Estatística

  • Responsável:

    Local :

    Auditório Rio Javari

    Público-Alvo:

    Descrição

    Homenagens aos Professores Hugo e Djalma

    Horário

    Dia 20/10/2023 de 16:10 às 18:00

  • Responsável:

    Diego da Silva Souza

    Local :

    Auditório Rio Javari

    Público-Alvo:

    Descrição

    As pautas de ESG são uma das mais importantes no mercado atualmente. O desafio para o profissional de Estatística é entender as novas necessidades das empresas, mensurar e apresentar KPIs e estatísticas para uma gestão da sustentabilidade mais analítica. Neste minicurso iremos apresentar uma breve introdução sobre conceitos fundamentais de ESG; como mensurar e interpretar os principais KPIs e estatística; abordar uma visão analítica e inferencial sobre os indicadores; como apresentar estes indicadores usando conceitos de storytelling. No curso, iremos usar a linguagem R como back-end e PowerBI como front-end

    Horário

    Dia 18/10/2023 de 18:30 às 20:30

  • Responsável:

    Marcelo Andrade da Silva

    Local :

    Auditório Rio Javari

    Público-Alvo:

    Descrição

    A teoria da resposta ao item (TRI) é uma classe de modelos estatísticos que visam estimar características latentes de indivíduos e os parâmetros associados aos itens de um instrumento de medida e são frequentemente utilizados na análise de dados provenientes das ciências comportamentais e sociais. Este minicurso visa introduzir conceitos gerais da TRI, apresentar seus principais modelos unidimensionais e multidimensionais e maneiras de estimar os parâmetros dos modelos. Além disso, a metodologia será ilustrada com uma aplicação sobre a percepção da sustentabilidade ambiental em residentes da Bacia do Paraná 3, localizada no oeste do estado do Paraná

    Horário

    Dia 19/10/2023 de 18:00 às 20:00

  • Responsável:

    Celso Rômulo Barbosa Cabral, Hidelbrando Ferreira Rodrigues, Luiz Augusto Schwade, Marcelo Andrade da Silva e Walmes Marques Zeviani

    Local :

    Auditório Rio Javari

    Público-Alvo:

    Descrição

    A 40ª Edição da Semana de Estatística, traz a importante e atual temática: "A profissão do Estatístico no desenvolvimento sustentável”. Nesse contexto, os estatísticos têm várias responsabilidades e funções importantes, como na coleta e análise de dados a fim de identificar padrões, tendências e relações importantes, fornecendo informações sólidas para orientar decisões, ou ainda apoiar a formulação de políticas públicas ou privadas; na definição e monitoramento de indicadores, como taxas de pobreza, emissões de gases de efeito estufa, uso de recursos naturais, entre outros; na previsão de tendências futuras, antecipando possíveis problemas ou oportunidades, permitindo a implementação de estratégias proativas; na avaliação do impacto das políticas e iniciativas públicas ou privadas, comparando os resultados reais com as metas estabelecidas, avaliando se as intervenções estão produzindo os resultados desejados

    Horário

    Dia 18/10/2023 de 17:00 às 18:30

  • Responsável:

    Hidelbrando Ferreira Rodrigues

    Local :

    Auditório Rio Javari

    Público-Alvo:

    Descrição

    O conceito de Desenvolvimento Sustentável está intrinsecamente associado aos pilares econômicos, sociais e ambientais. Empresas atentas às modernas formas de gestão, possuem em seu escopo, diretrizes que contemplam estas premissas, ou seja, sua atividade fim precisa ser economicamente viável, ambientalmente sustentável e socialmente justa. Neste contexto, o profissional de estatística possui em sua formação, habilidades básicas que podem contribuir para este propósito. Entretanto, diante da formação desafiadora, são poucos os formandos entregues pelas universidades à sociedade ao final de cada período, o que torna, em geral, um profissional escasso no mercado. Mas isso não é suficiente para gerar uma demanda capaz de absorver esses egressos. É primordial adquirir ao longo de sua graduação (e depois dela), habilidades outras, capazes de o tornar atrativo por ocasião de um processo de seleção.Cabe, portanto, ao estudante de estatística (e isso vale para qualquer profissão), gerir sua carreira de tal forma que, após formado, possua competências que o torne um profissional atraente às empresas interessadas em contratar um resolvedor de problemas

    Horário

    Dias 17/10/2023 de 14:00 às 16:00

  • Responsável:

    James Dean Oliveira dos Santos Junior

    Local :

    Auditório Rio Javari

    Público-Alvo:

    Descrição

    Horário

    Dia 18/10/2023 de 14:00 às 15:00

  • Responsável:

    Walmes Marques Zeviani

    Local :

    Auditório Rio Javari

    Público-Alvo:

    Descrição

    No competitivo e dinâmico contexto de negócios, inovação e otimização são fundamentais. A experimentação se torna necessária para asssitir a inovação e chegar em condições ótimas, avaliando mudanças específicas em processos ou produtos, com o objetivo de melhorar os resultados do negócio. Na Era do Big Data, as empresas têm acesso a uma variada e grande massa de dados e desejam, mais do necessiatam, aplicar métodos avançados, como machine learning e inteligência artificial, para tomada de decisão. No entanto, o alto volume de dados e métodos sofisticados não garantem descobertas de inovação realmente disruptivas e sustentadas por relações de causalidade, que possam ser generalizadas para além da amostra analisada. É onde a experimentação clássica pode ser resgatada para impulsionar o desenvolvimento contínuo. A experimentação em negócios apresenta desafios, como a escolha adequada dos indicadores de sucesso, a necessidade de infraestrutura de TI para uso em larga escala e tempo reduzido, além do cuidado estatístico para evitar distorções causadas pelo uso de dados obtidos de forma não planejada, o que pode comprometer os resultados da investigação. Além disso, o contexto empresarial muitas vezes envolve um maior número de variáveis e alta densidade causal, além de um ambiente mais dinâmico e sujeito a mudanças imprevistas. Isso exige uma abordagem mais flexível, adaptativa e integrada para a experimentação, já que as variáveis podem ser mais difíceis de controlar, pode não ser possível realizar casualização ou amostragem, a população-alvo pode variar amplamente entre diferentes segmentos de clientes, entre regiões e períodos de tempo, por exemplo. Nesta palestra, será apresentada uma visão geral de como a experimentação pode ser utilizada em ambientes de negócios para pesquisa, desenvolvimento e inovação (PDI). Serão abordados os principais desafios do uso de experimentação em negócios e como superá-los, combinando rigor científico e recursos da Era Big Data. Além disso, serão discutidos os cenários futuros para experimentação em ambientes de negócios, mostrando como as empresas podem tirar proveito dos avanços tecnológicos para inovar e melhorar o desempenho empresarial

    Horário

    Dia 19/10/2023 de 14:00 às 15:00

  • Responsável:

    Alice Nascimento De Assis, Geraldo Lopes de Souza Junior, Marcel Paredes Valin e Renata Evangelista Monteiro

    Local :

    Auditório Rio Javari

    Público-Alvo:

    Descrição

    No intuito de mostrar a atuação dos Estatísticos Egressos da UFAM no mercado de trabalho local, promovemos a sessão “Momento dos Egressos”, que contará com a participação de egressos do Curso de Bacharelado em Estatística da UFAM, que dividirão suas experiências profissionais e acadêmicas com o público presente. Esta será uma excelente oportunidade para os alunos do curso de Bacharelado em Estatística sanarem suas dúvidas ou curiosidades quanto a sua futura profissão, como por exemplo: sobre as áreas de atuação do estatístico, o mercado de trabalho

    Horário

    Dia 18/10/2023 de 15:00 às 16:00

  • Responsável:

    Danilo Gilberto de Oliveira Valadares e Leonardo Brandão Freitas do Nascimento

    Local :

    Auditório Rio Javari

    Público-Alvo:

    Descrição

    P1 Título: Modelos estatísticos para sistemas reparáveis considerando o tempo como uma variável aleatória discreta P1 Resumo: Reparos podem ser classificados de acordo com a eficiência e em situações extremas são classificados como: “reparos perfeitos”, ou seja, o sistema retorna à condição de novo após cada reparo, ou, “mínimo reparo”, ou seja, o sistema retorna à condição similar anterior à falha. O mínimo reparo é bastante aplicável e um dos modelos mais utilizados é o processo de lei das potências. Uma situação intermediária entre o mínimo reparo e o reparo perfeito é conhecida como “reparo imperfeito”. Um dos modelos mais citados é o de Brown-Proschan, que define que uma unidade recebe um reparo perfeito com probabilidade p, ou, recebe um mínimo reparo com probabilidade 1-p. Geralmente, a modelagem dos tempos de falhas assume o tempo como uma variável aleatória contínua, assumindo uma alta acurácia na ferramenta de medida. Mas, em muitas situações práticas, as falhas são observadas e anotadas como um número inteiro, indicando um processo discreto. A suposição de tempos discretos permite a utilização de cadeias de Markov com estados e tempos discretos para obter o valor exato do número médio de falhas para os modelos de reparo perfeito, mínimo reparo e Brown-Proschan.

    P2 Título: Modelo de Regressão Power Mín-Estável para Séries Temporais com Valores Extremos em Intervalo Limitado. P2 Resumo: Neste trabalho, é proposto um modelo de regressão Power Mín-Estável para uma Série Temporal com valores extremos observados em intervalo limitado. O modelo é útil, por exemplo, para ser utilizado em situações onde a variável de interesse é o valor mínimo de uma série restrita ao intervalo (0,1) e está relacionada com outras variáveis por meio de uma estrutura de regressão. A dependência nos extremos da série é induzida através da marginalização da distribuição Kumaraswamy condicionada a um processo latente com distribuição alpha-Estável. Algumas propriedades do modelo são apresentadas. Procedimentos para estimação e inferência são discutidos e um algoritmo EM, disponível na linguagem R, foi desenvolvido para estimar os parâmetros. Como caso particular, o modelo foi utilizado para análise da mínima umidade relativa do ar observada em Manaus - AM

    Horário

    Dia 19/10/2023 de 15:00 às 16:00

  • Responsável:

    Celso Rômulo Barbosa Cabral, Márcia Brandão de Oliveira Martins e Nelson Lima de Souza Filho

    Local :

    Auditório Rio Javari

    Público-Alvo:

    Descrição

    Titulo P1:
    Resumo P1:

    Titulo P2: Modelos de fração de cura com causas competitivas heterogêneas
    Resumo P2- Os modelos de fração de cura têm sido amplamente estudados para analisar dados de tempo de falha onde existe uma fração de pacientes curados. Neste tipo de modelo, assume-se que o número de causas competitivas (uma variável latente) é uma variável aleatória. No entanto, na prática, é natural supor que a distribuição do número de causas seja diferente de indivíduo para indivíduo. Nossa proposta é assumir que o número de causas concorrentes pertence a uma classe de uma mistura finita de distribuições de causas competitivas. Em particular, assumimos que o número de células malignas (causas concorrentes para o evento de interesse) segue uma mistura de duas distribuições de séries de potências e que o tempo até o evento de interesse segue uma distribuição Weibull. Consideramos que a proporção de curados depende de covariáveis, permitindo a modelagem direta da taxa de cura por meio de covariáveis. O modelo proposto inclui vários modelos bem conhecidos como casos especiais e define novos modelos (pelo menos dez novos casos especiais). A estimativa dos parâmetros do modelo proposto é discutida por meio do método da máxima verossimilhança. Um algoritmo do tipo EM (Expectation-Maximization) é proposto para a estimação de parâmetros, em que o Passo-E envolve o cálculo do número esperado de causas concorrentes para cada indivíduo. Um estudo de simulação foi realizado para avaliação da recuperação de parâmetros e das probabilidades de cobertura dos intervalos de confiança. Para mostrar o potencial de aplicação da proposta, um estudo foi conduzido com um conjunto de dados médicos reais de um estudo populacional com a incidência de casos de melanoma cutâneo diagnosticados no estado de São Paulo, Brasil, ilustrando o fato de que o modelo proposto pode superar modelos alternativos tradicionais em termos de ajuste.

    Titulo P03: Modelos bayesianos com erro de medição usando misturas finitas de misturas de escala de distribuições normais assimétricas.
    Resumo P03 - Apresentamos uma proposta para lidar com a questão da não normalidade no contexto de modelos de regressão com erros de medição quando a resposta e a variável explicativa são observadas com erro. Estendemos o modelo normal modelando conjuntamente a covariável e os erros aleatórios por uma mistura finita de mistura de escala de distribuições normais assimétricas. Esta abordagem nos permite modelar dados com grande flexibilidade, acomodando distorções, caudas pesadas e multimodalidade. A principal virtude de considerar o erro de medição em modelos sob a classe de misturas de escala de distribuições normais assimétrica é que eles permitem uma boa representação hierárquica que gera uma fácil implementação de algoritmos inferenciais. Para ilustrar a utilidade do método proposto são apresentados alguns estudos de simulação e um conjunto de dados real (lúpus eritematoso sistêmico) é analisado

    Horário

    Dia 20/10/2023 de 14:00 às 15:30

  • Responsável:

    Local :

    Auditório Rio Javari

    Público-Alvo:

    Descrição

    Horário

    Dia 20/10/2023 de 15:30 às 16:10