Boletim do resumo e programas (XIV EMR 2015)

lbentiesanchez

A Escola de Modelos de Regressão (EMR) é um evento científico na área de Estatística, de repercussão nacional, realizado com o patrocínio da Associação Brasileira de Estatística (ABE) que, em 2015, se encontrará em sua 14ª edição.

Em homenagem ao 65º

aniversário do Prof. Heleno Bolfarine

Campinas

2015

XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015

Centro de Convenções

Unicamp, Campinas, SP,

Brasil

ABE


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

i

APRESENTAÇÃO

Mensagem de Boas Vindas

É com imensa satisfação que o Departamento de Estatística da Universidade

Estadual de Campinas promove o XIV Escola de Modelos de Regressão, um evento

de elevado nível científico que contará com participantes nacionais e internacionais.

O programa da XIV EMR inclui 12 Conferências (6 nacionais e 6 internacionais),

dois minicursos ( MC1 e MC2), 24 Comunicações Orais ( CO) e 2 Sessões de

Pôsteres, 3 Sessões Temáticas, 4 Sessões de Jovem Doutor, 2 tutoriais e 1 workshop.

A Comissão Organizadora dá as Boas Vindas à todos os participantes que irão

prestigiar o evento e espera que o mesmo constitua uma oportunidade para a

divulgação de trabalhos relevantes desenvolvidos por pesquisadores nacionais e

estrangeiros do mais alto nível, sendo assim uma oportunidade de interação entre

alunos, profissionais e pesquisadores da área de Modelos de Regressão e áreas

afins.

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

ii

AGRADECIMENTOS

A Comissão Organizadora da XIV Escola de Modelos de Regressão (XIV EMR)

agradece ao apoio das seguintes instituições: CAPES, FAPESP, CNPq, Associação

Brasileira de Estatística (ABE) , Fundo de Apoio ao Ensino, à Pesquisa e à Extensão

(FAEPEX) e o Instituto de Matemática, Estatística e Computação Científica

(IMECC) da UNICAMP, bem como á todas todas as Fundações Estaduais,

Instituições e Programas de Pós-Graduação do Brasil, que possibilitaram a

participação de pesquisadores, estudantes e profissionais no evento.

COMISSÕES

Comissão Organizadora local (Unicamp):

Aluísio de Souza Pinheiro

Víctor Hugo Lachos Dávila

Caio Lucidius Naberezny Azevedo

Filidor Edilfonso Vilca Labra

Hildete Prisco Pinheiro

Comissão Científica:

Víctor Hugo Lachos Dávila – Unicamp

Mario de Castro Andrade Filho ICMC – USP

Renato Martins Assunção – UFMG

Dipankar Bandyopadhyay – University of Minnesota, USA

Jorge Luis Bazán Guzmán ICMC – USP

Celso Rômulo Barbosa Cabral – UFAM

Vicente Garibay Cancho ICMC – USP

Luis Mauricio Castro Cepero – Universidad de Concepción, Chile

Francisco Cribari Neto – UFPE

Somnath Datta – University of Louisville, USA

Edwin Moises Marcos Ortega ESALQ – USP

Suporte Técnico

Luis Enrique Benites Sánchez IME – USP

Rocío Paola Maehara Sánchez IME – USP

http://www.ime.usp.br/~abe/emr2015/paginas/comissoes

Departamento de Estatística

Instituto de Matemática, Estatística e Computação Científica da

UNICAMP

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

1

Inicio Final

Programação 02/03/2015

13:00 14:30

14:30 15:00

15:00 16:30

Entrega de Material e

Inscrições

T1

Auditório 2

Café Estatístico

T2

Auditório 2

16:30 17:30

W1

Auditório 2

Legenda

Legenda

Workshop

W1: Modelos de Regressão em Julia

Luis Benites Sánchez, IME-USP

Tutorial

T1 : StatSoft:

Josias Oliveira, Statsoft

T2 : R and Google Maps:

Marcos Oliveira Prates, UFMG

Código QR da página web com mais

informações do Workshop

Código QR da página web com os

resumos dos Tutoriais:

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

2

Programação 03/03/2015

Inicio Final

08:10 08:40

08:40 10:10

10:10 10:30

10:30 11:30

11:30 12:30

12:30 14:00

MC: Minicurso

MC1: Modelos de Regressão Log-simétricos em R

MC2: Misturas Finitas de Distribuições Assimétricas

MC1

Auditório 1

MC2

Auditório 2

Café Estatístico

Cerimônia de Abertura

Auditório 3

Almoço

ST1

Auditório 3

Conferência de Abertura

(Prof. Heleno Bolfarine) - Auditório 3

ST1: Big Data

ST1.1: Susmita Datta

ST1.2: Glen Satten

ST1.3: Somnath Datta

Conferências

CF1: Reinaldo Arellano-Valle

CF2: Josemar Rodrigues

CF3: Dipankar Bandyopadhyay

CF4: Francisco Cribari-Neto

14:00 15:00

15:00 16:00

16:00 16:20

16:20 17:30

CF1

Auditório 3

CF3

Auditório 3

CO1

Auditório 1

Café Estatístico

CO2

Auditório 2

CF2

Auditório 1

CF4

Auditório 1

CO3

Auditório 3

Comunicação Oral

CO1: Erro nas variáveis

CO2: Modelos inflacionados

CO3: Séries temporais

17:30 19:00

PO1

Saguão do IMECC

(com Coquetel)

Sessão Pôster

Local: Saguão

IMECC - Unicamp

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

3

Programação 04/03/2015

Inicio Final

08:10 08:40

08:40 10:10

MC: Minicurso

MC1: Modelos de Regressão Log-simétricos em R

MC2: Misturas Finitas de Distribuições Assimétricas

MC1

Auditório 1

MC2

Auditório 2

ST2

Auditório 3

ST2: Estatística Espacial

Prof. Renato Assunção

ST2.1: Thaís Paiva

ST2.2: Marco Ferreira

ST2.3: Andrew Lawson

Conferências

10:10 10:30

10:30 11:30

11:30 12:30

12:30 14:00

14:00 15:00

15:00 16:00

16:00 16:20

16:20 17:30

17:30 19:00

CF5

Auditório 1

CF7

Auditório 1

CF9

Auditório 1

CF11

Auditório 1

Café Estatístico

Almoço

Café Estatístico

JD1- Auditório 1 JD3- Auditório 2

JD2- Auditório 1 JD4- Auditório 2

PO2

Saguão do IMECC

CF6

Auditório 2

CF8

Auditório 2

CF10

Auditório 2

CF12

Auditório 2

CO4

Auditório 3

CF5:

Somnath Datta

CF6: Silvia Ferrari

CF7: Dipak Kumar Dey

CF8: Francisco Louzada Neto

Conferências

CF9: Tsung-I Lin

CF10: Artur José Lemonte

CF11: Peter Mueller

CF12: Hildete Pinheiro

Comunicação Oral

CO4: Birnbaum Saunders

Jovem Doutor

Sessão Pôster

JD1: Denise Reis Costa (INEP – MEC)

JD2: Rafael Izbicki (DE – UFScar)

JD3: Aldo Medina Garay (IMECC – Unicamp)

JD4: Erica Castilho Rodrígues (ICEB-UFOP)

Local: Saguão

IMECC - Unicamp

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

4

Programação 05/03/2015

Inicio Final

08:10 08:40

08:40 10:10

10:10 10:30

10:20 10:40

10:40 11:20

11:20 12:30

ST3: Métodos não paramétricos

Prof. : P. Morettin

ST3.1: Michel H. Montoril

ST3.2: Rogério F. Porto

ST3.3: Ronaldo Dias

ST3

Auditório 3

CO5

Auditório 1

CO7

Auditório 1

CO6

Auditório 2

CO8

Auditório 2

Café Estatístico

Cerimônia de Encerramento-Auditório 3

Encerramento

(Prof. Gauss Cordeiro) - Auditório 3

Comunicação Oral

CO5: Métodos bayesianos

CO6: Modelos de efeitos mistos

CO7: Distribuição logística

extensões e aplicações

CO8: Modelos de sobrevivência

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

5

Minicurso 1 ( MC1)

Modelos de Regressão Log-simétricos em R

Luis Hernando Vanegas ( IME/ USP)

Gilberto Alvarenga Paula ( IME/ USP)

Resumo: In the context of regression models, the data for which the response

variable is continuous, strictly positive, and asymmetric with possible outlying

observations are commonly employed in various fields of practice. Being so, this

minicourse provides a unified theoretical framework of semi-parametric regression

analysis based on log-normal, log-Student-t, Birnbaum-Saunders, Birnbaum-

Saunders-t, harmonic law and other right-skewed, heavy/light-tailed and strictly

positive distributions, in which both, the median and the skewness of the response

variable distribution are explicitly modeled. In this setup, here termed logsymmetric

regression models, both the median and the skewness are described using

semi-parametric functions of explanatory variables, in which their nonparametric

components are approximated by natural cubic splines or P-splines. An iterative

process of parameter estimation based on Fisher scoring, expectation-maximization

and backfitting algorithms is described.

The behavior of the (penalized) maximum likelihood estimates is illustrated by

using simulation experiments. A computational implementation of the proposed

methodology in the R statistical computing environment is also presented. The

attractive features of this package include the possibility of performing residual

analysis by applying deviance-type residuals for median and skewness submodels,

as well as sensitivity studies through local influence under usual perturbation

schemes. Five real data sets are analized to illustrate the flexibility of the addressed

statistical and computational tools.

Público alvo: estudantes de mestrado, doutorado.

Data e Horário

Auditório

1

Março

3e4

8:10 ate 10:10

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

6

Minicurso 2 ( MC2)

Mistura Finita de Distribuições Assimétricas

Camila Borelli Zeller ( UFJF)

Celso Rômulo Barbosa Cabral ( UFAM)

Víctor Hugo Lachos (UNICAMP)

Resumo: Misturas finitas de distribuicões são utilizadas em situações onde existe

heterogeneidade não observável na população. Por exemplo, suponhamos que

imagens de células cancerígenas sejam objeto de estudo. Neste caso a variável tipo

do tumor, classificada em malígno ou benigno, não é observável diretamente. Para

classificar a célula em uma das duas categorias, usualmente observamse variáveis

como raio, a textura e o perímetro do núcleo celular, dentre outras (Street et al.,

1993). Misturas finitas também constituem uma família extremamente flexível de

distribuições, útil para modelar dados que apresentam comportamento não usual,

apresentando ao mesmo tempo assimetria, caudas pesadas e observações

aberrantes. Os modelos de misturas finitas tem sido objeto de investigação intensa

nos últimos anos. Existem aplicações em diversas áreas, como biologia, engenharia,

marketing e medicina, somente para citar algumas. Alem disso, uma vasta

bibliografia está disponível, como os textos de Bohning (2000), McLachlan & Peel

(2000), Fruhwirth-Schnatter (2006), Schlattmann (2010) e Mengersen et al. (2011),

alem das edições especiais do periódico Computational Statistics and DataAnalysis

(Bohning et al., 2007, 2014).

Neste minicurso pretendemos apresentar os principais aspectos inferenciais em

misturas finitas de distribuições, tanto no contexto Bayesiano quanto no contexto

frequentista, alem de discutir alguns temas recentes de pesquisa na área, com

destaque para aqueles que vem sendo desenvolvidos pelos autores desta proposta.

Público alvo: estudantes de graduação e pós graduação

Data e Horário

Auditório

2

Março

3e4

8:10 ate 10:10

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

7

Conferência de abertura

Consistent estimation in functional relationships with replicates

Heleno Bolfarine

IME - USP

Resumo: In this talk we investigate maximum likelihood estimation in linear

functional relationships with replications. The general formulation considered in

Dorff and Gurland (1961) is studied. The approach is based on Mak (1982) where

general results for maxi- mum likelihood estimation in the presence of incidental

parameters are considered. Since the approach allows the derivation of the

asymptotic covariance matrix of the maximum likelihood estimators of the model

parameters it is possible to compute the asymptotic relative efficiencies of the

maximum likelihood estimators with respect to the estimators suggested in Dorff

and Gurland (JRSS B-1961). Computation of maximum likelihood estimators is

discussed. Comparisons are also reported for the situation of a small sample selected

from a particular generated population. The methodology is illustrated with a real

data set.

Key words: Linear functional relationships; Replicated observations; Maximum

likelihood estimation;Asymptotic normality.

Data e Horário

Março

3

11: 30 ate 12: 30

Auditório

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

8

Conferência 1 (CF1)

Entropy-based measures for multivariate skew-elliptical distributions

Reinaldo Arellano-Valle

Pontificia Universidad Católica de Chile

Resumo: The entropy and other measures related to mutual information and/or

divergence between random vectors, such as the Shannon index and the Kullback-

Leibler divergence, have been widely studied in the case of the multivariate normal

distribution. We extend these tools to the more flexible families of multivariate

skew-elliptical distributions. We study in detail the cases of the multivariate skewnormal

and skewt distributions. We illustrate our findings in the context of two real

applications.

Data e Horário

Março

3

14: 00 ate 15: 00

Auditório

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

9

Conferência 2 (CF2)

The Bayesian ability of the restricted Conway-Maxwell-Binomial

model to control dispersion in discrete data

Josemar Rodrigues

ICMC – USP

Resumo: This paper deals with the Bayesian machinery for the estimation of the

parameters of the correlated Binomial distribution which was generated from a nite

correlated Binomial processes to solve dispersion problems. This model is a

restricted version of the Conway-Maxwell-Binomial (CMB) distribution

introduced by Shmueli et al. (2005) which is the correlated Binomial distribution

(CB) discussed in Kupper & Haseman (1978) and Bahadur (1961) if and only if

some restrictions are imposed on the parameters. These restrictions give to CMB

distribution the Bayesian ability to control the phenomenon of dispersion in count

data toward the binomial scenery by means of the number of the correlated Bernoulli

variables. An illustrative example with real data shows the usefulness of the

proposed restricted model.

Data e Horário

Março

3

14: 00 ate 15: 00

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de modelos de Regressão

10

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

Conferência 3 (CF3)

A Bayesian two-stage model for multivariate discrete spatial data

with applications to dental caries

Dipankar Bandyopadhyay

University of Minnesota, Minneapolis, USA

Resumo: Dental caries data consist of two levels of hierarchy, a tooth level and a

surface level, and outcomes often exhibit spatial structures among neighboring teeth

and surfaces (i.e. the disease/decay status of a tooth or surface might be influenced

by the decay status of a group of neighboring teeth/surfaces). Assessments of dental

caries at the tooth-level yield binary outcomes (presence/absence of teeth) and

assessments at the surface-level yield trinary outcomes, indicating the healthy,

decayed, or filled surfaces. The presence of these mixed discrete outcomes

complicates data analysis within a unified framework. To mitigate these, we develop

a Bayesian two-stage model under suitable Markov random field assumptions that

accommodates the natural hierarchy within the mixed responses. In the first stage,

we focus on estimating the degree of spatial association between existing and

missing teeth using an autologistic model. In the second stage, we quantify spatial

associations among surfaces on the existing teeth using a Potts model. Both models

include random effects term to adjust for the data hierarchy involved.

Computational difficulty due to the intractable normalizing constant is tackled using

an approximate exchange sampler. We illustrate the potential of our methodology

using simulation studies and application to a dataset obtained from a clinical study

on dental caries.

This is joint work with Ick Hoon Jin (Ohio State University) and Ying Yuan (M D

Anderson Cancer Center).

Data e Horário

Março

3

15: 00 ate 16: 00

Auditório

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

11

Conferência 4 (CF4)

Aceitação da homosexualidade e inteligência: evidência internacional

Francisco Cribari Neto

DE – UFPE

Resumo: Nessa conferência serão apresentados os resutados de uma análise de

regressão baseada em dados internacionais sobre determinantes da aceitação da

homossexualidade. Em particular, será medido o impacto que a inteligência exerce

sobre a aceitação da homossexualidade. Curvas de impacto são obtidas e inferência

bootstrap é realizada.

Data e Horário

Março

3

15: 00 ate 16: 00

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

12

Conferência 5 (CF5)

Marginal Regression Models for Clustered Data Inference

When the Cluster Size is Potentially Informative

Somnath Datta

University of Louisville, USA

Resumo: We discuss how to extend parametric and nonparametric inference

procedures when the classical assumption of independence is violated due to

clustering. Clustered data arise in a number of practical applications where

observations belonging to different clusters are independent but observations within

the same cluster are dependent.

While making adjustments for possible cluster dependence, one should also be

aware of the informative cluster size phenomenon which occurs when the size of the

cluster is a random variable that is correlated to the outcome distribution within a

cluster, often through a cluster specific latent factor. We demonstrate the correct

inference procedures under various scenarios.

Data e Horário

Março

4

10: 30 ate 11: 30

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

13

Conferência 6 (CF6)

Box-Cox symmetric models and applications to nutritional data

Silvia L. P. Ferrari

Departmento de Estatística – Universidade de São Paulo, Brasil

Resumo: We introduce and study the Box-Cox symmetric class of distributions,

which is useful for modeling positively skewed, possibly heavy-tailed, data. The

new class of distributions includes the Box-Cox t, Box-Cox Cole-Green, Box-Cox

power exponential distributions, and the class of the log-symmetric distributions as

special cases. It provides easy parameter interpretation, which makes it convenient

for regression modeling purposes. Additionally, it provides enough flexibility to

handle outliers. The usefulness of the Box-Cox symmetric models is illustrated in a

series of applications to nutritional data.

Joint work with Giovana Fumes.

Data e Horário

Março

4

10: 30 ate 11: 30

Auditório

2

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de modelos de Regressão

14

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

Conferência 7 (CF7)

Bayesian sparse reduced rank multivariate regression

Dipak Dey

University of Connecticut,

Storrs, USA

Resumo: Many modern statistical problems can be cast in the framework of

multivariate regression, where the main task is the estimation of a possibly highdimensional

coefficient matrix. The low-rank structure in the coefficient matrix is of

intrinsic multivariate nature, which, when further combined with sparsity, can

further lift dimension reduction, conduct variable selection, and facilitate model

interpretation. Using a Bayesian approach, we develop a unified sparse and lowrank

multivariate regression method, to both estimate the coefficient matrix and

obtain its credible region for making inference. The newly developed sparsityinducing

prior for the coefficient matrix enables simultaneous rank reduction,

predictor selection, as well as response selection. We utilize the marginal likelihood

to determine the regularization hyperparameter, so it maximizes its posterior

probability given the data. Theoretically, the posterior consistency is established

under a high-dimensional asymptotic regime. The efficacy of the proposed

approach is demonstrated via simulation studies and a real application on

yeast cell cycle data.

Keywords: Bayesian; Low rank; Penalized least squares; Posterior consistency;

Sparsity; Rank

Joint with Gyuhyeong Goh, and Kun Chen.

Data e Horário

Março

4

11:30 ate 12:30

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

15

Conferência 8 (CF8)

Bivariate Rotated Clayton Copula-based SUR Tobit Right-Censored Model

Francisco Louzada

ICMC-USP

Resumo: The presence of censoring occurs when data on the dependent variable is

limited or lost. This paper extends the analysis of the seemingly unrelated regression

(SUR) Tobit model for two right-censored dependent variables by modeling its

nonlinear dependence structure through the rotated version of the Clayton copula.

The ability in capturing the upper tail dependence of the SUR Tobit model where

data is censored is a useful feature of the modeling. We propose a modified version

of the inference function for margins (IFM) method to obtain the estimates of the

marginal and copula association parameters. Bootstrap methods are also proposed

for obtaining confidence intervals for the model parameters. A simulation study is

performed in order to examine the behavior of the new method estimates and check

the coverage probability of the bootstrap confidence intervals in data sets with

different sample sizes, percentages of censoring in the margins/dependent variables

and degrees of dependence between them. The satisfactory results from the

simulation and empirical studies indicate the good performance of our proposed

model and methods. The methodology is applied to model the times to churn of

customers on two credit products of a commercial bank. This work is co-authored by

Paulo H. Ferreira.

Data e Horário

Março

4

11:30 ate 12:30

Auditório

2

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

16

Conferência 9 (CF9)

Multivariate t nonlinear mixed models for

multivariate longitudinal data with missing values

Tsung-I Lin

National Chung Hsing University,

Taichung, Taiwan

Resumo: The multivariate nonlinear mixed model (MNLMM) has been exploited

as an effective tool for modelling multi-outcome longitudinal data following

nonlinear growth patterns. In the framework of MNLMM, the random effects and

within-subject errors are routinely assumed to be normally distributed for

mathematical tractability and computational simplicity. However, a serious

departure from normality may cause lack of robustness and subsequently make

invalid inference. In this talk, I introduce a robust extension of the MNLMM by

considering a joint multivariate t distribution for the random effects and withinsubject

errors, called the multivariate t nonlinear mixed model (MtNLMM).

Moreover, a damped exponential correlation structure is employed to capture the

extra serial correlation among irregularly observed multiple repeated measures. An

ECM procedure coupled with the first-order Taylor approximation is developed for

estimating model parameters.

The techniques for estimation of random effects, imputation of missing responses

and identification of potential outliers are also investigated. The methodology is

applied to a real data example on 161 pregnant women coming from a study in a

private fertilization obstetrics clinic in Santiago, Chile.

(Joint work with Dr. Wan-Lun Wang, Feng Chia University, Taiwan)

Data e Horário

Março

4

14: 00 ate 15: 00

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

17

Conferência 10 (CF10)

Poder local dos testes da razão de verossimilhanças, Wald, escore e gradiente

no modelo de regressão não linear misto

Artur José Lemonte

Universidade Federal de Pernambuco, Brasil

Resumo: Os poderes locais dos testes da razão de verossimilhanças, Wald, escore e

gradiente sob a presença de um vetor de parâmetros, ômega, que é ortogonal aos

parâmetros restantes são considerados nesta apresentação. Será mostrado que

alguns dos coeficientes que definem os poderes locais destes testes ficam

inalterados independentemente se ômega é conhecido ou precisa ser estimado,

enquanto que os outros coeficientes podem ser expressados como a soma de dois

termos, o primeiro deles corresponde ao termo que é obtido como se ômega fosse

conhecido, e o segundo, um termo adicional produzido pelo fato de ômega ser

desconhecido. Esse resultado será aplicado na classe de modelos de regressão não

lineares mistos e os poderes locais dos testes serão comparados.

Data e Horário

Março

4

14: 00 ate 15: 00

Auditório

2

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

18

Conferência 11 (CF11)

Nonparametric Bayesian regression

Peter Mueller

University of Texas,

Austin, USA

Resumo: We first review some common approaches to nonparametric Bayesian

regression. We briefly review regression with nonparametric residual distribution,

nonparametric mean function and fully nonparametric regression (density

regression). We then focus on the latter and discuss in more detail a novel model for

regression with a variable dimension parameter vector. The motivating application

is subgroup analysis for a clinical trial of targeted therapy. The covariates are

indicators of genetic aberrations, with each mutation only being recorded for a small

subset of patients. We construct the desired regression model as a covariatedependent

random partition model, using for each patient only the available

mutations.

Data e Horário

Março

4

15: 00 ate 16: 00

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

19

Conferência 12 (CF12)

Analysis of academic performance of students via

quasi U-statistics and generalized linear mixed models

Hildete Prisco Pinheiro

Department of Statistics, University of Campinas, Brazil

Resumo: We present methods to assess undergraduate students’ performance.

Emphasis is mainly given to potential dissimilar behaviors due to high school

background (Private or Public), but socioeconomic status and demographic

characteristics may be used as well. Two analysis are presented: one based on a

nonparametric method using measures of diversity and a decomposition of quasi U-

statistics to define average distances between and within groups; and another based

on generalized linear mixed models (GLMM). An advantage of the nonparametric

method over the classical analysis of variance is its robustness to distributional

deviation from the normality. Moreover, compared with other nonparametric

methods, it also includes tests for interaction effects which are not rank transform

procedures. Two data sets are analyzed, being both of them from the University of

Campinas (Unicamp). The first one is formed by students who enrolled at Unicamp

between 1997 and 2000 and their academic performance has been recorded until

graduation or drop-out. The second data set is formed by students admitted to

Unicamp from 2000 through 2005 and their academic performance and

socioeconomic variables forms the study database. For each student we have the

Entrance Exam Score (EES), the final Grade Point Average (GPA) score as well as

the number of courses he/she failed during his/her Bachelor’s degree. The courses

are separated in two categories: Required and Elective. Therefore, for the GPAscore

and the number of courses failed, each student may have at most two measurements.

We model the GPA score and the incidence of courses failed for Required and

Elective courses according to the EES, socioeconomic and demographic

characteristics.

Joint work with Mariana R. Motta e Gabriel Franco.

Data e Horário

Auditório

2

Março

4

15: 00 ate 16: 00

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

20

Conferência de Encerramento

Extended Families of Continuos Distributions

Gauss Cordeiro

DE – UFPE

Resumo: The construction of some wider families of continuous distributions

obtained recently has attracted applied statisticians because the analytical facilities

available for easy computation of special functions in programming softwares. In

this talk, we outline some recent generating families of continuous distributions and

discuss some of their properties. We review the beta, Kumaraswamy, gamma and T-

X families of distributions. Some special cases, which are natural members of these

families, are presented. Several known continuous distributions are found to be

special cases of the current families. These properties are not difficult to be

implemented in programming softwares such as R, MATHEMATICAand MAPLE.

Some examples illustrate the potentiality of the new models.

Data e Horário

Março

5

11: 20 ate 12: 30

Auditório

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

21

Sessão Temática 1 ( ST1.1): Big Data

Nonparametric Regression and Partial Least Squares

Dimension Reduction in Multistate Models

Susmita Datta

University of Louisville,

Louisville, USA

Resumo: In modern medicine one may be interested in predicting the stage

occupation probabilities of different stages of the disease of a patient from high

dimensional genomic and proteomic profiles. We introduce a method of

constructing non-parametric regression estimates of state occupation probabilities

in a multistate model.

In order to tackle a potentially large number of predictors in modern genomic and

proteomic data sets we use partial least squares to compute estimated latent factors

from the transition times along with the covariates which are then used in an additive

model in order to avoid the curse of dimensionality. We illustrate the methodology

using simulated and real data sets.

Auditório

3

Data

Março

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

22

Sessão Temática 1 ( ST1.2): Big Data

Testing Association without Calling Genotypes Allows for Systematic

Differences in Read Depth and Sequencing Error Rate

Between Data from Case and Control Participants

Glen Satten

Centers for Disease Control and Prevention,

Atlanta, USA

Resumo: The quality of genotype calling for next-generation sequence data

depends on read depth. Loci with high coverage can typically be reliably called,

while those with low coverage may be difficult to call. In a case-control study, if data

from case participants is sequenced to a greater depth than data from controls, the

difference in genotype quality can introduce a systematic bias. This can easily occur

when historical controls (e.g., data from the 1000 Genomes Project) are used. This

imbalance may also occur by design, to reduce genotyping costs among controls.

For trios, bias can arise even when the coverage is the same in parents and offspring

since errors in parental genotype calls are considered non-transmissions while

errors in offspring genotype calls are detected as non-Mendelian transmissions.

Methods: We develop likelihood-based methods for analyzing data from casecontrol

and trio studies that directly uses data on reads without first making

intermediate genotype calls. When the location of polymorphic loci is known, we

show these likelihood approaches have appropriate size and good power compared

with methods that use called genotypes. When the locations of polymorphic loci are

not known in advance, we develop screening methods to screen out loci that are

estimated to be monomorphic, based on read data alone. We use a bootstrap

approach to estimate which of the loci that screen in are truly polymorphic. Using

these estimates, we then construct bootstrap tests for association that properly

account for screening and preserve size. We further show that restricting to loci with

estimated allele frequency ≥ 1/2N, so that the expected number of alleles seen is

greater than one, increases the power of our approach by excluding loci that have

negligible effect.

Results: We illustrate our approach using data from the UK10K project. We use data

from 784 cases from the Severe Childhood Onset Obesity Project, and are exome

sequenced at 60x. Data for 1702 controls are from the Avon Longitudinal Study of

Parents and Children and the TwinsUK study (only one twin used), and are whole

genome sequenced at 6x coverage.

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

23

Sessão Temática 1 ( ST1.3): Big Data

Ensemble Regression

Sommath Datta

University of Louisville,

Louisville, USA

Resumo: Even though a number of regression techniques have been proposed over

the years to handle a large number of regressors, due to the complex nature of data

emerging from recent high-throughput experiments, it is unlikely that any single

technique will be successful in modeling all data types.

Thus, multiple regression algorithms from the collection of modern regression

techniques that are capable of handling high dimensional regressors should be

entertained for analyzing such data.Anovel approach of building a super regression

learner is proposed which can be fit with a training data set in order to make future

predictions of a continuous outcome. The resulting super regression model is multiobjective

in nature and mimics the performances of the best component regression

models irrespective of the data type.

This is accomplished by combining elements of bootstrap based risk calculation,

rank aggregation, and stacking. The utility of this approach is demonstrated through

its use on mass spectrometry data.

Auditório

3

Data

Março

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

24

Sessão Temática 2 ( ST2.1): Spatial Statistics

Imputation of confidential data sets with spatial

locations using disease mapping models

Thais Paiva

Department of Statistical Science at Duke University, USA.

Resumo: Data that include fine geographic information, such as census tract or

street block identifiers, can be difficult to release as public use files. Fine geography

provides information that ill-intentioned data users can use to identify individuals.

We propose to release data with simulated geographies, so as to enable spatial

analyses while reducing disclosure risks. We fit disease mapping models that predict

areal-level counts from attributes in the file and sample new locations based on the

estimated models.

We illustrate this approach using data on causes of death in North Carolina,

including evaluations of the disclosure risks and analytic validity that can result

from releasing synthetic geographies.

Data

Março

4

Auditório

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

25

Sessão Temática 2 ( ST2.2): Spatial Statistics

An analysis of functional MRI with a three components

hemodynamic response function

Marco Ferreira

Department of Statistics at Virginia Tech, USA

Resumo: We develop a novel methodology for functional magnetic resonance

imaging (fMRI) analysis based on a three components hemodynamic response

function. Specifically, we propose a novel hemodynamic response function that is a

mixture of three gamma densities. In addition, we use a Johnson-Rossell nonlocal

prior to model the regression parameters associated to neuronal activation.

Further, to estimate the model parameters we develop a Markov chain Monte Carlo

algorithm. Our hemodynamic response function is flexible enough to accommodate

distinct physiological responses in different parts of the brain. We illustrate our

methodology with the analysis of a single-subject fMRI visual task experiment.

Auditório

3

Data

Março

4

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

26

Sessão Temática 2 ( ST2.3): Spatial Statistics

Latent Structure modeling in Spatio-temporal small area Health data

Andrew Lawson

Dept of Public Health Sciences, MUSC, USA

Resumo: Hidden structure in geo-referenced health data is now a focus of much

research. There are a number of approaches to the modeling of such structure,

ranging from classical random effect models to full latent variable modeling with

geo-referencing. In this talk I will focus on two examples of recent latent variable

model approaches. First I will consider the analysis of a spatially-dependent

environmental predictor (PM2.5 in the counties of Georgia USA) and the use of

latent space-time component mixtures in two stage model for health exposure risk.

Second, I will consider spatial survival modeling where we have a contextual spatial

effect and discrete spatial changes in regression coefficients so that different area of

the study region can have different relations to the health outcome.

In this approach discrete spatial prior distribution models must be considered and

threshold CAR models are proposed as a simple approach. This is applied to prostate

cancer cases from SEER registry data for the state of Louisiana USA(2000-2004).

Data

Março

4

Auditório

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

27

Sessão Temática 3 ( ST3.1): Non parametrics methods

Waveletizing statistical procedures based on Fourier expansions

Michel H. Montoril

University of Campinas, Brazil

Resumo: In this work we will discuss the use of wavelets in statistical

methodologies that are based on Fourier decompositions. We briefly overview

methods like classification, estimation based on biased data, additive regression and

estimation of conditional densities. We focus on the problem of estimating

regression functions of heteroscedastic models of the kind Y = f (X) + g(X), where

is independent of X, with mean 0 and variance 1. We will emphasize the estimation

of the probability function in mixture regression models.

Basically, there is a process Y that can be observed randomly in the time, say T,

which is supported on the unit interval. For a fixed time T = t, such a process can be

either a random variable (r.v.) V with probability f (t) or a r.v. W with probability 1

f (t), where V and W are assumed to have known and different means. We illustrate

this method by numerical simulation studies for different probability functions f.

Key words: Wavelet estimation, nonparametric regression, mixture regression.

Auditório

3

Data

Março

5

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

28

Sessão Temática 3 ( ST3.2): Non parametrics methods

Wavelet Shrinkage for Regression Models with Random

Design and Correlated Errors

Rogério F. Porto

Banco do Brasil

Resumo: Extraction of a signal in the presence of stochastic noise via wavelet

shrinkage has been studied under assumptions that the noise is independent and

identically distributed (IID) and that the samples are equispaced (evenly spaced in

time). Previous work has relaxed these assumptions either to allow for correlated

observations or to allow for random sampling, but very few papers have relaxed

both together.

In this paper we relax both assumptions by assuming the noise to be a stationary

Gaussian process and by assuming a random sampling scheme dictated either by a

uniform distribution or by an evenly spaced design subject to jittering. We show

that, if the data are treated as if they were autocorrelated and equispaced, the

resulting wavelet-based shrinkage estimator achieves an almost optimal

convergence rate. We investigate the efficacy of the proposed methodology via

simulation studies and extraction of the light curve for a variable star.

Data

Março

5

Auditório

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

29

Sessão Temática 3 ( ST3.3): Non parametrics methods

Aggregated functional data model for Near-Infrared

Spectroscopy calibration and prediction

Ronaldo Dias

University of Campinas

Brazil

Resumo: Calibration and prediction for NIR spectroscopy data are performed based

on a functional interpretation of the Beer-Lambert formula. Considering that, for

each chemical sample, the resulting spectrum is a continuous curve obtained as the

summation of overlapped absorption spectra from each analyte plus a Gaussian

error, we assume that each individual spectrum can be expanded as a linear

combination of B-splines basis. Calibration is then performed using two procedures

for estimating the individual analytes curves: basis smoothing and smoothing

splines.

Prediction is done by minimizing the square error of prediction. To assess the

variance of the predicted values, we use a leave-one-out jackknife technique.

Departures from the standard error models are discussed through a simulation study,

in particular, how correlated errors impact on the calibration step and consequently

on the analytes’ concentration prediction. Finally, the performance of our

methodology is demonstrated through the analysis of two publicly available

datasets.

Key words: B-splines, leave-one-out jackknife, square error of prediction

Auditório

3

Data

Março

5

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

30

Comunicação Oral 1.1 ( CO1)

Comparación de métodos de medición en presencia de un gold estándar

Manuel Galea

Resumo: En este trabajo discutimos inferencia estadística y diagnósticos de

influencia en un modelo estadístico usado para comparar instrumentos de medición

en presencia de un gold estándar. Suponemos que las mediciones de los

instrumentos siguen una distribución normal multivariada. Consideramos test de

hipótesis y regiones de confianza para parámetros de interés, e implementamos el

método de influencia local para analizar la sensibilidad de los estimadores máximo

verosímiles a perturbaciones del modelo estadístico y/o de los datos. Finalmente

ilustramos la metodología con datos reales.

Palavras-Chave: Inferencia estadística, Diagnósticos de influencia, Comparación

de métodos de medición, Gold estándar

Data

Março

3

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

31

Comunicação Oral 1.2 ( CO1)

Objective Bayesian inference in measurement error models

Mário de Castro

Ignacio Vidal

Resumo: In regression analysis, when the covariates are not exactly observed,

measurement error models extend the usual regression models toward a more

realistic representation of the covariates. In a recent contribution, Wang &

Sivaganesan (2013) propose objective priors for the parameters in normal

measurement error models. The prior distributions are specified for the parameters

in the regression model. Posterior inference requires MCMC computations. In our

approach, the regression model is seen as a reparameterization of the bivariate

normal distribution. We adapt the general results for objetive Bayesian inference in

Berger & Sun (2008) to the regression framework. MCMC methods are not

necessary at all.

Palavras-Chave: Acceptance-rejection, estimation, MCMC methods, regression

models, simulation.

Auditório

1

Data

Março

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

32

Comunicação Oral 1.3 ( CO1)

Análise de Diagnósticos para o Modelo de Regressão

Beta com Erro de Medida Multiplicativo

Eveliny Barroso da Silva

Carlos Alberto Ribeiro Diniz

Jalmar Manuel Farfan Carrasco

Resumo: Em análise de regressão, a análise de diagnóstico tem como papel

principal averiguar a qualidade do ajuste do modelo. Esta verificação pode ser feita

tanto através de análise de resíduos, que detecta a presença de pontos extremos e

avalia se a distribuição proposta para a variável resposta está adequada quanto via

análise de influência local proposta por Cook [1986]. Na análise de influência local,

Cox and Snell [1986] discutem um método que avalia a influência de perturbações

no modelo de regressão, por menor que seja esse fator de perturbação. Na literatura,

há diversos trabalhos envolvendo análise de diagnósticos. Para o modelo de

regressão beta, podemos citar as seguintes referências: Ferrari and Cribari-Neto

[2004], Espinheira et al. [2008a], Espinheira et al. [2008b], Ferrari et al. [2011] e

Carrasco et al. [2014]. Enquanto que para modelos com erro de medida, temos:

Kelly [1984], Miller [1990], Carroll and Spiegelman [1992], Zhao et al. [1994],

Zhao and Lee [1995] e Xiea and Bo-ChengWei [2009]. Carrasco et al. [2014]

realizaram uma análise de resíduos para o modelo de regressão beta com erro de

medida aditivo. Neste trabalho apresentamos as principais técnicas de diagnósticos

construídas para o modelo de regressão beta considerando erro de medida

multiplicativo.

Palavras-Chave: Modelos com erros nas covariáveis, Regressão Beta e Análise de

Diagnósticos.

Data

Março

3

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

33

Comunicação Oral 2.1 ( CO2)

Modelo de regressão bivariado inflacionado de zeros com

estrutura de correlação autoregressiva de primeira

ordem nos componentes aleatórios

Natália Manduca Ferreira

Carlos Alberto Ribeiro Diniz

Resumo: Problemas envolvendo dados de contagem podem resultar em conjunto de

dados com uma grande quantidade de zeros. Quando utilizamos distribuições usuais

(Poisson, Binomial ou Binomial Negativa) em conjuntos com excesso de zeros,

análises estatísticas podem apresentar-se errôneas. As distribuições mais indicadas

para este caso são as compostas por uma mistura de distribuições, sendo uma com

massa no ponto zero e outra que se adequaria aos dados caso não houvesse a inflação

de zeros.

Neste artigo, utilizamos a distribuição Binomial bivariada inflacionada de zeros

como base para a construção do modelo de regressão binomial bivariado

inflacionado de zeros com estrutura de correlação autoregressiva nos componentes

aleatórios do modelo, também conhecido como modelo de regressão autoregressivo

binomial bivariado inflacionado de zeros. A metodologia BLUP é utilizada no

processo de maximização dos efeitos fixos (parâmetros) e efeitos aleatórios.Aparte

computacional deste trabalho foi realizada em linguagem Ox.

Palavras-Chave:

aleatório.

Modelos zero-inflacionados, binomial bivariada, efeito

Auditório

2

Data

Março

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

34

Comunicação Oral 2.2 ( CO2)

Bayesian analysis for zero-or-one inflated proportion

data using quantile regression

Bruno Santos

Heleno Bolfarine

Resumo: In this paper, we propose the use of Bayesian quantile regression for the

analysis of proportion data. We also consider the case when the data presents a zero

or one inflation using a two-part model approach. For the latter scheme, we assume

that the response variable is generated by a mixed discrete-continuous distribution

with a point mass at zero or one. Quantile regression is then used to explain the

conditional distribution of the continuous part between zero and one, while the

mixture probability is also modeled as a function of the covariates. We check the

performance of these models with two simulation studies. We illustrate the method

with data about the proportion of households with access to electricity in Brazil.

Palavras-Chave: Bayesian quantile regression; proportion data; two-part model;

proportion of households with access to electricity in Brazil.

Data

Março

3

Auditório

2

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de modelos de Regressão

35

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

Comunicação Oral 2.3 ( CO2)

The Zero-inflated Conway-Maxwell Poisson Model to Analyze Discrete Data

Gladys D. C. Barriga

Francisco Louzada

Vicente G. Cancho

Resumo: In this paper we propose the zero-inflated COM-Poisson distribution. We

develop a Bayesian analysis for our approach based on Markov chain Monte Carlo

methods. We discuss regression modeling and model selection, as well as, develop

case deletion influence diagnostics for the joint posterior distribution based on the

ψ-divergence, which has several divergence measures as particular cases, such as

the Kullback-Leibler (K-L), J-distance, L1 norm and χ2 -square divergence

measures. The performance of our approach is illustrated in an artificial dataset as

well as in a real dataset on an apple cultivar experiment.

Palavras-Chave: Bayesian Inference, COM–Poisson Distribution, Kullback-

Leibler Distance, Zero-Inflated Models.

Auditório

2

Data

Março

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

36

Comunicação Oral 3.1 ( CO3)

Imputation of missing observations for heavy tailed

cyclostationary time series

Christiana Drake

Jacek Leskow

Aldo M. Garay

Victor H. Lachos

Resumo: The aim of our research is to provide algorithms of data imputation for a

cyclostationary time series with heavy tails. We assume that time series of interest is

K-dependent but also has heavy tails. We use the multivariate t distribution with the

covariance matrix Σ of order 2 (K − 1) × 2 (K − 1). Moreover, we assume that the

number of degrees of freedom ν is fixed and 2 < ν ≤ 6. We use the periodic sequence

{ct} with the period H as the periodic amplitude imposed over the stationary

background time series. We propose four imputation algorithms based on the

properties of the multivariate t-distribution. Using simulations, we compare the

performance of those algorithm.

Data

Março

3

Auditório

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

37

Comunicação Oral 3.2 ( CO3)

Prospective space-time surveillance with geographical

identification of the emerging cluster

Thais V. Paiva

Renato M. Assunção

Taynana C. Simões

Resumo: We developed a space-time prospective surveillance method when the

data are point events, monitoring if there is an emerging cluster. Typical application

areas are crime or disease surveillance. At each new event, a local Knox score is

calculated and spatially spread to form a stochastic surface. The surfaces are

accumulated sequentially until they exceed a specified threshold, causing an alarm

to go off and identify the region of the probable cluster. The method requires little

prior knowledge from the user and provides a way to identify locations and time of

possible clusters, through the visualization of the cumulative surface. We present a

simulation study for different cluster scenarios, as well as an application to a dataset

of meningitis cases in Belo Horizonte, Brazil.

Palavras-Chave: Spatial Statistics, Disease Mapping, Surveillance, Point Patter,

Space-Time, Local Knox Score, Cumulative Surfaces.

Auditório

3

Data

Março

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

38

Comunicação Oral 3.3 ( CO3)

Melhoramentos inferenciais via bootstrap no modelo

beta autorregressivo de médias móveis

Bruna Gregory Palm

Fábio M. Bayer

Resumo: O presente trabalho propõe melhoramentos inferenciais em pequenas

amostras para o modelo beta autorregressivo de médias móveis (βARMA). O

modelo βARMA é útil para modelar e prever variáveis contínuas pertencentes ao

intervalo (0,1), como taxas e proporções.

Os procedimentos inferenciais baseados nos estimadores de máxima

verossimilhança possuem boas propriedades assintóticas, mas em pequenas

amostras podem ter desempenho pobre. Neste sentido, são propostas correções

bootstrap dos estimadores pontuais, assim como diversas abordagens bootstrap são

consideradas para melhoramentos dos intervalos de confiança. Tais correções são

avaliadas numericamente via um extensivo estudo de simulações de Monte Carlo.

Os resultados numéricos evidenciam que as inferenciais em amostras de tamanho

baseadas nas correções bootstrap propostas são mais confiáveis do que quando

considerados os estimadores de máxima verossimilhança usuais. Uma aplicação a

dados reais mostra que os valores previstos da variável de interesse são mais

fidedignos quando os estimadores corrigidos são considerados.

Data

Março

3

Auditório

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

39

Comunicação Oral 4.1 ( CO4)

The Bivariate Sinh-Elliptical Distribution with Applications

to Birnbaum-Saunders Distribution and

Associated Regression and Measurement Error Models

Filidor Vilca

N. Balakrishnan

Camila Borelli Zeller

Resumo: The bivariate Sinh-Elliptical (BSE) distribution is a generalization of the

well-known Rieck’s (Ph.D. thesis, Department of Mathematical Sciences, Clemson

University, USA, 1989) Sinh-Normal distribution that is quite useful in Birbaum

Saunders (BS) regression model. The main aim of this paper is to define the BSE

distribution and discuss some of its properties, such as marginal and conditional

distributions and moments. In addition, the asymptotic properties of method of

moments estimators are studied, extending some existing theoretical results in the

literature.

These results are obtained by using some known properties of the bivariate elliptical

distribution. This development can be viewed as a follow-up to the recent work on

bivariate Birnbaum-Saunders distribution by Kundu et al. (J. Mult. Anal. 101: 113-

125, 2010) towards some applications in the regression setup. The measurement

error models are also introduced as part of the application of the results developed

here. Finally, numerical examples using both simulated and real data are analyzed,

illustrating the usefulness of the proposed methodology.

Palavras-Chave: Sinh-Normal distribution; Elliptical distribution; Kurtosis;

Moment estimators; Consistent estimators; Asymptotic properties; Regression

models; Measurement error models.

Auditório

3

Data

Março

4

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

40

Comunicação Oral 4.2 ( CO4)

Reparameterized Birnbaum-Saunders regression

models with varying precision

Manoel Santos-Neto

Francisco Jose A. Cysneiros

Víctor Leiva

Michelli Barros

Resumo: We propose a methodology based on a reparameterized Birnbaum-

Saunders regression model with varying precision, which generalizes the existing

works in the literature on the topic. This methodology includes the estimation of

model parameters, hypothesis tests for the precision parameter, a residual analysis

and influence diagnostic tools. Simulation studies are conducted to evaluate its

performance. We apply it to a real-world case-study to show its potential.

Palavras-Chave: Birnbaum-Saunders distribution; hypothesis testing; local

influence; maximum likelihood method; Monte Carlo simulation; residuals.

Data

Março

4

Auditório

3

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

41

Comunicação Oral 4.3 ( CO4)

Inferência e diagnóstico em modelos com

erros nas variáveis baseado na distribuição Birnbaum-Saunders

Jalmar M. F. Carrasco

Jorge I Figueroa-Zuniga

Victor L. P. Leiva

Marco A. R. Álamos

Resumo: Este trabalho aborda metodologias de estimação e diagnóstico em

modelos de regressão baseados na distribuição Birnbaum-Saunders com erros de

medidas aditivo e multiplicativo. Técnicas de estimação como máxima pseudoverossimilhança

e calibração da regressão são utilizadas. Também são abordados,

medidas como análise de resíduos, influência global e local. Um conjunto de dados

numéricos são utilizados, com o intuito de validar os resultados obtidos.

Palavras-Chave: Distribuição Birnbaum-Saunders; erros de medida, regressão,

diagnóstico

Auditório

3

Data

Março

4

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

42

Comunicação Oral 5.1 ( CO5)

Robust Bayesian model selection for heavy-tailed

linear regression models using finite mixtures

Flávio B. Gonçalves

Marcos O. Prates

Victor H. Lachos

Resumo: In this paper we present a novel methodology to perform Bayesian model

selection in linear models with heavy-tailed distributions. The new method

considers a finite mixture of distributions to model a latent variable where each

component of the mixture corresponds to one possible model within the

symmetrical class of normal independent distributions. Naturally, the Gaussian

model is one of the possibilities. This allows a simultaneous analysis based on the

posterior probability of each model. Inference is performed via Markov chain

Monte Carlo - a Gibbs sampler with Metropolis–Hastings steps for a class of

parameters. Simulated studies highlight the advantages of this approach compared

to a segregated analysis based on arbitrary model selection criteria.An example with

real data is also presented.

Palavras-Chave:

selection; MCMC.

Finite mixture; heavy-tailed errors; linear models; model

Data

Março

5

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

43

Comunicação Oral 5.2 ( CO5)

Bayesian semi-parametric symmetric models for binary data

Marcio Augusto Diniz

Carlos Alberto de Braganca Pereira

Adriano Polpo

Resumo: This work proposes a general Bayesian semi-parametric model to binary

data. It is considered symmetric prior probability curves as an extension for

discussed ideas from [4] using the Blocked Gibbs sampler which is more general

than the Polya Urn Gibbs sampler. The semi-parametric approach allows to

incorporate the uncertainty around the F distribution of the latent data and modeling

heavy-tailed or light-tailed distributions than that prior proposed. In particular, the

Bayesian semi-parametric Logistic model is introduced which enables one to elicit

prior distributions for regression coefficients from information about odds ratios

what is quite interesting in applied research. Then, this framework opens several

possibilities to deal with binary data in the Bayesian perspective.

Auditório

1

Data

Março

5

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

44

Comunicação Oral 5.3 ( CO5)

Inferência bayesiana em modelos semiparamêtricos com erros nas variáveis

Luz Marina Rondón Poveda

Heleno Bolfarine

Resumo: Neste trabalho estudamos a inferência estatística sob o enfoque Bayesiano

nos modelos semiparamétricos com erros nas variáveis, em que seu componente

sistemático admite variáveis explicativas com e sem erro de medição, bem como a

presença de um efeito não-linear aproximado através de um B-spline (veja, por

exemplo, De Boor (1978)). Nestes modelos, o componente aleatório do modelo

considera distribuições com caudas mais pesadas do que a distribuição normal

multivariada, este componente é descrito usando vetores aleatórios obtidos como

misturas na escala da distribuição normal multivariada (veja, por exemplo,Andrews

e Mallows, 1974), o qual proporciona flexibilidade bem como robustez frente a

observações extremas na modelagem. Como exemplos desta classe podemos citar

as distribuições multivariadas t-Student, slash, Laplace, hiperbólica simétrica e

normal contaminada. Para obter amostras da distribuição a posteriori dos

parâmetros do modelo propomos um algoritmo MCMC. O comportamento do

algoritmo é avaliado através de um estudo de simulação.Aproposta metodológica é

aplicada a um conjunto de dados reais, no qual podemos observar que ignorar os

erros de medição pode levar a obter conclusões erradas. Além disso, a função

fmem() do pacote BayesGESM (http://cran.r-project.org/package=BayesGESM)

no R (www.r-project.org) é apresentada, esta função fornece uma maneira fácil de

aplicar a metodologia apresentada neste trabalho.

Palavras-Chave: Inferência Bayesiana, modelos com erros nas variáveis, modelos

semiparametricos, algoritmo MCMC, B-splines, mistura na escala da distribuição

normal.

Data

Março

5

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

45

Comunicação Oral 6.1 ( CO6)

Randomly truncated nonlinear beta mixed-effects models

Carolina Costa Mota Paraíba

Carlos Alberto Ribeiro Diniz

Resumo: We present a class of randomly truncated nonlinear beta mixed-effects

models where the truncated nature of the data is incorporated into the statistical

model by considering the truncation limits to be random variables and by assuming

the variable of interest to follows a truncated beta distribution parametrized by a

mean and a dispersion parameter. The location parameter of the responses is

associated with a nonlinear continuous function of covariates and unknown

parameters and with unobserved random effects. Maximum likelihood estimator of

the parameters are obtained by direct maximization of the log-likelihood function

via an iterative procedure and diagnostic analysis tools are considered to check for

model adequacy. A data sets consisting of observations on soil-water retention from

a soil profiles from the Buriti Vermelho River Basin database is analyzed using the

proposed methodology.

Palavras-Chave: Truncated beta distribution, random truncation, nonlinear

mixedeffects model, iterative maximum likelihood, diagnostic analysis, soil-water

retention.

Auditório

2

Data

Março

5

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

46

Comunicação Oral 6.2 ( CO6)

The multivariate Gamma-GLG model from the

random intercept Gamma model with random effect nonnormal

Lizandra C. Fabio

Francisco J.A. Cysneiros

Gilberto A. Paula

Resumo: We propose in this paper a random intercept gamma model in which the

random effect is assumed to follow a generalized log-gamma (GLG) distribution.

This flexibilization in which has been suggested by Fabio et al (2012) allows

distributions for the random effect skew to the right and skew to the left and has the

normal distribution as a particular case. For a particular parametrization for the GLG

distribution and specifying the adequate link function, we derive a new continuous

multivariate distribution called Gamma-GLG . Then, we obtain the moments this

joint density function and a Newton Raphson iterative process was developed for

obtaining the maximum likelihood estimates for the parameters of the multivariate

model. Two desviance functions and residuals analysis are proposed and an

applications with real data is given for illustration.

Palavras-Chave: Generalized linear models; Random-effect models; Generalized

log-gamma distribution; Residual analysis; Gamma-GLG distribution.

Data

Março

5

Auditório

2

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

47

Comunicação Oral 6.3 ( CO6)

Data-driven reversible jump to QTL mapping

Daiane Aparecida Zuanetti

Luís Aparecido Milan

Resumo: We propose a data-driven reversible jump to QTL mapping in which the

phenotypic trait is modeled as a linear function of the additive and dominance

effects of the unknown QTL genotypes. We also present and compare different

methods to update the QTLs location and check the performance of the

methodologies on simulated and real data-sets. We observe that the data-driven

proposals improved the acceptance probability of dimensional change moves of

reversible jump and, consequently, its convergence and increase the exploration of

model space.

Palavras-Chave:

parameters block.

QTL mapping; data-driven reversible jump; update of

Auditório

2

Data

Março

5

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

48

Comunicação Oral 7.1 ( CO7)

Modelo LSMIRT para varias populações

Gualberto S.A. Montalvo

Resumo: A multidimensional item response theory model with latent linear

structure for several groups is proposed. This model was introduced in order to fit

binary tests, which in turn are divided in several subtest and subsequently applied to

different groups or populations. It is assume that each subtest measure a onedimensional

latent trait (main latent trait or main ability). The main aim is to

measure these latent traits. Furthermore, it is also assumed that the entire test

measures a latent trait vector from tested subjects. This latent trait vector does not

necessary have the same components as the main latent trait. Instead, it is supposed

that the main latent traits are linear combinations of latent trait vector components.

Therefore, they have a linear latent structure. Each item is assumed to belong to

exactly one subtest. In this model, the test dimension is defined as the number of

subtest and it may not equal the latent trait space dimension. In order to estimate the

parameters, an augment data Gibbs sampler (DAGS) was implemented and tested in

simulations. Besides, the model was used to fit data from the ’First comparative

survey on language, math and associated factors for 3rd and 4th year students

(PERCE)’, which was carried out by the Latinamerican laboratory for assessment of

quality of education.

Palavras-Chave: Teoria da resposta ao item multidimensional, estrutura linear

latente, vários grupos, subteste, traço latente.

Data

Março

5

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

49

Comunicação Oral 7.2 ( CO7)

The odd log-logistic normal distribution:

theory and applications in analysis of experiments

Altemir da Silva Braga

Gauss M. Cordeiro

Edwin M. M. Ortega

José Nilton da Cruz

Resumo: Providing a new distribution is always precious for statisticians. A new

three-parameter distribution called the odd log-logistic normal (OLLN) distribution

is defined and studied. Various of its structural properties are derived including

some explicit expressions for the moments, generating functions, mean deviations

and incomplete moments. Maximum likelihood techniques are used to t the new

model and to show its potentiality by means of three the real data sets in analysis of

experiments. Based on three criteria, the proposed distribution provides a better t

then the normal, skew normal, beta normal, Kumaraswamy normal and gamma

normal distributions.

Palavras-Chave: Log-logistic distribution; Maximum likelihood estimation; Mean

deviation; Normal distribution.

Auditório

1

Data

Março

5

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

50

Comunicação Oral 7.3 ( CO7)

The log-odd log-logistic Weibull regression model:

modeling, estimation, influence diagnostics and residual analysis

José Nilton da Cruz

Edwin M. M. Ortega

Gauss M. Cordeiro

Ana K. Campelo

Resumo: In survival analysis applications, the failure rate function may frequently

present a unimodal shape. In such case, the log-normal and log-logistic distributions

are used. In this paper, we shall be concerned only with parametric forms, so a

location-scale regression model based on the odd log-logistic Weibull distribution is

proposed for modeling data with a decreasing, increasing, unimodal and bathtub

failure rate function as an alternative to the log-Weibull regression model. For

censored data, we consider a classic method to estimate the parameters of the

proposed model. We derive the appropriate matrices for assessing local influences

on the parameter estimates under different perturbation schemes and present some

ways to assess global influences. Further, for different parameter settings, sample

sizes and censoring percentages, various simulations are performed. In addition, the

empirical distribution of some modified residuals are displayed and compared with

the standard normal distribution. These studies suggest that the residual analysis

usually performed in normal linear regression models can be extended to a modified

deviance residual in the proposed regression model applied to censored data. We

analyze a real data set using the log-odd log-logistic Weibull regression model.

Data

Março

5

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

51

Comunicação Oral 8.1 ( CO8)

A Combined Gamma Frailty and Normal Random-effects

Model for Repeated, Overdispersed Time-to-event Data

Geert Molenberghs

Geert Verbeke

Achmad Efendi

Roel Braekers

Clarice G.B. Demétrio

Resumo: This paper presents, extends, and studies a model for repeated,

overdispersed time-to-event outcomes, subject to censoring. Building upon work by

Molenberghs, Verbeke, and Demétrio (2007) and Molenberghs et al. (2010), gamma

and normal random effects are included in a Weibull model, to account for

overdispersion and between-subject effects, respectively. Unlike these authors,

censoring is allowed for. Two estimation methods are presented. The partial

marginalization approach to full maximum likelihood of Molenberghs et al. (2010)

is contrasted with pseudo-likelihood estimation. A limited simulation study is

conducted to examine the relative merits of these estimation methods. The modeling

framework is employed to analyze data on recurrent asthma attacks in children on

the one hand and on survival in cancer patients on the other.

Palavras-Chave: Exponential Model; Generalized Cauchy distribution;

Conjugacy; Maximum likelihood; Frailty model; Pseudo-likelihood; Strong

conjugacy; Weibull model.

Auditório

2

Data

Março

5

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

52

Comunicação Oral 8.2 ( CO8)

Destructive Negative Binomial cure rate Model with

a Latent Activation scheme and Random Effects

Diego I. Gallardo

Heleno Bolfarine

Antonio C. Pedroso-de-Lima

Resumo: In this work, we extend the Destructive Negative Binomial cure rate

model with a latent activation scheme (Cancho et al., 2013b) assuming the context

where the observation are grouped into clusters. Parameter estimation is performed

based on restricted maximum likelihood (REML) and a Bayesian approach based on

Dirichlet process priors. Simulation studies are performed and we illustrate the

performance of the model with a real data set related to a sealant study in the

odontology area.

Palavras-Chave: EM algorithm; competing risks; bivariate random effects;

restricted maximum likelihood; Dirichlet processes.

Data

Março

5

Auditório

2

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

53

Comunicação Oral 8.3 ( CO8)

Modelo de regressão de Poisson com superdispersão para avaliação

do impacto das variáveis climáticas no desenvolvimento

de doenças respiratórias em crianças

Natália da Silva Martins

Thiago Gentil Ramires

Mirian F. Carvalho Araújo

Clarice B. Demétrio

Resumo: As variáveis climáticas podem causar sérios impactos na saúde da

população humana, em especial na população infantil, uma vez que esta constitui o

grupo mais suscetível aos efeitos dos fatores ambientais. Considerando este grupo o

presente estudo tem como objetivo construir um modelo estocástico, capaz de

modelar o número de atendimentos ambulatoriais de crianças na faixa etária de 0 a

14 anos do município de Campo Grande (MS). Pois uso de modelos estatísticos

estão se tornando mais comuns na área da saúde pública, sendo que por meio deles é

possível adotar medidas de prevenção contra acontecimentos, para este caso,

mortalidade de crianças relacionadas as efeitos climáticos. Ajustou-se um modelo

de regressão de Poisson com superdispersão e com o modelo proposto foi possível

verificar quais fatores climáticos da região de Campo Grande estão associados ao

número de atendimentos de crianças da mesma área, e como consequência, estimar

o número de atendimentos em determinadas épocas.

Palavras-Chave: Doenças respiratórias; número de atendimentos; modelos com

superdispersão.

Auditório

2

Data

Março

5

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

54

Tutorial (T1)

Big Data Tutorial e Aplicações

a. O que é Big Data

b. Tecnologias para Big Data

c. Técnicas para explorar o universo Big Data

d. Aplicações

Josias Oliveira

Statsoft

Resumo: . No futuro, qualquer decisão de negócio poderá ser tomada apoiada 100%

em informações, apenas usando técnicas, tecnologias e metodologias Big Data.

O crescente uso de devices, o desenvolvimento de novas tecnologias de coleta e

armazenamento, softwares capazes de observar um evento a partir de dezenas de

milhares de dados e a capacidade humana de interpretar tudo isso mudará nossa

experiência de gestão do tempo, da produtividade, dos lucros, de pessoas etc. O fato

essencial nesse vertiginoso desenvolvimento tecnológico é que a Cultura Analítica

do mundo dos negócios já está sofrendo a maior mudança da sua história.

Data e Horário

Março

2

13: 00 ate 14: 30

Auditório

2

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

55

Tutorial (T2)

R and Google Maps

Marcos Oliveira Prates

DE-UFMG

Resumo: O principal objetivo de mini curso é oferecer a pesquisadores de todas as

áreas da ciência uma introdução na visualização de dados, principalmente espaciais,

através da interação do R (http://www.r-project.org/) com as API's do Google, em

mais detalhes GoogleMaps. O mini curso irá apresentar diferentes tipos de dados

para que analises exploratórias possam ser feitas de forma conjunta entre R e Google

API, ou seja, o usuário seja capaz de utilizar disfrutar de ferramentas da Google no

R, assim como exportar dados do R para visualizações dinâmicas no GoogleMaps.

Portanto, ao final do curso, o participante conseguirá de maneira introdutória fazer a

interação R e Google que poderá ser desenvolvida posteriormente. Para fazer o

curso é necessário conhecimento básico da linguagem R.

Data e Horário

Março

2

15: 00 ate 16: 30

Auditório

2

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

56

Jovem Doutor (JD1)

Estimação Robusta em Modelos de Variáveis Latentes

Denise Reis Costa

(INEP – MEC) – Orientador: Víctor Hugo Lachos Dávila (Brasil)

Resumo: Modelos de variáveis latentes são amplamente usados para modelar

variáveis que não podem ser medidas diretamente, conhecidas como construtos ou

efeitos aleatórios. Na literatura, é muito comum verificar a utilização da distribuição

normal para a modelagem dessas variáveis, contudo tal suposição pode ser

inadequada, especialmente na presença de valores discrepantes.

Preocupados com a sensibilidade das inferências sob a presença de potenciais

pontos discrepantes ou com dados provenientes de distribuições com caudas

pesadas, neste trabalho propomos métodos de inferência robusta, utilizando a

distribuição t de Student multivariada, para o modelo linear generalizado misto para

respostas binárias (GLMM) e o modelo de análise fatorial Tobit (TCFA) para

respostas contínuas e censuradas. Para avaliação dos métodos propostos, foram

realizados alguns estudos simulados, além da aplicação a conjuntos de dados reais.

Data e Horário

Março

4

16: 20 ate 16:

55

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

57

Jovem Doutor (JD2)

A Spectral Series Approach to High-Dimensional Inference

Rafael Izbicki

(DE – UFScar) – Orientador: Ann B Lee (USA)

Resumo:Akey question in modern statistics is how to make efficient inferences for

complex, high-dimensional data, such as images, spectra, and trajectories. While a

large body of work has revolved on adapting nonparametric regression methods to

high dimensions, statisticians have devoted less effort to redesigning estimators of

other quantities to such settings. Some of these tasks are of key importance for the

sciences; an example is the conditional density estimation problem, which plays an

important role in modern cosmology. In this talk, we propose a nonparametric

framework for estimating unknown functions in high dimensions.

The basic idea is to expand these functions in terms of a spectral basis -- the

eigenfunctions of a kernel-based operator. If the kernel is appropriately chosen, then

the eigenfunctions adapt to the intrinsic geometry of the data, forming an efficient

Fourier-like orthogonal basis for smooth functions on the data. We show how this

framework can be used for estimating several quantities, including the regression

function. We provide theoretical guarantees on the developed estimators and

illustrate their use for several applications.

Data e Horário

Março

4

16: 55 ate 17:

30

Auditório

1

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

58

Jovem Doutor (JD3)

Modelos de regressão para dados censurados sob Distribuições Simétricas

Aldo William Medina Garay

(IMECC – Unicamp) – Orientador: Heleno Bolfarine (Brasil)

Resumo: Este trabalho tem como objetivo principal apresentar uma abordagem

clássica e Bayesiana dos modelos lineares com observações censuradas. Aqui,

substituímos o uso convencional da distribuição normal para os erros por uma

família de distribuições mais flexíveis, o que nos permite lidar de forma mais

adequada com observações censuradas na presença de outliers. Esta família é obtida

através de um mecanismo de fácil construção e possui como casos especiais as

distribuições t de Student, Pearson tipo VII, slash, normal contaminada e,

obviamente, a normal.

Para o caso de respostas correlacionadas e censuradas propomos um modelo de

regressão linear robusto baseado na distribuição t de Student, desenvolvendo um

algoritmo tipo EM que depende dos dois primeiros momentos da distribuição t de

Student truncada.

Data e Horário

Março

4

16: 20 ate 16:

55

Auditório

2

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

59

Jovem Doutor (JD4)

Exploring Multiple Evidences to Infer Users Location in Twitter

Erica Castilho Rodrígues

(ICEB-UFOP) – Orientador: Renato Assunção (Brasil)

Resumo: Online social networks are valuable sources of information to monitor

real-time events, such as earthquakes and epidemics. For this type of surveillance,

users location is an essential piece of information, but a substantial number of users

choose not to disclose their geographical information. However, characteristics of

the users’behavior, such as the friends they associate with and the types of messages

published may hint on their spatial location. In this paper, we present a method to

infer the spatial location of Twitter users. Unlike the approaches proposed so far, we

incorporate two sources of information to learn geographical position: the text

posted by users and their friendship network. We propose a probabilistic approach

that jointly models the geographical labels and Twitter texts of users organized in the

form of a graph representing the friendship network.

We use the Markov random field probability model to represent the network and

learning is carried out through a Markov chain Monte Carlo simulation technique to

approximate the posterior probability distribution of the missing geographical

labels. We show the accuracy of the model in a large dataset of Twitter users, where

the ground truth is the location given by the GPS position. The method is evaluated

and compared to two baseline algorithms that employ either of these two types of

information. The results obtained are significantly better than those of the baseline

methods.

Data e Horário

Março

4

16:55 ate 17:30

Auditório

2

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

60

Workshop

Modelos de regressão em Julia

Luis Benites Sánchez

IME-USP

Resumo: O principal objetivo do workshop é oferecer a pesquisadores de todas as

áreas da ciência uma introdução aos modelos de regressão através da interação com

Julia (http://www.julialang.org). O desenvolvimento de Julia começou em 2009 e

uma versão de código aberto foi divulgada em fevereiro de 2012.

Julia é uma linguagem dinâmica, apropriada para computação numérica e científica,

com um desempenho comparável a linguagens estáticas tradicionalmente

utilizadas, tem uma sintaxe similar a do GNU Octave ou MATLAB.

O workshop irá apresentar diferentes tipos de modelos de regressão usando Julia.

Também será apresentado uma introdução à nova linguagem, assim como uma

pequena comparação entre o R e Julia para conhecer algumas vantagens e

desvantagen. Portanto, ao final do curso, o participante conseguirá de maneira

introdutória fazer a interação Julia e os modelos de regressão que poderá ser

desenvolvida posteriormente. Para fazer o curso é necessário conhecimento básico

de modelos lineares.

Data e Horário

Março

2

16: 30 ate 17: 30

Auditório

2

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

61

Sessão Pôster 1 (PO1) Terça-feira 03/03/2015 - 17:30 às 19:00

Imputação Múltipla de Dados Faltantes em Análise de Regressão Usando o SAS

Armando Dias Caetano, Cecilia Candolo

Modelos Aditivos Generalizados para Posição, Escala e Forma (GAMLSS) -

paramétrico na modelagem da taxa de congestionamento na fase de conhecimento

Caio Batalha Dias Oliveira Jalmar Manuel Farfan Carrasco

01

02

Competing risk analysis with masked causes of death applied to a genetic longevity study

Rafael Pimentel Maia; Clarice Garcia Demétrio Borges; Rodrigo Labouriau

03

Modelo de regressão Birnbaum-Saunders Bivariado

Filidor Vilca Labra; Renata Guimarães Romeiro; N. Balakrishnan

04

Modelo de regressão binomial negativo multivariado: Uma análise de diagnóstico

Cristian Villegas; Lizandra Castilho Fabio; Mario de Castro; Jalmar M. F. Carrasco

05

Indicadores para Avaliação Esportiva via Cópulas

Alexandre C. Maiorano; Anderson Ara; Francisco Louzada Neto

06

A Log-BGHN Regression Model with Applications to Diabetic Retinopathy Study

Rodrigo R. Pescim; Mariana R. Urbano; Edwin M.M. Ortega; Gauss M. Cordeiro

07

Profile Methods for the Transmuted Log-Logistic Model

in the Presence of Right Censored Lifetime

Daniele Cristina Tita Granzotto; Francisco Louzada

08

Modelo Geoestatístico com Processos de Poisson Não Homogêneo

Fidel Ernesto Castro Morales, Lorena Vicini, Luiz K. Hotta, Jorge A. Achcar

09

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

62

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

Sessão Pôster 1 (PO1) Terça-feira 03/03/2015 - 17:30 às 19:00

Gráficos de controle de regressão beta com dispersão variável

Cátia Michele Tondolo; Fernanda Maria Müller; Fábio Mariano Bayer

10

Modelo de Regressão para Série Temporal de Contagem

com Excesso de Zeros e Sobredispersão

David de Souza Dias; José Cardoso Neto; Max Sousa de Lima

11

Extensão do modelo de regressão Weibull na presença de longa duração

Valdemiro Piedade Vigas; Francisco Louzada; Giovana Oliveira Silva

12

Análise de Sobrevivência na Presença de Censura Informativa:

Uma Abordagem Bayesiana

Renata C. Souza; Fábio N. Demarqui; Vinícius D. Mayrink

13

Estudo dos fatores de risco associados ao baixo peso ao nascer

Priscila Pagung de Aquino Lapa; Marcus Vinícius Oliveira Palheta;

Denise Britz do Nascimento Silva

14

Modelando a resiliência em trabalhadores idosos

Rafaela Pereira; Thais Cano Miranda de Nóbrega; Rosangela Getirana Santana;

Isolde Previdelli

Estudo de modelos de regressão não lineares utilizados para

descrever o acúmulo de matéria seca total em plantas de alho

Guilherme Alves Puiatti; Paulo Roberto Cecon; Ana Carolina Ribeiro de Oliveira;

Moysés Nascimento; Ana Carolina Campana; Fernando Luiz Finger;

Mário Puiatti; Fabyano Fonseca e Silva

Ajustes de equações de predição de valores da eman para frangos

de corte utilizando a meta-análise e inferência bayesiana

Amanda Botelho Alvarenga; Renato Ribeiro de Lima; Thelma Sáfadi

15

16

17

Modelos multiestado com fragilidade compartilhada

Renata Soares da Costa; Vera Tomazella

18

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

63

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

Sessão Pôster 1 (PO1) Terça-feira 03/03/2015 - 17:30 às 19:00

Porcentual de gordura em mulheres portadoras de neoplasia

mamária sob tratamento quimioterápico

Elisete da C. Q. Aubin; Viviana Giampaoli; Nágila R. T. Damaceno; Antônio A. F. Carioca

Modelo de regressão Kum-G com fração de cura

Amanda Morales Eudes ; Vera Lucia Damasceno Tomazella

19

20

Técnicas Estatísticas aplicadas aos processos de ajuste de histórico

e de redução de incertezas em Simulação Numérica de Reservatórios de Petróleo

Marcos Henrique de Carvalho; Guilherme Daniel Avansi; Denis José Schiozer

Análise de diagnóstico de influência local no modelo

de calibração ultraestrutural normal com réplicas

Bruno Pinheiro de Andrade; Reiko Aoki

21

22

Análise de Componentes Latentes da Aprendizagem de

Programação usando Modelos de Regressão

Paula Daher Ximenes; Nátaly A. Jiménez Monroy; Márcia G. De Oliveira; Elias Oliveira

23

Modelos de Regressão Mistura de Escala Normal com Ponto de Mudança:

Aplicação a Audiências de Televisão

C. A. Huaira-Contreras; C. Borelli Zeller; F. Vilca

24

Estimation of causal functional linear regression models

J.C.S.de Miranda

25

Estimação de um modelo de regressão não linear com

resposta binomial negativa

Elizabeth M. Hashimoto; Walkiria M.O. Macerau; Terezinha Aparecida Guedes;

Edwin M.M. Ortega

Modelos de Regressão Discretos para Dados Grupados: Uma Aplicação

em Avaliação de Risco em Produto de Crédito Parcelado

Tatiana Santos Rocha; Juliana Betini Fachini Gomes; Afrânio Márcio Corrêa Vieira

26

27

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

64

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

Sessão Pôster 1 (PO1) Terça-feira 03/03/2015 - 17:30 às 19:00

Modelos de regressão para dados de sobrevivência com fração de

cura e censura intervalar

Júlio Brettas; Gisela Tunes

Um estudo da concentração de nitrato lixiviado no solo

sob a aplicação de diferentes dosagens de vinhaça

Simone Daniela Sartorio;Márcio Roberto Soares;Fabiane

Karen Godoy;Sérgio Ricardo Rodrigues de Medeiros

Uso de análise de regressão padronizada no ajuste da porcentagem

de não conformidade na revenda de etanol, diesel e gasolina

Candolo, C.; Soares, S. S., Saes, M. S. M.

28

29

30

Distribuição Espacial dos Pacientes de Anemia Aplástica

Atendidos pelo Hemoba entre 2002 e 2012

Samila Oliveira Lima Sena; Denise Nunes Viola; Marco Aurélio Salvino de Araujo

31

Riemann Manifold Langevin methods in Bayesian statistics

Ricardo S. Ehlers; Mauricio Zevallos; Loretta Gasco

32

Modelo weibull modificado para dados de sobrevivência com fração

de cura aplicado a dados de câncer gástrico

Marcos Vinicius de Oliveira Peres; Edson Z. Martinez; Isolde T. S. Previdelli

33

Bayesian inference for latent traits in censored data

with the multivariate normal distribution

Eliardo G. Costa; Heleno Bolfarine

34

Modelo de Regressão Beta Retangular Aumentado em zeros e uns

Ana Roberta dos Santos Silva; Caio Lucidius Naberezny Azevedo;

Jorge Luis Bazan; Juvêncio Santos Nobre

35

Predição do prazo de validade de berinjelas minimamente

processadas em estudos não-acelerados

Natalia da Silva Martins, Eric Batista Ferreira, Flávia Della Lucia, Sônia M. S. Piedade

36

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

65

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

Sessão Pôster 1 (PO1) Terça-feira 03/03/2015 - 17:30 às 19:00

Bivariate rotated clayton copula sur tobit model: a modified inference

function for margins and interval estimation

Francisco Louzada; Paulo H. Ferreira

Modelo de regressão logística multinomial ordinal para avaliar os fatores explicativos do índice

de massa corporal em pacientes portadores de doenças reumáticas

Wagner Jorge Firmino da Silva; Sharlene Neuma Henrique da Silva;

Bruna Nolasco Siqueira Silva

37

38

Maximum penalized likelihood inference in measurement error models

Lorena Cáceres Tomaya; Mário de Castro

39

Regressão Beta aplicada a dados de PIB relativo

Deive Ciro de Oliveira; Rafael Agostinho Ferreira

Efeitos de marcadores moleculares em diferentes níveis

do rendimento de carcaça de suínos

Patricia Mendes dos Santos;Laís Mayara Azevedo Barroso; Moyses Nascimento;

Ana Carolina Campana Nascimento; Fabyano Fonseca e Silva;Simone Eliza

Facioni Guimarães;Paulo Sávio Lopes

A Bayesian Estimation for Mixture of Simplex Distribution

with an Unknown Number of Components

Rosineide F. da Paz; Jorge Luis Bazán; Luis A. Milan.

40

41

42

Censored mixed-effects models for irregularly observed repeated

measures with applications to HIV viral loads

Larissa A. Matos; Luis M. Castro; Victor H. Lachos

Uso de séries temporais na análise de consumo aparente de

gasolina de janeiro de 1979 a julho de 2014

Elayne Penha Veiga; Mario Javier Ferrua Vivanco; Paulo Henrique Sales;

Fortunato Silva de Menezes

43

44

Um esquema de visita de um robô coletor de dados numa rede de sensores sem fio

Márcia H Barbian; Renato M. Assunção; Andrea Iabrudi Tavares

45

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

66

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

Sessão Pôster 1 (PO1) Terça-feira 03/03/2015 - 17:30 às 19:00

P-distant sets and linear regression

González, J; Lèskow, J; Lachos, V.

46

Estimation of parameters of the Bivariate Zero-Inflated

Poisson model via the EM algorithm

V.A. Quispe, V.L.D. Tomazella , L.E.B.Salasar

47

Robust periodogram methods for time series with long-range

dependence: An application to pollution levels

Fabio A. Fajardo; Valderio A. Reisen

48

Análise multivariada do perfil dos conhecedores e usuários de

zooterapia em uma comunidade rural baiana

Rodrigo de Souza Bulhões; Loyana Docio; Alana Narcisia Jesus Souza

49

Possíveis fatores explicativos para satisfação de estudantes

universitários com a organização de seus cursos

Sharlene Neuma Henrique da Silva; Maria Cristina Falcão Raposo

50

A Semiparametric Non-inferiority Test for Two-arm Survival Study with

Proper Control of the Type I Error Rate

Juliana Cobre; Debajyoti Sinha; Elvis E. Martinez; Stuart R. Lipsitz

51

Modeling volleyball data via a compositional regression structure

Taciana Kisaki Oliveira Shimizu; Francisco Louzada

52

Resistência à insulina e ácidos graxos: uma avaliação utilizando modelos mistos

Viviana Giampaoli; Elisete C. Q. Aubin; Nágila R. T. Damaceno; Bernardo F. Reimann;

Marcelo Figueiredo de Almeida

Modelling cell movements using multivariate student distribution

and almost periodic models

Aldo Medina Garay; Jacek Leskow; Monika Bednarz; Natalia Koson; Agnieszka Karpinska

53

54

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

67

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

Sessão Pôster 1 (PO1) Terça-feira 03/03/2015 - 17:30 às 19:00

Um estudo sobre os aspectos inferenciais da distribuição Birnbaum-Saunders Normal

Assimétrica sob a parametrização centrada

Nathalia Lima Chaves; Caio Lucidius Naberezny Azevedo; Filidor Edilfonso Vilca Labra;

Juvêncio Santos Nobre

Análise da condição de germinação em um estudo longitudinal com laranjeiras

Idemauro Antonio Rodrigues de Lara; Sílvia Maria de Freitas; Ana Maria Souza de Araujo;

Vanessa Voigt; Rodrigo Rocha Latado

55

56

Modelos da Teoria de Resposta ao Item Multidimensionais Assimétricos de Grupos Múltiplos

Para Respostas Dicotômicas sob um Enfoque Bayesiano

Juan Leonardo P. Gómez; Caio Lucidius Naberezny Azevedo

57

Análise Bayesiana para o modelo de regressão não linear com erros t-Student

Aline Campos Reis de Souza; Vicente Garibay Cancho

58

Nonlinear mixed-effects models for a bioequivalence problem

Cibele M. Russo; Sten P. Willemsen; D. Leão; Emmanuel Lesaffre

59

Modelo de regressão ordinal para a satisfação do usuário do transporte coletivo

de Botucatu no ano de 2014

Miriam Harumi Tsunemi; Ritieli Aparecida de Lima

60

Regressão antitônica na estimação do tamanho ótimo de parcela em

experimento horticola

Guido Gustavo Humada-Gonzalez; Augusto Ramalho de Morais; Adriano Teodoro Bruzi;

Gilberto Rodrigues Liska; César Arnaldo Caballero; José Humada Sosa

Método de Classificação Robusto para Dados com Ruído

no Rótulo baseado em Árvores Geradoras Mínimas

Letícia Cavalari Pinheiro; Renato Martins Assunção

61

62

Modelación de los atributos que inciden en la elección del consumidor

de alimentos funcionales

Alfonso Tesén Arroyo; Elena Gabriela Chau LooKung

63

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

68

Sessão Pôster 2 (PO2) Quarta-feira 04/03/2015 - 17:30 às 19:00

A Bayesian Approach for a New Long-term Survival Models with Latent Activation

Adriano K. Suzuki; Vicente G. Cancho; Francisco Louzada; Gladys D. C. Barriga

01

Análise de Regressão Múltipla para o mapeamento genético de hipertensão arterial

Elisabeth Regina de Toledo; Antônio Policarpo Souza Carneiro.

02

Inference for a Truncated Positive Normal Distribution

Héctor J. Gómez; Neveka M. Olmos; Héctor Varela; Heleno Bolfarine

03

Modelos Não-Lineares Aplicados à Produção Leiteira de Três

Raças de Bovinos do Município de Castro, Paraná

Anderson Paulo Scorsato; Vinícius Menarin; Suely Ruiz Giolo

Modelando o número de gols por partida de futebol via Regressão de Poisson:

Um estudo aplicado à temporada 2013 do Cruzeiro Esporte Clube

Eduardo Campana Barbosa; Carlos Henrique Osório Silva; Moysés Nascimento;

Rômulo César Manuli;

04

05

Confiabilidade de redes de coautoria: Uma abordagem Bayesiana

com enfoque nos vértices ou pesquisadores

Taiane de Paula Ferreira; Sandra Cristina de Oliveira

06

Modelo Normal-Generalizada-PAR: Uma aplicação a séries periódicas

Eder Angelo Milani; Marinho G. Andrade

07

Modelagem do Índice de Desenvolvimento Humano por Educação

usando o Modelo de Regressão Beta

Raí Silvério Machado; Gina Provedel; Bruna Campos Lyrio

08

Diagnóstico do modelo de calibração linear

Bessa C., Geórgia; Santos, Y. M. S.; Blas, Betsabé.

09

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

69

Sessão Pôster 2 (PO2) Quarta-feira 04/03/2015 - 17:30 às 19:00

Associação entre a não realização do exame preventivo de câncer do colo de útero

e características socioeconômicas, demográficas, comportamentais e de saúde da

mulher, no Brasil.

Keilane Alves Pereira; José Rodrigo de Moraes; Luz Amanda Melgar Santander.

Transformed Generalized ARMA models with Gamma and inverse

Gaussian distributions

Breno Silveira de Andrade ; Marinho G. Andrade ; Ricardo S. Ehlers

10

11

Diagnóstico de influência em modelos de regressão não linear para dados censurados

e com distribuições Normais/Independentes

Isabel Cristina Gomes; Lourdes Coral Contreras Montenegro; Marcos Oliveira Prates;

Victor Hugo Lachos

12

A Mixed-Effect Model for Positive Responses Augmented by Zeros

Mariana Rodrigues-Motta; Diana M.G. Soto; Victor H. Lachos; Filidor V. Labra;

Valéria T. Baltar; Eliseu V. Júnior; Regina M. Fisberg; Dirce M.L. Marchioni

13

Gráfico t² de hotelling: usando o r para obter o nma para um processo

bivariado e autocorrelacionado

Francimário Alves de Lima; Joelton Fonseca Barbosa; Pledson Guedes de Medeiros.

14

Cure Rate Regression Models Considering The Burr XII Distribution

Emílio Augusto Coelho-Barros; Josmar Mazucheli; Jorge Alberto Achcar

15

Clustering repeated ordinal data: a bayesian hierarchical

approach based on finite mixtures

Roy Costilla; Ivy Liu, Richard Arnold

16

Coeficiente de curtose em modelos lineares generalizados

Fabiana Uchôa; Denise A. Botter; Mônica C. Sandoval

17

Modelo de regressão autoregressivo série de potência modificado inflacionado de zeros

Natália Manduca Ferreira; Carlos Alberto Ribeiro Diniz

18

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

70

Sessão Pôster 2 (PO2) Quarta-feira 04/03/2015 - 17:30 às 19:00

Correções bootstrap de testes de hipóteses no modelo de regressão beta inflacionado

Laís Helen Loose; Fábio Mariano Bayer

19

Seleção de genótipos de cana-de-açúcar usando regressão logística

Bruno Portela Brasileiro; Luiz Alexandre Peternelli; Jaqueline Gonçalves Fernandes;

Gustavo Felipe Ferreira Vieira; Lucas Santos Lopes; Mateus Teles Vital Gonçalves

20

Confidence interval for effective dose in mixed models

Mariana Ragassi Urbano; Clarice Garcia Borges Demétrio; John Hinde;

Rodrigo Rossetto Pescim; Everton Batista da Rocha.

21

Delineamentos ótimos baseados no critério de I-otimalidade para

experimentos em blocos de efeitos fixos

Heloisa Maria de Oliveira; Luzia Aparecida Trinca

22

Estudo de malhas para dados geoestatísticos com aproximação via spde

Ana Julia Righetto; Paulo Justiniano Ribeiro Junior

23

Análise do impacto da histerectomia e das condições socioeconômicas

na saúde autorreferida de mulheres no Brasil

Gabriel de Aguiar Mendonça; Luz Amanda Melgar Santander; José Rodrigo de Moraes

24

Efeitos da especificação incorreta das funções de ligação no modelo de

regressão beta com dispersão variável

Diego Ramos Canterle, Bruna Gregory Palm, Fabio Mariano Baye

25

GARMA Models for Counting Data: An Application on Financial Time Series.

Breno Silveira de Andrade; Marinho G. Andrade; Ricardo S. Ehlers; Dorival Leão Pinto Jr.

26

A família de distribuições Weibull generalizada

Thiago Gentil Ramires; Gauss Moutinho Cordeiro; Edwin Moises Marcos Ortega.

27

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

71

Sessão Pôster 2 (PO2) Quarta-feira 04/03/2015 - 17:30 às 19:00

Modelos de regressão para análise de dados de contagem truncados

Nívea B. da Silva; Leila A. F. Amorim; Rosemeire L. Fiaccone; Vanessa Morato

28

A Bayesian Approach to Zero-Modified Poisson Model for the Prediction of Match

Outcomes: An Application to the 2012-2013 La Liga Season

Katiane S. Conceição; Adriano K. Suzuki; Marinho G. Andrade; Francisco Louzada

29

Modelo de regressão linear potência normal com intercepto aleatório potência normal

Roger Tovar Falon; Heleno Bolfarine; Guillermo Martínez Flórez

30

A new Birnbaum-Saunders frailty model and associated inference

Jeremias Leão; Vera Tomazella; Victor Leiva

31

Método de Buckley-James no ajuste de modelo de regressão linear para dados de

sobrevivência de pacientes submetidos à ligadura elástica de varizes esofágicas.

Rogério Antonio de Oliveira, Liciana Vaz de Arruda Silveira, Giovanni Faria Silva

32

Modelos Aditivos Generalizados Funcionais: método de estimação

e predição para respostas binárias

José Roberto Silva dos Santos; Larissa Ávila Matos; Julian A. Collazos.

33

A quantile parametric mixed regression model for bounded response variables

Cristian L. Bayes; Jorge L. Bazán; Mário de Castro

34

A Diferential Geometric MCMC Estimation Approach

for a Fractional Beta Mean Regression Model

Luis Valdivieso; Cristian L. Bayes.

35

Self-Modeling Ordinal Model with Time Invariant Covariates -

An Application to Prostate Cancer data

Aliakbar Mastani Shirazi, Kalyan Das, Aluisio Pinheiro

36

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

72

Sessão Pôster 2 (PO2) Quarta-feira 04/03/2015 - 17:30 às 19:00

Análises da influência do fechamento do dossel na diversidade e

densidade da regeneração natural em áreas em processo de restauração

Gilberto Rodrigues Liska; Luciana Maria de Souza; Guido Gustavo Humada-Gonzalez;

Soraya Alvarenga Botelho; Marcelo Ângelo Cirillo; Regiane Aparecida Vilas Bôas Faria

37

Propriedades do resíduo quantílico em modelos de regressão gaussiana inversa

Juliana Scudilio Rodrigues; Gustavo H. A. Pereira

38

Modelos da Teoria de Resposta ao Item assimétricos de grupos múltiplos para respostas politômicas

nominais e ordinais sob um enfoque bayesiano

Eduardo Vargas Ferreira; Caio Lucidius Naberezny Azevedo

39

Wald test in finite samples

Tiago M. Magalhães; Denise A. Botter; Mônica C. Sandoval

40

Extensão dos Modelos de Regressão PLS com Erros Heteroscedásticos

Marcelo Henrique Casagrande; Carlos Alberto Ribeiro Diniz

41

Bayesian truncated nonlinear beta regression model

Carlos Alberto Ribeiro Diniz; Carolina Costa Mota Paraba

42

Regressão Múltipla: análise de fermentação

Eucymara Franca Nunes Santos; Gabriela da Cunha Torchia

43

Choice-Based Conjoint Analysis: Um Enfoque por Modelos Lineares Generalizados

Eduardo Campana Barbosa; Carlos Henrique Osório Silva; Moysés Nascimento;

Rômulo César Manuli;

Estudo e implementação da função de crescimento adaptada a espécie

Schizolobium Amazonicus (vulgo Paricá).

Rodrigo Cesar Freitas da Silva, Rayssa Caroline da Conceição Ribeiro,

João Marcelo Brazão Protázio.

44

45

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

73

Sessão Pôster 2 (PO2) Quarta-feira 04/03/2015 - 17:30 às 19:00

Método GEE duplo robusto para análise de dados longitudinais

ordinais com perda MAR

José Luiz Padilha da Silva; Enrico Antonio Colosimo; Fábio Nogueira Demarqui

46

Critérios de elegibilidade para um município pertencer ao programa

territórios da cidadania

Pedro Gomes Andrade; Denise Britz do Nascimento Silva

47

Crianças que nunca frequentaram a escola: identificação das áreas de vulnerabilidade

socioespacial através de geoestatística

Pedro Gomes Andrade; Ana Camila Ribeiro Pereira

48

O uso de análise envoltória de dados para avaliação da eficiência dos estados brasileiros

49

Steven Dutt-Ross; Pedro Gomes Andrade

Nonlinear regression models under skew scale mixtures of normal distributions

Clécio da Silva Ferreira; Victor Hugo Lachos

50

Combinação linear wavelet híbrida multiestágios na previsão de séries temporais

Luiz Albino Teixeira Júnior; Álvaro Eduardo Faria Júnior;; Ricardo Vela de Britto Pereira;

Reinaldo Castro Souza; Edgar Manuel Carreño Franco; Henrique Helfer Hoeltgebaum

51

Estimação robusta de modelo funcional para identificação de faltas em linhas

de transmissão

Gilmar Rosa; Marcelo Azevedo Costa

52

Análise da estrutura de reprovações em um curso de estatística utilizando

modelos de espaços latentes

Marcos Sousa Goulart; Gustavo da Silva Ferreira

53

Uma extensão assimétrica do modelo de Grubbs usando a abordagem Bayesiana

Fábio Rocha da Silva; Lourdes Coral Contreras Montenegro

54

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


XIV Escola de Modelos de Regressão

74

De 2 a 5 de Março de 2015 - Centro de Convenções - Unicamp

Sessão Pôster 2 (PO2) Quarta-feira 04/03/2015 - 17:30 às 19:00

Imputação múltipla em modelos de regressão logística: fatores associados ao baixo

peso ao nascer no estado do paraná

Marina Gandolfi ; Sérgio Marcussi Gaspechak; Eraldo Schunk Silva; Isolde Previdelli

55

Modelo misto aplicado ao estudo de dados longitudinais de glicemia em um único rato

Omar C. N. Pereira; Emerson Barili; Rosângela G. Santana; Isolde Previdelli

56

Intervalos de confiança da razão de verossimilhanças modificada

Sérgio Marcussi Gaspechak; Isolde Previdelli

57

Análise de Sobrevida em Pacientes com Esclerose Lateral Amiotrófica

Natalie Henriques Martins; Reinaldo Gomes Morais;

Cosme Marcelo Furtado Passos da Silva; Marli Pernes da Silva Loureiro

58

Avaliação de teste de Mauchly

Juliana Faria de Carvalho, Isolde Previdelli, Rosangela Santana

59

Um modelo de sobrevivência de factores de risco latentes e mecanismos

de ativação latentes

José Julio Flores Delgado; Vicente Garibay Cancho

60

Pessoas com deficiência: questão de risco sob aplicação de regressão logística

politômica e sob visão epidemiológica

Paulo Tradeu Meira Silva de Oliveira

61

Imputação de dados faltantes em séries temporais: Comparação de modelos estruturais

e modelos de imputações múltiplas de dados (Amelia II)

Fernanda Lang Schumacher; Eniuce Menezes de Souza

62

Augmented mixed models for clustered proportion data

Dipankar Bandyopadhay; Diana Milena Galvis; Víctor Hugo Lachos

63

: emrxiv@gmail.com

: http://www.ime.usp.br/~abe/emr2015


Desenhado por Luis Benites Sánchez e Rocío Paola Maehara: lbenitesanchez@gmail.com

XIV

ESCOLA DE MODELOS

DE REGRESSÃO

Campinas foi no passado conhecida como "terra das

andorinhas". A foto acima da década 1910 mostra as

andorinhas no extinto Mercado das Hortaliças - edificado em

agosto de 1886 e demolido em abril de 1956, virou Casa das

Andorinhas depois de perder seu uso comercial (em 1908, com

a inauguração do novo mercado na Praça Corrêa de Melo). A

fama nacional foi reconhecida depois que Rui Barbosa visitou

Campinas em 1914 e assistiu aos vôos rasantes das aves no

extinto Mercado das Hortaliças, onde hoje é o Largo das

Andorinhas, no Centro. Em uma só tarde, um pesquisador da

época chegou a estimar 30 mil andorinhas nos telhados.

Membro fundador da Academia Brasileira de Letras, Rui

Barbosa escreveu a crônica As Andorinhas de Campinas, que

foi lida no Centro de Ciências, Letras e Artes na ocasião da

visita.

Pouco se vêem as andorinhas hoje em dia em Campinas. As

gerações que perderam o espetáculo das aves, que ocorria

todos os anos, do começo do século até a década de 50,

ficaram apenas com as homenagens feitas aos pássaros,

como as calçadas de mosaico português com desenhos de

andorinhas voando, a pintura dos ônibus coletivos e táxis, o

Largo das Andorinhas, que recebeu este nome em 1945, o

Hotel Fazenda e Golf Solar das Andorinhas e o monumento

que representa um grupo de andorinhas em pleno vôo, do

escultor Lélio Coluccini, instalado em 1957, diante do Museu

de Arte Contemporânea de Campinas. Campinas não é mais

rota migratória das andorinhas pelo fato de a cidade ter

crescido bastante e substituído sua atividade econômica,

antes predominantemente agrícola, com campos, áreas rurais,

pastos e terra arada. Mas ficou a marca.

ABE

Departamento de Estatística, Instituto de Matemática,

Estatística e Computação Científica, IMECC - Unicamp

Rua Sérgio Buarque de Holanda,

651 - Cidade Universitária `Zeferino Vaz´ - Distr.

Barão Geraldo - Campinas - São Paulo - Brasil

CEP 13083-859

Página web

Boletim digital

: emrxiv@gmail.com

: www.ime.usp.br/~abe/emr2015

More magazines by this user
Similar magazines