GETULIO J A AMARAL

Professor Adjunto do Departamento de Estatística
Universidade Federal de Pernambuco

Andy (Um dos Meus Orientadores)

email: gjaa@de.ufpe.br
telefone: (081) 2126-7424 Ramal
fax: (081) 2126-8422

Formacão Acadêmica:

Disciplinas do Semestre

hit counter

Teoria da Regressão

Texto Introdutório

Análise Estatística de Formas e Objetos (Mestrado e Doutorado)

Introdução

Página Com Aplicações

Minicurso: Conexões entre Análise Multivariada e Formas

Estatística Computacional

Lista de Exercício

Estatística Básica

Estatística Excelente

Avaliação   

Lista de Exercícios

Poesia

Análise Multivariada

Notas de Aula

Multivariada (Mestrado)

Notas de Aula  de Análise Multivariada   
Artigo 2
Artigo 3

Amostragem (Graduação)

Projeto da Disciplina

Areas de Pesquisa:

Bootstrap
Análise Estatística de Formas de Objetos
Verossimilhanca Empírica
Modelos Lineares Generalizados

Projetos:

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

Pós-Graduação:

Análise Multivariada.

Filiação em Sociedades Cientificas:

Associação Brasileira de Estatística

Formação de Recursos Humanos:

Mestrado:

Marcelo R. P. Ferreira

Artigos

1. Pivotal Bootstrap Methods for k-Sample Problems in Directional Statistics and Shape Analysis, co-autoria de Ian L. Dryden e Andrew T. A. Wood, Journal of the American Statistical Association, 102(478), 695-707.

2. Pivotal Bootstrap Methods for k-Sample Problems in Directional Statistics and Shape Analysis, co-autoria de Ian L. Dryden e Andrew T. A. Wood, Relatorio Tecnico, 03-17, (2003), The University of Nottingham, Division of Statistics, School of Mathematical Sciences, Nottingham, UK.

3. Coverage Accuracy for Bootstrap Confidence Regions for the Mean Shape, co-autoria de Ian L. Dryden, Vic Pantragenaru, Andrew T. A. Wood, artigo em preparacao

4. Modelo de Alocação de Recursos Entre as Instituiçoes Federais de Ensino Superior: Uma Aplicação dos Modelos Lineares Generalizados, co-autoria de Gauss M. Cordeiro, Revista Matematica Estatistica, UNESP, Volume 21, numero 2, (2003), p. 55-69.

5. Bias Correction for the Parameters Estimates of the Complex Bingham Distribution, co-autoria de Gauss M. Cordeiro, pesquisa iniciada.

6. Influence in Statistical Shape Analysis, co-autoria de Francisco Cysneiros, pesquisa iniciada.

7. Statistical Thinking for Basic Statistics, artigo submetido.

8. Boostrap in Classification, co-autoria Marcelo R. P. Ferreira, artigo submetido.

9. Análise Discriminante e de Núcleo, co-autoria Marcelo R. P. Ferreira e Francisco Louzada-Neto, artigo em preparação.

10. Medidas do Valor Preditivo de um Modelo de Classificação, co-autoria de Helio J. Abreu, Josimara Mazucheli, Marcelo R. P. Ferreira e Francisco Louzada-Neto, artigo em preparação.

11. Uso de Modelos Estatísticos na Análise de Dados de Reservatórios de Petróleo, co-autoria Rejane dos Santos Brito, artigo submetido.

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).