Getulio J. A. Amaral

Análise Estatística de Formas de Objetos: Esta é uma área da estatística que tem recebido bastante atenção recentemente. Esta área envolve a análise estatística de objetos. O interesse nesta área e trabalhar em conjunto com pesquisadores de outras áreas (Computação, Medicina, Biologia e Áreas Correlatas) no estudo de formas de objetos (partes do corpo humano ou de animais, objetos arqueológicos, objetos industriais e outros) desde do início da pesquisa (planejamento de experimentos). Os principais interesses são contribuir para as áreas de interesse (medicina, biologia e outras) e encontrar novas situações onde os métodos disponíveis não se aplicam.

Métodos Computacionais Intensivos (Bootstrap e Verossimilhança Empírica): A principal vantagem destes métodos e que eles são não-paramétricos e, portanto, podem ser usados em situações onde é difícil determinar a distribuição adequada, o que acontece em muitas situações reais. Estes métodos tem proporcionado bons resultados na melhoria de testes de hipóteses e regiões de confiança. O interesse nesta área é encontrar situações onde os métodos existentes não podem ser aplicados diretamente, o que implica o desenvolvimento de novos algoritmos ou a adaptação de algoritmos existentes a novas situações. Estes métodos podem ser usados em várias áreas da estatística. Porem, as áreas prioritárias do projeto são: análise estatística de formas, análise multivariada, econometria, controle estatístico de qualidade e modelos lineares generalizados.

Teoria Assintótica: Os benefícios dos métodos computacionalmente intensivos são avaliados teoricamente a partir da teoria assintótica. Os projetos nesta área buscam o estudo das propriedades teóricas de métodos computacionais intensivos (bootstrap e verosimilhança empírica).

Educação Estatística: Nos últimos anos a estatística tem sofrido uma grande mudança. Novos métodos tem sido criados e novas possibilidades de aplicações tem surgido. Um crescimento do interesse em estatística pelas empresas, universidades e outros setores da sociedade tem sido considerável. Neste contexto, é fundamental preparar os estudantes, de varios cursos, para atender o nível de exigência do mercado. Por exemplo, com o surgimento do programa seis sigma, desenvolvido pela Motorola, alguns autores consideram que educação estatística e tão importante para os profissionais quanto a educação comum e para todos os cidadões. O interesse dos projetos nesta área é estudar e aplicar novas metodologias de ensino que têm sido publicadas em vários livros e revistas especializadas.

Meio Ambiente, Oceanografia e Aqüicultura: Tendo-se em vista que estatística e uma ciência metodologica, alguns pesquisadores na área de estatística defendem que a pesquisa estatística deve iniciar com o estudo da área de aplicação. Assim, os projetos nesta área inicia com o estudo de problemas e pesquisas relevantes em meio ambiente, oceanografia e aqüicultura. Em termos gerais, estas áreas tem uma intensa preocupação com pesquisa por vários motivos. Por exemplo, o cultivo de varias espécies de peixes e crustaceos e um processo muito delicado, onde os pesquisadores da área estão sempre buscado novas formas de aperfeiçoa-los. O objetivo e encontrar aplicações de métodos avançados de estatística. Esta e uma área interdisciplinar desenvolvida em colaboração com outros pesquisadores.

Experiência de Ensino:

Graduação:

Amostragem, Análise Multivariada, Controle Estatístico de Qualidade, Estatística Básica, Estatística Computacional, Processos Estocásticos, Pesquisa Operacional, Simulação.

Pós-Graduação:

Análise Multivariada.

Filiação em Sociedades Cientificas:

Associação Brasileira de Estatística

Formação de Recursos Humanos:

Mestrado:

Fábio J. Silveira

Luis H. D. Araújo

Marcelo R. P. Ferreira

Olga Patrícia Reys

Rejane S. Brito (Pesquisa conjunta)

Artigos

1.	AMARAL, G. J. A. ; Dore, L. H. ; Lessa, R. P. ; STOSIC, B. . k-Means Algorithm in Statistical Shape Analysis. Communications in Statistics. Simulation and Computation v. 39, p. 1016-1026, 2010.

2.	Amaral, G. J. A ; Dryden, I. L ; Patrangenaru, V. ; Wood, A.T.A. . Bootstrap confidence regions for the planar mean shape. Journal of Statistical Planning and Inference (Print), v. 140, p. 3026-3034, 2010.

3.	AMARAL, G. J. A. ; FERREIRA, M. R. P. . New Bootstrap Applications in Supervised Learning. Communications in Statistics. Simulation and Computation, v. 38, p. 416-425, 2009.

4.	SILVEIRA ; AMARAL, G. J. A. ; ASTUA, D. . Testes de permutação e bootstrap em análise estatística de formas: aplicações à zoologia. REVISTA BRASILEIRA DE BIOMETRIA, v. 26, p. 07-21, 2008.

5.	AMARAL, G. J. A. ; Dryden, I. L ; Wood, Andrew T. A . Pivotal Bootstrap Methods for -Sample Problems in Directional Statistics and Shape Analysis. Journal of the American Statistical Association, v. 102, p. 695-707, 2007.

6.	Brito, R. S. ; AMARAL, G. J. A. . Uso de Modelos Estatísticos na Análise de Dados de Reservatórios de Petróleo. Revista de Matemática e Estatística (Impresso) (Cessou em 2004. Cont. ISSN 1980-4245 Revista de Matemática e Estatística (Online)), v. 25, p. 93-107, 2007.

7.	AMARAL, G. J. A. ; CORDEIRO, G. M. . Modelos Alocação de Recursos entre as Instituições Federais de Ensino Superior. Revista Matematica Estatistica UNESP, Sao Paulo, v. 21, n. 2, p. 55-69, 2003.

Outras Publicações

1. A New Application of Empirical Likelihood. In: 10a Escola de Modelos de Regressão, 2007, Salvador. Programas e Resumos, 2007. p. 69.

2. Better Confidence Regions in Statistical Shape Analysis and its Relevance to Biology, Simpósio Nacional de Probabilidade e Estatística, 2006, Caxambu. CD (Publicações do SINAPE), 2006. v. 1. p. 184-184.

3. Pivotal Bootstrap Methods for k-Sample Problems in Directional Statistics and Shape Analysis, co-autoria de Ian L. Dryden e Andrew T. A. Wood, Leeds Annual Statistical Research Workshops: Stochastic geometry, biological structure and images, University of Leeds UK, (2003).

4. Bootstrap Confidence Regions for the Mean Shape, 25th Annual Conference for Research Student, University of Warwick UK, (2002).

5. A Review of Bootstrap Confidence Regions for Directional Data, 24th Annual Conference for Research Student, University of Newcastle UK, (2001).

6. A Numerical Analysis of Analytical and Bootstrap Bias Correction in T Regression Models, co-autoria de Francisco Cribari-Neto, 8a Escola de Series Temporais, (1999)

7. Modelo de alocação de recursos entre as instituições federais de ensino superior, co-autoria de Gauss Cordeiro, XXXI SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL, (1999), Juiz de Fora. Anais do Xxxi Simpósio Brasileiro de Pesquisa Operacional. Rio de Janeiro: Sociedade Brasileira de Pesquisa Operacional, (1999). v.Único. p.412-430

8. Modelo de Alocação de Recursos Entre as Instituições Federais de Ensino Superior: Uma Aplicação dos Modelos Lineares Generalizados, co-autoria de Gauss M. Cordeiro, XXXI Simpósio Nacional de Probabilidade e Estatística, (1998).

Professor Adjunto do Departamento de Estatística Universidade Federal de Pernambuco

Andy (Um dos Meus Orientadores)

Graduação:

Pós-Graduação:

Professor Adjunto do Departamento de Estatística
Universidade Federal de Pernambuco