Fredy Walther Castellares Cáceres

http://lattes.cnpq.br/2032148618501540 (29/07/2025) Rótulo/Grupo: * Sem rótulo Bolsa CNPq: Período de análise: Endereço: Universidade Federal de São Paulo, Campus Osasco. Rua Oleska Winogradow 100 Jardim das Flores 06120042 - Osasco, SP - Brasil Telefone: (11) 33854296 URL da Homepage: https://www.unifesp.br/campus/osa2/ Grande área: Ciências Exatas e da Terra Área: Probabilidade e Estatística Citações: Google Acadêmico

Produção bibliográfica

• Artigos completos publicados em periódicos (30)
• Livros publicados/organizados ou edições (0)
• Capítulos de livros publicados (0)
• Textos em jornais de notícias/revistas (0)
• Trabalhos completos publicados em anais de congressos (1)
• Resumos expandidos publicados em anais de congressos (0)
• Resumos publicados em anais de congressos (0)
• Artigos aceitos para publicação (0)
• Apresentações de trabalho (7)
• Demais tipos de produção bibliográfica (11)

Produção técnica

• Programas de computador com registro (0)
• Programas de computador sem registro (2)
• Produtos tecnológicos (0)
• Processos ou técnicas (0)
• Trabalhos técnicos (0)
• Demais tipos de produção técnica (6)
• Entrevistas, mesas redondas, programas e comentários na mídia (0)

Produção artística

• Total de produção artística (0)

Orientações em andamento

• Supervisão de pós-doutorado (0)
• Tese de doutorado (0)
• Dissertação de mestrado (0)
• Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
• Trabalho de conclusão de curso de graduação (0)
• Iniciação científica (0)
• Orientações de outra natureza (0)

Supervisões e orientações concluídas

• Supervisão de pós-doutorado (0)
• Tese de doutorado (1)
• Dissertação de mestrado (5)
• Monografia de conclusão de curso de aperfeiçoamento/especialização (2)
• Trabalho de conclusão de curso de graduação (3)
• Iniciação científica (0)
• Orientações de outra natureza (1)

Projetos de pesquisa

• Total de projetos de pesquisa (10)

Prêmios e títulos

• Total de prêmios e títulos (0)

Participação em eventos

• Total de participação em eventos (29)

Organização de eventos

• Total de organização de eventos (1)

Lista de colaborações

• Colaborações endôgenas (0)

Produção bibliográfica

• Artigos completos publicados em periódicos (30)
  
  1. CASTELLARES, FREDY ; Lemonte, Artur J.. On a von Mises-type circular distribution. ANAIS DA ACADEMIA BRASILEIRA DE CIÊNCIAS. v. 97, p. e20240869, issn: 1678-2690, 2025.[doi]
  2. Fredy Castellares; PATRÍCIO, SILVIO C. ; Artur J. Lemonte. On gamma-Gompertz-Makeham assurances and life annuities. Austrian Journal Of Statistics. v. 53, p. 1-24, issn: 1026-597X, 2024.[doi]
  3. CASTELLARES, FREDY ; Lemonte, Artur J.. On Numerical Problems in Computing Life Annuities Based on the Makeham-Beard Law. Mathematica Slovaca. v. 73, p. 1317-1324, issn: 1337-2211, 2023.[doi]
  4. CASTELLARES, FREDY ; Lemonte, Artur J.. Comments on -an extended Gompertz-Makeham distribution with application to lifetime data-. COMMUNICATIONS IN STATISTICS-SIMULATION AND COMPUTATION. v. 51, p. 2769-2777, issn: 0361-0918, 2022.[doi]
  5. Fredy Castellares; PATRICIO, S. C. ; Artur J. Lemonte. On the Gompertz-Makeham law: A useful mortality model to deal with human mortality. Brazilian Journal of Probability and Statistics. v. 36, p. 613-639, issn: 0103-0752, 2022.[doi]
  6. CASTELLARES, FREDY ; Lemonte, Artur J.. On moments and entropy of the gamma-Gompertz distribution. Spanish Journal of Statistics. v. 4, p. 73-79, issn: 2695-9070, 2022.[doi]
  7. CASTELLARES, FREDY ; Lemonte, Artur J.. On Explicit Expressions for Moments of Gamma Order Statistics. BULLETIN OF THE BRAZILIAN MATHEMATICAL SOCIETY. v. 52, p. 909-913, issn: 1678-7544, 2021.[doi]
  8. CASTELLARES, FREDY ; Lemonte, Artur. A Note on the 'On the rBell Family of Distributions with Actuarial Applications'. SSRN Electronic Journals: The English & Commonwealth Law Abstracts Journal. v. 09, p. 3909928, issn: 1556-5068, 2021.[doi]
  9. CASTELLARES, FREDY ; LEMONTE, ARTUR J. ; SANTOS, MARCOS A.C.. A note on explicit expressions for moments of order statistics. Spanish Journal of Statistics. v. 1, p. 45-53, issn: 2695-9070, 2021.[doi]
  10. Castellares, Fredy; LEMONTE, ARTUR J. ; MORENO-ARENAS, GERMÁN. On the two-parameter Bell-Touchard discrete distribution. COMMUNICATIONS IN STATISTICS-THEORY AND METHODS. v. 49, p. 4834-4852, issn: 0361-0926, 2020.[doi]
  11. CASTELLARES, FREDY ; LEMONTE, ARTUR J. ; SANTOS, MARCOS A. C.. On the Nielsen distribution. Brazilian Journal of Probability and Statistics. v. 34, p. 90-111, issn: 0103-0752, 2020.[doi]
  12. LEMONTE, ARTUR J. ; MORENO-ARENAS, GERMÁN ; Castellares, Fredy. Zero-inflated Bell regression models for count data. JOURNAL OF APPLIED STATISTICS. v. 47, p. 265-286, issn: 1360-0532, 2020.[doi]
  13. ABOLHASSANI, ALI ; PRATES, MARCOS O. ; Castellares, Fredy ; MAHMOODI, SAFIEH. Zero-inflated bell scan: A more flexible spatial scan statistic. Spatial Statistics. v. 36, p. 100433, issn: 2211-6753, 2020.[doi]
  14. Castellares, Fredy; PATRÍCIO, SILVIO C. ; LEMONTE, ARTUR J. ; QUEIROZ, BERNARDO L.. On closed-form expressions to Gompertz-Makeham life expectancy. THEORETICAL POPULATION BIOLOGY. v. 134, p. 53-60, issn: 0040-5809, 2020.[doi]
  15. Castellares, Fredy; PATRÍCIO, SILVIO C. ; LEMONTE, ARTUR J.. On gamma-Gompertz life expectancy. STATISTICS & PROBABILITY LETTERS. v. 165, p. e108832, issn: 0167-7152, 2020.[doi]
  16. CASTELLARES, FREDY ; Lemonte, Artur J.. On the moments of the generalized Gompertz distribution. APPLIED MATHEMATICAL MODELLING. v. 72, p. 420-424, issn: 0307-904X, 2019.[doi]
  17. Castellares, Fredy; PRATES, MARCOS O. ; ABOLHASSANI, ALI. Comments on -A spatial scan statistic for compound Poisson data-. STATISTICS IN MEDICINE. v. 38, p. 1297-1299, issn: 0277-6715, 2019.[doi]
  18. Castellares, Fredy; FERRARI, SILVIA L.P. ; LEMONTE, ARTUR J.. On the Bell distribution and its associated regression model for count data. APPLIED MATHEMATICAL MODELLING. v. 56, p. 172-185, issn: 0307-904X, 2018.[doi]
  19. CASTELLARES, FREDY ; Lemonte, Artur J.. On the Marshall-Olkin Extended Distributions. Communications in Statistics. Theory and Methods. v. 45, p. 4537-4555, issn: 0361-0926, 2016.[doi]
  20. CASTELLARES, FREDY ; Lemonte, Artur J.. On the Gamma Dual Weibull Model. American Journal of Mathematical and Management Sciences. v. 35, p. 124-132, issn: 0196-6324, 2016.[doi]
  21. CASTELLARES, FREDY ; Lemonte, Artur J.. A new generalized Weibull distribution generated by gamma random variables. Journal of the Egyptian Mathematical Society. v. 23, p. 382-390, issn: 1110-256X, 2015.[doi]
  22. CASTELLARES, FREDY ; SANTOS, MARCOS A.C. ; MONTENEGRO, LOURDES C. ; CORDEIRO, GAUSS M.. A Gamma-Generated Logistic Distribution: Properties and Inference. American Journal of Mathematical and Management Sciences. v. 34, p. 14-39, issn: 0196-6324, 2014.[doi]
  23. Castellares, Fredy; MONTENEGRO, L. ; CORDEIRO, G.. The beta log-normal distribution. Journal of Statistical Computation and Simulation (Print). v. 83, p. 1-26, issn: 0094-9655, 2013.[doi]
  24. Castellares, Fredy; CORDEIRO, G. ; SANTOS, M. ; MONTENEGRO, L.. A power series expansion for the skew normal distribution. Journal of Applied Probability and Statistics. v. 7, p. 1-16, issn: 1930-6792, 2012.
  25. CORDEIRO, G. ; Fredy Castellares ; Lourdes Montenegro ; Mario de Castro. The beta generalized gamma distribution. Statistics (Berlin). v. 47, p. 888-900, issn: 0233-1888, 2012.[doi]
  26. RODRIGUES, J. A. ; SILVA, A. P. C. M. ; CHAVES, L. M. ; Castellares Caceres, Fredy. Combinação de Variáveis Aleatórias Beta tipo II Aplicadas em Modelagem Hidrológica. Revista Ciências Exatas e Naturais (Impresso). v. 14, p. 25-42, issn: 1518-0352, 2012.
  27. RODRIGUES, J. A. ; CHAVES, L. M. ; Castellares, F.. Uma Nova Classe de Distribuições Generalizadas. TEMA. Tendências em Matemática Aplicada e Computacional. v. 13, p. 167-178, issn: 1677-1966, 2012.[doi]
  28. RODRIGUES, J. A. ; SILVA, A. P. C. M. ; CHAVES, L. M. ; Fredy Castellares. Uma nova distribuição exponencial bivariada construída a partir da cópula Gumbel-Barnett com uma aplicação em modelagem de precipitações pluviométricas. Revista Brasileira de Biometria. v. 29, p. 583-610, issn: 1983-0823, 2011.
  29. RODRIGUES, J. A. ; SILVA, A. P. C. M. ; CHAVES, L. M. ; Fredy Castellares. Algumas propriedades da distribuição exponencial bivariada Gumbel tipo I com uma aplicação a dados de precipitação pluviométrica. Revista Brasileira de Biometria. v. 29, p. 435-461, issn: 1983-0823, 2011.
  30. Castellares, Fredy; Pablo A. Ferrari ; Eugene Pechersky. A slow-to-start traffic model related to a M/M/1 queue. Journal of Statistical Mechanics. Theory and Experiment. v. P, p. P07008, issn: 1742-5468, 2007.[doi]
  
  
• Livros publicados/organizados ou edições (0)
  
  
  
• Capítulos de livros publicados (0)
  
  
  
• Textos em jornais de notícias/revistas (0)
  
  
  
• Trabalhos completos publicados em anais de congressos (1)
  
  1. PATRICIO, S. C. ; Fredy Castellares ; LANZA, B.. Mortality modeling at old-ages: an mixture model approach. Em: Annual Meeting of the Population Association of America, 2022.
  
  
• Resumos expandidos publicados em anais de congressos (0)
  
  
  
• Resumos publicados em anais de congressos (0)
  
  
  
• Artigos aceitos para publicação (0)
  
  
  
• Apresentações de trabalho (7)
  
  1. Castellares, Fredy. Processo de Poisson Múltiplo e Distribuição de Bell. 2018. Apresentação de Trabalho/Seminário
  2. Fredy Castellares. Problemas de não identificabilidade em distribuições generalizadas. 2013. Apresentação de Trabalho/Seminário
  3. Fredy Castellares. Distribuições Generalizadas de Probabilidade. 2011. Apresentação de Trabalho/Seminário
  4. Fredy Castellares. Distribuições Generalizadas. 2010. Apresentação de Trabalho/Seminário
  5. Fredy Castellares. Distribuição Beta Generalizada. 2009. Apresentação de Trabalho/Seminário
  6. Castellares, Fredy. Modelos de Trânsito em tempo discreto. 2006. Apresentação de Trabalho/Seminário
  7. Castellares, Fredy. Modelos de Trânsito e Teoria de Filas M/M/1. 2006. Apresentação de Trabalho/Seminário
  
  
• Demais tipos de produção bibliográfica (11)
  
  1. Fredy Castellares; Artur J. Lemonte. On a von Mises-type circular distribution. São Paulo - Brasil: SciELO. 2024. Pesquisa: Artigos Submetidos para publicação
  2. Fredy Castellares; Artur J. Lemonte. On numerical problems in computing life annuities based on the Makeham-Beard law. 2022. Pesquisa: Artigos Submetidos para publicação
  3. Fredy Castellares; Artur J. Lemonte. On moments and entropy of the gamma-Gompertz distribution. 2022. Pesquisa: Artigos Submetidos para publicação
  4. Fredy Castellares. alpha-convolution. 2022. Pesquisa: Artigos em preparação
  5. Fredy Castellares. Bell-gamma compound distribution. 2022. Pesquisa: Artigos em preparação
  6. Fredy Castellares; Artur J. Lemonte. Circular Inverse Gaussian distribution. 2022. Pesquisa: Artigos em preparação
  7. Castellares, Fredy; M. Santos ; Lourdes Montenegro ; Gauss Cordeiro. The Gamma Logistic Model: Theory and Application. 2014. Pesquisa: Artigos Submetidos para publicação
  8. Castellares, Fredy. The New Expansion to Gamma Function. 2014. Pesquisa: Artigos em preparação
  9. Fredy Castellares; Artur J. Lemonte. Gamma dual Weibull model. American Journal of Mathematical and Management Sciences. 2014. Pesquisa: Artigos Submetidos para publicação
  10. Castellares, Fredy; M. Santos ; Lourdes Montenegro. The Gamma Pareto Distribution: Theory and Application. 2013. Pesquisa: Artigos em preparação
  11. Gauss Cordeiro ; Castellares, Fredy ; Lourdes Montenegro. The Beta Alpha Distribution. BJPS. 2013. Pesquisa: Artigos Submetidos para publicação
  
  

Produção técnica

• Programas de computador com registro (0)
  
  
  
• Programas de computador sem registro (2)
  
  1. DEMARQUI, F. ; Castellares, Fredy. bellreg: Count Regression Models Based on the Bell Distribution. 2020.
  2. DEMARQUI, F. ; PRATES, M. O. ; Fredy Castellares. bellreg: Count Regression Models Based on the Bell Distribution. 2020.
  
  
• Produtos tecnológicos (0)
  
  
  
• Processos ou técnicas (0)
  
  
  
• Trabalhos técnicos (0)
  
  
  
• Demais tipos de produção técnica (6)
  
  1. Fredy Castellares. Aplicações do Cálculo a Estatística. 2014. Curso de curta duração ministrado/Especialização
  2. Fredy Castellares. Distribuições Generalizadas de Probabilidades e Aplicações. 2012. 2012.
  3. Fredy Castellares. Funções de Distribuição de Probabilidades Generalizadas e Aplicações à Estatística. 2012. 2012.
  4. Fredy Castellares. Derivativos Financeiros : Introdução aos Modelos Probabilísticos em Finanças. 2010. 2010.
  5. Castellares, Fredy. Métodos Probabilísticos em Finaças. 2010. Curso de curta duração ministrado/Outra
  6. Castellares, Fredy. Introduçõa aos Métodos Probabilísticos em Finanças. 2009. Desenvolvimento de material didático ou instrucional - Notas de Aula
  
  
• Entrevistas, mesas redondas, programas e comentários na mídia (0)
  
  
  

Produção artística

• Total de produção artística (0)
  
  
  

Orientações em andamento

• Supervisão de pós-doutorado (0)
  
  
  
• Tese de doutorado (0)
  
  
  
• Dissertação de mestrado (0)
  
  
  
• Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
  
  
  
• Trabalho de conclusão de curso de graduação (0)
  
  
  
• Iniciação científica (0)
  
  
  
• Orientações de outra natureza (0)
  
  
  

Supervisões e orientações concluídas

• Supervisão de pós-doutorado (0)
  
  
  
• Tese de doutorado (1)
  
  1. Jailson Araujo Rodrigues. Distribuições bivariadas aplicadas a hidrologia. Tese (Doutorado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Fundação de Amparo à Pesquisa do Estado da Bahia. 2011.
     Orientadores: Fredy Walther Castellares Cáceres, Fredy Walther Castellares Cáceres.
  
  
• Dissertação de mestrado (5)
  
  1. Guilherme Lucas Moreira Dias Almeida. Benefícios e Prêmios de Anuidade Variável: seguros de vida com garantias de sobrevivência e por morte. Dissertação (Mestrado em Estatística) - Universidade Federal de Minas Gerais, . 2021.
     Orientadores: Fredy Walther Castellares Cáceres, Fredy Walther Castellares Cáceres.
  2. Silvio Cabral Patrício. Modelagem de Mortalidade. Dissertação (Mestrado em Estatística) - Universidade Federal de Minas Gerais, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2020.
     Orientadores: Fredy Walther Castellares Cáceres, Fredy Walther Castellares Cáceres.
  3. Gabriela Oliveira. Distribuição de Marshall-Olkin normal e aplicações. Dissertação (Mestrado em Estatística) - Universidade Federal de Minas Gerais, Fundação de Amparo à Pesquisa do Estado de Minas Gerais. 2014.
     Orientadores: Fredy Walther Castellares Cáceres, Fredy Walther Castellares Cáceres.
  4. Sergio Luiz de Oliveira. Distribuiçõa beta logística. Dissertação (Mestrado em Estatística) - Universidade Federal de Minas Gerais, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2012.
     Orientadores: Fredy Walther Castellares Cáceres, Fredy Walther Castellares Cáceres.
  5. Rodolfo Lourenzutti. Distribuiçõa Pareto Truncada. Dissertação (Mestrado em Estatística) - Universidade Federal de Minas Gerais, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2012.
     Orientadores: Fredy Walther Castellares Cáceres, Fredy Walther Castellares Cáceres.
  
  
• Monografia de conclusão de curso de aperfeiçoamento/especialização (2)
  
  1. Kleber Vailante. Teoria de Resposta ao Item. (Aperfeiçoamento/Especialização em Lato Sensu - Departamento de Matemática) - Universidade Federal de Minas Gerais, . 2014.
     Orientadores: Fredy Walther Castellares Cáceres, Fredy Walther Castellares Cáceres.
  2. Márcia Maria de Paula Freitas Pereira. Estuda da Distribuição Beta e Aplicações. (Aperfeiçoamento/Especialização em Especialização em Matemática - Departamento de Mat) - Universidade Federal de Minas Gerais, . 2011.
     Orientadores: Fredy Walther Castellares Cáceres, Fredy Walther Castellares Cáceres.
  
  
• Trabalho de conclusão de curso de graduação (3)
  
  1. Daniel Rocha da Silva. Análise de Eventos Extremos. (Graduação em Estatística) - Universidade Federal de Minas Gerais, . 2022.
     Orientadores: Fredy Walther Castellares Cáceres, Fredy Walther Castellares Cáceres.
  2. Arthur Luiz Altino Campos. Metodologia própria atuarial para o cálculo da PEONA-SUS. (Graduação em Ciências Atuariais) - Universidade Federal de Minas Gerais, . 2021.
     Orientadores: Fredy Walther Castellares Cáceres, Fredy Walther Castellares Cáceres.
  3. Rafaela Máximo de Carvalho. MODELAGEM DA FREQUÊNCIA DE SINISTROS DE AUTOMÓVEIS NAS REGIÕES SUL E SUDESTE DO BRASIL: UM ESTUDO DE CASO UTILIZANDO A DISTRIBUIÇÃO BELL. (Graduação em Ciências Atuariais) - Universidade Federal de Minas Gerais, . 2021.
     Orientadores: Fredy Walther Castellares Cáceres, Fredy Walther Castellares Cáceres.
  
  
• Iniciação científica (0)
  
  
  
• Orientações de outra natureza (1)
  
  1. Mateus Mendonça Bosque. Estuda da Equação de Black-Scholes e suas Aplicações no Mercado Financeiro. (Engenharia Elétrica) - Universidade Federal de Minas Gerais, . 2007.
     Orientadores: Fredy Walther Castellares Cáceres, Fredy Walther Castellares Cáceres.
  
  

Projetos de pesquisa

• Total de projetos de pesquisa (10)
  
  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.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Fredy Walther Castellares Cáceres - Integrante / LEMONTE, ARTUR J. - Coordenador.
     Membro: Fredy Walther Castellares Cáceres.
     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.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Fredy Walther Castellares Cáceres - Integrante / LEMONTE, ARTUR J. - Coordenador.
     Membro: Fredy Walther Castellares Cáceres.
     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. 2022-Atual. Modelagem e Inferência de Modelos de Risco
     Descrição: A modelagem de risco é trabalho complexo e em poucas situações existem modelagem analíticas. Neste projeto, usaremos as novas distribuições de contagem defiinindas por Castellares et al, a distribuição de Bell, a distribuição Bell-Touchard e a distribuição de Nilsen para modelar o risco coletivo com perdas de distribuição gamma. Desta forma, poderemos estudar modelos coletivos como generalizações do modelo Poisson-Gama. Estes modelos definidos como uma distribuição Bell Composta com perdas aleatórias gama podem resultar em modelos tipo Tweedie. Usaremos as distribuições de Bell e Bell-Touchard no modelo de regressão de arvores como um modelo que consiga competir com os modelos de Poisson e com os modelos superdispersos de Poisson.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (1) . Integrantes: Fredy Walther Castellares Cáceres - Coordenador / Artur J. Lemonte - Integrante / SANTOS, MARCOS A. C. - Integrante / Silvio Cabral Patrício - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
     Descrição: A modelagem de risco é trabalho complexo e em poucas situações existem modelagem analíticas. Neste projeto, usaremos as novas distribuições de contagem defiinindas por Castellares et al, a distribuição de Bell, a distribuição Bell-Touchard e a distribuição de Nilsen para modelar o risco coletivo com perdas de distribuição gamma. Desta forma, poderemos estudar modelos coletivos como generalizações do modelo Poisson-Gama. Estes modelos definidos como uma distribuição Bell Composta com perdas aleatórias gama podem resultar em modelos tipo Tweedie. Usaremos as distribuições de Bell e Bell-Touchard no modelo de regressão de arvores como um modelo que consiga competir com os modelos de Poisson e com os modelos superdispersos de Poisson.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (1) . Integrantes: Fredy Walther Castellares Cáceres - Coordenador / Artur J. Lemonte - Integrante / SANTOS, MARCOS A. C. - Integrante / Silvio Cabral Patrício - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
  3. 2020-Atual. Novas Distribuiçõs de Probabilidade e Aplicações.
     Descrição: 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 dados, 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. Palavras chaves: Superdispersão, Processo Múltiplo de Poisson, Distribuições de Probabilidade, Identificabilidade de distribuições, Distribuições de Contagio. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Fredy Walther Castellares Cáceres - Coordenador / Artur J. Lemonte - Integrante / Marcos Antônio Cunha Santos - Integrante / Marcos Oliveira Prates - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
     Descrição: 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 dados, 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. Palavras chaves: Superdispersão, Processo Múltiplo de Poisson, Distribuições de Probabilidade, Identificabilidade de distribuições, Distribuições de Contagio. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Fredy Walther Castellares Cáceres - Coordenador / Artur J. Lemonte - Integrante / Marcos Antônio Cunha Santos - Integrante / Marcos Oliveira Prates - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
  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 as 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 e gerenciamento de risco de longevidade.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (1) . Integrantes: Fredy Walther Castellares Cáceres - Coordenador / Artur J. Lemonte - Integrante / Silvio Cabral Patrício - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
     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 as 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 e gerenciamento de risco de longevidade.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (1) . Integrantes: Fredy Walther Castellares Cáceres - Coordenador / Artur J. Lemonte - Integrante / Silvio Cabral Patrício - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
     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-Atual. 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 dados, 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 por primeira vez com Karl Pearson, em 1895, ele propôs uma família de distribuições, na qual incluía quase todas as distribuições de probabilidade conhecidas nesse tempo. Na atualidade, há uma enorme quantidade de distribuições de probabilidade univariadas, circulares, esféricas e multivariadas. Para uma revisão destas distribuições, ver Marshall e Olkin (2007) , Mardia (1972, 2000) , Jammalamadaka e SenGupta (2001), Balakrishnan e 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 e Balakrishnan (1994-2000-2005) . 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. 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. Palavras chaves: Superdispersão, Processo Múltiplo de Poisson, Distribuições de Probabilidade, Identificabilidade de distribuições, Distribuições de Contagio. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Fredy Walther Castellares Cáceres - Coordenador / Artur J. Lemonte - Integrante / Marcos Antônio Cunha Santos - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
     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 dados, 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 por primeira vez com Karl Pearson, em 1895, ele propôs uma família de distribuições, na qual incluía quase todas as distribuições de probabilidade conhecidas nesse tempo. Na atualidade, há uma enorme quantidade de distribuições de probabilidade univariadas, circulares, esféricas e multivariadas. Para uma revisão destas distribuições, ver Marshall e Olkin (2007) , Mardia (1972, 2000) , Jammalamadaka e SenGupta (2001), Balakrishnan e 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 e Balakrishnan (1994-2000-2005) . 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. 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. Palavras chaves: Superdispersão, Processo Múltiplo de Poisson, Distribuições de Probabilidade, Identificabilidade de distribuições, Distribuições de Contagio. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Fredy Walther Castellares Cáceres - Coordenador / Artur J. Lemonte - Integrante / Marcos Antônio Cunha Santos - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
     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 dados, 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 por primeira vez em 1895, Karl Pearson propôs uma família de distribuições, na qual incluía quase todas as distribuições de probabilidade conhecidas nesse tempo. \textit{``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, circulares, esféricas e multivariadas. Para uma revisão destas distribuições, ver Marshall e Olkin (2007), Mardia (1972, 2000), Jammalamadaka e SenGupta (2001), Balakrishnan e 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 e 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 tem 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) 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, 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: Fredy Walther Castellares Cáceres - Coordenador / Artur J. Lemonte - Integrante / Marcos Antônio Cunha Santos - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
     Descrição: 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. Neste projeto pretendemos: (a) Obter resultados rigorosos para as novas famílias de distribuições de probabilidade (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 (d) Fazer aplicações reais em várias áreas do conhecimento e, em particular, no estudo da confiabilidade de sistemas e na análise de sobrevivência.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Marcos Antonio da Cunha Santos - Integrante / Fredy Walther Castellares Cáceres - Coordenador / Artur J Lemonte - Integrante.
     Membro: Marcos Antonio da Cunha Santos.
     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 dados, 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 por primeira vez em 1895, Karl Pearson propôs uma família de distribuições, na qual incluía quase todas as distribuições de probabilidade conhecidas nesse tempo. \textit{``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, circulares, esféricas e multivariadas. Para uma revisão destas distribuições, ver Marshall e Olkin (2007), Mardia (1972, 2000), Jammalamadaka e SenGupta (2001), Balakrishnan e 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 e 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 tem 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) 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, 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: Fredy Walther Castellares Cáceres - Coordenador / Artur J. Lemonte - Integrante / Marcos Antônio Cunha Santos - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
     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.
  7. 2014-2016. Inferência em Modelos Generalizados de Probabilidade
     Descrição: Distribuições de probabilidade são utilizadas para modelar fenômenos aleatórios 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 de possuir maior flexibilidade que as distribuições existentes, permitem modelar, analisar dados, fazer ajustes e predições que com as distribuições existentes não são possíveis ou não tem um ajuste ou predições satisfatórios. 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) 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: Fredy Walther Castellares Cáceres - Coordenador / Lourdes Montenegro - Integrante / Marcos Santos - Integrante / Mario de Castro - Integrante / Artur Lemonte - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
     Descrição: Distribuições de probabilidade são utilizadas para modelar fenômenos aleatórios 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 de possuir maior flexibilidade que as distribuições existentes, permitem modelar, analisar dados, fazer ajustes e predições que com as distribuições existentes não são possíveis ou não tem um ajuste ou predições satisfatórios. 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) 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: Fredy Walther Castellares Cáceres - Coordenador / Lourdes Montenegro - Integrante / Marcos Santos - Integrante / Mario de Castro - Integrante / Artur Lemonte - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
  8. 2009-2012. Distribuições Generalizadas
     Descrição: Estudar e definir novas famílias de distribuições que permitam modelas fenômenos complexos; Neste projeto pretendemos: (a) Obter resultados rigorosos para os modelos de probabilidade generalizadas, a partir de transformações beta e gama. Estas distribuições são chamadas de beta geradas (Beta G) e gama geradas (Gama G). Caracterizaremos completamente e de forma geral(independentemente da distribuição geradora G) estas distribuições. (b) Formalizaremos as distribuições generalizadas a partir da distribuição de Kumaraswamy, estas distribuições são chamadas de Kw G (c) Estudaremos a possibilidade de generalizações usando as transformações anteriores ou outras transformações para distribuições bivariadas. Situação: Concluído; Natureza: Pesquisa. Integrantes: Fredy Walther Castellares Cáceres - Coordenador / Lourdes Montenegro - Integrante / Gauss Cordeiro - Integrante / Marcos Santos - Integrante / Mario de Castro - Integrante / Jailson de Araujo Rodrigues - Integrante / Lucas Monteiro Chaves - Integrante / Artur Lemonte - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
     Descrição: Distribuições Generalizadas Estudar e verificar propriedades de novas distribuições de probabilidade, denominadas de distribuições generalizadas. Uma classe destas distribuições generalizadas são as distribuições Beta Generalizadas.A obtenção de novas famílias de distribuições e as suas propriedades analíticas é o principal objetivo do projeto.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Marcos Antonio da Cunha Santos - Integrante / Fredy Walther Castellares Cáceres - Coordenador / Gauss Murtinho Cordeiro - Integrante / MONTENEGRO, LOURDES C. - Integrante.
     Membro: Marcos Antonio da Cunha Santos.
     Descrição: Estudar e definir novas famílias de distribuições que permitam modelas fenômenos complexos; Neste projeto pretendemos: (a) Obter resultados rigorosos para os modelos de probabilidade generalizadas, a partir de transformações beta e gama. Estas distribuições são chamadas de beta geradas (Beta G) e gama geradas (Gama G). Caracterizaremos completamente e de forma geral(independentemente da distribuição geradora G) estas distribuições. (b) Formalizaremos as distribuições generalizadas a partir da distribuição de Kumaraswamy, estas distribuições são chamadas de Kw G (c) Estudaremos a possibilidade de generalizações usando as transformações anteriores ou outras transformações para distribuições bivariadas. Situação: Concluído; Natureza: Pesquisa. Integrantes: Fredy Walther Castellares Cáceres - Coordenador / Lourdes Montenegro - Integrante / Gauss Cordeiro - Integrante / Marcos Santos - Integrante / Mario de Castro - Integrante / Jailson de Araujo Rodrigues - Integrante / Lucas Monteiro Chaves - Integrante / Artur Lemonte - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
  9. 2008-2009. PROCAD - Seguro Agrícola: Modelagem Estatística e Precificação
     Descrição: Descrição: Desenvolver metodologias de gestão do risco para o agronegócio brasileiro sob uma perspectiva estatístico-atuarial e econômica, baseadas na geração de estratégias de seguro eficientes para o setor.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Fredy Walther Castellares Cáceres - Integrante / Pablo A. Ferrari - Coordenador / Renato Martins Assunção - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
     Descrição: Descrição: Desenvolver metodologias de gestão do risco para o agronegócio brasileiro sob uma perspectiva estatístico-atuarial e econômica, baseadas na geração de estratégias de seguro eficientes para o setor.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Fredy Walther Castellares Cáceres - Integrante / Pablo A. Ferrari - Coordenador / Renato Martins Assunção - Integrante.
     Membro: Fredy Walther Castellares Cáceres.
  10. 2006-2008. Teoria de Filas, Inferência e Modelos de Trânsito de Partículas
      Descrição: Este projeto estuda os modelos de partículas que simulam o comportamento de carros numa estrada. Consideramos partículas distribuídas aleatoriamente em R, a distribuição inicial das partículas pode ser dado por um processo de Bernoulli ou de Poisson. As partículas podem ter uma dinâmica de movimento determinística ou aleatória. O projeto trata de encontrar as condições para que exista trânsito livre, ou seja as partículas circulam livremente e não existe conglomerados de partículas. Estos processos podem ser estudados em tempos discretos ou contínuos.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Fredy Walther Castellares Cáceres - Coordenador.
      Membro: Fredy Walther Castellares Cáceres.
      Descrição: Este projeto estuda os modelos de partículas que simulam o comportamento de carros numa estrada. Consideramos partículas distribuídas aleatoriamente em R, a distribuição inicial das partículas pode ser dado por um processo de Bernoulli ou de Poisson. As partículas podem ter uma dinâmica de movimento determinística ou aleatória. O projeto trata de encontrar as condições para que exista trânsito livre, ou seja as partículas circulam livremente e não existe conglomerados de partículas. Estos processos podem ser estudados em tempos discretos ou contínuos.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Fredy Walther Castellares Cáceres - Coordenador.
      Membro: Fredy Walther Castellares Cáceres.
  
  

Prêmios e títulos