast Gaussian Markov random fields alternative to alleviate spatial confounding. 2014.
    [ Google | Google Scholar ]
  133. PRATES, M. O. When is the spatial confounding a real problem? A fast Gaussian Markov random fields alternative to alleviate spatial confounding. 2014.
    [ Google | Google Scholar ]
  134. PRATES, M. O. Robust Bayesian Model Selection for Heavy-tailed Linear Regression Models Using Mixtures. 2014.
    [ Google | Google Scholar ]
  135. PRATES, M. O. When is the spatial confounding a real problem? A fast Gaussian Markov random fields alternative to alleviate spatial confounding. 2014.
    [ Google | Google Scholar ]
  136. J. C. HERNÁNDEZ Ising model coupled to Lorentzian triangulations. 2014.
    [ Google | Google Scholar ]
  137. J. C. HERNÁNDEZ Critical line for a Potts model coupled to causal triangulations. 2014.
    [ Google | Google Scholar ]
  138. J. C. HERNÁNDEZ . 2014.
    [ Google | Google Scholar ]
  139. J. C. HERNÁNDEZ Critical region for an Ising model coupled to causal dynamical triangulations. 2014.
    [ Google | Google Scholar ]
  140. UNGARETTI, D. . 2014.
    [ Google | Google Scholar ]
  141. UNGARETTI, D. . 2014.
    [ Google | Google Scholar ]
  142. FERNANDES, F. A. . 2014.
    [ Google | Google Scholar ]
  143. FERNANDES, F. A. . 2014.
    [ Google | Google Scholar ]
  144. FERNANDES, F. A. . 2014.
    [ Google | Google Scholar ]
  145. FERNANDES, F. A. Monitor do curso de Estatística. 2014.
    [ Google | Google Scholar ]
  146. MACHADO, MARIELA PENTÓN Percolation in a dependent random enviroment. 2014.
    [ Google | Google Scholar ]
  147. MACHADO, MARIELA PENTÓN Percolação em meios aleatorios. 2014.
    [ Google | Google Scholar ]

2013

  1. PINHEIRO, A. Wavelet Functional Analysis Via Quasi U-Statistics. 2013.
    [ Google | Google Scholar ]
  2. PINHEIRO, A. Quasi U-statistics: Reasoning and Asymptotics. 2013.
    [ Google | Google Scholar ]
  3. A. Yambartsev Large Deviations for Recurrent Flows and Excess of Loss Reinsurance. 2013.
    [ Google | Google Scholar ]
  4. AZEVEDO, C. L. N. Bayesian Inference in Birnbaum-Saunders Nonlinear Regression Models Based on Scale-Mixture of Normals. 2013.
    [ Google | Google Scholar ]
  5. AZEVEDO, C. L. N. A New Testlet Model. 2013.
    [ Google | Google Scholar ]
  6. AZEVEDO, C. L. N. On the using of distances to measure goodness of fit in Item Response Theory models: a Bayesian perspective. 2013.
    [ Google | Google Scholar ]
  7. AZEVEDO, C. L. N. Teoria da Resposta ao Item: Conceitos e aplicações (mini-curso). 2013.
    [ Google | Google Scholar ]
  8. AZEVEDO, C. L. N. Uma introdução à Teoria da Resposta ao Item. 2013.
    [ Google | Google Scholar ]
  9. GALLESCO, C. Large deviations for the cover time of two-dimensional torus. 2013.
    [ Google | Google Scholar ]
  10. GALLESCO, C. Localization for a random walk in a slowly decreasing random potential. 2013.
    [ Google | Google Scholar ]
  11. GALLESCO, C. Introducão aos passeios aleatórios em meios aleatórios. 2013.
    [ Google | Google Scholar ]
  12. GALLESCO, C. Large deviations for the cover time of two-dimensional torus. 2013.
    [ Google | Google Scholar ]
  13. PINHEIRO, H. P. Árvores de Regressão para Dados Censurados Correlacionados. 2013.
    [ Google | Google Scholar ]
  14. GARCIA, J. E. Model correction for bivariate Bernoulli Markov procecesses based on copula theory. 2013.
    [ Google | Google Scholar ]
  15. GARCIA, J. E. ESTIMATING THE STRUCTURE OF INTERACTING COORDINATES FOR A MULTIVARIATE STOCHASTIC PROCESS. 2013.
    [ Google | Google Scholar ]
  16. RIFO, L. L.R. Full Bayesian analysis for a class of long-memory processes. 2013.
    [ Google | Google Scholar ]
  17. HOTTA, L. K. Efeito dos outliers na estimação dos modelos de volatilidade estocástica. 2013.
    [ Google | Google Scholar ]
  18. HOTTA, L. K. Estimation and testing of hypotheses in the heteroskedastic canonical model of contagion using instrumental variables. 2013.
    [ Google | Google Scholar ]
  19. HOTTA, L. K. Bootstrap prediction in DCC-GARCH multivariate volatility model with normal distribution. 2013.
    [ Google | Google Scholar ]
  20. HOTTA, L. K. Generalization of the Mixture Model Using a Copula Function. 2013.
    [ Google | Google Scholar ]
  21. VACHKOVSKAIA, Marina A conditional quenched CLT for random walks among random conductances on Z^d. 2013.
    [ Google | Google Scholar ]
  22. ZEVALLOS, Mauricio Estimation of long-memory times series with missing data. 2013.
    [ Google | Google Scholar ]
  23. ZEVALLOS, Mauricio Práctica Estadística: Visualización de datos, modelos y sentido común. 2013.
    [ Google | Google Scholar ]
  24. ZEVALLOS, Mauricio Estimación de Volatilidad utilizando datos de alta frecuencia. 2013.
    [ Google | Google Scholar ]
  25. ZEVALLOS, Mauricio Volatilidad realizada en el mercado bursátil peruano. 2013.
    [ Google | Google Scholar ]
  26. GARCIA, N. L. A Hierarchical model for aggregated functional data: A Bayesian Approach. 2013.
    [ Google | Google Scholar ]
  27. GARCIA, N. L. Functional data analysis of Near-infrared (NIR) spectroscopy data. 2013.
    [ Google | Google Scholar ]
  28. DIAS, R. A Hierarchical Model for Aggregated Functional Data. 2013.
    [ Google | Google Scholar ]
  29. DIAS, R. Genetic Algorithm for Constrained Optimization and Stochastic Feasibility Regions with Application to Vehicle Path Planning. 2013.
    [ Google | Google Scholar ]
  30. DIAS, R. A Hierarchical Model for Aggregated Functional Data.. 2013.
    [ Google | Google Scholar ]
  31. POPOV, Serguei Soft local times: decoupling of random interlacements, and other applications. 2013.
    [ Google | Google Scholar ]
  32. POPOV, Serguei Soft Local Times. 2013.
    [ Google | Google Scholar ]
  33. POPOV, Serguei Soft local times and decoupling of random interlacements. 2013.
    [ Google | Google Scholar ]
  34. V. A. González-López A Note on Conjugate Distibutions for Likelihoods Given by Copulas. 2013.
    [ Google | Google Scholar ]
  35. V. A. González-López Detecting Regime Changes In Markov Models. 2013.
    [ Google | Google Scholar ]
  36. V. A. González-López A Bayesian approach for convex combination of two Gumbel-Barnett copulas. 2013.
    [ Google | Google Scholar ]
  37. V. A. González-López A New Index to Measure Positive Dependence in Trivariate Distributions. 2013.
    [ Google | Google Scholar ]
  38. V. A. González-López Aspectos Metodológicos na Análise Estatística em Saúde: a Visão Bayesiana. 2013.
    [ Google | Google Scholar ]
  39. Lachos, V. H. Bayesian Inference in Censored Mixed-Effects Models Using Heavy-Tailed Distributions. 2013.
    [ Google | Google Scholar ]
  40. Lachos, V. H. Bayesian Inference in Mixed Effects Models for Censored Data with Applications to HIV Studies. 2013.
    [ Google | Google Scholar ]
  41. Lachos, V. H. Nonlinear mixed-effects models and diagnostics for censored HIV viral loads with CD4 measurement error. 2013.
    [ Google | Google Scholar ]
  42. Lachos, V. H. Minicurso-Modelos Não Lineares Assimétricos. 2013.
    [ Google | Google Scholar ]
  43. Lachos, V. H. Análise de dados censurados sob distribuições simétricas com aplicações no R. 2013.
    [ Google | Google Scholar ]
  44. ZAMBOM, A. Z. On the stochasticity of feasible regions in genetic algorithms. 2013.
    [ Google | Google Scholar ]
  45. ZAMBOM, A. Z. Teste de Hipótese e Seleção de Variáveis em Regressão não Paramétrica. 2013.
    [ Google | Google Scholar ]
  46. ZAMBOM, A. Z. Nonparametric Model Checking and Variable Selection. 2013.
    [ Google | Google Scholar ]
  47. KIIHL, S. F. . 2013.
    [ Google | Google Scholar ]
  48. Benaglia, T. . 2013.
    [ Google | Google Scholar ]
  49. CARVALHO, B. S. Current Statistical Strategies for RNA-Seq Data Modelling. 2013.
    [ Google | Google Scholar ]
  50. CARVALHO, B. S. A Pesquisa nas Diferentes Áreas da Genética: Desafios da Bioinformática. 2013.
    [ Google | Google Scholar ]
  51. CARVALHO, B. S. RNA-Sequencing applied on models of epilepsy and its clinical consequences. 2013.
    [ Google | Google Scholar ]
  52. MAIA, R. P. Genetic study of mortality rate in Danish dairy cows: multivariate competing risk analysis. 2013.
    [ Google | Google Scholar ]
  53. MATOS, L. A. Influence diagnostics in linear and nonlinear mixed-effects models with censored data using the multivariate-t distribution. 2013.
    [ Google | Google Scholar ]
  54. MATOS, L. A. Diagnostic Analysis of Censored HIV Viral Dynamics Load with Multivariate Student-t Distribution. 2013.
    [ Google | Google Scholar ]
  55. BERNARDINI, D. F. A Fórmula de Russo para o Modelo de Entrelaçamentos Aleatórios. 2013.
    [ Google | Google Scholar ]
  56. BERNARDINI, D. F. Russo's formula for random interlacements. 2013.
    [ Google | Google Scholar ]
  57. LUDWIG, G. . 2013.
    [ Google | Google Scholar ]
  58. NOBRE, J. S. U-tests for variance components in linear mixed models. 2013.
    [ Google | Google Scholar ]
  59. NOBRE, J. S. $U$-tests for variance components in Linear Mixed Models. 2013.
    [ Google | Google Scholar ]
  60. NOBRE, J. S. U-tests for variance components in linear mixed models. 2013.
    [ Google | Google Scholar ]
  61. NOBRE, J. S. U-tests for variance components in linear mixed models. 2013.
    [ Google | Google Scholar ]
  62. NOBRE, J. S. Participação na mesa redonda intitulada "A Importância das Disciplinas Básicas da Graduação". 2013.
    [ Google | Google Scholar ]
  63. SOUSA, A. R. S. A functional approach to spike sorting algorithm. 2013.
    [ Google | Google Scholar ]
  64. Trucios Maza, C. C. Bootstrap prediction in DCC-GARCH multivariate volatility model with normal distribution. 2013.
    [ Google | Google Scholar ]
  65. Trucios Maza, C. C. Bootstrap Prediction in Univariate Volatility Models with Leverage Effect. 2013.
    [ Google | Google Scholar ]
  66. Trucios Maza, C. C. Intervalos de previsão bootstrap em modelos de volatilidade multivariados DCC-GARCH.. 2013.
    [ Google | Google Scholar ]
  67. Huaira Contreras, C. A. . 2013.
    [ Google | Google Scholar ]
  68. SOTO, D. M. G. Análise Bayesiana de Modelos Mistos Beta Inflacionados: Estimação e Diagnóstico. 2013.
    [ Google | Google Scholar ]
  69. SOTO, D. M. G. Bayesian Semiparametric Linear Mixed Effects Models with Normal/Independent Distributions. 2013.
    [ Google | Google Scholar ]
  70. SOTO, D. M. G. Enfoque Bayesiano do modelo de regressão beta aumentado de zeros e uns com efeito aleatório. 2013.
    [ Google | Google Scholar ]
  71. FERREIRA, E. V. Estimação paramétrica no modelo de crédito parcial generalizado da Teoria da Resposta ao Item. 2013.
    [ Google | Google Scholar ]
  72. CAMPOS, J. A. G. Modelagem Bayesiana dos Modelos Beta Aumentados de Zeros e Uns com Efeito Aleatorio. 2013.
    [ Google | Google Scholar ]
  73. CAMPOS, J. A. G. Moments of Truncated Skew-t Distribution: with Application to Optimal Paths. 2013.
    [ Google | Google Scholar ]
  74. CAMPOS, J. A. G. Regresión Cuantílica Fuzzy. 2013.
    [ Google | Google Scholar ]
  75. CAMPOS, J. A. G. LA DISTRIBUCIÓN BETA GENERALIZADA COMO MODELO DE ANÁLISIS DE SOBREVIVENCIA. 2013.
    [ Google | Google Scholar ]
  76. CAMPOS, J. A. G. UN MODELO DE REGRESIÓN PARA EL APRENDIZAJE COMO ESTRUCTURA FUZZY. 2013.
    [ Google | Google Scholar ]
  77. CAMPOS, J. A. G. Generalizacoa do estimador de Kaplan-Meier para tempos de Vida Fuzzy. 2013.
    [ Google | Google Scholar ]
  78. SANTOS, J. R. S. Um Modelo de Resposta ao Item para Grupos Múltiplos com Distribuições Normais Assimétricas Centralizadas. 2013.
    [ Google | Google Scholar ]
  79. LB Sánchez, L Sánchez Likelihood Based Inference for Quantile Regression with Asymmetric Laplace Distribution. 2013.
    [ Google | Google Scholar ]
  80. LB Sánchez, L Sánchez . 2013.
    [ Google | Google Scholar ]
  81. LB Sánchez, L Sánchez . 2013.
    [ Google | Google Scholar ]
  82. RODRIGUES, M. A. F. Modelos Logísticos Regressivos Aplicados em Genética: Uma Abordagem Bayesiana. 2013.
    [ Google | Google Scholar ]
  83. CASCONE, M. H. Nonparametric method for treatment comparison in the winemaking process. 2013.
    [ Google | Google Scholar ]
  84. CASCONE, M. H. http://www.este2013.dme.ufrj.br/index.php/pt/programa/apresentacao-poster/13-portugues/programa/212-p-53. 2013.
    [ Google | Google Scholar ]
  85. REYES, N. A. M. . 2013.
    [ Google | Google Scholar ]
  86. R.P. MAEHARA . 2013.
    [ Google | Google Scholar ]
  87. R.P. MAEHARA . 2013.
    [ Google | Google Scholar ]
  88. CARVALHO, Walter Augusto Fonseca de Renewal Processes As aggregation Of Markovian Processes. 2013.
    [ Google | Google Scholar ]
  89. CARVALHO, Walter Augusto Fonseca de . 2013.
    [ Google | Google Scholar ]
  90. MORALES, C. E. G. . 2013.
    [ Google | Google Scholar ]
  91. CAMARGO, D. Passeios aleatórios e propagação de rumores em grafos. 2013.
    [ Google | Google Scholar ]
  92. TESSLER, J. F. . 2013.
    [ Google | Google Scholar ]
  93. TESSLER, J. F. . 2013.
    [ Google | Google Scholar ]
  94. TESSLER, J. F. . 2013.
    [ Google | Google Scholar ]
  95. VELASCO, L. L. H. Modelación de la Ocurrencia de Precipitación Diaria Mediante un Proceso Markoviano de Segundo Orden.. 2013.
    [ Google | Google Scholar ]
  96. FERREIRA JUNIOR, L. C. S. Rotas Ótimas de Transporte entre os Grandes Centros do Estado de São Paulo: o Uso da Otimização por Colônia de Formigas. 2013.
    [ Google | Google Scholar ]
  97. Mattos, T. B. Método Mean Shift para Detecção de Outliers em Modelos Normais Assimétricos. 2013.
    [ Google | Google Scholar ]
  98. GONÇALVES, B. O. Propriedades matemáticas e estatísticas das isotermas de adsorção de Langmuir e Freundlich e do método de Gauss-Newton. 2013.
    [ Google | Google Scholar ]
  99. GONÇALVES, B. O. Fundamentos matemáticos do método de Gauss-Newton. 2013.
    [ Google | Google Scholar ]
  100. SCHUMACHER, F. L. Análise Harmônica de Séries Temporais de Índices de Multicaminho em Estações GPS da Rede Brasileira de Monitoramento Contínuo. 2013.
    [ Google | Google Scholar ]
  101. CUASTUMAL, J. A. O. . 2013.
    [ Google | Google Scholar ]
  102. CORDEIRO, M. T. A. Mini-curso de Excel 2010 Intermediário. 2013.
    [ Google | Google Scholar ]
  103. ABBARA, O. M. F. . 2013.
    [ Google | Google Scholar ]
  104. BATISTA, E. M. . 2013.
    [ Google | Google Scholar ]
  105. BATISTA, E. M. . 2013.
    [ Google | Google Scholar ]
  106. GOMES, P. L. O. . 2013.
    [ Google | Google Scholar ]
  107. SOUZA, R. F. . 2013.
    [ Google | Google Scholar ]
  108. SOUZA, R. F. . 2013.
    [ Google | Google Scholar ]
  109. SOUZA, R. F. . 2013.
    [ Google | Google Scholar ]
  110. FONSECA, R. V. Distribuição Birnbaum-Saunders: definições e propriedades. 2013.
    [ Google | Google Scholar ]
  111. FONSECA, R. V. Métodos de Suavização Não Paramétricos. 2013.
    [ Google | Google Scholar ]
  112. Conceição, Josué dos Santos . 2013.
    [ Google | Google Scholar ]
  113. PINTO, M. S. S. . 2013.
    [ Google | Google Scholar ]
  114. ÁLVARO, M.M.K. . 2013.
    [ Google | Google Scholar ]
  115. PULIDO, M. AURORA P. . 2013.
    [ Google | Google Scholar ]
  116. SATELIS, W. R. S. Ponte Levadiça Automatizada. 2013.
    [ Google | Google Scholar ]
  117. PRATES, M. O. Transformed Gaussian Markov Random Fields and Spatial Modeling. 2013.
    [ Google | Google Scholar ]
  118. PRATES, M. O. Estimação em Modelos Lineares Mistos Generalizados para Dados Binários Correlacionados com Distribuição Link Normal e t-Student. 2013.
    [ Google | Google Scholar ]
  119. PRATES, M. O. Homicide Rate Analysis with Dynamic Models for near-Gaussian Random Fields using INLA. 2013.
    [ Google | Google Scholar ]
  120. J. C. HERNÁNDEZ Transition phase in the d-dimensional Ising model. 2013.
    [ Google | Google Scholar ]
  121. J. C. HERNÁNDEZ Lower and upper bounds to critical curve for Ising model coupled to causal dynamical triangulations. 2013.
    [ Google | Google Scholar ]
  122. J. C. HERNÁNDEZ Lower and upper bounds to critical curve for Ising model coupled to causal dynamical triangulations. 2013.
    [ Google | Google Scholar ]
  123. J. C. HERNÁNDEZ Lower and upper bounds to crit- ical curve for Ising model coupled to causal dynamical triangulations. 2013.
    [ Google | Google Scholar ]
  124. UNGARETTI, D. Frozen Percolation on the Binary Tree. 2013.
    [ Google | Google Scholar ]
  125. CERQUEIRA, A. Test of hypotheses on random graphs. 2013.
    [ Google | Google Scholar ]
  126. GOMES, T. F. P. Método do Átomo Imerso-EAM (Embedded Atom Method)-Metodologia,vantagens e aplicações na Física da Matéria Condensada.. 2013.
    [ Google | Google Scholar ]
  127. GOMES, T. F. P. . 2013.
    [ Google | Google Scholar ]

2012

  1. PINHEIRO, A. Comparison of groups of dependent sequences by quasi U-statistics. 2012.
    [ Google | Google Scholar ]
  2. PINHEIRO, A. Wavelet CTARMA Models. 2012.
    [ Google | Google Scholar ]
  3. A. Yambartsev Ising model on Lorentzian triangulations. Annealed case.. 2012.
    [ Google | Google Scholar ]
  4. AZEVEDO, C. L. N. Bayesian inference for a skew-normal multiple group IRT model under the centred parameterization. 2012.
    [ Google | Google Scholar ]
  5. AZEVEDO, C. L. N. Introdução à Teoria da Resposta ao Item: Conceitos e aplicações. 2012.
    [ Google | Google Scholar ]
  6. AZEVEDO, C. L. N. Bayesian Inference In A Item Response Theory Model With A Generalized Student T Link Function. 2012.
    [ Google | Google Scholar ]
  7. GALLESCO, C. . 2012.
    [ Google | Google Scholar ]
  8. Lebensztayn, E. Stochastic rumours on finite populations. 2012.
    [ Google | Google Scholar ]
  9. Lebensztayn, E. . 2012.
    [ Google | Google Scholar ]
  10. PINHEIRO, H. P. Comparison of groups of dependent sequences by quasi U-statistics. 2012.
    [ Google | Google Scholar ]
  11. GARCIA, J. E. Robust Model Selection for Finite Memory Stochastic Processes. 2012.
    [ Google | Google Scholar ]
  12. GARCIA, J. E. Model selection for multivariate Markov chains. 2012.
    [ Google | Google Scholar ]
  13. GARCIA, J. E. Model selection for multivariate stochastic processes. 2012.
    [ Google | Google Scholar ]
  14. ACHCAR, J. A. Reunião científica homenageando Jorge A Achcar. 2012.
    [ Google | Google Scholar ]
  15. RIFO, L. L.R. Bayes decoding for discrete linear channels with semantic value of information. 2012.
    [ Google | Google Scholar ]
  16. RIFO, L. L.R. Full Bayesian analysis for a class of long-memory processes. 2012.
    [ Google | Google Scholar ]
  17. HOTTA, L. K. Modelo de Misturas de Distribuições Utilizando Cópulas. 2012.
    [ Google | Google Scholar ]
  18. HOTTA, L. K. Polyhazard models with dependent causes. 2012.
    [ Google | Google Scholar ]
  19. HOTTA, L. K. A generalization of the mixture model using a copula function. 2012.
    [ Google | Google Scholar ]
  20. Rodrigues-Motta, M. Avaliadora de Trabalhos de Iniciacao Cientifica. 2012.
    [ Google | Google Scholar ]
  21. Rodrigues-Motta, M. On the glog-SMN distribution and its aplication to a gene expression problem. 2012.
    [ Google | Google Scholar ]
  22. VACHKOVSKAIA, Marina Knudsen gas in a random tube. 2012.
    [ Google | Google Scholar ]
  23. VACHKOVSKAIA, Marina Spiders in random environment. 2012.
    [ Google | Google Scholar ]
  24. VACHKOVSKAIA, Marina . 2012.
    [ Google | Google Scholar ]
  25. ZEVALLOS, Mauricio Influence diagnostics in AR(1) time series models. 2012.
    [ Google | Google Scholar ]
  26. ZEVALLOS, Mauricio Volatilidad realizada en el mercado bursátil peruano. 2012.
    [ Google | Google Scholar ]
  27. GARCIA, N. L. Kalikow-type decomposition for multicolor infinite range particle systems. 2012.
    [ Google | Google Scholar ]
  28. GARCIA, N. L. Caminhos e desafios para uma publicação científica de excelência internacional. 2012.
    [ Google | Google Scholar ]
  29. GARCIA, N. L. Como encontrar a melhor rota?. 2012.
    [ Google | Google Scholar ]
  30. GARCIA, N. L. Inferência para Cadeias de Markov. 2012.
    [ Google | Google Scholar ]
  31. GARCIA, N. L. Processos auto-regressivos com memoria variavel. 2012.
    [ Google | Google Scholar ]
  32. GARCIA, N. L. Mesa redonda: Avaliacão Acadêmica - Perspectivas e Desafios. 2012.
    [ Google | Google Scholar ]
  33. GARCIA, N. L. A Concepcão da Inter/Transdisciplinaridade no Ensino, Pesquisa e Extensão. 2012.
    [ Google | Google Scholar ]
  34. DIAS, R. Hierarchical Model For Aggregated Functional Data: A Bayesian Approach. 2012.
    [ Google | Google Scholar ]
  35. POPOV, Serguei Interlacement set: connectedness and internal distance. 2012.
    [ Google | Google Scholar ]
  36. POPOV, Serguei Conditional quenched CLTs for random walks among random conductances. 2012.
    [ Google | Google Scholar ]
  37. POPOV, Serguei Self-interacting random walks. 2012.
    [ Google | Google Scholar ]
  38. V. A. González-López Markovian Model Selection for Contaminated Stochastic Processes. 2012.
    [ Google | Google Scholar ]
  39. V. A. González-López A Bayesian Test for the Intraclass Correlation Coefficient. 2012.
    [ Google | Google Scholar ]
  40. V. A. González-López Robust model selection for stochastic processes. 2012.
    [ Google | Google Scholar ]
  41. V. A. González-López An independence test based on random permutations. 2012.
    [ Google | Google Scholar ]
  42. V. A. González-López A New Index to Measure Dependence. 2012.
    [ Google | Google Scholar ]
  43. Lachos, V. H. Linear Mixed Models and their extensions. 2012.
    [ Google | Google Scholar ]
  44. Lachos, V. H. Nonlinear models with skew-normal independent distributions. 2012.
    [ Google | Google Scholar ]
  45. Lachos, V. H. Linear regression model with measurement error using finite mixtures of skew-t distributions. 2012.
    [ Google | Google Scholar ]
  46. Lachos, V. H. Likelihood Based Inference Mixed-Effects Models with Censored Responses Using the Multivariate-t Distribution. 2012.
    [ Google | Google Scholar ]
  47. Lachos, V. H. Bayesian Modeling of Censored Partially Linear Models using Scale-Mixtures of Normal Distributions. 2012.
    [ Google | Google Scholar ]
  48. KIIHL, S. F. . 2012.
    [ Google | Google Scholar ]
  49. KIIHL, S. F. . 2012.
    [ Google | Google Scholar ]
  50. CARVALHO, B. S. On the exploration of Affymetrix ligation-based SNP assays. 2012.
    [ Google | Google Scholar ]
  51. MAIA, R. P. Genetic Analysis of Sow Longevity. 2012.
    [ Google | Google Scholar ]
  52. 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 ]
  53. 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 ]
  54. MATOS, L. A. . 2012.
    [ Google | Google Scholar ]
  55. BERNARDINI, D. F. . 2012.
    [ Google | Google Scholar ]
  56. BERNARDINI, D. F. . 2012.
    [ Google | Google Scholar ]
  57. BERNARDINI, D. F. . 2012.
    [ Google | Google Scholar ]
  58. LUDWIG, G. . 2012.
    [ Google | Google Scholar ]
  59. NOBRE, J. S. Avaliação da contaminação por Fungos e Bactérias em frutos de acerola através dos Modelos Lineares Generalizados. 2012.
    [ Google | Google Scholar ]
  60. NOBRE, J. S. Membro da comissão de avaliação do concurso de melhor dissertação de mestrado. 2012.
    [ Google | Google Scholar ]
  61. SOUSA, A. R. S. Predição das concentrações de componentes via técnicas não paramétrica. 2012.
    [ Google | Google Scholar ]
  62. Trucios Maza, C. C. Intervalos de previsão bootstrap em modelos GARCH com efeito de alavancagem. 2012.
    [ Google | Google Scholar ]
  63. LENZI, A. . 2012.
    [ Google | Google Scholar ]
  64. ALMEIDA, D. Assimetrias na Volatilidade e nas Perturbações nos Modelos de Volatilidade. 2012.
    [ Google | Google Scholar ]
  65. SOTO, D. M. G. Modelos de regressão beta inflacionado de uns com efeitos aleatórios: modelagem bayesiana.. 2012.
    [ Google | Google Scholar ]
  66. FERREIRA, E. V. Estimação paramétrica no modelo de crédito parcial generalizado da Teoria da Resposta ao Item. 2012.
    [ Google | Google Scholar ]
  67. FERREIRA, E. V. . 2012.
    [ Google | Google Scholar ]
  68. FERREIRA, E. V. . 2012.
    [ Google | Google Scholar ]
  69. CAMPOS, J. A. G. Geodesic distribution in graph theory: Kullback-Liebler-symmetric. 2012.
    [ Google | Google Scholar ]
  70. CAMPOS, J. A. G. Computation of the Two-particle Correlation Function for Stellar Clusters via Fokker- Planck Equation.. 2012.
    [ Google | Google Scholar ]
  71. SANTOS, J. R. S. Um Modelo de Resposta ao Item para Grupos Múltiplos com Distribuições Normais Assimétricas Centralizadas.. 2012.
    [ Google | Google Scholar ]
  72. LB Sánchez, L Sánchez . 2012.
    [ Google | Google Scholar ]
  73. LB Sánchez, L Sánchez . 2012.
    [ Google | Google Scholar ]
  74. COSTA, M. . 2012.
    [ Google | Google Scholar ]
  75. RODRIGUES, M. A. F. Modelos Logísticos Regressivos Aplicados em Sequência de DNA com Perspectiva Bayesiana. 2012.
    [ Google | Google Scholar ]
  76. CASCONE, M. H. Geodesic distribution in graph theory: Kullback-Leibler-Symmetric. 2012.
    [ Google | Google Scholar ]
  77. BARSZCZ, P. K. Modelo log-normal na análise de sobrevida de pacientes com neoplasia maligna no pâncreas.. 2012.
    [ Google | Google Scholar ]
  78. ALVES, R. H. P. . 2012.
    [ Google | Google Scholar ]
  79. R.P. MAEHARA . 2012.
    [ Google | Google Scholar ]
  80. REIS, S. S. . 2012.
    [ Google | Google Scholar ]
  81. MORELLATO, S. A. Modelos de Regressão PLS com Erros Hetoroscedásticos. 2012.
    [ Google | Google Scholar ]
  82. CARVALHO, Walter Augusto Fonseca de . 2012.
    [ Google | Google Scholar ]
  83. SILVA, A. R. S. Avaliação da contaminação por Fungos e Bactérias em frutos de Acerola através dos Modelos Lineares Generalizados. 2012.
    [ Google | Google Scholar ]
  84. MORALES, C. E. G. Functional ANOVA for comparing the effect of edible films on physicochemical characteristics in papayas. 2012.
    [ Google | Google Scholar ]
  85. MATTA, D. H. Eficiência e Desempenho dos Gastos Públicos no Estado de Goiás. 2012.
    [ Google | Google Scholar ]
  86. RIBEIRO, F. Um estudo sobre aspectos probabilísticos e inferenciais frequentistas da distribuição t de Student generalizada de 3 parâmetros. 2012.
    [ Google | Google Scholar ]
  87. SCHWELLER, L. S. Um estudo sobre aspectos inferenciais Bayesianos da distribuição lognormal sob uma nova parametrização. 2012.
    [ Google | Google Scholar ]
  88. BARAHONA, M. J. P. . 2012.
    [ Google | Google Scholar ]
  89. BARAHONA, M. J. P. ESTIMACIÓN DE PARÁMETROS PARA UN MODELO CON RUIDOS DERIVADOS DEL MOVIMIENTO BROWNIANO ASIMÉTRICO. 2012.
    [ Google | Google Scholar ]
  90. CHAVES, N. L. Métodos computacionais para inferência com aplicação em R (mini curso proferido pelo prof. Paulo Justiniano Ribeiro Junior). 2012.
    [ Google | Google Scholar ]
  91. CHAVES, N. L. . 2012.
    [ Google | Google Scholar ]
  92. CAMARGO, D. Passeios aleatórios e propagação de rumores em grafos. 2012.
    [ Google | Google Scholar ]
  93. CAMARGO, D. Sobre a propagação de rumores em grafos. 2012.
    [ Google | Google Scholar ]
  94. FERREIRA JUNIOR, L. C. S. RUTAS ÓPTIMAS DE TRANSPORTES ENTRE LOS GRANDES CENTROS DE LA PROVÍNCIA DE SÃO PAULO: EL USO DE LA OPTIMIZACIÓN POR COLONIA DE HORMIGAS. 2012.
    [ Google | Google Scholar ]
  95. FERREIRA JUNIOR, L. C. S. Rotas Ótimas de Transportes entre os Grandes Centros do Estado de São Paulo: O Uso da Otimização por Colônia de Formigas. 2012.
    [ Google | Google Scholar ]
  96. Mattos, T. B. Método Mean Shift para Detecção de Outliers em Modelos Normais Assimétricos. 2012.
    [ Google | Google Scholar ]
  97. Mattos, T. B. Método Mean Shift para Detecção de Outliers em Modelos Normais Assimétricos. 2012.
    [ Google | Google Scholar ]
  98. GONÇALVES, B. O. Comparação de método de previsão sobre observações futuras em modelos de regressão linear. 2012.
    [ Google | Google Scholar ]
  99. GONÇALVES, B. O. Acurácia e precisão de métodos de previsões futuras em regressão linear. 2012.
    [ Google | Google Scholar ]
  100. SCHUMACHER, F. L. . 2012.
    [ Google | Google Scholar ]
  101. SCHUMACHER, F. L. . 2012.
    [ Google | Google Scholar ]
  102. SCHUMACHER, F. L. Distribuições de Poisson compostas e alteradas de zeros. 2012.
    [ Google | Google Scholar ]
  103. CORDEIRO, M. T. A. Curso de R. 2012.
    [ Google | Google Scholar ]
  104. CORDEIRO, M. T. A. Mini-curso de EXCEL 2010. 2012.
    [ Google | Google Scholar ]
  105. ABBARA, O. M. F. . 2012.
    [ Google | Google Scholar ]
  106. ALENCAR, F. H. C. Poster. 2012.
    [ Google | Google Scholar ]
  107. SOUZA, S. A. P. . 2012.
    [ Google | Google Scholar ]
  108. Valeriano, Katherine A. L. Estatísticas e distribuição espacial dos americanos residentes no Equador. 2012.
    [ Google | Google Scholar ]
  109. Valeriano, Katherine A. L. A migração interna em Equador até novembro 2010. 2012.
    [ Google | Google Scholar ]
  110. Valeriano, Katherine A. L. A migração interna no Equador. 2012.
    [ Google | Google Scholar ]
  111. Valeriano, Katherine A. L. Níveis de educação da população equatoriana por país do nascimento. 2012.
    [ Google | Google Scholar ]
  112. SOUSA, M. F. Boletim Econômico-Financeiro Goiano. 2012.
    [ Google | Google Scholar ]
  113. SOUZA, R. F. . 2012.
    [ Google | Google Scholar ]
  114. SOUZA, A. R. G. . 2012.
    [ Google | Google Scholar ]
  115. SARTORETTO, E. Distribuição Espacial do Índice de Fator Químico de Solo em Área Agrícola Experimental. 2012.
    [ Google | Google Scholar ]
  116. SARTORETTO, E. Distribuição Espacial do Índice de Fator Químico de Solo em Área Agrícola Experimental. 2012.
    [ Google | Google Scholar ]
  117. LOPES, J. E. . 2012.
    [ Google | Google Scholar ]
  118. LOPES, J. E. . 2012.
    [ Google | Google Scholar ]
  119. LOPES, J. E. . 2012.
    [ Google | Google Scholar ]
  120. SOARES, A. B. Modelos Probabilísticos para os Casos Notificados de Coqueluche no Estado do Pará no período de Janeiro de 2007 a Julho de 2011. 2012.
    [ Google | Google Scholar ]
  121. SOARES, A. B. . 2012.
    [ Google | Google Scholar ]
  122. PEÇAIBES, C. . 2012.
    [ Google | Google Scholar ]
  123. PULIDO, M. AURORA P. . 2012.
    [ Google | Google Scholar ]
  124. PRATES, M. O. Transformed Gaussian Markov Random Fields and Spatial Modeling. 2012.
    [ Google | Google Scholar ]
  125. PRATES, M. O. A Dengue Fever Study in the State of Rio de Janeiro with the Use of Generalized Skew-Normal/Independent Spatial Fields. 2012.
    [ Google | Google Scholar ]
  126. J. C. HERNÁNDEZ Properties of transfer matrix for Ising model coupled to causal dynamical triangulations. 2012.
    [ Google | Google Scholar ]
  127. J. C. HERNÁNDEZ Properties of transfer matrix for Ising model coupled to causal dynamical triangulations. 2012.
    [ Google | Google Scholar ]
  128. UNGARETTI, D. Frozen Percolation on the Binary Tree. 2012.
    [ Google | Google Scholar ]
  129. CERQUEIRA, A. Test of hypotheses on random graphs. 2012.
    [ Google | Google Scholar ]
  130. CERQUEIRA, A. Teste de hipóteses em duas populações de grafos. 2012.
    [ Google | Google Scholar ]
  131. FERNANDES, F. A. . 2012.
    [ Google | Google Scholar ]
  132. FERNANDES, F. A. Monitor do curso de Estatística. 2012.
    [ Google | Google Scholar ]
  133. GOMES, T. F. P. Embedded Atom Method. 2012.
    [ Google | Google Scholar ]
  134. GOMES, T. F. P. 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.