Programa de Pós-Graduação em Probabilidade e Estatística

Michel Helcias Montoril

Possui graduação em Estatística pela Universidade Federal do Ceará (2006), mestrado em Estatística pela Universidade de São Paulo (2009) e doutorado em Estatística pela Universidade de São Paulo (2013). Tem experiência na área de Probabilidade e Estatística, com ênfase em estimação não paramétrica. (Texto informado pelo autor)

http://lattes.cnpq.br/9993502064983663 (09/01/2025)

Rótulo/Grupo:

Bolsa CNPq:

Período de análise:

Endereço: Universidade Federal de São Carlos, Centro de Ciências Exatas e de Tecnologia, Departamento de Estatística. Universidade Federal de São Carlos Jardim Guanabara 13565905 - São Carlos, SP - Brasil Telefone: (16) 31559383

Grande área: Ciências Exatas e da Terra

Área: Probabilidade e Estatística

Citações: Google Acadêmico

Produção bibliográfica

Artigos completos publicados em periódicos (10)
1. DA SILVA FERREIRA, CLÉCIO ; MONTORIL, MICHEL H. ; PAULA, GILBERTO A.. Partially linear models with p-order autoregressive skew-normal errors. Brazilian Journal of Probability and Statistics. v. 36, p. 792-806, 2022. Qualis: B1
2. VIANA, YASMIN ; AMORIM, THIAGO ORION SIMÕES ; DE CASTRO, FRANCIELE REZENDE ; WEDEKIN, LEONARDO ; PARO, ALEXANDRE DOUGLAS ; MONTORIL, MICHEL HELCIAS ; ROSSI-SANTOS, MARCOS ; ANDRIOLO, ARTUR. Are dolphins modulating whistles in interspecific group contexts?. BIOACOUSTICS-THE INTERNATIONAL JOURNAL OF ANIMAL SOUND AND ITS RECORDING. v. 31, p. 668-679, 2022. Qualis: Não identificado (BIOACOUSTICS-THE INTERNATIONAL JOURNAL OF ANIMAL SOUND AND ITS RECORDING)
3. CHIANN, CHANG ; MONTORIL, MICHEL H. ; MORETTIN, PEDRO A.. Estimação do número de reprodução da pandemia por COVID-19 em São Paulo. Revista Brasileira de Estatística. v. 78, p. 91-109, 2020.Qualis: Não identificado (REVISTA BRASILEIRA DE ESTATÍSTICA)
4. MONTORIL, MICHEL H.; CHANG, WOOJIN ; VIDAKOVIC, BRANI. Wavelet-Based Estimation of Generalized Discriminant Functions. SANKHYA B. v. 81, p. 318-349, 2019. Qualis: B4
5. MONTORIL, MICHEL H.; PINHEIRO, ALUÍSIO ; VIDAKOVIC, BRANI. Wavelet¿based estimators for mixture regression. SCANDINAVIAN JOURNAL OF STATISTICS. v. 46, p. 215-234, 2019. Qualis: A2
6. MONTORIL, MICHEL H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Wavelet estimation of functional coefficient regression models. International Journal of Wavelets Multiresolution and Information Processing. v. 16, p. 1850004, 2018. Qualis: B4 (INTERNATIONAL JOURNAL OF WAVELETS, MULTIRESOLUTION AND INFORMATION PROCESSING)
7. MONTORIL, M. H.; FERREIRA, C. S.. On the estimation of change points in the Beer-Lambert law problem. CHILEAN JOURNAL OF STATISTICS. v. 9, p. 19-32, 2018.Qualis: B3
8. FARIAS, RAFAEL B.A. ; MONTORIL, MICHEL H. ; ANDRADE, JOSÉ A.A.. Bayesian inference for extreme quantiles of heavy tailed distributions. STATISTICS & PROBABILITY LETTERS. v. 113, p. 103-107, 2016. Qualis: B1
9. MONTORIL, MICHEL H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Spline estimation of functional coefficient regression models for time series with correlated errors. Statistics & Probability Letters. v. 92, p. 226-231, 2014. Qualis: B1
10. MONTORIL, M. H.; SOUZA, E. A.. Estatística Gradiente: propriedades e aplicações. Revista Brasileira de Biometria. v. 31, p. 43-60, 2013.Qualis: C
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. MATOS, Miram Gondim ; ALBUQUERQUE, M. Z. S. ; MONTORIL, M. H.. Avaliação institucional: caracterização da imagem pessoal e profissional do servidor da UFC. Em: Congresso Internacional em Avaliação Educacional, p. 152-169, 2006.Qualis: Não identificado (Congresso Internacional em Avaliação Educacional)
Resumos expandidos publicados em anais de congressos (0)
Resumos publicados em anais de congressos (0)
Artigos aceitos para publicação (0)
Apresentações de trabalho (21)
1. MONTORIL, M. H. Wavelet-based classification: an approach via additive logistic regression. 2024. Apresentação de Trabalho/Congresso
2. MONTORIL, M. H.; PINHEIRO, A. S. ; VIDAKOVIC, B.. Wavelet-based estimation of power densities of size-biased data. 2023. Apresentação de Trabalho/Seminário
3. MOTTA, F. C. ; MONTORIL, M. H.. Bayesian estimation of mixture regression by wavelets. 2023. Apresentação de Trabalho/Congresso
4. MOTTA, F. C. ; MONTORIL, M. H.. Identifying regime switches through Bayesian wavelet estimation: evidence from flood detection in the Taquari River Valley. 2023. Apresentação de Trabalho/Congresso
5. MOTTA, F. C. ; MONTORIL, M. H.. A Bayesian wavelet estimation to identify regime switches. 2023. Apresentação de Trabalho/Congresso
6. MONTORIL, M. H.; PINHEIRO, A. S. ; VIDAKOVIC, B.. Wavelet-based estimation of power densities of size-biased data. 2022. Apresentação de Trabalho/Congresso
7. MONTORIL, M. H.; VIDAKOVIC, B.. Wavelets and their use in statistical problems. 2021. Apresentação de Trabalho/Seminário
8. MONTORIL, M. H.; ANDRIOLO, A.. Wavelet denoising of broadband pulsed signals via empirical Bayes thresholding. 2019. Apresentação de Trabalho/Seminário
9. MONTORIL, M. H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Wavelet Estimation of Functional Coefficient Regression Models. 2018. Apresentação de Trabalho/Conferência ou palestra
10. MONTORIL, M. H.; CHANG, WOOJIN ; VIDAKOVIC, B.. Wavelet-based estimation of generalized discriminant functions. 2018. Apresentação de Trabalho/Simpósio
11. MONTORIL, M. H.; CHANG, WOOJIN ; VIDAKOVIC, B.. Wavelet-based estimation of generalized discriminant functions. 2018. Apresentação de Trabalho/Conferência ou palestra
12. MONTORIL, M. H. Wavelets and their use in statistical problems. 2018. Apresentação de Trabalho/Seminário
13. MONTORIL, M. H. Wavelet-based methods in the binary classification problem. 2018. Apresentação de Trabalho/Seminário
14. MONTORIL, M. H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Wavelet estimation of functional coefficient regression models. 2017. Apresentação de Trabalho/Seminário
15. MONTORIL, M. H.; VIDAKOVIC, B.. Waveletizing statistical procedures based on Fourier expansions. 2016. Apresentação de Trabalho/Seminário
16. MONTORIL, M. H.; FERREIRA, C. S.. Estimação de pontos de mudança no problema da lei de Beer-Lambert. 2016. Apresentação de Trabalho/Comunicação
17. MONTORIL, M. H.; VIDAKOVIC, B.. Waveletizing statistical procedures based on Fourier expansions. 2015. Apresentação de Trabalho/Seminário
18. MONTORIL, M. H.; VIDAKOVIC, B.. Waveletizing statistical procedures based on Fourier expansions. 2015. Apresentação de Trabalho/Seminário
19. MONTORIL, M. H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Estimação em modelos de regressão com coeficientes funcionais. 2013. Apresentação de Trabalho/Seminário
20. MONTORIL, M. H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Wavelet Estimation of Functional Coefficient Regression Models. 2013. Apresentação de Trabalho/Congresso
21. MONTORIL, M. H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Spline Estimation of Functional Coefficient Regression Models for Nonlinear Time Series with Correlated Errors. 2013. Apresentação de Trabalho/Congresso
Demais tipos de produção bibliográfica (0)

Produção técnica

Programas de computador com registro (0)
Programas de computador sem registro (0)
Produtos tecnológicos (0)
Processos ou técnicas (0)
Trabalhos técnicos (0)
Demais tipos de produção técnica (0)

Produção artística

Total de produção artística (0)

Orientações em andamento

Supervisão de pós-doutorado (0)
Tese de doutorado (2)
1. Cleiton Moya de Almeida. A ser definido. Tese (Doutorado em Doutorado em Estatística) - Universidade Federal de São Carlos, . Início: 2024.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
2. Davi Sousa e Silva. A ser definido. Tese (Doutorado em Estatística) - Universidade Federal de São Carlos, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2023.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
Dissertação de mestrado (1)
1. Kluyvert Alberto Monteiro Souza. A ser definido. Dissertação (Mestrado em Estatística) - Universidade Federal de São Carlos, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2024.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (0)
Iniciação científica (1)
1. Vagner Silva Santos. Esitmação de densidades condicionais por meio de ondaltas usando o método FlexCode. Iniciação científica (Graduando em Estatística) - Universidade Federal de São Carlos, Fundação de Amparo à Pesquisa do Estado de São Paulo. Início: 2023.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
Orientações de outra natureza (0)

Supervisões e orientações concluídas

Supervisão de pós-doutorado (0)
Tese de doutorado (1)
1. Andressa Suelen Eugênio. Ensaios em macroeconomia aplicada. Tese (Doutorado em Economia Aplicada) - Universidade Federal de Juiz de Fora, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2022.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
Dissertação de mestrado (2)
1. Flávia Castro Motta. Bayesian estimation of dynamic mixture models by wavelets. Dissertação (Mestrado em Estatística) - Universidade Federal de São Carlos, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2023.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
2. Thomas Correa e Silva Martins. Bayesian inference for term structure models. Dissertação (Mestrado em Estatística) - Universidade Federal de São Carlos, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2022.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (0)
Iniciação científica (7)
1. André Gabriel Paulino de Oliveira. O uso de ondaletas na redução de ruídos em sinais. (Graduando em Estatística) - Universidade Federal de São Carlos, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2021.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
2. Elias Cyrino de Assis. Uso do algoritmo de Daubechies-Lagarias na estimação de funções por bases ondaletas. (Graduando em Ciência da Computação) - Universidade Federal de Juiz de Fora, Universidade Federal de Juiz de Fora. 2019.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
3. Patrick Rudgeri Pilato Lemes. Construção de máquinas de vetor suporte com o auxílio de ondaletas. (Graduando em Ciência da Computação) - Universidade Federal de Juiz de Fora, Universidade Federal de Juiz de Fora. 2019.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
4. Samuel Faria Cândido. Estimação de densidades de dados viesados via ondaletas deformadas. (Graduando em Estatística) - Universidade Federal de Juiz de Fora, Universidade Federal de Juiz de Fora. 2018.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
5. José Santos Sá Carvalho. Classificação de dados funcionais via ondaletas. (Graduando em Ciência da Computação) - Universidade Federal de Juiz de Fora, . 2018.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
6. Samuel Faria Candido. Estimação de densidades de dados viesados via ondaletas. (Graduando em Estatística) - Universidade Federal de Juiz de Fora, Universidade Federal de Juiz de Fora. 2017.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
7. José Santos Sá Carvalho. Estimação de funções discriminantes via ondaletas. (Graduando em Ciência da Computação) - Universidade Federal de Juiz de Fora, Universidade Federal de Juiz de Fora. 2017.
  Orientadores: Michel Helcias Montoril, Michel Helcias Montoril.
Orientações de outra natureza (0)

Projetos de pesquisa

Total de projetos de pesquisa (5)
1. 2023-Atual. Séries Temporais, Ondaletas, Dados de Alta Dimensão e Aplicações
  Descrição: O projeto é uma progressão natural do projeto temático 18/04654-9 intitulado Séries Temporais, Ondaletas e Dados de Alta Dimensão, vigente de primeiro de setembro de 2018 a trinta de agosto de 2023, o mais recente de uma seqüência de projetos temáticos fomentados pela FAPESP há duas décadas. As metodologias desenvolvidas terão aplicação em áreas como Medicina, Finanças, Biologia, Física, Neurociências, Engenharias etc.. Elas resolvem problemas teóricos e aplicados, nos seguintes tópicos, que estão inexoravelmente interligados: (1) Generalizações de modelos ARMA; (2) Ondaletas; (3) Quase U-Estatísticas; (4) Valores extremos em séries temporais; (5) Estimação da volatilidades de ativos financeiros, inclusive com dados de alta freqüência; (6) Dados funcionais; e (7) Dados de alta dimensão, com ênfase em séries temporais, dados espaço-temporais, financeiros, imagens de satélite, genética, MRI e fNRIS. Os resultados serão publicados em periódicos de circulação internacional com seletivas políticas editoriais e apresentados em eventos científicos. A formação de capital humano dar-se-á pela supervisão de pós-doutoramentos, iniciações científicas, doutorados e mestrados. Seminários e a organização de workshops anuais reunirão estudantes avançados de graduação e de pós com pesquisadores do projeto e convidados nacionais e internacionais, para a apresentação do estado da arte e consolidação, avanço e/ou início de parcerias.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Michel Helcias Montoril - Integrante / Aluísio de Souza Pinheiro - Coordenador / Hedibert Freitas Lopes - Integrante / Luiz Koodi Hotta - Integrante / Ronaldo Dias - Integrante / Airlane Pereira Alencar - Integrante / Chang Chiann - Integrante / Guilherme Vieira Nunes Ludwig - Integrante / João Ricardo Sato - Integrante / Mauricio Enrique Zevallos Herencia - Integrante / Márcio Poletti Laurini - Integrante / Pedro Alberto Morettin - Integrante / Rodney Vasconcelos Fonseca - Integrante / Alejandro Cesar Frery Orgambide - Integrante / Audrone Virbickaite - Integrante / Carlos Cesar Trucios Maza - Integrante / Paulo Cilas Marques Filho - Integrante / Rogério Galante Negri - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
  Membro: Michel Helcias Montoril.
  Descrição: O projeto é uma progressão natural do projeto temático 18/04654-9 intitulado Séries Temporais, Ondaletas e Dados de Alta Dimensão, vigente de primeiro de setembro de 2018 a trinta de agosto de 2023, o mais recente de uma sequência de projetos temáticos fomentados pela FAPESP há duas décadas. As metodologias desenvolvidas terão aplicação em áreas como Medicina, Finanças, Biologia, Física, Neurociências, Engenharias, etc. Elas resolvem problemas teóricos e aplicados, nos seguintes tópicos, que estão inexoravelmente interligados: (1) Generalizações de modelos ARMA; (2) Ondaletas; (3) Quase U-Estatísticas; (4) Valores extremos em séries temporais; (5) Estimação da volatilidade de ativos financeiros, inclusive com dados de alta frequência; (6) Dados funcionais; e (7) Dados de alta dimensão, com ênfase em séries temporais, dados espaço-temporais, financeiros, imagens de satélite, genética, MRI e fNRIS. Os resultados serão publicados em periódicos de circulação internacional com seletivas políticas editoriais e apresentados em eventos científicos. A formação de capital humano dar-se-á pela supervisão de pós-doutoramentos, iniciações científicas, doutorados e mestrados. Seminários e a organização de workshops anuais reunirão estudantes avançados de graduação e de pós com pesquisadores do projeto e convidados nacionais e internacionais, para a apresentação do estado da arte e consolidação, avanço e/ou início de parcerias. (AU). Situação: Em andamento; Natureza: Pesquisa. Integrantes: Airlane Pereira Alencar - Integrante / Chang Chiann - Integrante / Michel Helcias Montoril - Integrante / Aluisio de Souza Pinheiro - Coordenador / MORETTIN, PEDRO A. - Integrante / João Ricardo Sato - Integrante / Luiz Koodi Hotta - Integrante / Ronaldo Dias - Integrante / Guilherme Vieira Nunes Ludwig - Integrante / Márcio Poletti Laurini - Integrante / Mauricio Enrique Zevallos Herencia - Integrante / Alejandro César Frery Orgambide - Integrante / Audrone Virbickaite - Integrante / Carlos Cesar Trucios Maza - Integrante / Carlos Marinho Carvalho - Integrante / Paulo Cilas Marques Filho - Integrante / rodney vasconcelos fonseca - Integrante / Rogério Galante Negri - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
  Membro: Airlane Pereira Alencar.
  Descrição: O projeto é uma progressão natural do projeto temático 18/04654-9 intitulado Séries Temporais, Ondaletas e Dados de Alta Dimensão, vigente de primeiro de setembro de 2018 a trinta de agosto de 2023, o mais recente de uma seqüência de projetos temáticos fomentados pela FAPESP há duas décadas. As metodologias desenvolvidas terão aplicação em áreas como Medicina, Finanças, Biologia, Física, Neurociências, Engenharias etc.. Elas resolvem problemas teóricos e aplicados, nos seguintes tópicos, que estão inexoravelmente interligados: (1) Generalizações de modelos ARMA; (2) Ondaletas; (3) Quase U-Estatísticas; (4) Valores extremos em séries temporais; (5) Estimação da volatilidades de ativos financeiros, inclusive com dados de alta freqüência; (6) Dados funcionais; e (7) Dados de alta dimensão, com ênfase em séries temporais, dados espaço-temporais, financeiros, imagens de satélite, genética, MRI e fNRIS. Os resultados serão publicados em periódicos de circulação internacional com seletivas políticas editoriais e apresentados em eventos científicos. A formação de capital humano dar-se-á pela supervisão de pós-doutoramentos, iniciações científicas, doutorados e mestrados. Seminários e a organização de workshops anuais reunirão estudantes avançados de graduação e de pós com pesquisadores do projeto e convidados nacionais e internacionais, para a apresentação do estado da arte e consolidação, avanço e/ou início de parcerias.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Michel Helcias Montoril - Integrante / Aluísio de Souza Pinheiro - Coordenador / Hedibert Freitas Lopes - Integrante / Luiz Koodi Hotta - Integrante / Ronaldo Dias - Integrante / Airlane Pereira Alencar - Integrante / Chang Chiann - Integrante / Guilherme Vieira Nunes Ludwig - Integrante / João Ricardo Sato - Integrante / Mauricio Enrique Zevallos Herencia - Integrante / Márcio Poletti Laurini - Integrante / Pedro Alberto Morettin - Integrante / Rodney Vasconcelos Fonseca - Integrante / Alejandro Cesar Frery Orgambide - Integrante / Audrone Virbickaite - Integrante / Carlos Cesar Trucios Maza - Integrante / Paulo Cilas Marques Filho - Integrante / Rogério Galante Negri - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
  Membro: Michel Helcias Montoril.
  Descrição: O projeto é uma progressão natural do projeto temático 18/04654-9 intitulado Séries Temporais, Ondaletas e Dados de Alta Dimensão, vigente de primeiro de setembro de 2018 a trinta de agosto de 2023, o mais recente de uma sequência de projetos temáticos fomentados pela FAPESP há duas décadas. As metodologias desenvolvidas terão aplicação em áreas como Medicina, Finanças, Biologia, Física, Neurociências, Engenharias, etc. Elas resolvem problemas teóricos e aplicados, nos seguintes tópicos, que estão inexoravelmente interligados: (1) Generalizações de modelos ARMA; (2) Ondaletas; (3) Quase U-Estatísticas; (4) Valores extremos em séries temporais; (5) Estimação da volatilidade de ativos financeiros, inclusive com dados de alta frequência; (6) Dados funcionais; e (7) Dados de alta dimensão, com ênfase em séries temporais, dados espaço-temporais, financeiros, imagens de satélite, genética, MRI e fNRIS. Os resultados serão publicados em periódicos de circulação internacional com seletivas políticas editoriais e apresentados em eventos científicos. A formação de capital humano dar-se-á pela supervisão de pós-doutoramentos, iniciações científicas, doutorados e mestrados. Seminários e a organização de workshops anuais reunirão estudantes avançados de graduação e de pós com pesquisadores do projeto e convidados nacionais e internacionais, para a apresentação do estado da arte e consolidação, avanço e/ou início de parcerias. (AU). Situação: Em andamento; Natureza: Pesquisa. Integrantes: Airlane Pereira Alencar - Integrante / Chang Chiann - Integrante / Michel Helcias Montoril - Integrante / Aluisio de Souza Pinheiro - Coordenador / MORETTIN, PEDRO A. - Integrante / João Ricardo Sato - Integrante / Luiz Koodi Hotta - Integrante / Ronaldo Dias - Integrante / Guilherme Vieira Nunes Ludwig - Integrante / Márcio Poletti Laurini - Integrante / Mauricio Enrique Zevallos Herencia - Integrante / Alejandro César Frery Orgambide - Integrante / Audrone Virbickaite - Integrante / Carlos Cesar Trucios Maza - Integrante / Carlos Marinho Carvalho - Integrante / Paulo Cilas Marques Filho - Integrante / rodney vasconcelos fonseca - Integrante / Rogério Galante Negri - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
  Membro: Airlane Pereira Alencar.
2. 2022-Atual. Estimação de curvas via abordagens não paramétricas: aplicações e teorias
  Descrição: O uso de abordagens não paramétricas tem se mostrado de fundamental importância na resolução dos mais diversos problemas. Em especial, esses métodos são capazes de resolver problemas que as metodologias paramétricas convencionais não conseguem. Ademais, métodos não paramétricos são importantes tanto para propor como para validar modelos paramétricos não lineares. Uma das grandes potencialidades de abordagens não paramétricas está na estimação de curvas. Os avanços computacionais nos últimos anos têm auxiliado na criação de novos temas em que o uso de ferramentas não paramétricas tem se mostrado de extrema relevância. Podemos destacar, embora não apenas, as inúmeras contribuições na área de machine learning, que vem ganhando cada vez mais atenção de pesquisadores nas mais diversas áreas. Este projeto se concentra no uso de abordagens não paramétricas visando a resolução de problemas diversos, seja do ponto de vista teórico, aplicado ou ambos.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) / Doutorado: (2) . Integrantes: Michel Helcias Montoril - Coordenador / Davi Sousa e Silva - Integrante / Vagner Silva Santos - Integrante / Kluyvert Alberto Monteiro Souza - Integrante / Cleiton Moya de Almeida - Integrante. Número de produções C, T & A: 2 / Número de orientações: 2
  Membro: Michel Helcias Montoril.
  Descrição: O uso de abordagens não paramétricas tem se mostrado de fundamental importância na resolução dos mais diversos problemas. Em especial, esses métodos são capazes de resolver problemas que as metodologias paramétricas convencionais não conseguem. Ademais, métodos não paramétricos são importantes tanto para propor como para validar modelos paramétricos não lineares. Uma das grandes potencialidades de abordagens não paramétricas está na estimação de curvas. Os avanços computacionais nos últimos anos têm auxiliado na criação de novos temas em que o uso de ferramentas não paramétricas tem se mostrado de extrema relevância. Podemos destacar, embora não apenas, as inúmeras contribuições na área de machine learning, que vem ganhando cada vez mais atenção de pesquisadores nas mais diversas áreas. Este projeto se concentra no uso de abordagens não paramétricas visando a resolução de problemas diversos, seja do ponto de vista teórico, aplicado ou ambos.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) / Doutorado: (2) . Integrantes: Michel Helcias Montoril - Coordenador / Davi Sousa e Silva - Integrante / Vagner Silva Santos - Integrante / Kluyvert Alberto Monteiro Souza - Integrante / Cleiton Moya de Almeida - Integrante. Número de produções C, T & A: 2 / Número de orientações: 2
  Membro: Michel Helcias Montoril.
3. 2020-2022. Bayesian inference for term structure models
  Descrição: We explore recent advances in Bayesian methods in order to model the term structure of interest rates. For such a task, we can consider models like Vasicek, CIR and dynamic Nelson-Siegel (DNS). These models can be specified as state space time series and our main goal is assessing and evaluating their predictive abilities. The relevance of this project lies in integrating novel computational techniques for Bayesian inference with canonical models from financial economics, as well as several other related aspects of these fields.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: Michel Helcias Montoril - Coordenador / Thomas Correa e Silva Martins - Integrante / Márcio Alves Diniz - Integrante.
  Membro: Michel Helcias Montoril.
  Descrição: We explore recent advances in Bayesian methods in order to model the term structure of interest rates. For such a task, we can consider models like Vasicek, CIR and dynamic Nelson-Siegel (DNS). These models can be specified as state space time series and our main goal is assessing and evaluating their predictive abilities. The relevance of this project lies in integrating novel computational techniques for Bayesian inference with canonical models from financial economics, as well as several other related aspects of these fields.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: Michel Helcias Montoril - Coordenador / Thomas Correa e Silva Martins - Integrante / Márcio Alves Diniz - Integrante.
  Membro: Michel Helcias Montoril.
4. 2020-Atual. Modelagem estatística por meio de ondaletas
  Descrição: Esse projeto visa a modelagem de dados sob o enfoque de bases de ondaletas. Como objetivo principal, vamos focar aqui na proposta de novas metodologias para estimar funções discriminantes para dados de alta dimensão, como é o caso de dados funcionais, e estimação de funções densidade de probabilidade de dados viesados. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: Michel Helcias Montoril - Coordenador / Brani Vidakovic - Integrante / Aluísio de Souza Pinheiro - Integrante / Rafael Izbicki - Integrante / Flávia Castro Motta - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
  Membro: Michel Helcias Montoril.
  Descrição: Esse projeto visa a modelagem de dados sob o enfoque de bases de ondaletas. Como objetivo principal, vamos focar aqui na proposta de novas metodologias para estimar funções discriminantes para dados de alta dimensão, como é o caso de dados funcionais, e estimação de funções densidade de probabilidade de dados viesados. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: Michel Helcias Montoril - Coordenador / Brani Vidakovic - Integrante / Aluísio de Souza Pinheiro - Integrante / Rafael Izbicki - Integrante / Flávia Castro Motta - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
  Membro: Michel Helcias Montoril.
5. 2018-2023. Séries Temporais, Ondaletas e Dados de Alta Dimensão
  Descrição: O projeto é uma progressão natural do projeto temático 13/00506-1 intitulado Séries Temporais, Ondaletas e Análise de Dados Funcionais, de 01/07/2013 a 30/06/2018. As metodologias têm aplicações potenciais e efetivas em áreas como Medicina, Biologia, Física, Química, Finanças, Engenharias etc.. Elas devem resolver problemas teóricos e aplicados, nos seguintes tópicos, que estão fortemente ligados: (1) Generalizações de modelos ARMA; (2) Ondaletas; (3) Quase U-Estatísticas;(4) Valores extremos em séries temporais; (5) Estimação da volatilidades de ativos financeiros, inclusive com dados de alta frequência; (6) Análise de dados funcionais; (7) Dados de alta dimensão, com ênfase em séries temporais, dados espaciais, financeiros, imagens de satélite, genética, sequências de DNA, microarrays e MRI. Os resultados serão publicados em periódicos de circulação internacional com seletivas políticas editoriais e apresentados em eventos científicos. A formação de material humano dar-se-á pela supervisão de projetos de pós-doutoramentos, iniciação científica, doutorado e mestrado. Seminários serão uma forma de disseminação de resultados, trocas de ideias iniciais, intercâmbio e captação de novos talentos, motivada pelo potencial de aplicação das metodologias. Pretendemos, para um novo salto qualitativo e quantitativo da área, constituir Escolas de Verão que, anualmente, reunirão estudantes avançados de graduação e de pós com pesquisadores do projeto e convidados nacionais e internacionais para a apresentação de dois minicursos, do estado da arte, problemas em aberto, proposta de soluções e avanço e/ou início de parcerias. Situação: Concluído; Natureza: Pesquisa. Integrantes: Michel Helcias Montoril - Integrante / Aluísio de Souza Pinheiro - Integrante / Hedibert Freitas Lopes - Integrante / Luiz Koodi Hotta - Integrante / Ronaldo Dias - Integrante / Airlane Pereira Alencar - Integrante / Chang Chiann - Integrante / Guilherme Vieira Nunes Ludwig - Integrante / José Carlos Simon de Miranda - Integrante / João Ricardo Sato - Integrante / Mauricio Enrique Zevallos Herencia - Integrante / Márcio Poletti Laurini - Integrante / Pedro Alberto Morettin - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
  Membro: Michel Helcias Montoril.
  Descrição: O projeto é uma progressão natural do projeto temático 13/00506-1 intitulado Séries Temporais, Ondaletas e Análise de Dados Funcionais, de 01/07/2013a 30/06/2018. As metodologias têm aplicações potenciais e efetivas em áreas como Medicina, Biologia, Física, Química, Finanças, Engenharias etc. Elas devem resolver problemas teóricos e aplicados, nos seguintes tópicos, que estão fortemente ligados: (1) Generalizações de modelos ARMA; (2) Ondaletas; (3) Quase U-Estatísticas; (4) Valores extremos em séries temporais; (5) Estimação da volatilidades de ativos financeiros, inclusive com dados de alta frequência; (6) Análise de dados funcionais; (7) Dados de alta dimensão, com ênfase em séries temporais, dados espaciais, financeiros, imagens de satélite, genética, sequências de DNA, microarrays e MRI. Os resultados serão publicados em periódicos de circulação internacional com seletivas políticas editoriais e apresentados em eventos científicos. A formação de material humano dar-se-á pela supervisão de projetos de pós-doutoramentos, iniciação científica, doutorado e mestrado. Seminários serão uma forma de disseminação de resultados, trocas de ideias iniciais, intercâmbio e captação de novos talentos, motivada pelo potencial de aplicação das metodologias. Pretendemos, para um novo salto qualitativo e quantitativo da área, constituir Escolas de Verão que, anualmente, reunirão estudantes avançados de graduação e de pós com pesquisadores do projeto e convidados nacionais e internacionais para a apresentação de dois minicursos, do estado da arte, problemas em aberto, proposta de soluções e avanço e/ou início de parcerias. (AU). Situação: Concluído; Natureza: Pesquisa. Integrantes: Airlane Pereira Alencar - Integrante / Chang Chiann - Integrante / Aluisio de Souza Pinheiro - Integrante / MORETTIN, PEDRO A. - Coordenador / João Ricardo Sato - Integrante / Hedibert Freitas Lopes - Integrante / Luiz Koodi Hotta - Integrante / Ronaldo Dias - Integrante / Guilherme Vieira Nunes Ludwig - Integrante / José Carlos Simon de Miranda - Integrante / Márcio Poletti Laurini - Integrante / Mauricio Enrique Zevallos Herencia - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
  Membro: Airlane Pereira Alencar.
  Descrição: O projeto é uma progressão natural do projeto temático 13/00506-1 intitulado Séries Temporais, Ondaletas e Análise de Dados Funcionais, de 01/07/2013 a 30/06/2018. As metodologias têm aplicações potenciais e efetivas em áreas como Medicina, Biologia, Física, Química, Finanças, Engenharias etc.. Elas devem resolver problemas teóricos e aplicados, nos seguintes tópicos, que estão fortemente ligados: (1) Generalizações de modelos ARMA; (2) Ondaletas; (3) Quase U-Estatísticas;(4) Valores extremos em séries temporais; (5) Estimação da volatilidades de ativos financeiros, inclusive com dados de alta frequência; (6) Análise de dados funcionais; (7) Dados de alta dimensão, com ênfase em séries temporais, dados espaciais, financeiros, imagens de satélite, genética, sequências de DNA, microarrays e MRI. Os resultados serão publicados em periódicos de circulação internacional com seletivas políticas editoriais e apresentados em eventos científicos. A formação de material humano dar-se-á pela supervisão de projetos de pós-doutoramentos, iniciação científica, doutorado e mestrado. Seminários serão uma forma de disseminação de resultados, trocas de ideias iniciais, intercâmbio e captação de novos talentos, motivada pelo potencial de aplicação das metodologias. Pretendemos, para um novo salto qualitativo e quantitativo da área, constituir Escolas de Verão que, anualmente, reunirão estudantes avançados de graduação e de pós com pesquisadores do projeto e convidados nacionais e internacionais para a apresentação de dois minicursos, do estado da arte, problemas em aberto, proposta de soluções e avanço e/ou início de parcerias. Situação: Concluído; Natureza: Pesquisa. Integrantes: Michel Helcias Montoril - Integrante / Aluísio de Souza Pinheiro - Integrante / Hedibert Freitas Lopes - Integrante / Luiz Koodi Hotta - Integrante / Ronaldo Dias - Integrante / Airlane Pereira Alencar - Integrante / Chang Chiann - Integrante / Guilherme Vieira Nunes Ludwig - Integrante / José Carlos Simon de Miranda - Integrante / João Ricardo Sato - Integrante / Mauricio Enrique Zevallos Herencia - Integrante / Márcio Poletti Laurini - Integrante / Pedro Alberto Morettin - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
  Membro: Michel Helcias Montoril.
  Descrição: O projeto é uma progressão natural do projeto temático 13/00506-1 intitulado Séries Temporais, Ondaletas e Análise de Dados Funcionais, de 01/07/2013a 30/06/2018. As metodologias têm aplicações potenciais e efetivas em áreas como Medicina, Biologia, Física, Química, Finanças, Engenharias etc. Elas devem resolver problemas teóricos e aplicados, nos seguintes tópicos, que estão fortemente ligados: (1) Generalizações de modelos ARMA; (2) Ondaletas; (3) Quase U-Estatísticas; (4) Valores extremos em séries temporais; (5) Estimação da volatilidades de ativos financeiros, inclusive com dados de alta frequência; (6) Análise de dados funcionais; (7) Dados de alta dimensão, com ênfase em séries temporais, dados espaciais, financeiros, imagens de satélite, genética, sequências de DNA, microarrays e MRI. Os resultados serão publicados em periódicos de circulação internacional com seletivas políticas editoriais e apresentados em eventos científicos. A formação de material humano dar-se-á pela supervisão de projetos de pós-doutoramentos, iniciação científica, doutorado e mestrado. Seminários serão uma forma de disseminação de resultados, trocas de ideias iniciais, intercâmbio e captação de novos talentos, motivada pelo potencial de aplicação das metodologias. Pretendemos, para um novo salto qualitativo e quantitativo da área, constituir Escolas de Verão que, anualmente, reunirão estudantes avançados de graduação e de pós com pesquisadores do projeto e convidados nacionais e internacionais para a apresentação de dois minicursos, do estado da arte, problemas em aberto, proposta de soluções e avanço e/ou início de parcerias. (AU). Situação: Concluído; Natureza: Pesquisa. Integrantes: Airlane Pereira Alencar - Integrante / Chang Chiann - Integrante / Aluisio de Souza Pinheiro - Integrante / MORETTIN, PEDRO A. - Coordenador / João Ricardo Sato - Integrante / Hedibert Freitas Lopes - Integrante / Luiz Koodi Hotta - Integrante / Ronaldo Dias - Integrante / Guilherme Vieira Nunes Ludwig - Integrante / José Carlos Simon de Miranda - Integrante / Márcio Poletti Laurini - Integrante / Mauricio Enrique Zevallos Herencia - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
  Membro: Airlane Pereira Alencar.

Prêmios e títulos

Total de prêmios e títulos (3)

Doutor em Ciências, com ênfase em Estatística, Universidade de São Paulo.. 2013.
Membro: Michel Helcias Montoril.
Mestre em Ciências, com ênfase em Estatística., Universidade de São Paulo.. 2009.
Membro: Michel Helcias Montoril.
Bacharel em estatística, Universidade Federal do Ceará.. 2006.
Membro: Michel Helcias Montoril.

Participação em eventos

Total de participação em eventos (20)

Simpósio Nacional de Probabilidade e Estatística.Wavelet-based classification: an approach via additive logistic regression. 2024. (Simpósio).
XX Escola de Séries Temporais e Econometria. Bayesian estimation of mixture regression by wavelets. 2023. (Congresso).
IV Congresso Brasileiro de Jovens Pesquisadores em Matemática Pura, Aplicada e Estatística. Wavelet-based estimation of power densities of size-biased data. 2022. (Congresso).
VIII Workshop on Probabilistic and Statistical Methods. 2022. (Congresso).
VIII Workshop on Probabilistic and Statistical Methods. Wavelet denoising of broadband pulsed signals via empirical Bayes thresholding. 2020. (Congresso).
Encontro da Pós-Graduação em Estatística do IME-USP.Wavelet-based estimation of generalized discriminant functions. 2018. (Encontro).
Simpósio Nacional de Probabilidade e Estatística.Wavelet-based estimation of generalized discriminant functions. 2018. (Simpósio).
Simpósio Nacional de Probabilidade e Estatística.Classificação baseada em ondaletas: uma abordagem via regressão logística aditiva. 2018. (Simpósio).
X Workshop de Verão da Matemática.Wavelet Estimation of Functional Coefficient Regression Models. 2018. (Oficina).
XIV Encontro Mineiro de Estatística.Estimação de pontos de mudança no problema da lei de Beer-Lambert. 2016. (Encontro).
XIV Escola de Modelos de Regressão. Waveletizing statistical procedures based on Fourier expansions. 2015. (Congresso).
XVI Escola de Séries Temporais e Econometria. Wavelet-based Estimator for Mixture Regression Models. 2015. (Congresso).
Workshop in Honor of Professor Pedro A. Morettin: Time Series, Wavelets and Functional Data Analysis.Functional Coefficient Regression Models for Non-Linear Time Series: estimation by wavelets. 2012. (Oficina).
Encontro Brasileiro de Estatística Bayesiana.HPD Intervals for High Quantiles of Heavy Tailed Distributions. 2010. (Encontro).
Simpósio Nacional de Probabilidade e Estatística.Estatística do Gradiente: uma nova alternativa. 2010. (Simpósio).
The 7th Conference on Multivriate Distributions with Applications.Adaptive Sample Fraction Selection in Confidence Intervals for High Quantiles of Heavy Tailed Distributions. 2010. (Outra).
Escola de Séries Temporais e Econometria.Identificação de Distribuições com Cauda de Variação Regular e a Estimação Intervalar de seus Altos Quantis. 2009. (Oficina).
Fourth Brazilian Conference on Statistical Modelling in Insurance and Finance.Comparing Sample Fractions in Confidence Intervals for High Quantiles of Heavy Tailed Distributions. 2009. (Outra).
Simpósio Nacional de Probabilidade e Estatística.Intervalos de Confiança para Altos Quantis Oriundos de Distribuições de Caudas Pesadas. 2008. (Simpósio).
Simpósio Nacional de Probabilidade e Estatística.Soma dos postos de Wilcoxon: construção da distribuição nula com apoio computacional. 2006. (Simpósio).

Organização de eventos

Total de organização de eventos (4)

CERQUEIRA, A. ; DE CASTRO, M. ; MONTORIL, M. H.. IX Workshop on Probabilistic and Statistical Methods. 2022. Congresso
FERNANDES, M. ; PINHEIRO, A. S. ; FONSECA, R. V. ; MONTORIL, M. H.. Escola de Séries Temporais e Econometria. 2022. Outro
IZBICKI, R. ; MONTORIL, MICHEL H.. Workshop on Statistical Machine Learning. 2021. Outro
MONTORIL, M. H.. III Encontro de Economia Aplicada da UFJF. 2018. (Outro).. . 0.

Lista de colaborações

Colaborações endôgenas (4)

Michel Helcias Montoril ⇔ Michel Helcias Montoril (32.0)
DA SILVA FERREIRA, CLÉCIO ; MONTORIL, MICHEL H. ; PAULA, GILBERTO A.. Partially linear models with p-order autoregressive skew-normal errors. Brazilian Journal of Probability and Statistics. v. 36, p. 792-806, 2022. Qualis: B1
VIANA, YASMIN ; AMORIM, THIAGO ORION SIMÕES ; DE CASTRO, FRANCIELE REZENDE ; WEDEKIN, LEONARDO ; PARO, ALEXANDRE DOUGLAS ; MONTORIL, MICHEL HELCIAS ; ROSSI-SANTOS, MARCOS ; ANDRIOLO, ARTUR. Are dolphins modulating whistles in interspecific group contexts?. BIOACOUSTICS-THE INTERNATIONAL JOURNAL OF ANIMAL SOUND AND ITS RECORDING. v. 31, p. 668-679, 2022. Qualis: Não identificado (BIOACOUSTICS-THE INTERNATIONAL JOURNAL OF ANIMAL SOUND AND ITS RECORDING)
CHIANN, CHANG ; MONTORIL, MICHEL H. ; MORETTIN, PEDRO A.. Estimação do número de reprodução da pandemia por COVID-19 em São Paulo. Revista Brasileira de Estatística. v. 78, p. 91-109, 2020.Qualis: Não identificado (REVISTA BRASILEIRA DE ESTATÍSTICA)
MONTORIL, MICHEL H.; CHANG, WOOJIN ; VIDAKOVIC, BRANI. Wavelet-Based Estimation of Generalized Discriminant Functions. SANKHYA B. v. 81, p. 318-349, 2019. Qualis: B4
MONTORIL, MICHEL H.; PINHEIRO, ALUÍSIO ; VIDAKOVIC, BRANI. Wavelet¿based estimators for mixture regression. SCANDINAVIAN JOURNAL OF STATISTICS. v. 46, p. 215-234, 2019. Qualis: A2
MONTORIL, M. H.; FERREIRA, C. S.. On the estimation of change points in the Beer-Lambert law problem. CHILEAN JOURNAL OF STATISTICS. v. 9, p. 19-32, 2018.Qualis: B3
MONTORIL, MICHEL H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Wavelet estimation of functional coefficient regression models. International Journal of Wavelets Multiresolution and Information Processing. v. 16, p. 1850004, 2018. Qualis: B4 (INTERNATIONAL JOURNAL OF WAVELETS, MULTIRESOLUTION AND INFORMATION PROCESSING)
FARIAS, RAFAEL B.A. ; MONTORIL, MICHEL H. ; ANDRADE, JOSÉ A.A.. Bayesian inference for extreme quantiles of heavy tailed distributions. Statistics & Probability Letters. v. 113, p. 103-107, 2016. Qualis: B1
MONTORIL, MICHEL H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Spline estimation of functional coefficient regression models for time series with correlated errors. Statistics & Probability Letters. v. 92, p. 226-231, 2014. Qualis: B1
MONTORIL, M. H.; SOUZA, E. A.. Estatística Gradiente: propriedades e aplicações. Revista Brasileira de Biometria. v. 31, p. 43-60, 2013.Qualis: C
MATOS, Miram Gondim ; ALBUQUERQUE, M. Z. S. ; MONTORIL, M. H.. Avaliação institucional: caracterização da imagem pessoal e profissional do servidor da UFC. Em: Congresso Internacional em Avaliação Educacional, p. 152-169, 2006.Qualis: Não identificado (Congresso Internacional em Avaliação Educacional)
MONTORIL, M. H. Wavelet-based classification: an approach via additive logistic regression. 2024. Apresentação de Trabalho/Congresso
MONTORIL, M. H.; PINHEIRO, A. S. ; VIDAKOVIC, B.. Wavelet-based estimation of power densities of size-biased data. 2023. Apresentação de Trabalho/Seminário
MOTTA, F. C. ; MONTORIL, M. H.. Bayesian estimation of mixture regression by wavelets. 2023. Apresentação de Trabalho/Congresso
MOTTA, F. C. ; MONTORIL, M. H.. Identifying regime switches through Bayesian wavelet estimation: evidence from flood detection in the Taquari River Valley. 2023. Apresentação de Trabalho/Congresso
MOTTA, F. C. ; MONTORIL, M. H.. A Bayesian wavelet estimation to identify regime switches. 2023. Apresentação de Trabalho/Congresso
MONTORIL, M. H.; PINHEIRO, A. S. ; VIDAKOVIC, B.. Wavelet-based estimation of power densities of size-biased data. 2022. Apresentação de Trabalho/Congresso
MONTORIL, M. H.; VIDAKOVIC, B.. Wavelets and their use in statistical problems. 2021. Apresentação de Trabalho/Seminário
MONTORIL, M. H.; ANDRIOLO, A.. Wavelet denoising of broadband pulsed signals via empirical Bayes thresholding. 2019. Apresentação de Trabalho/Seminário
MONTORIL, M. H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Wavelet Estimation of Functional Coefficient Regression Models. 2018. Apresentação de Trabalho/Conferência ou palestra
MONTORIL, M. H.; CHANG, WOOJIN ; VIDAKOVIC, B.. Wavelet-based estimation of generalized discriminant functions. 2018. Apresentação de Trabalho/Simpósio
MONTORIL, M. H.; CHANG, WOOJIN ; VIDAKOVIC, B.. Wavelet-based estimation of generalized discriminant functions. 2018. Apresentação de Trabalho/Conferência ou palestra
MONTORIL, M. H. Wavelets and their use in statistical problems. 2018. Apresentação de Trabalho/Seminário
MONTORIL, M. H. Wavelet-based methods in the binary classification problem. 2018. Apresentação de Trabalho/Seminário
MONTORIL, M. H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Wavelet estimation of functional coefficient regression models. 2017. Apresentação de Trabalho/Seminário
MONTORIL, M. H.; VIDAKOVIC, B.. Waveletizing statistical procedures based on Fourier expansions. 2016. Apresentação de Trabalho/Seminário
MONTORIL, M. H.; FERREIRA, C. S.. Estimação de pontos de mudança no problema da lei de Beer-Lambert. 2016. Apresentação de Trabalho/Comunicação
MONTORIL, M. H.; VIDAKOVIC, B.. Waveletizing statistical procedures based on Fourier expansions. 2015. Apresentação de Trabalho/Seminário
MONTORIL, M. H.; VIDAKOVIC, B.. Waveletizing statistical procedures based on Fourier expansions. 2015. Apresentação de Trabalho/Seminário
MONTORIL, M. H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Estimação em modelos de regressão com coeficientes funcionais. 2013. Apresentação de Trabalho/Seminário
MONTORIL, M. H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Wavelet Estimation of Functional Coefficient Regression Models. 2013. Apresentação de Trabalho/Congresso
MONTORIL, M. H.; MORETTIN, PEDRO A. ; CHIANN, CHANG. Spline Estimation of Functional Coefficient Regression Models for Nonlinear Time Series with Correlated Errors. 2013. Apresentação de Trabalho/Congresso

Michel Helcias Montoril ⇔ Clécio da Silva Ferreira (2.0)
DA SILVA FERREIRA, CLÉCIO ; MONTORIL, MICHEL H. ; PAULA, GILBERTO A.. Partially linear models with p-order autoregressive skew-normal errors. Brazilian Journal of Probability and Statistics. v. 36, p. 792-806, 2022. Qualis: B1
MONTORIL, M. H.; FERREIRA, C. S.. On the estimation of change points in the Beer-Lambert law problem. CHILEAN JOURNAL OF STATISTICS. v. 9, p. 19-32, 2018.Qualis: B3

Michel Helcias Montoril ⇔ Rafael Bráz Azevedo Farias (1.0)
FARIAS, RAFAEL B.A. ; MONTORIL, MICHEL H. ; ANDRADE, JOSÉ A.A.. Bayesian inference for extreme quantiles of heavy tailed distributions. Statistics & Probability Letters. v. 113, p. 103-107, 2016. Qualis: B1

Michel Helcias Montoril ⇔ Rafael Bráz Azevedo Farias (1.0)
FARIAS, RAFAEL B.A. ; MONTORIL, MICHEL H. ; ANDRADE, JOSÉ A.A.. Bayesian inference for extreme quantiles of heavy tailed distributions. Statistics & Probability Letters. v. 113, p. 103-107, 2016. Qualis: B1

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

Relatório gerado por scriptLattes V9. Os resultados podem ser afetados por possíveis falhas decorrentes de inconsistências no preenchimento dos Currículos Lattes. E-mail de contato: webmaster@ime.usp.br