Caderno de Programas e Resumos

Em homenagem ao 65º 

aniversário do Prof. Heleno Bolfarine 

Campinas 

2015 

XIV Escola de Modelos de Regressão 

Universidade Estadual de Campinas 

De 2 a 5 de Março de 2015 

Campinas, Brasil 

ABE

XIV Escola de modelos de Regressão 

36 

2 a 5 de Março de 2015 - Centro de convenções - UNICAMP 

APRESENTAÇÃO 

Mensagem de Boas Vindas 

É com imensa satisfação que o Departamento de Estatística da Universidade 

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

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

O programa do XIV EMR inclui 12 Conferências, dois minicursos ( MC1 e Mc2), 24 

Comunicações Orais ( CO) agrupadas em grupos de 3 e 2 Sessões de Pôsteres (com 

55 apresentações de pôsteres em cada sessão). 

A Comissão Organizadora dá as Boas Vindas a 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


36 


AGRADECIMENTOS 

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

agradece o apoio das seguintes instituições: CAPES, FAPESP, Associação 

Brasileira de Estatística ( ABE) e o Instituto de Matemática, Estatística e 

Computação Científica ( IMECC) da UNICAMP, assim como todas as Fundações 

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

a participação de pesquisadores, estudantes e profissionais no evento. 

Departamento de Estatística 

Instituto de Matemática, Estatística e Computação Científica da 

UNICAMP 




36 


INDICE 




36 


Programação 02/03/2015 




36 






36 






36 






36 


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 {\tt 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. 

Horário 

24 h 

8:10 as 10:10 




36 


Minicurso 2 ( MC2) 

Misturas Finitas de Distribuições 

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 mestrado, doutorado. 

Horário 

24 h 

8:10 as 10:10 




36 


Conferência de abertura 

Misturas Finitas de Distribuições 

Heleno Bolfarine 

IME - USP 

Resumo: Mist 

Horário 

24 h 

8:10 as 10:10 




36 


Conferência 1 (C1) 

Some contributions on nonstandard regression models 

Luis Hernando Vanegas 

Pontificia Universidad Católica de Chile 

Resumo: We present some contributions to the statistical analysis of regression 

models under some non-standard assumptions, including censored, truncated or 

restricted continuous dependent (response) variables, independent (explanatory) 

variables measured with error and flexible families of non-normal distributions for 

the error terms and/or further unobserved (latent) random variables involved in the 

statistical models. 

Horário 

24 h 

14:00 as 15:00 




36 



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. 

Horário 

24 h 

14:00 as 15:00 




36 




Dipankar Bandyopadhyay 

University of Minnesota, Minneapolis, USA 

Resumo: Periodontal studies often leads to data collected which are clustered in 

nature (viz. clinical attachment level (CAL) measured at tooth-sites and clustered 

within subjects) that are routinely analyzed under a linear mixed model framework 

with underlying normality assumptions of the random effects and random errors. 

However, a careful look reveals that these data might exhibit skewness and tail 

behavior, and hence the usual normality assumptions might be questionable. 

Besides, periodontal progression might also be spatially associated, i.e. a diseased 

tooth site influences the decay status of a set of neighbouring sites. Also, the 

presence/absence of a tooth is informative as the number and location of missing 

teeth informs about the periodontal health in that region. In this paper, we develop a 

(shared) random effects model for site-level CAL and binary presence/absence 

status of a tooth using a Bayesian paradigm. The random effects are modeled using a 

spatial skew-normal/independent (S-SNI) distribution, whose covariance structure 

follows a conditionally autoregressive (CAR) process. Our S-SNI density provides 

an attractive parametric tool to model spatially referenced asymmetric thick-tailed 

structures. 

Both simulation studies and analysis of a real data on the periodontal health status of 

Gullah speaking African-American diabetics reveal that our proposition provides a 

significantly improved fit over models that do not consider these features of 

periodontal data in a unified way." 

Horário 

24 h 

15:00 as 16:00 




36 



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 

bootstra é realizada. 

Horário 

24 h 

15:00 as 16:00 




36 




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. 

Horário 

24 h 

10:30 as 11:30 




36 



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. 

Horário 

24 h 

10:30 as 11:30 




36 



Bayesian Modeling of Sparse High Dimensional 

Data using Divergence Measures 

Dipak Dey 

University of Connecticut, 

Storrs, USA 

Resumo: We introduce a novel divergence based approach, called Bregman 

divergence, to model sparse high dimensional problems. We also introduce a new 

prior which induces a new version of the (approximate) adaptive lasso in a Bayesian 

framework. Unlike the original adaptive lasso in which the weights should be prespecified 

prior to the estimation, in our approach the coefficient estimates are 

directly used as the weights. In addition, due to the generality of the Bregman 

divergence, the proposed model is easily extended to generalized linear models as 

well as the group lasso. 

Horário 

24 h 

10:30 as 11:30 




36 



Bayesian Modeling of Sparse High Dimensional 

Data using Divergence Measures 

Francisco Louzada 

Resumo: We 

Horário 

24 h 

10:30 as 11:30 




36 



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) 

Horário 

24 h 

14:00 as 15:00 




36 



On local power properties of the LR, Wald, score and gradient tests 

in nonlinear mixed-effects models 

Artur José Lemonte 

Universidade Federal de Pernambuco, Brasil 

Resumo: The local powers of some tests under the presence of a parameter vector, 

omega say, that is orthogonal to the remaining parameters are studied in this paper. 

We show that some of the coefficients that define the local powers of the tests remain 

unchanged regardless of whether omega is known or needs to be estimated, whereas 

the others can be written as the sum of two terms, the first of which being the 

corresponding term obtained as if omega were known, and the second, an additional 

term yielded by the fact that omega is unknown. We apply our general result in the 

class of nonlinear mixed-effects models and compare the local powers of the tests in 

this class of models. 

Horário 

24 h 

14:00 as 15:00 




36 



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 covariate-dependent random 

partition model, using for each patient only the available mutations. 

Horário 

24 h 

15:00 as 16:00 




36 



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 State 

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 GPA score 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. 

Horário 

24 h 

15:00 as 16:00 




36 


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. 

Horário 

24 h 

11:20 as 12:30 




36 


Sessão Temática 1 ( ST1): 

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. 




36 


Sessão Temática 1 ( ST1): 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. 




36 


Sessão Temática 1 ( ST1): 

Big Data 

Nonparametric Regression and Partial Least 

Squares Dimension Reduction in Multistate Models 

Sommath Datta 

University of Louisville, 

Louisville, USA 

Resumo: In this talk, we will cover various elements of prediction using Big Data 

leading to a high dimensional covariate. Typically, such data have inherent noise 

along with useful signals that are predictive of certain discrete or continuous 

outcome. Therefore denoising and feature selections are useful steps in constructing 

useful covariates that can be used in a statistical regression model. 

Next, we review various modern regression techniques, including latent factor and 

penalized methods, that are suited to handle large covariate vectors. In the final part 

of the talk, we cover the Super Regression method that is an ensemble method and is 

suitable for the Big Data paradigm. 




36 


Sessão Temática 2 ( ST2): 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. 




36 



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. 




36 



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). 




36 


Sessão Temática 3 ( ST3): 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. 




36 



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. 




36 



Aggregated functional data model for Near-Infrared 

Spectroscopy calibration and prediction 

Ronandlo 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 




36 


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 




36 



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. 




36 



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. 




36 



Modelo de regressão bivariado inflacionado de zeros com 

estrutura de correlação autoregressiva de primeira 

ordem nos componentes aleatórios 

Natália Manduca Ferreira 


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 




36 



Bayesian analysis for zero-or-one inflated proportion 

data using quantile regression 

Bruno Santos 


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. 




36 



On estimation and influence diagnostics for zero–inflated 

Conway–Maxwell–Poisson regression model: Full Bayesian analysis 

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. 




36 



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. 




36 



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. 




36 



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. 

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

Space-Time, Local Knox Score, Cumulative Surfaces. 




36 



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. 




36 



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. 




36 



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 




36 



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. 


selection; MCMC. 

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




36 



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. 




36 



Inferência bayesiana em modelos semiparamêtricos com erros nas variáveis 

Luz Marina Rondón Poveda 


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. 




36 



Randomly truncated nonlinear beta mixed-effects models 

Carolina Costa Mota Paraíba 


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. 




36 



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. 




36 



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. 


parameters block. 

QTL mapping; data-driven reversible jump; update of 




36 



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. 




36 



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. 




36 



The log-odd log-logistic Weibull regression model: 

modeling, estimation, influence diagnostics and residual analysis 

vJosé 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. 




36 



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. 




36 



Destructive Negative Binomial cure rate Model with 

a Latent Activation scheme and Random Effects 

Diego I. Gallardo 


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. 




36 



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. 




36 


Tutorial (T1) 

Modelos de regressão para dados censurados sob Distribuições Simétricas 

Aldo William Medina Garay 

Statsoft 

Resumo: Este trabalho tem como objetivo principal apresentar uma abordagem 

clássica e Bay 




36 


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. 




36 


Jovem Doutor (JD1) 

Estimação Robusta em Modelos de Variáveis Latentes 

Denise Reis Costa 

(INEP – MEC) – Adv. Víctor Hugo Lachos Dávila 

Resumo: Modelos de variáveis latentes são amplamente 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. 




36 



A Spectral Series Approach to High-Dimensional Inference 

Rafael Izbicki 

(DE – UFScar) – Adv. 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. 




36 



Modelos de regressão para dados censurados sob Distribuições Simétricas 

Aldo William Medina Garay 

(IMECC – Unicamp) – Adv. Heleno Bolfarine 

Resumo: Este trabalho tem como objetivo principal apresentar uma abordagem 

clássica e Bayesiana dos modelos lineares com observações censuradas, que é uma 

nova área de pesquisa com grandes possibilidades de aplicações.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. 




36 



Exploring Multiple Evidences to Infer Users Location in Twitter 

Erica Castilho Rodrígues 

(ICEB-UFOP) – Adv. Renato Assunção 

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. 




36 


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 nos 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 divulgado 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 modelos de regressão usando Julia. 

Também sera apresentado uma introdução ao novo 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 

dos modelos lineares. 




36 


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 




36 



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 




36 



Porcentual de gordura em mulheres portadoras de neoplasia 

mamária sob tratamento quimioterápico 

Cátia Michele Tondolo; Fernanda Maria Müller; Fábio Mariano Bayer 

19 

Modelo de regressão Kum-G com fração de cura 

Amanda Morales Eudes ; Vera Lucia Damasceno Tomazella 

20 

Técnicas Estatísticas aplicadas aos processos de ajuste de histórico 

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

21 

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 

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 

26 

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 

27 




36 



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 

28 

29 

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. 

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 




36 



Bivariate rotated clayton copula sur tobit model: a modified inference 

function for margins and interval estimation 

Francisco Louzada; Paulo H. Ferreira 

37 

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 

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 

40 

41 

A Bayesian Estimation for Mixture of Simplex Distribution 

with an Unknown Number of Components 

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

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 

43 

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 

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 




36 



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 




36 



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 

55 

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 

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 




36 


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 




36 



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 




36 



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. 26 

Breno Silveira de Andrade; Marinho G. Andrade; Ricardo S. Ehlers; Dorival Leão Pinto Jr. 

A família de distribuições Weibull generalizada 

Thiago Gentil Ramires; Gauss Moutinho Cordeiro; Edwin Moises Marcos Ortega. 

27 




36 



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 




36 



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 




36 



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 




36 



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 



Desenhado por Luis Benites Sánchez e Rocí Paola Maehara: lbenitesanchez@gmail.com 

XIV 

ESCOLA DE MODELOS 

DE REGRESSÃO 

ABE 

IMECC - Unicamp - Rua Sérgio Buarque de Holanda, 

651 - Cidade Universitária `Zeferino Vaz´ - Distr. 

Barão Geraldo - Campinas - São Paulo - Brasil 

CEP 13083-859 

Página web 

Fan Page no Facebook 


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

Caderno de Programas e Resumos

Create successful ePaper yourself

Delete template?

Save as template?