CV Lattes
ResearcherID
ORCID
Universidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação Científica (IMECC) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Possui graduação (1998) e mestrado (2003) em Estatistica pela Universidade Estadual de Campinas (1998), mestrado em Estatística com ênfase em Bioestatística pela University of Wisconsin-Madison (2003) e doutorado em Quantitative Genetics and Animal Breeding também pela University of Wisconsin-Madison (2006). Desde 2007 é docente do Departamento de Estatística da Universidade Estadual de Campinas sendo professor Associado nível 1 (MS-5.1). Tem experiência na área de Probabilidade e Estatística, com ênfase em modelos de regressão, com diversas aplicações em estatística genética, agricultura, medicina e bioestatística, entre outras. Foi tesoureira da ISBra, capítulo brasileiro da ISBA International Society for Bayesian Analysis no Biênio 2019-2020. No âmbito de funções administrativas na UNICAMP, atualmente é Coordenadora de Pós-graduação, e foi Chefe (2019-2021) e Vice-chefe (2013-2015; 2017-2019) de Departamento. É membro do Caucus for Women in Statistics da International Biometric Society (IBS) Confernece desde 2019. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Este Projeto tem aplicação em diversos problemas relacionados a modelos de regressão misto e de mistura com aplicações em diferentes áreas. O Projeto é composto por 4 subprojetos, envolvendo os seguintes estudos: (1) incorporação de covariáveis funcionais em modelos de Regressão Semi-Paramétricos para fins de aprendizado não supervisionado e com aplicação em dois conjuntos de dados, um de…
A literatura em melhoramento vegetal, como por exemplo de gramínias como a cana-de-açucar e forrageira, indica que realizar melhoramento genético para múltiplos fenótipos simultaneamnete tem uma vantagem sobre fenótipos únicos e modelados separadamente. No entanto, uma prática comum é mo\-delar fenótipos múltiplos através de distribuição Gaussiana multivariada, gerando um vício inferencia…
Neste estudo, o objetivo é modelar a probabilidade de doença em animais através de modelos de regressão logística com variáveis escalares e funcionais. Para isso, modelos aditivos generalizados serão considerados. Os dados a serem utilizados neste projeto fazem parte de uma base do laboratório Dairy Cattle Biology and Management da Universidade de Cornell.