Workshop em EstatÃstica
Programa Interinstitucional UFSCar/USP e Programa de
PÃs-GraduaÃÃo em EstatÃstica e ExperimentaÃÃo AgronÃmica
ESALQ/USP
LOCAL:
AuditÃrio 1 da Biblioteca ComunitÃria da
UFSCar
DATA:
28/06/2013
OBJETIVOS
O 1Â Encontro de PÃs- GraduaÃÃo em estatÃstica promovido
pelo programa Interinstitucional UFSCar/USP e pelo
PPGEEA-ESALQ/USP tem como objetivo reunir a comunidade de pÃs-graduando
em estatÃstica, para discutir e difundir a pesquisa, novas ideias e tÃcnicas
estatÃsticas junto a pesquisadores e alunos. Mais especificamente:
 Promover o encontro de professores e estudantes dos
programas
 Divulgar aplicaÃÃes relevantes nas mais variadas Ãreas do
conhecimento;
 Motivar os alunos do programa, mostrando a importÃncia do
seu trabalho como futuro profissionais.
Para atingir estes
objetivos foram convidados professores e estudantes de Doutorado para ministrar
palestras.
ATIVIDADES DESENVOLVIDAS
ConferÃncias: SerÃo ministradas duas palestras com duraÃÃo de 60
minutos por professores convidados.
MiniconferÃncias: SerÃo ministradas 4 palestras de duraÃÃo de 30 minutos por
alunos de Doutorado dos programas de pÃs-graduaÃÃo.
PROGRAMAÃÃO
Local: AuditÃrio 1 da
Biblioteca ComunitÃria da UFSCar
|
Dia 28/06/2013 â Sexta
Feira |
|
08:30 â 09:30 RecepÃÃo com Coffee
Break |
|
09:30 â 10:30 ConferÃncia do Prof. Dr. Victor
Leiva (Universidad
de Valparaiso, Chile) |
|
|
10:30 â 11:00 MiniconferÃncia Victor Marchi
(UFSCar/USP) |
|
11:00 â 11:30 MiniconferÃncia Luzia Pedroso
(ESALQ-USP) |
|
11:30 â 14:00 AlmoÃo |
|
14:00 â 15:00
Conferencia do Prof. Dr. Guilherme Rosa (University
of Wisconsin â Madison) |
|
15:00 â 15:30 MiniconferÃncia Jhon Frank
(UFSCar-USP) |
|
15:30 â 16:00
miniconferÃncia Rodrigo Pescim (ESALQ) |
|
16:00 â Encerramento
com Coffee Break |
Palestra
1
Advances on
BirnbaumâSaunders Models
Victor Leiva
Departamento de
EstadÄstica,
Universidad de Valparaiso,
Chile
Abstract
The BirnbaumâSaunders distribution has been widely
studied and applied in the last decades; see, e.g., Birnbaum & Saunders
(1969), Johnson, Kotz & Balakrishnan (1995), Leiva, Barros & Paula
(2007), Balakrishnan, Gupta, Kundu & Leiva (2011), and Fierro, Leiva &
Ruggeri (2013). Due to the theoretical arguments used in its genesis, it is
natural to find applications of this distribution in engineering, but today the
model is also applied to environmental and neural sciences, medicine, mortality,
and nature catastrophes, among other areas. In this talk, an overview about
advances, new models and applications, and software on BirnbaumâSaunders
distributions is presented and discussed.
Palestra
2
AplicaÃÃo de modelo misto
na avaliaÃÃo do efeito de um fungicida
Luzia Pedroso de Oliveira
ESALQ/USP
Resumo
Para avaliar a toxicidade
de fungicidas nos mamÃferos sÃo comumente realizados experimentos com ratos. Na
Embrapa Meio Ambiente, em JaguariÃna, esses experimentos sÃo frequentes e um dos
aspectos analisados à o efeito de doses aplicadas em diferentes fases de gestaÃÃo, no crescimento dos filhotes
durante a amamentaÃÃo. O modelo misto à apropriado na anÃlise destes dados, pois
levam em conta as variabilidades entre ratas e entre filhotes, a correlaÃÃo
entre filhotes de mesma rata, a estrutura de correlaÃÃo dos erros associados Ãs
pesagens diÃrias no filhote e entre as pesagens diÃrias de filhotes da mesma
rata. Neste trabalho sÃo comparados alguns modelos lineares mistos considerando
covariÃveis avaliadas nas ratas, como tamanho da ninhada, tempo de gestaÃÃo e
peso inicial da rata, nÃveis aninhados de efeitos aleatÃrios e diferentes
estruturas de correlaÃÃo. No modelo selecionado foram testadas, por meio de
contrastes, as diferenÃas entre os perfis mÃdios dos pesos e os parÃmetros de
crescimento das combinaÃÃes de fase e dose.
Palestra
3
The Exponentiated
Exponential-Geometric Distribution. A distribution with decreasing, increasing
and unimodal failure rate
Victor Marchi
UFSCar/USP
Abstract
Wproposed
a new family of distributions namely Exponentiated Exponential-Geometric (E2G)
distribution. The E2G distribution is a straightforwardly generalization of the
EG distribution proposed by [1], which accommodates increasing, decreasing and
unimodal hazard functions. It arises on a latent competing risk scenarios, where
the lifetime associated with a particular risk is not observable but only the
minimum lifetime value among all risks. The properties of the proposed
distribution are discussed, including a formal proof of its probability density
function and explicit algebraic formulas.
Palestra
4
Modelos Preditivos GenÃmicos em Medicina Preventiva e
Medicina Personalizada: Um Exemplo com CÃncer de
Pele
Guilherme J. M. Rosa
Department of
Animal Sciences
Department of
Biostatistics & Medical Informatics
University of
Wisconsin â Madison
Resumo
InformaÃÃo de marcadores moleculares pode ser utilizada
na prediÃÃo de risco genÃtico de doenÃas, como ferramenta para medicina
preventiva e medicina personalizada. Estudos de associaÃÃo genÃtica
utilizando-se marcadores cobrindo todo o genoma jà identificaram vÃrios regiÃes
genÃmicas associadas com caracterÃsticas fenotÃpicas complexas em vÃrias
espÃcies, incluindo doenÃas em humanos. Muitos estudos, entretanto, sugerem que
vÃrias caracterÃsticas fenotÃpicas de importÃncia em saÃde pÃblica sÃo afetadas
por um nÃmero muito grande genes com efeitos pequenos, e que a prediÃÃo de risco
genÃtico dessas doenÃas poderia ser substancialmente melhorada com a utilizaÃÃo
de maiores nÃmeros de marcadores genÃticos em modelos genÃmicos de prediÃÃo.
Nesta apresentaÃÃo discutiremos um modelo genÃmico que utiliza milhares de
marcadores genÃticos simultaneamente para a prediÃÃo de cÃncer de pele em
humanos. Alguns modelos alternativos tambÃm foram avaliados e comparados, como
modelos com informaÃÃo de parentesco (PAR) ou incluindo componentes principais
(CP) construÃdos a partir da matriz de genÃtipos. As acurÃcias de prediÃÃo foram
comparadas avaliando-se a Ãrea abaixo da curva caracterÃstica de operaÃÃo do
receptor (COR), estimada com validaÃÃo cruzada. Verificou-se que a incorporaÃÃo
de informaÃÃo genÃtica produziu aumentos significativos na acurÃcia da prediÃÃo:
de COR = 0.53 para um modelo padrÃo que continha somente covariÃveis
nÃo-genÃticas, para COR = 0.58 (PAR), 0.62 (PC) e 0.64 (modelo genÃmico
proposto). Em conclusÃo, os resultados indicam que modelos com grande nÃmero de
marcadores cobrindo todo o genoma potencialmente capturaram padrÃes de risco
genÃtico mais complexos do que aqueles capturados por informaÃÃo de histÃria
familiar. Para finalizar, discutiremos outras estratÃgias com potencial para a
melhoria da acurÃcia da prediÃÃo, e a utilizaÃÃo de modelos genÃmicos para a
identificaÃÃo prospectiva de indivÃduos de alto risco genÃtico.
Palestra
5
Modelling categorical covariates for lifetime data in
presence of cure fraction by Bayesian partition
structures
Jhon
Franky B. Gonzales
UFSCar/USP
Abstract
In
this paper we propose a Bayesian partition modeling for lifetime data in
presence of a cure fraction by considering a local structure generated by a
tessellation which depends on covariates. In this modelling we including
information of nominal qualitative variables with more than two categories or
ordinal qualitative variables. The proposed modeling is based on a promotion
time cure model structure but assuming that the number of competing causes
follow a geometric distribution. It
is an alternative modeling strategy to the conventional survival regression
modeling generally used for modeling lifetime data in presence of a cure
fraction, which models the cure fraction through a (generalized) linear model of
the covariates. An advantage of our
approach is its ability to capture the effects of covariates in a local
structure. The flexibility of
having a local structure is crucial to capture local effects and features of the
data.
Palestra
6
The New
Family of Kummer Beta Generalized Distributions: Theory and
Applications
Rodrigo Rossetto Pescim
ESALQ/USP
Abstract
The continuous univariate distributions
are fundamental to statistical science and are a powerful indispensable tool for
applied statisticians. These distributions have been extensively used over the
past decades for fitting data sets in several fields of research such as medical
and environmental sciences, biological studies, demography, engineering,
actuarial, economics, finance and insurance. However, in many applied areas such
as lifetime analysis, reliability, finance and insurance, there is a clear need
for extended forms of these univariate distributions. In this work, we propose a
new family of generalized distributions based on the Kummer beta distribution
(Ng and Kotz, 1995), which contains as special cases the exponentiated and beta
generators of distributions. The main feature of the new family of distributions
is to provide greater flexibility to the extremes of the density function and
therefore, it becomes suitable for analyzing data sets with high degree of
asymmetry and kurtosis. General mathematical properties such as ordinary
moments, generating function, order statistics and their moments are discussed.
Its model parameters are estimated by maximum likelihood and Bayesian analysis
and the observed information matrix is determined. The potentiality of the
proposed family is very well illustrated. By means of two real data sets we
demonstrate that this family can give better fits than those ones using the
McDonald, beta generalized and Kumaraswamy generalized classes of
distributions.