Comissão de Pesquisa e Inovação do IME-USP - Pós-Doutorado concluído

Artur José Lemonte

Possui Graduação em Estatística pela Universidade Federal do Espírito Santo (UFES), Mestrado em Estatística pela Universidade Federal de Pernambuco (UFPE), e Doutorado em Estatística pela Universidade de São Paulo (USP). Atualmente é professor/pesquisador na Universidade Federal do Rio Grande do Norte (UFRN). Atua como professor/pesquisador/orientador no Programa de Pós-graduação em Matemática Aplicada e Estatística da UFRN (PPGMAE). Autor do livro 'The Gradient Test: Another Likelihood-Based Test', publicado em 2016 pela Academic Press (Londres). É editor associado das revistas Applied Mathematical Modelling, American Journal of Mathematical and Management Sciences, REVSTAT-Statistical Journal, e Frontiers in Applied Mathematics and Statistics. Faz parte da Lista Stanford 2023 dos "(2 por cento) Cientistas Mais Influentes do Mundo". A lista é elaborada e atualizada pela Elsevier em colaboração com pesquisadores da Universidade de Stanford. Desenvolve trabalhos em teoria assintótica de alta ordem, expansões de Edgeworth, modelos de regressão, modelos de mortalidade, e teoria de distribuições de probabilidade. (Texto informado pelo autor)

  • http://lattes.cnpq.br/4283549028869521 (24/07/2024)
  • Rótulo/Grupo:
  • Bolsa CNPq: Nível 1D
  • Período de análise:
  • Endereço: Universidade Federal do Rio Grande do Norte, Centro de Ciências Exatas. AC Universidade Federal do Rio Grande do Norte Lagoa Nova 59078970 - Natal, RN - Brasil Telefone: (84) 32153787 URL da Homepage: http://www.estatistica.ccet.ufrn.br/
  • Grande área: Ciências Exatas e da Terra
  • Área: Probabilidade e Estatística
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (6)
    1. 2024-Atual. Modelos de regressão para dados em forma de contagem
      Descrição: O modelo de regressão Poisson é certamente um dos mais utilizados para modelar variáveis respostas em forma de contagem. No entanto, devido a algumas desvantagens desse modelo de regressão como, por exemplo, média igual a variância, outras classes de modelos de regressão tem sido propostas na literatura estatística. O objetivo pricipal do presente projeto de pesquisa é desenvolver novos modelos de regressão para modelar variáveis respostas em forma de contagem tendo como base novas distribuições para dados em forma de contagem que trem sido propostas recentemente na literatura. Um profundo estudo das novas clasess de modelos de regressão será desenvolvido, a saber: estimação dos parâmetros, técinicas de diagnóstico como influencia global e local, estudos de resíduos, etc.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Artur José Lemonte - Coordenador / CASTELLARES, FREDY - Integrante / BARBARA KALINE DE SOUSA - Integrante.
      Membro: Artur José Lemonte.
    2. 2019-Atual. Novas Distribuiçõs de Probabilidade e Aplicações
      Descrição: Distribuições de probabilidade são utilizadas para modelar fenômenos aleatórios que surgem em áreas de Engenharia, Medicina, Economia, Hidrologia, Ciências Atuariais, Física, Química, etc. Estes diversos fenômenos aleatórios são estudados usando distribuições de probabilidade já conhecidas ou novas famílias de distribuições construídas a partir dos dados, seguindo a natureza dos fenômenos em estudo. Estas novas distribuições, construídas de modo a possuir maior flexibilidade que as distribuições existentes, permitem modelar, analisar, fazer ajustes e predições que com as distribuições existentes não são possíveis ou não tem um ajuste ou predições satisfatórios. Na última década, têm surgido em diferentes periódicos especializados em Estatística muitos artigos propondo diferentes famílias generalizadas de distribuições de probabilidade para modelar diversos fenômenos aleatórios e que ainda não foram publicados em livros texto ou manuais de distribuições. Este contínuo interesse em estudar fenômenos aleatórios a partir de novas distribuições de probabilidade mostra que este é um tema atual e que o estudo sistemático de suas propriedades matemáticas e inferência estatística merece atenção. Estas novas famílias têm mais de três parâmetros que podem levar a modelos estatísticos paramétricos não identificáveis, portanto, o estudo da identificabilidade destes modelos se faz necessário. Neste projeto pretendemos: (a) Fazer inferência e modelagem estatística para as novas famílias de distribuições de probabilidade definidas na reta e no círculo. (b) Encontrar as condições necessárias e suficientes para que modelos não identificáveis se convertam em modelos identificáveis. Temos resultados preliminares que mostram que diversos modelos publicados na literatura atual são não identificáveis; estudaremos os problemas de não identificabilidade destas famílias. (c) Propor novas distribuições para tratar o fenômeno da Superdispersão. (d) Obter resultados matemáticos rigorosos para as novas famílias de distribuições de probabilidade em uma dimensão na reta e no círculo. Caracterizar distribuições associadas ao Processo Múltiplo de Poisson como distribuições que modelam fenômenos de Contágio. (e) Fazer aplicações usando dados reais em várias áreas do conhecimento e, em particular, em Ciências Atuariais, na Teoria da Confiabilidade de Sistemas e na Análise de Sobrevivência.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Artur José Lemonte - Integrante / A J Lemonte - Integrante / CASTELLARES, FREDY - Coordenador / Marcos A.C. Santos - Integrante / Marcos Oliveira Prates - Integrante.
      Membro: Artur José Lemonte.
    3. 2019-Atual. Modelos de regressão para variáveis respostas no intervalo unitário
      Descrição: Em uma ampla variedade de problemas envolvendo taxas, frações e proporções, a variável de interesse pode assumir não apenas valores no intervalo (0, 1) como, também, os valores zero e/ou um. Nessas situações, o modelo de regressão beta, que é uma alternativa para modelagem de dados no intervalo (0, 1), não é adequado, já que a variável resposta é discreta nos pontos zero e/ou um, e contínua no intervalo (0, 1). O modelo de regressão beta inflacionado de zero e/ou um pode ser utilizado nestes casos. Este projeto tem como objetivo desenvolver modelos alternativos ao modelo de regressão beta inflacionado para análise de taxas e proporções na presença de zeros e/ou uns.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (1) . Integrantes: Artur José Lemonte - Coordenador / Kaio Breno Pereira Alves - Integrante / Francisco Felipe de Queiroz - Integrante / MIRELA DA SILVA VIEIRA - Integrante.
      Membro: Artur José Lemonte.
    4. 2019-Atual. Modelagem da Mortalidade e Cálculo Atuarial
      Descrição: O projeto estuda alguns tópicos no campo da matemática atuarial e das técnicas de seguro de vida. O projeto desenvolverá modelos de mortalidade, estudará a incerteza nas tendências futuras da mortalidade e seu impacto relevante nas anuidades de vida e nos planos de pensão. Em particular, considera os cálculos atuariais relativos a pensões e anuidades de vida. Neste projeto damos considerável atenção às técnicas atuariais, à gestão de carteiras de anuidade vitalícia, tanto do ponto de vista teórico quanto prático, devido à crescente importância dos benefícios da anuidade pagos por regimes de pensões privados. Forneceremos uma descrição abrangente e detalhada de métodos para projetar a mortalidade e uma introdução a questões relativas ao risco de longevidade na área de anuidades e benefícios de pensão. Abordaremos: anuidades de vida na estrutura de estratégias de renda pós-aposentadoria; o modelo básico de mortalidade; tendências recentes de mortalidade; características gerais dos modelos de projeção; uma discussão de modelos de projeção estocástica, com aplicações numéricas; e medindo o gerenciamento de risco de longevidade... Situação: Em andamento; Natureza: Pesquisa. Integrantes: Artur José Lemonte - Integrante / Fredy Castellares - Coordenador / Silvio Patrício - Integrante.
      Membro: Artur José Lemonte.
    5. 2017-2019. Novas Modelagens em Estatística: Distribuições de Probabilidade no Círculo, Problemas de Identificabilidade, Processos Múltiplos de Poisson e Estudo da Superdispersão
      Descrição: Distribuições de probabilidade são utilizadas para modelar fenômenos aleatórios que surgem em áreas de Engenharia, Medicina, Economia, Hidrologia, Ciências Atuariais, Física, Química, etc. Estes diversos fenômenos aleatórios são estudados usando distribuições de probabilidade já conhecidas ou novas famílias de distribuições construídas a partir dos dados, seguindo a natureza dos fenômenos em estudo. Estas novas distribuições, construídas de modo a possuir maior flexibilidade que as distribuições existentes, permitem modelar, analisar, fazer ajustes e predições que com as distribuições existentes não são possíveis ou não tem um ajuste ou predições satisfatórios. Modelos probabilísticos paramétricos usando distribuições generalizadas de probabilidade apareceram na literatura pela primeira vez em 1895. Karl Pearson propôs uma família de distribuições na qual incluía quase todas as distribuições de probabilidade conhecidas naquele tempo: "We have, then, reached this point: that to ideal effectively with statistics we require generalized probability curves which include the factors of skewness and range". Na atualidade, há uma enorme quantidade de distribuições de probabilidade univariadas e multivariadas. Para uma revisão destas distribuições, ver Marshall & Olkin (2007), Mardia (1972, 2000), Jammalamadaka & SenGupta (2001), Balakrishnan & Lai (2009), Ord (1972), a coleção de seis volumes de a Modern Course on Statistical Distribution in Scientific Work editado por Patil (1975, 1981), e a excelente coleção de quatro manuais sobre distribuições de probabilidade de Johnson, Kotz & Balakrishnan (1994-2000-2005). Na última década, tem surgido em diferentes periódicos especializados em Estatística muitos artigos propondo diferentes famílias generalizadas de distribuições de probabilidade para modelar diversos fenômenos aleatórios e que ainda não foram publicados em livros texto ou manuais de distribuições. Este contínuo interesse em estudar fenômenos aleatórios a partir de novas distribuições de probabilidade mostra que este é um tema atual e que o estudo sistemático de suas propriedades matemáticas e inferência estatística merece atenção. Estas novas famílias podem tem mais de três parâmetros podendo levar a modelos estatísticos paramétricos não identificáveis. Portanto, o estudo da identificabilidade destes modelos se faz necessário. Neste projeto pretendemos: (a) Fazer inferência e modelagem estatística para as novas famílias de distribuições de probabilidade definidas na reta e no círculo. (b) Encontrar as condições necessárias e suficientes para que modelos não identificáveis se convertam em modelos identificáveis. Temos resultados preliminares que mostram que diversos modelos publicados na literatura atual são não identificáveis; estudaremos os problemas de não identificabilidade destas famílias. (c) Propor novas distribuições para tratar o fenômeno da Superdispersão. Usaremos distribuições associadas ao Processo Múltiplo de Poisson e outra distribuição, definida pelo autor, denominada Distribuição de Nielsen. (d) Obter resultados matemáticos rigorosos para as novas famílias de distribuições de probabilidade em uma dimensão na reta e no círculo. Caracterizar distribuições associadas ao Processo Múltiplo de Poisson como distribuições que modelam fenômenos de Contágio. (e) Fazer aplicações usando dados reais em várias áreas do conhecimento e, em particular, em Ciências Atuariais, na Teoria da Confiabilidade de Sistemas e na Análise de Sobrevivência.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Artur José Lemonte - Integrante / Fredy Castellares - Coordenador / Marcos A.C. Santos - Integrante.
      Membro: Artur José Lemonte.
    6. 2015-2016. Problemas de Identificabilidade e Modelagem Estatística
      Descrição: Distribuições de probabilidade são utilizadas para modelar fenômenos aleatórios que surgem em áreas de Engenharia, Medicina, Economia, Hidrologia, Ciências Atuariais, Física, Química, etc. Estes diversos fenômenos aleatórios são estudados usando distribuições de probabilidade já conhecidas ou novas famílias de distribuições construídas a partir dos dados, seguindo a natureza dos fenômenos em estudo. Estas novas distribuições, construídas de modo a possuir maior flexibilidade que as distribuições existentes, permitem modelar, analisar, fazer ajustes e predições que com as distribuições existentes não são possíveis ou não tem um ajuste ou predições satisfatórios. Modelos probabilísticos paramétricos usando distribuições generalizadas de probabilidade apareceram na literatura pela primeira vez em 1895. Karl Pearson propôs uma família de distribuições na qual incluía quase todas as distribuições de probabilidade conhecidas naquele tempo: "We have, then, reached this point: that to ideal effectively with statistics we require generalized probability curves which include the factors of skewness and range". Na atualidade, há uma enorme quantidade de distribuições de probabilidade univariadas e multivariadas. Para uma revisão destas distribuições, ver Marshall & Olkin (2007), Mardia (1972, 2000), Jammalamadaka & SenGupta (2001), Balakrishnan & Lai (2009), Ord (1972), a coleção de seis volumes de a Modern Course on Statistical Distribution in Scientific Work editado por Patil (1975, 1981), e a excelente coleção de quatro manuais sobre distribuições de probabilidade de Johnson, Kotz & Balakrishnan (1994-2000-2005). Na última década, tem surgido em diferentes periódicos especializados em Estatística muitos artigos propondo diferentes famílias generalizadas de distribuições de probabilidade para modelar diversos fenômenos aleatórios e que ainda não foram publicados em livros texto ou manuais de distribuições. Este contínuo interesse em estudar fenômenos aleatórios a partir de novas distribuições de probabilidade mostra que este é um tema atual e que o estudo sistemático de suas propriedades matemáticas e inferência estatística merece atenção. Estas novas famílias podem tem mais de três parâmetros podendo levar a modelos estatísticos paramétricos não identificáveis. Portanto, o estudo da identificabilidade destes modelos se faz necessário. Neste projeto pretendemos: (a) Obter resultados rigorosos para as novas famílias de distribuições de probabilidade em uma dimensão na reta e no círculo. Caracterizar algumas das novas famílias de distribuições. (b) Fazer inferência e modelagem para estas novas famílias de distribuições. (c) Encontrar as condições necessárias e suficientes para que modelos não identificáveis se convertam em modelos identificáveis. Temos resultados preliminares que mostram que diversos modelos publicados na literatura atual são não identificáveis, assim, estudaremos os problemas de não identificabilidade destas famílias. (d) Fazer aplicações reais em várias áreas do conhecimento e, em particular, no estudo da confiabilidade de sistemas e na análise de sobrevivência.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Artur José Lemonte - Integrante / Fredy Castellares - Coordenador / Marcos Antônio Cunha Santos - Integrante.
      Membro: Artur José Lemonte.

Prêmios e títulos

  • Total de prêmios e títulos (2)
    1. Menção Honrosa no Prêmio CAPES de Teses Edição 2011, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).. 2012.
      Membro: Artur José Lemonte.
    2. Prêmio Marechal-do-Ar Casimiro Montenegro Filho, Secretaria de Assuntos Estratégicos da Presidência da República.. 2010.
      Membro: Artur José Lemonte.

Participação em eventos

  • Total de participação em eventos (34)
    1. 67ª RBRAS e do 20º SEAGRO. 67ª Reunião Anual da Sociedade Internacional de Biometria e do 20º Simpósio de Estatística Aplicada à Experimentação Agronômica. 2023. (Congresso).
    2. Semana de Estatística. Universidade Federal do Rio Grande do Norte. 2023. (Congresso).
    3. XLII CNMAC. XLII Congresso Nacional de Matemática Aplicada e Computacional. 2023. (Congresso).
    4. Semana de Estatística. Universidade Federal do Rio Grande do Norte. 2022. (Congresso).
    5. VIII WPSM. VIII Workshop on Probabilistic and Statistical Methods. 2020. (Congresso).
    6. VI WASA. VI Workshop em Análise de Sobrevivência e Aplicações. 2019. (Congresso).
    7. Semana de Estatística.Universidade Federal do Rio Grande do Norte. 2018. (Encontro).
    8. 32nd IWSM. International Workshop on Statistical Modelling. 2017. (Congresso).
    9. Semana de Estatística.Universidade Federal do Rio Grande do Norte. 2017. (Encontro).
    10. XV EMR. XV Escola de Modelos de Regressão. 2017. (Congresso).
    11. 22o SINAPE.22o Simpósio Nacional de Probabilidade e Estatística. 2016. (Simpósio).
    12. Semana de Estatística.Universidade Federal do Rio Grande do Norte. 2016. (Encontro).
    13. IXSNM. Simposio Nororiental de Matemáticas. 2015. (Congresso).
    14. Semana de Estatística.Universidade Federal do Rio Grande do Norte. 2015. (Encontro).
    15. XIV EMR. XIV Escola de Modelos de Regressão. 2015. (Congresso).
    16. 21o SINAPE.21o Simpósio Nacional de Probabilidade e Estatística. 2014. (Simpósio).
    17. I WEAB. I Workshop em Estatística Aplicada e Biometria. 2014. (Congresso).
    18. XI Semana de Estatística. UFES. 2014. (Congresso).
    19. XXVI SIME. XXVI Semana do IME/UFG. 2014. (Congresso).
    20. 46a RRABE. 46a Reunião Regional da Associação Brasileira de Estatística. 2013. (Congresso).
    21. 58o RBas e 15o SEAGRO. 58o Reunião Anual da Região Brasileira da Sociedade Internacional de Biometria -- 15o Simpósio de Estatística Aplicada à Experimentação Agronômica. 2013. (Congresso).
    22. XIII EMR. XIII Escola de Modelos de Regressão. 2013. (Congresso).
    23. 20o SINAPE.20o Simpósio Nacional de Probabilidade e Estatística. 2012. (Simpósio).
    24. XXII SIE.XXII Simposio Internacional de Estadística. 2012. (Simpósio).
    25. 43a RRABE. 43a Reunião Regional da Associação Brasileira de Estatística. 2011. (Congresso).
    26. XII EMR. XII Escola de Modelos de Regressão. 2011. (Congresso).
    27. 19o SINAPE.19o Simpósio Nacional de Probabilidade e Estatística. 2010. (Simpósio).
    28. 1o APSM e 7o MDA. The 1st Conference on Applied Probability and Statistical Methods -- The 7th Conference on Multivariate Distributions with Applications. 2010. (Congresso).
    29. IX Semana da Estatística.UFES. 2010. (Outra).
    30. XI EMR. XI Escola de Modelos de Regressão. 2009. (Congresso).
    31. 18o SINAPE.18o Simpósio Nacional de Probabilidade e Estatística. 2008. (Simpósio).
    32. 17o SINAPE.17o Simpósio Nacional de Probabilidade e Estatística. 2006. (Simpósio).
    33. XIII Jornado da Iniciação Científica.Universidade Federal do Espírito Santo. 2003. (Outra).
    34. XII Jornada de Iniciação Científica.Universidade Federal do Espírito Santo. 2002. (Outra).

Organização de eventos

  • Total de organização de eventos (0)

    Lista de colaborações

    • Colaborações endôgenas (2)
      • Artur José Lemonte ⇔ Tatiane Ferreira do Nascimento Melo da Silva (4.0)
        1. MELO, TATIANE F. N. ; VARGAS, TIAGO M. ; Lemonte, Artur J. ; MORENO-ARENAS, GERMÁN. Higher-order asymptotic refinements in the multivariate Dirichlet regression model. Communications in Statistics. COMMUNICATIONS IN STATISTICS-SIMULATION AND COMPUTATION. v. 51, p. 53-71, 2022. Qualis: B2 (COMMUNICATIONS IN STATISTICS. SIMULATION AND COMPUTATION)
        2. MELO, TATIANE F. N. ; VARGAS, TIAGO M. ; LEMONTE, ARTUR J. ; MORENO-ARENAS, GERMÁN. On improved estimation in multivariate Dirichlet regressions. Communications in Statistics. COMMUNICATIONS IN STATISTICS-THEORY AND METHODS. v. 49, p. 5765-5777, 2020. Qualis: B2 (COMMUNICATIONS IN STATISTICS, THEORY AND METHODS)
        3. Melo, Tatiane F.N. ; Vasconcellos, Klaus L.P. ; Lemonte, Artur J.. Some restriction tests in a new class of regression models for proportions. Computational Statistics & Data Analysis (Print). v. 53, p. 3972-3979, 2009. Qualis: A2
        4. Lemonte, Artur J.; Melo, Tatiane F.N.. Estimação pontual e intervalar no modelo logístico hierárquico de dois níveis. Revista de Matemática e Estatística (Impresso) (Cessou em 2004. Cont. ISSN 1980-4245 Revista de Matemática e Estatística (Online)), São Paulo. v. 24, p. 151-166, 2006. Qualis: Não identificado (ISSN 1980-4245 REVISTA DE MATEMÁTICA E ESTATÍSTICA ), SÃO PAULO)

      • Artur José Lemonte ⇔ Wagner Barreto de Souza (3.0)
        1. Lemonte, Artur, J. ; Barreto-Souza, Wagner ; Cordeiro, Gauss M.. The exponentiated Kumaraswamy distribution and its log-transform. Brazilian Journal of Probability and Statistics. v. 27, p. 31-53, 2013. Qualis: B1
        2. BARRETO-SOUZA, WAGNER ; Lemonte, Artur J.. Bivariate Kumaraswamy distribution: properties and a new method to generate bivariate classes. Statistics (Berlin). v. 47, p. 1321-1342, 2013. Qualis: C
        3. BARRETO-SOUZA, WAGNER ; Lemonte, Artur J. ; Cordeiro, Gauss M.. General results for the Marshall and Olkin's family of distributions. Anais da Academia Brasileira de Ciências (Impresso). v. 85, p. 3-21, 2013. Qualis: A2




    (*) Relatório criado com produções desde 2000 até 2024
    Data de processamento: 08/08/2024 12:42:22