Programa de Pós-Graduação em Probabilidade e Estatística

Jalmar Manuel Farfan Carrasco

Possui graduação em Estatística pela Universidade San Antonio Abad del Cusco - Perú (2002) . Mestrado em Estatística e Experimentação Agronômica pela Universidade de São Paulo (2007) e Doutorado em Estatística pela Universidade de São Paulo. Atualmente é professor da Universidade Federal da Bahia (UFBA) e coordenador da Especialização em Ciência de Dados e Big Data da UFBA. Lider do grupo de pesquisa- CNPq CoSMo - "Complex Statistical Modeling". Tem experiência na área de Estatística principalmente em: Modelos Lineares Generalizados Mistos; Modelos de Regressão com Erros de Medida; Análise de sobrevivência; Estatística computacional; Modelos com alta dimensão nos preditores (p>>n); e Ciência de Dados. (Texto informado pelo autor)

  • http://lattes.cnpq.br/5279356698005104 (04/11/2024)
  • Rótulo/Grupo:
  • Bolsa CNPq:
  • Período de análise:
  • Endereço: Universidade Federal da Bahia, Instituto de Matemática, Departamento de Estatística. Av. Adhemar de Barros, s/n Ondina 40170110 - Salvador, BA - Brasil Telefone: (71) 41416152 URL da Homepage: http://www.est.ufba.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 (7)
    1. 2024-Atual. Uma família de distribuições multivariadas a partir dos modelos linear generalizado com distribuição log-gama generalizada para o efeito aleatório na presença de erros de medida nas covariáveis.
      Descrição: Neste projeto de pesquisa iremos deduzir uma família de distribuições multivariadas a partir dos modelos linear generalizado com distribuição log-gama generalizada para o efeito aleatório na presença de erros de medida nas covariáveis. Os métodos de máxima verossimilhança e máxima pseudo-verossimilhança serão utilizados para encontrar estimadores adequados. Estudos de simulação via Monte Carlo serão realizados com o intuito de avaliar o comportamento assintótico dos estimadores de máxima e pseudo-verossimilhança. Estudaremos também, a sensibilidade dos estimadores de máxima e pseudo-verossimilhança sob a má especificação do efeito aleatório na presença de erros de medida. Técnicas de diagnóstico, tais como: resíduos e medidas de diagnostico como influência global, local e total serão abordado para verificar a qualidade de ajuste do modelo, identificar observações atípicas e influentes. Finalmente, disponibilizaremos uma libraria na plataforma computacional R que permitira aos usuários realizar analises de dados sob a proposta abordada.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Jalmar Manuel Farfan Carrasco - Coordenador / Cristian Villegas - Integrante / FABIO, LIZANDRA C. - Integrante / Victor Hugo Lachos Davila - Integrante / Vanessa Barros - Integrante.
      Membro: Jalmar Manuel Farfan Carrasco.
    2. 2022-Atual. Modelo de regressão simplex multivariado: Inferência, diagnóstico e aplicações
      Descrição: Em várias situações práticas, quer sejam experimentais ou observacionais, existe o interesse de investigar e modelar variáveis que representam proporção, taxas ou índices, ou seja, variáveis mensuráveis no intervalo (0, 1). Contudo, há exigência por modelos multivariados, tendo em vista que existem muitas variáveis com essas características a serem modeladas. Dito isso, o presente projeto tem em seu maior intuito e inovação estender o modelo de regressão simplex univariado para um modelo de regressão simplex multivariado utilizando o método de cópulas, realizar inferências via máxima verossimilhança, encontrar intervalos de confiança, testar hipóteses, estudo de simulação, método de diagnostico (resíduo) e aplicação a um conjunto de dados reais.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) . Integrantes: Jalmar Manuel Farfan Carrasco - Coordenador / FABIO, LIZANDRA C. - Integrante / Lucas Santos Vieira - Integrante / Emerson Amaral Alves - Integrante / Vanessa Barros - Integrante.
      Membro: Jalmar Manuel Farfan Carrasco.
    3. 2020-2021. Ferramentas de diagnóstico no modelo logístico generalizado dependente do tempo
      Descrição: Este projeto de pesquisa pretende estudar e implementar ferramentas de diagnóstico para o modelo de regressão GTDL. Iremos estudar uma análise de resíduos e técnicas de sensibilidade do modelo tais como: Influência local, local total e global. Mediante técnicas de simulação via Monte Carlo, realizaremos um estudo de simulação para: investigar a distribuição empírica dos resíduos propostos e estudar o desempenho das diferentes técnicas de análise de sensibilidade. Validaremos os resultados mediante a utilização de conjuntos de dados reais. Finalmente, pretendemos implementar uma livraria, na plataforma computacional R, com as diferentes técnicas de diagnóstico estudadas. A vantagem deste último objetivo é que a linguagem de programação R é de uso gratuito e amplamente utilizada nas diferentes áreas do conhecimento.. Situação: Desativado; Natureza: Pesquisa. Integrantes: Jalmar Manuel Farfan Carrasco - Coordenador / Luciano S. dos Santos - Integrante.
      Membro: Jalmar Manuel Farfan Carrasco.
    4. 2019-2020. Modelos lineares generalizados com efeito aleatório log-gama generalizada: Uma abordagem Bayesiana
      Descrição: Neste projeto de pesquisa pretende estender a proposta de Fabio (2012) para a classe dos modelos lineares generalizados, em que o efeito aleatório segue a distribuição log-gama generalizado, sob uma abordagem Bayesiana. No contexto de inferência Bayesiana, todos os parâmetros do modelo, sejam fixos ou aleatórios, são considerados como variáveis aleatórias, conforme o conceito subjetivo de probabilidade, pela qual essa quantidade de incerteza existe sobre eles. Utilizando uma generalização do teorema de Bayes, informações a priori sobre os parâmetros são utilizadas em associação aos dados amostrais, possibilitando uma inferência a posteriori sobre aqueles. Técnicas como algoritmos de Amostrador de Gibbs e o algoritmo Metropolis Hastings serão utilizados mediante a ferramenta computacional R, WinBUGS e OpenBUGS. Finalmente, os resultados serão validados via estudos de simulação e conjuntos de dados existentes na literatura.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Jalmar Manuel Farfan Carrasco - Integrante / Lizandra Castilho Fabio - Coordenador / Luciano S. dos Santos - Integrante.
      Membro: Jalmar Manuel Farfan Carrasco.
    5. 2017-2018. Modelo de regressão beta com erro de medida multiplicativo
      Descrição: Em muitos problemas práticos estamos interessados em conhecer a relação entre a variável resposta, y, e a covariável, x. Em ocasiões é difícil, custoso, ou mesmo impossível de observar a variável x diretamente, mais alternativamente podemos observar a variável representada por w que é fácil de ser obtido. É comum na prática assumir uma relação aditiva entre a variável w e x, w = x + e, onde "e" é representa como o erro de medida. Esta suposição de aditividade pode ser inadequada em certas situações, por exemplo, quando a variável x é limitada no intervalo (0,1). Assim, em este trabalho propomos o modelo de regressão beta com erro multiplicativo, onde a variável medida com erro é limitada no intervalo (0,1), e assumimos que segue uma distribuição beta. Estudos de simulação são desenvolvidos com o intuito de investigar o comportamento assintótico dos estimadores. A técnica de máxima pseudo-verossimilhança é utilizada para encontrar estimadores ótimos. Algumas medidas de diagnostico são testadas e conjuntos de dados são utilizados para validar a metodologia proposta.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Jalmar Manuel Farfan Carrasco - Coordenador.
      Membro: Jalmar Manuel Farfan Carrasco.
    6. 2014-2017. Modelos de Regressão Beta e Birnbaum-Saunders com Erros de Medida
      Descrição: Estudar o modelo de regressão Beta e Birbaum-Saunder com erros de medida. Técnicas de estimação e diagnostico são realizados sob o enfoque clásico e bayesiano.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Jalmar Manuel Farfan Carrasco - Coordenador / Silvia L. P. Ferrari - Integrante / Reinaldo B. Arellano-Valle - Integrante / Figueroa-Zuñiga Jorge I. - Integrante / Lizandra Castilho Fabio - Integrante / Patricia Espinheira - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Jalmar Manuel Farfan Carrasco.
    7. 2014-2016. Modelos de Regressão Beta com Erros de Medida: Correção de Viés e Inferência Bayesiana
      Descrição: Neste projeto de pesquisa o modelo de regressão beta com erros de medida é estudada. Metodologias de análise de diagnostico e sensibilidade são de muita importância nos modelos de regressão, isto, com o intuito de verificar afastamentos sérios do modelo proposto. Utilizaremos métodos como análise de resíduos, análise de influência global e local. O método de calibração da regressão tem sido frequentemente utilizado por sua simplicidade computacional. Este fato motiva a propor neste projeto o desenvolvimento de técnicas de correção de viés para melhorar as estimativas obtidas pelo método de calibração da regressão. Pretende-se também abordar metodológicas bayesianas, como alternativa inferencial na classe dos modelos de regressão com erros de medida. Objetiva-se estudar o modelo de regressão beta com erros de medida na variável resposta e nas covariáveis conjuntamente.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) . Integrantes: Jalmar Manuel Farfan Carrasco - Coordenador / FERRARI, SILVIA L.P. - Integrante / ARELLANO-VALLE, REINALDO B. - Integrante / Figueroa-Zuñiga Jorge I. - Integrante. Financiador(es): Universidade Federal da Bahia - Auxílio financeiro.
      Membro: Jalmar Manuel Farfan Carrasco.

Prêmios e títulos

  • Total de prêmios e títulos (0)

    Participação em eventos

    • Total de participação em eventos (19)
      1. International-Seminar on Applied Statistics.Análise de resíduos para o modelo logístico generalizado dependente do tempo. 2024. (Seminário).
      2. New England Statistics Symposium.Novel Statistical Modeling of Correlated Data. 2024. (Simpósio).
      3. The Stat4Onc Annual Symposium. 2024. (Simpósio).
      4. UConn Sports Analytics Symposium (UCSAS). 2024. (Simpósio).
      5. XVIII Escola de Modelos de Regressão. 2023. (Congresso).
      6. Simpósio Nacional de Probabilidade e Estatística. 2022. (Congresso).
      7. Semana Temática da Estatística.Modelo de regressão hierárquico e multivariado para respostas com correlação assimétrica postiva. 2021. (Encontro).
      8. Ciclo de seminários para la iniciación científica en matemática y estatística (CSICME).Hierarchical and multivariate regression models to fit correlated asymmetric positive continuous outcomes. 2020. (Seminário).
      9. VII Encontro Baiano de Estatística. 2020. (Encontro).
      10. V Seminario Internacional en Ciencias Veterinarias.Métodos estadisticos aplicados a la área de veterianaria. 2020. (Seminário).
      11. 60th World Statistics Congress. 2015. (Congresso).
      12. XIV Escola de Modelos de Regressão. Inferência e diagnóstico em modelos com erros nas variáveis baseado na distribuição Birnbaum-Saunders. 2015. (Congresso).
      13. IV Enconto Bahiano de Estatística.Análise de diagnóstico em modelos de regressão beta com erros de medida. 2014. (Encontro).
      14. 20 Simposio Nacional de Probabilidade e Estatística.Uso do modelo de regressão beta com erros de medida em problemas de risco cardíaco. 2012. (Simpósio).
      15. 56a RBRAS e 14 SEAGRO. 2011. (Congresso).
      16. XII Escola de Modelos de Regressão. Estimação em modelos de regressão beta com erro de medida via máxima verossimilhança aproximada, máxima pseudo-verossimilhança e calibração da regressão. 2011. (Congresso).
      17. 19 Simposio Nacional de Probabilidade e Estatística.Calibração da regressão em modelos de regressão beta com erro de medida. 2010. (Simpósio).
      18. The 7th Conference on Multivariate Distributions with Application. A New Generalized Kumaraswamy Distribution. 2010. (Congresso).
      19. XXV International Biometric Conference. The new generalized modified Weibull distribution for life-time. 2010. (Congresso).

    Organização de eventos

    • Total de organização de eventos (6)
      1. CARRASCO, JALMAR M. F.. VIII encontro da pós-graduação em Matemática da UFBA. 2023. (Outro).. . 0.
      2. CARRASCO, J. M. F.. 4th Conference on Statistics and Data Science (CSDS). 2022. (Congresso).. . 0.
      3. FARFÁN CARRASCO, JALMAR MANUEL. Third Conference on Statistics and Data Science. 2021. (Congresso).. . 0.
      4. FABIO, L. C. ; RODRIGUES, P. C. ; CARRASCO, JALMAR M. F.. Second Conference on Statistics and Data Science - CSDS. 2019. Congresso
      5. RODRIGUES, P. C. ; FABIO, L. C. ; CARRASCO, JALMAR M. F.. First Conference on Statistics and Data Science - CSDS. 2018. Congresso
      6. CARRASCO, JALMAR M. F.. I Seminário Regional de Estadística, Matemática y Aplicaciones Peruano - Brasil. 2018. (Congresso).. . 0.

    Lista de colaborações

    • Colaborações endôgenas (4)
      • Jalmar Manuel Farfan Carrasco ⇔ Lizandra Castilho Fabio (9.0)
        1. OLIVEIRA, L. E. F. ; SANTOS, L. S. ; FABIO, L. C. ; FERREIRA, P. H. ; CARRASCO, J. M. F.. Análise de Resíduos para o Modelo Logístico Generalizado Dependente do Tempo. Trends in Computational and Applied Mathematics. v. 24, p. 635-658, 2023. Qualis: Não identificado (TRENDS IN COMPUTATIONAL AND APPLIED MATHEMATICS)
        2. FABIO, LIZANDRA C. ; CYSNEIROS, FRANCISCO J. A. ; PAULA, GILBERTO A. ; CARRASCO, JALMAR M. F.. Hierarchical and multivariate regression models to fit correlated asymmetric positive continuous outcomes. COMPUTATIONAL STATISTICS. v. 37, p. 1435-1459, 2022. Qualis: B1
        3. SANTOS, L. S. ; FABIO, LIZANDRA C. ; Carrasco, J.M.F.. Método bootstrap; Uma aplicação em dados olimpicos. REVISTA BRASILEIRA DE INICIAÇÃO CIENTÍFICA. v. 9, p. 1-29, 2022.Qualis: C
        4. FABIO, LIZANDRA C. ; VILLEGAS, CRISTIAN ; CARRASCO, JALMAR M. F. ; CASTRO, MÁRIO DE. Diagnostic tools for a multivariate negative binomial model for fitting correlated data with overdispersion. COMMUNICATIONS IN STATISTICS-THEORY AND METHODS. v. 15, p. 1-21, 2021. Qualis: B2 (COMMUNICATIONS IN STATISTICS, THEORY AND METHODS)
        5. FABIO, L. C. ; BARROS, V. ; VILLEGAS, CRISTIAN ; CARRASCO, JALMAR M. F.. A novel multivariate regression model for unbalanced binary data : a strong conjugacy under random effect approach. 2024. Artigo submetido a publicação
        6. ALVES, E. A. ; VIEIRA, L. S. ; FABIO, L. C. ; BARROS, V. ; CARRASCO, JALMAR M.F.. Bivariate Simplex Distribution 2024. 2024. Artigo submetido a publicação
        7. LUCENA, S. L. L. ; FABIO, L. C. ; CARRASCO, JALMAR M. F.. Beyond of the joint survival and longitudinal data analysis model for binary data via two stages. 2024. Artigo submetido a publicação
        8. CARRASCO, JALMAR M.F.; FABIO, LIZANDRA C. ; DEY, D. ; DAVILA, V. H. L.. Variable selection in high-dimensional generalized linear mixed models for correlated binary data. 2024. Artigo submetido a publicação
        9. FARFÁN CARRASCO, JALMAR MANUEL; SANTOS, L. S. ; FABIO, LIZANDRA C.. GTDL: The Generalized Time-Dependent Logistic Family. 2022.

      • Jalmar Manuel Farfan Carrasco ⇔ Edwin Moises Marcos Ortega (3.0)
        1. Ortega, Edwin M. M.; Cordeiro, Gauss M. ; Carrasco, Jalmar M. F.. The log-generalized modified Weibull regression model. Revista Brasileira de Probabilidade e Estatística. v. 25, p. 64-89, 2011. Qualis: Não identificado (REVISTA BRASILEIRA DE PROBABILIDADE E ESTATÍSTICA)
        2. CARRASCO, Jalmar Manuel Farfan ; ORTEGA, Edwin Moises Marcos ; PAULA, Gilberto Alveranga. Log-modified Weibull regression models with censored data: Sensitivity and residual analysis. Computational Statistics & Data Analysis (Print). v. 52, p. 4021-4039, 2008. Qualis: A2
        3. CARRASCO, Jalmar Manuel Farfan ; ORTEGA, Edwin Moises Marcos ; CORDEIRO, Gauss Moutinho. A generalized modified Weibull distribution for lifetime modeling. Computational Statistics & Data Analysis (Print). v. 53, p. 450-462, 2008. Qualis: A2

      • Jalmar Manuel Farfan Carrasco ⇔ Cristian Marcelo Villegas Lobos (1.0)
        1. FABIO, LIZANDRA C. ; VILLEGAS, CRISTIAN ; CARRASCO, JALMAR M. F. ; CASTRO, MÁRIO DE. Diagnostic tools for a multivariate negative binomial model for fitting correlated data with overdispersion. COMMUNICATIONS IN STATISTICS-THEORY AND METHODS. v. 15, p. 1-21, 2021. Qualis: B2 (COMMUNICATIONS IN STATISTICS, THEORY AND METHODS)

      • Jalmar Manuel Farfan Carrasco ⇔ Patricia Leone Espinheira Ospina (1.0)
        1. DE BRITO TRINDADE, DANIELE ; ESPINHEIRA, PATRÍCIA LEONE ; PINTO VASCONCELLOS, KLAUS LEITE ; FARFÁN CARRASCO, JALMAR MANUEL ; DO CARMO SOARES DE LIMA, MARIA. Beta regression model nonlinear in the parameters with additive measurement errors in variables. PLoS One. v. 16, p. e0254103, 2021. Qualis: A1




    (*) Relatório criado com produções desde 2000 até 2025
    Data de processamento: 14/02/2025 16:49:18