Possui graduação em Matemática (Licenciatura) pela Universidade Estadual Paulista Júlio de Mesquita Filho (2004) , mestrado em Estatística pela Universidade Federal de São Carlos (2007) e doutorado em estatística pela Universidade Federal de São Carlos (2012). Tem experiência na área de Probabilidade e Inferência Estatística, com ênfase em inferência bayesiana. (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) |
Neste estudo, introduzimos um novo modelo de sobrevivência bivariado, denominado modelo OLiHL bivariado, que se baseia na cópula Farlie-Gumbel-Morgenstern (FGM), enquanto as marginais são modeladas pela distribuição Odd Lindley Half Logistic, apta para modelar dados completos ou censurados. Para conduzir inferências, adotamos uma abordagem Bayesiana, empregando métodos Monte Carlo em Cad…
Hodiernamente, os algoritmos de aprendizado supervisionado vêm ganhando relevância no contextode Credit Scoring. No entanto, as bases de dados utilizadas para Credit Scoring possuem poucosexemplos de maus pagadores, o que pode levar os modelos de aprendizado a cometer erros de classificação, classificando um mau pagador como um bom pagador e, por conseguinte, gerando prejuízo ao credor. S…
Neste trabalho propomos um novo modelo de sobrevivência baseado no método de transformação logarítmica generalizada para modelar dados completos ou na presença de observações censuradas. Assumiremos como distribuição base o modelo A e, para fins inferenciais dos parâmetros, realizaremos uma abordagem Clássica por meio da estimação por máxima verossimilhança e uma abordagem Bayesiana utili…
Neste trabalho propomos um novo modelo de sobrevivência bivariado baseado na cópula Farlie-Gumbel-Morgenstern (FGM) com marginais seguindo a distribuição A para modelar dados completos ou na presença de observações censuradas. Para fins inferenciais, realizamos uma abordagem Bayesiana utilizando métodos Monte Carlo em Cadeias de Markov (MCMC). Com o objetivo de detectar observações influe…
| 1 | Bolsas no país em andamento |
| 4 | Bolsas no país concluídas |
| 5 | Todas as Bolsas |
| Processos vinculados | |
CV Lattes
ORCID