Instituto de Matemática e Estatística da USP

Florencia Graciela Leonardi

Professora Titular do Instituto de Matemática e Estatística da Universidade de São Paulo. Possui Bacharelado em Ciências Matemáticas, obtido em 2002 na Faculdade de Ciências Exatas e Naturais da Universidade Nacional de Mar del Plata, Argentina, e Doutorado em Bioinformática, obtido em 2007 na Universidade de São Paulo. Foi bolsista de Pós-Doutorado no Instituto de Matemática e Estatística da Universidade de São Paulo (entre 2007 e 2008) e no Instituto Federal Suíço de Tecnologia - ETHZ (entre 2014 e 2015). Em 2013 recebeu o prêmio L'Oréal-UNESCO-Academia Brasileira de Ciências "Para mulheres na ciência", na área de Matemática. Atua na área geral de Probabilidade e Estatística, com ênfase nas linhas de pesquisa de Processos Estocásticos, Bioestatística e Aprendizagem Estatística. É membro eleita do International Statistical Institute e foi presidente do Comité Regional Latinoamericano da Sociedade Bernoulli no período 2019-2021. Atualmente coordena o Centro de Difusão e Inovação Especial em NeuroMatemática - Cepix NeuroMat da Universidade de São Paulo. (Texto informado pelo autor)

http://lattes.cnpq.br/7805423923220410 (12/07/2025)

Rótulo/Grupo:

Bolsa CNPq: Nível 1D - CA MA - Matemática e Estatística

Período de análise:

Endereço: Universidade de São Paulo, Instituto de Matemática e Estatística. Rua do Matão 1010 - Bloco A - Sala 297 Cidade Universitária 05508090 - São Paulo, SP - Brasil Telefone: (11) 30916233 URL da Homepage: www.ime.usp.br/~leonardi

Grande área: Ciências Exatas e da Terra

Área: Probabilidade e Estatística

Citações: Google Acadêmico

Produção bibliográfica

Artigos completos publicados em periódicos (19)
1. LEONARDI, F.; Carvalho, R.R.S ; Frondana, I.. Structure recovery for partially observed discrete Markov random fields on graphs under not necessarily positive distributions. SCANDINAVIAN JOURNAL OF STATISTICS. v. 51, p. 64-88, 2024. Qualis: A2
2. Cerqueira, A. ; Gallo, A. ; LEONARDI, F. ; Vera, C.. Consistent Model Selection for the Degree Corrected Stochastic Blockmodel. ALEA-Latin American Journal of Probability and Mathematical Statistics. v. 21, p. 267-292, 2024. Qualis: Não identificado (ALEA-LATIN AMERICAN JOURNAL OF PROBABILITY AND MATHEMATICAL STATISTICS)
3. Leonardi, Florencia; SEVERINO, MAGNO T.F.. Model selection for Markov random fields on graphs under a mixing condition. STOCHASTIC PROCESSES AND THEIR APPLICATIONS. v. 180, p. 104523, 2024. Qualis: A2
4. PRATES, LUCAS ; LEMES, RENAN B ; HÜNEMEIER, TÁBITA ; Leonardi, Florencia. Population-based change-point detection for the identification of homozygosity islands. BIOINFORMATICS. v. 39, p. 1-8, 2023. Qualis: A1
5. Leonardi, Florencia; LOPEZ'ROSENFELD, MATÍAS ; RODRIGUEZ, DANIELA ; SEVERINO, MAGNO T. F. ; SUED, MARIELA. Independent block identification in multivariate time series. Journal of Time Series Analysis (Online). v. 42, p. 19-33, 2021. Qualis: Não identificado (JOURNAL OF TIME SERIES ANALYSIS)
6. Cerqueira, A. ; Garivier, A. ; LEONARDI, F.. A note on perfect simulation for Exponential Random Graph Models. ESAIM. Probabilités et Statistique. v. 24, p. 138-147, 2020. Qualis: Não identificado (PROBABILITÉS ET STATISTIQUE)
7. CERQUEIRA, ANDRESSA ; Leonardi, Florencia. Estimation of the Number of Communities in the Stochastic Block Model. IEEE TRANSACTIONS ON INFORMATION THEORY. v. 66, p. 6403-6412, 2020. Qualis: A1
8. de Castro, B.M. ; Lemes, R.B. ; Cesar, J. ; Hünemeier, T. ; LEONARDI, F.. A model selection approach for multiple sequence segmentation and dimensionality reduction. JOURNAL OF MULTIVARIATE ANALYSIS. v. 167, p. 319-330, 2018. Qualis: B2
9. CERQUEIRA, ANDRESSA ; FRAIMAN, DANIEL ; VARGAS, CLAUDIA D. ; Leonardi, Florencia. A Test of Hypotheses for Random Graph Distributions Built from EEG Data. IEEE TRANSACTIONS ON NETWORK SCIENCE AND ENGINEERING. v. 4, p. 75-82, 2017. Qualis: A2
10. Bühlmann, P. ; LEONARDI, F.. Comments on: A random forest guided tour. Test (Madrid). v. 25, p. 239-246, 2016. Qualis: A2
11. Gallo, A. ; LEONARDI, F.. Nonparametric statistical inference for the context tree of a stationary ergodic process. Electronic Journal of Statistics. v. 9, p. 2076-2098, 2015. Qualis: Não identificado (ELECTRONIC JOURNAL OF STATISTICS)
12. ARMENDÁRIZ, INÉS ; FERRARI, P. A. ; GROISMAN, Pablo ; LEONARDI, F.. Finite Cycle Gibbs Measures on Permutations of $${{mathbb Z}^d}$$ Z d. Journal of Statistical Physics. v. 158, p. 1213-1233, 2015. Qualis: B1
13. Collet, P. ; LEONARDI, F.G.. Loss of memory of hidden Markov models and Lyapunov exponents. The Annals of Applied Probability. v. 24, p. 422-446, 2014. Qualis: A2
14. Galves, Antonio ; Galves, Charlotte ; García, Jesús E. ; Garcia, Nancy L. ; Leonardi, Florencia. Context tree selection and linguistic rhythm retrieval from written texts. ANN APPL STAT. v. 6, p. 186-209, 2012. Qualis: Não identificado (ANN APPL STAT)
15. Garivier, A. ; LEONARDI, F.. Context tree selection: A unifying view. Stochastic Processes and their Applications. v. 121, p. 2488-2506, 2011. Qualis: A2
16. LEONARDI, F. Some upper bounds for the rate of convergence of penalized likelihood context tree estimators. Revista Brasileira de Probabilidade e Estatística. v. 24, p. 321-336, 2010. Qualis: Não identificado (REVISTA BRASILEIRA DE PROBABILIDADE E ESTATÍSTICA)
17. Bush, J.R. ; Ferrari, P.A. ; Flesia, A.G. ; Fraiman, R. ; Grynberg, S. ; LEONARDI, F.G.. Testing statistical hypothesis on random trees and applications to the protein classification problem. ANN APPL STAT. v. 3, p. 542-563, 2009. Qualis: Não identificado (ANN APPL STAT)
18. Collet, P. ; Galves, A. ; LEONARDI, F.G.. Random perturbations of stochastic processes with unbounded variable length memory. Electronic Journal of Probability. v. 13, p. 1345-1361, 2008. Qualis: A2
19. LEONARDI, F. A generalization of the PST algorithm: modeling the sparse nature of protein sequences. Bioinformatics (Oxford. Print). v. 22, n. 11, p. 1302-1307, 2006. Qualis: Não identificado (PRINT))
Livros publicados/organizados ou edições (2)
1. Galves, A. ; LEONARDI, F.G. ; Ost, G.. Statistical model selection for stochastic systems with applications to Bioinformatics, Linguistics and Neurobiology. 1 ed. Rio de Janeiro: Editora do IMPA, 2021. v. 1, p. 146.
2. Hernandez-Hernandez, D. (Org.) ; Leonardi, Florencia (Org.) ; Mena, R. H. (Org.) ; Millan, J. C. P. (Org.). Advances in Probability and Mathematical Statistics. 1 ed. 2021. .
Capítulos de livros publicados (2)
1. Galves, Antonio ; Leonardi, Florencia. Exponential Inequalities for Empirical Unbounded Context Trees. Em: Sidoravicius, Vladas; Vares, Maria Eulália. (Org.). In and Out of Equilibrium 2. 1ed. : Birkhäuser Basel. 2008.v. 60, p. 257-269.
2. Barrera, J. ; Cesar Jr.,R.M. ; Martins Jr.,D.C. ; Merino,E.F. ; Vêncio,R.Z.N. ; LEONARDI, F. ; Yamamoto,M.M. ; Pereira,C.A.B. ; del Portillo,H.A.. Constructing probabilistic genetic networks of Plasmodium falciparum from dynamical expression signals of the intraerythrocytic development cycle. Em: McConnell; Lin; Hurban. (Org.). Methods of Microarray Data Analysis V. 1ed. : Springer. 2006.v. V, p. 11-26.
Textos em jornais de notícias/revistas (0)
Trabalhos completos publicados em anais de congressos (1)
1. Flesia, A.G. ; Fraiman, R. ; LEONARDI, F.G.. Pattern recognition on random trees associated to protein functionality families. Em: 2 BIOMAT, 2007. Qualis: Não identificado (2 BIOMAT)
Resumos expandidos publicados em anais de congressos (2)
1. Severino, M.T.F. ; LEONARDI, F.. Estimation and model selection for mixing graphical models. Em: 63rd ISI World Statistics Congress, 2021. Proceedings 63rd ISI World Statistics Congress, 2021. Qualis: Não identificado (63RD ISI WORLD STATISTICS CONGRESS, 2021. PROCEEDINGS 63RD ISI WORLD STATISTICS CONGRESS)
2. LEONARDI, F.; Galves, A.. Sequence motif identification and protein family classification using probabilistic trees. Em: Simpósio Brasileiro de Bioinformática, BSB 2005, 2005, São Leopoldo, RS, Brasil. Lecture Notes in Computer Science. Berlin / Heidelberg: Springer, v. 3594, p. 190-193, 2005. Qualis: Não identificado (SIMPÓSIO BRASILEIRO DE BIOINFORMÁTICA, BSB 2005, 2005, SÃO LEOPOLDO, RS, BRASIL. LECTURE NOTES IN COMPUTER SCIENCE. BERLIN / HEIDELBERG: SPRINGER)
Resumos publicados em anais de congressos (0)
Artigos aceitos para publicação (0)
Apresentações de trabalho (21)
1. LEONARDI, F. Detectando comunidades em redes aleatórias. 2022. Apresentação de Trabalho/Conferência ou palestra
2. LEONARDI, F. Alguns avanços na inferência para o modelo estocástico de blocos. 2021. Apresentação de Trabalho/Conferência ou palestra
3. LEONARDI, F. Detecção de estrutura de interação para campos markovianos discretos sobre grafos. 2021. Apresentação de Trabalho/Seminário
4. LEONARDI, F. Structure recovery for partially observed discrete Markov random fields on graphs. 2021. Apresentação de Trabalho/Conferência ou palestra
5. LEONARDI, F. Structure recovery for partially observed discrete Markov random fields on graphs. 2021. Apresentação de Trabalho/Seminário
6. LEONARDI, F. ¿Qué nos dicen los datos de Covid-19?. 2020. Apresentação de Trabalho/Conferência ou palestra
7. LEONARDI, F. Algumas ideias sobre seleção de modelos para processos estocásticos. 2020. Apresentação de Trabalho/Seminário
8. LEONARDI, F. Seleção de modelos para processos estocásticos. 2020. Apresentação de Trabalho/Seminário
9. LEONARDI, F. Seleção de modelos para processos estocásticos. 2020. Apresentação de Trabalho/Seminário
10. LEONARDI, F. Selección de modelos para procesos estocásticos. 2020. Apresentação de Trabalho/Seminário
11. LEONARDI, F. Identificação de tendência e pontos de mudança nas curvas de covid-19. 2020. Apresentação de Trabalho/Conferência ou palestra
12. LEONARDI, F. Seleção de modelos para segmentação de sequências em alta dimensão. 2019. Apresentação de Trabalho/Seminário
13. LEONARDI, F. A decomposição em viés e variância e sua importância na seleção de modelos. 2019. Apresentação de Trabalho/Conferência ou palestra
14. LEONARDI, F. Selección de modelos con variables latentes. 2018. Apresentação de Trabalho/Seminário
15. LEONARDI, F. Consistência do Critério da Informação Bayesiano para campos aleatórios discretos de Markov em grafos. 2018. Apresentação de Trabalho/Seminário
16. LEONARDI, F. Seleção de Modelos com o LASSO. 2017. Apresentação de Trabalho/Conferência ou palestra
17. LEONARDI, F. Estimação de árvores probabilísticas de contexto. 2008. Apresentação de Trabalho/Seminário
18. LEONARDI, F. Cadeias estocásticas parcimoniosas com aplicações à classificação e filogenia das seqüências de proteínas. 2007. Apresentação de Trabalho/Seminário
19. LEONARDI, F. On the rate of convergence of penalized likelihood context tree estimators. 2007. Apresentação de Trabalho/Seminário
20. LEONARDI, F. Parsimonious stochastic chains with applications to classification and phylogeny of protein sequences. 2007. Apresentação de Trabalho/Seminário
21. LEONARDI, F. Protein classification and phylogeny using variable memory stochastic chains. 2007. Apresentação de Trabalho/Seminário
Demais tipos de produção bibliográfica (5)
1. LEONARDI, F.; Carvalho, R.R.S ; Frondana, I.. Strong structure recovery for partially observed discrete Markov random fields on graphs. 2020. Relatório técnico
2. Sousa, A. R. ; Severino, M.T.F. ; LEONARDI, F.. Model selection criteria for regression models with splines and the automatic localization of knots. 2020. Relatório técnico
3. LEONARDI, F.; Bühlmann, P.. Computationally efficient change point detection for high-dimensional regression. 2016. Relatório técnico
4. Bianchi, A.J. ; Giolo, S.R. ; Soler, J.P. ; LEONARDI, F.G.. Finding the basic neighborhood in variable range Markov random fields: application in SNP association studies. 2012. Relatório técnico
5. LEONARDI, F.; Matioli, S.R. ; Armelin, H.A. ; Galves, A.. Detecting phylogenetic relations out from sparse context trees. 2007. Relatório técnico

Produção técnica

Programas de computador com registro (0)
Programas de computador sem registro (13)
1. LEONARDI, F.; Bühlmann, P.. Regchange: um pacote R para estimação de pontos de mudanças num modelo de regressão lineal em alta dimensão. 2020.
2. MELLO, T. ; LEONARDI, F.. Segmentr - Segment data with maximum likelihood. 2019.
3. LEONARDI, F.. mrfse: Markov random field structure estimator. 2019.
4. LEONARDI, F. SPST (Sparse Probabilistic Suffix Trees). 2006.
5. Gamerman, D. ; LEONARDI, F. ; Bastos, L. ; Cunha, A.. Propagação de epidemias. 2020. (Programa de rádio ou TV/Mesa. 2020.
6. LEONARDI, F.; Oliveira, R.I.. Conhecendo as áreas de pesquisa em Matemática - Probabilidade e Estatística. 2020. (Programa de rádio ou TV/Mesa. 2020.
7. Bernardes, J ; LEONARDI, F. ; Severino, M.T.F. ; Sousa, A. R.. 'Desatando nós': método identifica e prevê mudanças na curva de casos de Covid-19. 2020. (Programa de rádio ou. 2020.
8. Carvalho, Rone ; LEONARDI, F.. A matemática e a pandemia. 2020. (Programa de rádio ou. 2020.
9. LEONARDI, F. Entrevista para a revista Leia-Agora/Colégio Poliedro. 2019. (Programa de rádio ou. 2019.
10. LEONARDI, F. L'Oréal For Women In Science Brasil 2013 - Dra. Florencia G. Leonardi by Multimedia Deluxe. 2013. (Programa de rádio ou. 2013.
11. LEONARDI, F.; Severino, M.T.F.. Grupo de pesquisa em Estatística Computacional e Aprendizagem. 2020. 2020.
12. LEONARDI, F. Editora da página da SLAPEM-Sociedade Bernoulli. 2019. 2019.
13. LEONARDI, F.. Página pessoal. 2008. 2008.
Produtos tecnológicos (0)
Processos ou técnicas (0)
Trabalhos técnicos (0)
Demais tipos de produção técnica (1)
1. LEONARDI, F. Informações sobre o Bacharelado em Estatística para a Feira das Profissões USP. 2020. Desenvolvimento de material didático ou instrucional - Vídeo

Produção artística

Total de produção artística (0)

Orientações em andamento

Supervisão de pós-doutorado (1)
1. Paulo Roberto Cabral Passos. Assinaturas eletrofisiológicas associadas à identificação de regularidades estatísticas em uma sequência de eventos. Instituto de Matemática e Estatística, Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo.. Início: 2024.
  Supervisor: Florencia Graciela Leonardi.
Tese de doutorado (5)
1. Marília de Melo Sombra. Seleção de modelos para cadeias de Markov ocultas. Tese (Doutorado em Estatística) - Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. Início: 2024.
  Orientador: Florencia Graciela Leonardi.
2. Luiza Tuler Veloso. Detecção de comunidades para hipergrafos. Tese (Doutorado em Estatística) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2023.
  Orientador: Florencia Graciela Leonardi.
3. Lucas de Oliveira Prates. Modelos de blocos estocásticos com covariáveis. Tese (Doutorado em Doutorado em Estatistica) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2022.
  Orientador: Florencia Graciela Leonardi.
4. Tiago Pereira Marques. Seleção de modelos para redes neurais. Tese (Doutorado em Doutorado em Estatistica) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2021.
  Orientador: Florencia Graciela Leonardi.
5. Anny K. G. Rodrigues. Estimação do número de aglomerados, via estimadores BIC e KT. Tese (Doutorado em Estatística) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2019.
  Orientador: Florencia Graciela Leonardi.
Dissertação de mestrado (1)
1. Daniela Sano Adathi. Detecção de estados em cadeias de Markov ocultas. Dissertação (Mestrado em Estatística) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2024.
  Orientador: Florencia Graciela Leonardi.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (0)
Iniciação científica (2)
1. Marcos de Oliveira Salvador Junior. Campos Markovianos em grafos com evolução temporal e aplicações à neurociência. Iniciação científica (Graduando em Bacharelado em Estatística) - Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. Início: 2025.
  Orientador: Florencia Graciela Leonardi.
2. William Honorio Vilaca da Silva. Algoritmos EM variacionais para o modelo estocástico de blocos. Iniciação científica (Graduando em Bacharelado em Estatística) - Universidade de São Paulo, Universidade de São Paulo. Início: 2024.
  Orientador: Florencia Graciela Leonardi.
Orientações de outra natureza (0)

Supervisões e orientações concluídas

Supervisão de pós-doutorado (2)
1. Alex Rodrigo dos Santos Souza. . Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2022.
  Supervisor: Florencia Graciela Leonardi.
2. Ricardo Felipe Ferreira. . Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2019.
  Supervisor: Florencia Graciela Leonardi.
Tese de doutorado (4)

Magno Tairone de Freitas Severino. Estimation and model selection for graphical models under mixing conditions. Tese (Doutorado em Estatística) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2024.
Orientador: Florencia Graciela Leonardi.
Cristel E. V. Tapia. Estimação do número de comunidades no modelo estocástico de blocos com correção de grau. Tese (Doutorado em Doutorado em Estatística) - Universidade Federal de São Carlos, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2022.
Supervisor: Florencia Graciela Leonardi.
Andressa Cerqueira. Statistical inference on random graphs and networks. Tese (Doutorado em Estatística) - Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2018.
Orientador: Florencia Graciela Leonardi.
Iara Moreira Frondana. Seleção de modelos para campos aleatórios Markovianos discretos sobre gratos. Tese (Doutorado em Estatística) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2016.
Orientador: Florencia Graciela Leonardi.
Dissertação de mestrado (11)

Rodrigo Ribeiro Santos de Carvalho. Seleção de modelos para campos aleatórios de Markov. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2023.
Orientador: Florencia Graciela Leonardi.
Rodolfo Riani Sundfeld. Aplicação de Regressão Logística Funcional para problemas de classificação a partir de eletroencefalogramas. Dissertação (Mestrado em Estatística) - Universidade de São Paulo, . 2023.
Orientador: Florencia Graciela Leonardi.
Alberto Rodrigues Ferreira. Estimação da localização e número dos knots do modelo de regressão splines usando uma abordagem de otimização. Dissertação (Mestrado em Estatística) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2022.
Orientador: Florencia Graciela Leonardi.
Ana Gabriela F. da Silva. Mineração de dados textuais para a classificação da atividade econômica principal de empresas. Dissertação (Mestrado em Estatística) - Universidade de São Paulo, . 2022.
Orientador: Florencia Graciela Leonardi.
Lucas de Oliveira Prates. Detecção offline de pontos de mudança para dados binários via métodos de regularização. Dissertação (Mestrado em Estatística) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2021.
Orientador: Florencia Graciela Leonardi.
Felipe Castro de Brito. Community detection in graphs. Dissertação (Mestrado em Estatística) - Universidade de São Paulo, . 2021.
Orientador: Florencia Graciela Leonardi.
Lênon Guimarães. Desvendando o cérebro: um estudo quantitativo de técnicas para classificação de EEG. Dissertação (Mestrado em Estatística) - Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2021.
Orientador: Florencia Graciela Leonardi.
Lucas Peinado Bruscato. Predição de polaridade negativa em relatórios de auditoria utilizando dados socioeconômicos. Dissertação (Mestrado em Estatística) - Universidade de São Paulo, . 2020.
Orientador: Florencia Graciela Leonardi.
Thales E. S. de M. Neto. Um pacote R para detectar pontos de mudança. Dissertação (Mestrado em Estatística) - Universidade de São Paulo, . 2019.
Orientador: Florencia Graciela Leonardi.
Andressa Cerqueira. Teste de hipóteses para grafos aleatórios com aplicação à neurociência. Dissertação (Mestrado em Estatística) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2014.
Orientador: Florencia Graciela Leonardi.
Bruno Monte de Castro. Seleção de modelos para segmentação de sequências simbólicas usando máxima verossimilhança penalizada. Dissertação (Mestrado em Mestrado em Estatística) - Instituto de Matemática e Estatística, Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2013.
Orientador: Florencia Graciela Leonardi.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (15)

Mayara Lee Santos. Aprendizado de Máquina Aplicado na Previsão de Default. (Graduação em Abi - Matemática Aplicada e Computacional) - Universidade de São Paulo, . 2023.
Orientador: Florencia Graciela Leonardi.
André Ricardo Accioly Pinto. Escolha de arquitetura de redes neurais artificiais com auxílio de métodos estatísticos de seleção de modelos (AIC e BIC). (Graduação em Abi - Matemática Aplicada e Computacional) - Universidade de São Paulo, . 2023.
Orientador: Florencia Graciela Leonardi.
Marcus Vinicius Lemes de Oliveira. Análise comparativa de estimadores de pontos de mudança em parâmetros de modelos de regressão linear. (Graduação em Matemática Aplicada e Computacional Com Habilitação em Estatística Econômic) - Universidade de São Paulo, . 2021.
Orientador: Florencia Graciela Leonardi.
Bruna Bianchi Oliveira. Estudo dos Métodos de Classificação Supervisionada na Identificação de Malignidade de Tumores Mamários. (Graduação em Abi - Matemática Aplicada e Computacional) - Universidade de São Paulo, . 2021.
Orientador: Florencia Graciela Leonardi.
Caio Yoshiki Yamasaki. Avaliação do desempenho do algoritmo k-médias e do método do cotovelo via simulação da distribuição normal multivariada. (Graduação em Abi - Matemática Aplicada e Computacional) - Universidade de São Paulo, . 2021.
Orientador: Florencia Graciela Leonardi.
Diego Barbosa Marques. Rede Adversária Generativa Convolucional Profunda Aplicada a Exames de Raio-x do Tórax. (Graduação em Abi - Matemática Aplicada e Computacional) - Universidade de São Paulo, . 2021.
Orientador: Florencia Graciela Leonardi.
Murilo Getlinger Coelho. Nowcasting de PIB sob a Ótica de Aprendizagem Estatística. (Graduação em Matemática Aplicada e Computacional Com Habilitação em Estatística Econômic) - Universidade de São Paulo, . 2021.
Orientador: Florencia Graciela Leonardi.
Camila Tiemi Yoshimura Orlandin Alves. Análise estatística dos resultados do uso de Imiquimod para tratamento de câncer de pele não melanoma. (Graduação em Abi - Matemática Aplicada e Computacional) - Universidade de São Paulo, . 2019.
Orientador: Florencia Graciela Leonardi.
Ana Carolina Santos Silva e Aurélio Kenji Kanashiro. Estudo correlacionando achados tomográficos e eventos isquêmicos em pacientes com estenose carotídea. (Graduação em Estatística) - Universidade de São Paulo, . 2018.
Orientador: Florencia Graciela Leonardi.
Rodrigo Ribeiro Santos de Carvalho. Algoritmos para estimação de modelos gráficos. (Graduação em Ciência da Computação) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2018.
Orientador: Florencia Graciela Leonardi.
Violeta Roizman. Selección de modelos gráficos no-dirigidos en el contexto de alta dimensión. (Graduação em Bacharelado em Matemática) - Universidad de Buenos Aires, . 2016.
Orientador: Florencia Graciela Leonardi.
Beatriz Albiero e Matheus Felipe Sebestyen Paiola. O papel da citoadesão e dos receptores do tipo Toll na imunopatogênese da Síndrome do Desconforto Respiratório Agudo Murino Associado à malária grave. (Graduação em Estatística) - Universidade de São Paulo, . 2016.
Orientador: Florencia Graciela Leonardi.
Y. Guo e D. Yue. Caracterização molecular da GP120 do HIV-1 e suas implicações sobre o tropismo pelos co-receptores CCR5 e CXCR4. (Graduação em Estatística) - Universidade de São Paulo, . 2012.
Orientador: Florencia Graciela Leonardi.
Laís Lopes de Melo e Michelle Kanashiro Kuda. Estratégia de potencialização medicamentosa no Transtorno Obsessivo-Compulsivo resistente: um estudo duplo-cego. (Graduação em Bacharelado em Estatística) - Instituto de Matemática e Estatística, Universidade de São Paulo. 2009.
Orientador: Florencia Graciela Leonardi.
Iara Nascimento Moreira. Os efeitos do uso de dicionários na compreensão escrita em italiano língua estrangeira. (Graduação em Bacharelado em Estatística) - Instituto de Matemática e Estatística, Universidade de São Paulo. 2008.
Orientador: Florencia Graciela Leonardi.
Iniciação científica (6)

Alexandre Felix da Silva. Redes neurais recorrentes para classificação de proteínas em famílias e comparação com cadeias de Markov de memória variável. (Graduando em Estatística) - Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2023.
Orientador: Florencia Graciela Leonardi.
Rodrigo Marcel Araujo Oliveira. Classificação de sinais de EEG com modelos de regressão funcional. Iniciação Científica - Universidade de São Paulo, . 2022.
Orientador: Florencia Graciela Leonardi.
Rodrigo Ribeiro Santos de Carvalho. Algoritmos para estimação de modelos gráficos em altas dimensões. (Graduando em Ciência da Computação) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2018.
Orientador: Florencia Graciela Leonardi.
Rudá LIma da Floresta. Implementação, avaliação e disseminação de programas computacionais para estimação de estrutura em processos estocásticos. (Graduando em Abi - Matemática Aplicada) - Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2018.
Orientador: Florencia Graciela Leonardi.
Andressa Cerqueira. Modelagem de dados genotípicos e alélicos através de processos com interação de alcance variável. (Graduando em Licenciatura em Matemática) - Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2011.
Orientador: Florencia Graciela Leonardi.
André Jucovsky Bianchi. Modelagem de dados genotípicos através de processos com interação de alcance variável. (Graduando em Bacharelado em Ciência da Computação) - Instituto de Matemática e Estatística, Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2010.
Orientador: Florencia Graciela Leonardi.
Orientações de outra natureza (0)

Projetos de pesquisa

Total de projetos de pesquisa (13)

2024-Atual. Propriedades probabilísticas e estatísticas de processos estocásticos em grafos e redes
Descrição: Este projeto de pesquisa tem como objetivo principal estudar modelos probabilísticos e suas propriedades estatísticas em redes complexas. Os modelos que serão estudados compreendem modelos de comunidades em redes, como os modelos estocásticos de blocos e suas generalizações, e os modelos de campos aleatórios sobre redes e grafos. Estaproposta pretende dar continuidade a atividades de colaboração já existentes entre os participantes, e possibilitar o intercâmbio de pesquisadores entre as instituições, além de possibilitar estágios sanduíche no exterior para alunos de doutorado da Universidade de São Paulo.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (4) . Integrantes: Florencia Graciela Leonardi - Coordenador / Alexsandro Gallo - Integrante / Inés Armendáriz - Integrante / Andressa Cerqueira - Integrante / Daniela Rodríguez - Integrante / Catherine Matias - Integrante.
Membro: Florencia Graciela Leonardi.
2024-Atual. Modelagem de Sistemas Estocásticos
Descrição: O Projeto Temático objeto da presente proposta congrega grande parte do grupo de Probabilidade e Processos Estocásticos do estado de São Paulo, consolidado em departamentos de Estatística e Matemática da USP, Unicamp, UFSCar e UFABC, e possui visibilidade e reconhecimento internacional em função de (i) suas frequentes e relevantes publicações em revistas de alto nível; (ii) da organização de eventos que estão na agenda dos melhores pesquisadores da área; (iii) da conhecida capacidade de atrair e formar estudantes brasileiros e estrangeiros para os programas de pós-graduação aos quais estão associados; (iv) de ser um polo atrator de jovens doutores em programa de pós-doutorado; (v) de um forte e tradicional intercâmbio com pesquisadores dos melhores centros mundiais de pesquisa.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Florencia Graciela Leonardi - Integrante / Nancy Lopes Garcia - Integrante / Anatoli Iambartsev - Integrante / Vladimir Belitsky - Integrante / Cristian Coletti - Integrante / Luiz Renato Fontes - Coordenador / Fabio Prates Machado - Integrante / Leonardo Rolla - Integrante.
Membro: Florencia Graciela Leonardi.
2020-2022. Seleção de modelos em alta dimensão: propriedades teóricas e aplicações
Descrição: Este projeto de pesquisa tem como objetivo principal estudar métodos de seleção de modelos para análise de dados em alta dimensão. Os dados modelados serão de diferentes tipos e estruturas, como por exemplo grafos e redes aleatórias, vetores em alta dimensão ou dados espaço temporais. O foco deste projeto é principalmente em modelos preditivos e o objetivo é selecionar modelos com dimensão adequada com o objetivo de minimizar o erro de predição. Esta abordagem está relacionada com a teoria de aprendizagem estatística, que da ́ suporte a várias das técnicas utilizadas na atualidade nos campos de aprendizagem de máquina ou ciência de dados.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (5) Doutorado: (3) . Integrantes: Florencia Graciela Leonardi - Coordenador.
Membro: Florencia Graciela Leonardi.
2019-2023. Medidas de Gibbs y sistemas de partículas. Teoría, aplicaciones y estimación.
Situação: Concluído; Natureza: Pesquisa. Integrantes: Florencia Graciela Leonardi - Integrante / Pablo Ferrari - Coordenador / Roberto Fernández - Integrante / Inés Armendáriz - Integrante / Sergio Andres Yuhjtman - Integrante / Santiago Saglietti - Integrante / Matthieu Jonckheere - Integrante / Julian Martínez - Integrante.
Membro: Florencia Graciela Leonardi.
2019-2023. Estatística, processos estocásticos e estruturas discretas
Descrição: Este projeto reune pesquisadores interessados em aspectos estatísticos e probabilísticos de sistemas com muitas componentes em interação. Em muitos casos, a estrutura de interação é descrita por um grafo ou outro objeto discreto. Nestes casos, entender a relação entre este objeto e os dados observados é um problema fundamental.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (5) Doutorado: (8) . Integrantes: Florencia Graciela Leonardi - Integrante / Roberto Imbuzeiro Oliveira - Coordenador / Alexsandro Gallo - Integrante / Andressa Cerqueira - Integrante / aline duarte - Integrante / Guilherme Ost - Integrante.
Membro: Florencia Graciela Leonardi.
Descrição: Este projeto reúne pesquisadores interessados em aspectos estatísticos e probabilísticos de sistemas com muitas componentes em interação. Em muitos casos, a estrutura de interação é descrita por um grafo ou outro objeto discreto. Nestes casos, entender a relação entre este objeto e os dados observados é um problema fundamental. Nosso projeto tem três eixos. O principal é o de inferência e testes de hipóteses para modelos com estrutura combinatorial. O segundo é a análise de processos estocásticos com muitas compontentes em interação. O terceiro é abordar questões probabilísticas e estatísticas mais gerais, mas relevantes aos objetivos acima. Problemas a serem estudados incluem estimação do número de comunidades de modelos estocásticos de blocos; inferência de interações para processos de Hawkes multivariados; testes de hipóteses para processos pontuais; modelos de difusões interagentes; análise de campo médio do "deep learning"; e métodos de boostrap em dimensão alta.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (5) Doutorado: (6) . Integrantes: Aline Duarte de Oliveira - Integrante / Florencia Leonard - Integrante / Guilherme Ost de Aguiar - Integrante / Sandro Gallo - Integrante / Andressa Cerqueira - Integrante / Roberto Imbuzeiro de Oliveira - Coordenador.
Membro: Aline Duarte de Oliveira.
2017-2019. Seleção de estrutura para processos estocásticos em altas dimensões
Descrição: Este projeto de pesquisa tem como objetivo principal estudar métodos de inferência estatística para identificar diferentes aspectos de estrutura em processos estocásticos em altas dimensões. Abordaremos principalmente os problemas de estimação do grafo de interação de campos aleatórios markovianos, também conhecidos na literatura estatística como modelos gráficos, e de identificação de pontos de mudança para processos estocásticos, tanto discretos quanto contínuos.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (2) / Doutorado: (2) . Integrantes: Florencia Graciela Leonardi - Coordenador / Miguel Abadi - Integrante / Roberto Imbuzeiro Oliveira - Integrante / Alexsandro Gallo - Integrante / Andressa Cerqueira - Integrante. Financiador(es): (FAPESP) Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
Membro: Florencia Graciela Leonardi.
2015-2018. Grafos aleatorios, processos puntuales y metaestabilidad
Situação: Concluído; Natureza: Pesquisa. Integrantes: Florencia Graciela Leonardi - Integrante / Roberto Fernández - Integrante / Inés Armendáriz - Integrante / Pablo Augusto Ferrari - Coordenador / Nahuel Soprano Loto - Integrante / Achilleas Tzioufas - Integrante / Sergio Andres Yuhjtman - Integrante.
Membro: Florencia Graciela Leonardi.
2013-2014. Inferência estatística para grafos aleatórios e redes probabilísticas
Descrição: Este projeto de pesquisa tem como objetivo principal estudar métodos de inferência estatística para distribuições de probabilidade sobre grafos e modelos de redes probabilísticas. Abordaremos o problema de identificar diferenças nas distribuições de dados empíricos, introduzindo testes de hipóteses de aderência e homogeneidade para distribuições em grafos e tendo como base algumas técnicas recentes na literatura. No caso de redes probabilísticas abordaremos o problema de seleção de modelos para a estrutura de dependência subjacente, utilizando principalmente métodos de máxima verossimilhança penalizada.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (2) Doutorado: (1) . Integrantes: Florencia Graciela Leonardi - Coordenador.
Membro: Florencia Graciela Leonardi.
2013-Atual. Centro de Pesquisa, Inovação e Difusão em Neuromatemática - NeuroMat.
Descrição: Propõe-se a criação de um centro de matemática, integrando modelagem matemática com pesquisa básica e aplicada na fronteira da neurociência. A proposta responde à crescente importância da matemática na neurociência teórica. Importante motivação para a criação do centro é a grande quantidade de dados que os laboratórios de pesquisa são capazes de gerar atualmente e cuja análise depende de novos modelos matemáticos. Também, o desenvolvimento de linguagem e estruturas matemáticas adequadas é essencial para desenvolver teorias explicando os fatos experimentais e sugerindo predições que possam ser testadas. A neurociência vive atualmente uma situação de desequilíbrio, entre uma grande capacidade de produzir dados experimentais e uma insuficiente capacidade de compreensão teórica. Ela é rica em dados, porém pobre em teoria. A matemática é a chave para fazer a ponte entre dados e explicação. O projeto visa construir um centro de pesquisa avançada em neurociência teórica, reunindo uma equipe de ponta composta de matemáticos, cientistas da computação, neurocientistas e clínicos especialistas em reabilitação. O foco do plano de transferência de tecnologia e inovação do projeto é o desenvolvimento de produtos para a saúde pública em neuro-reabilitação. Isso inclui a criação e análise de uma base de dados para o suporte ao diagnóstico clínico e acompanhamento de pacientes. O plano de difusão do conhecimento inclui a criação de cursos e oficinas destinados a estudantes de todos os níveis, professores de escolas públicas e jornalisticas.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Florencia Graciela Leonardi - Integrante / Antonio Galves - Coordenador / Pablo Ferrari - Integrante / Nancy Lopes Garcia - Integrante / Anatoli Iambartsev - Integrante / Jesus Garcia - Integrante / Miguel Abadi - Integrante / Roberto Imbuzeiro Oliveira - Integrante / Yoshiharu Kohayakawa - Integrante / Luiz Renato Fontes - Integrante / Daniel Yasumasa Takahashi - Integrante / Verónica Andrea González-López - Integrante / Sidarta Tollendal Gomes Ribeiro - Integrante / Arnaldo Mandel - Integrante / Ana Carolina Simões - Integrante / Claudia Domingues Vargas - Integrante / Daniel Fraiman - Integrante / Sergio Neuenschwander Maciel - Integrante / Adriano Lopes Tort - Integrante / André Frazão Helene - Integrante / Angela Sirigu - Integrante / Annie Viala - Integrante / Antonio Silva Filho - Integrante / Diego Laplagne - Integrante / Doris Fontes - Integrante / Ernst Hamburger - Integrante / Fabio Kon - Integrante / Felipe Fregni - Integrante / Gilberto Xavier - Integrante / Guillermo Cecchi - Integrante / Jorge Stolfi - Integrante / Koichi Sameshima - Integrante / Laura Ramos Rifo - Integrante / Linamara Rizzo Battistella - Integrante / Marcello Magnasco - Integrante / Marcelo Gomes de Queiroz - Integrante / Marcos Romualdo Costa - Integrante / Mariano Sigman - Integrante / Paulo Balister - Integrante. Financiador(es): (FAPESP) Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
Membro: Florencia Graciela Leonardi.
Descrição: Centro de Pesquisa, Inovação e Difusão em Neuromatemática - NeuroMat Processo: 13/07699-0 Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs Vigência: 01 de agosto de 2013 - 31 de julho de 2024 Área do conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas Pesquisador responsável: Jefferson Antonio Galves Beneficiário: Jefferson Antonio Galves Instituição-sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil Pesquisadores principais: Antonio Carlos Roque da Silva Filho ; Claudia Domingues Vargas ; Ernst Wolfgang Hamburger ; Fernando Jorge da Paixão Filho ; Gilberto Fernando Xavier ; Jorge Stolfi ; Linamara Rizzo Battistella ; Nancy Lopes Garcia ; Oswaldo Baffa Filho ; Pablo Augusto Ferrari ; Yoshiharu Kohayakawa Pesq. associados: Alexsandro Giacomo Grimbert Gallo ; Aline Duarte de Oliveira ; Amanda Sávio Nascimento e Silva ; Ana Carolina Quirino Simoes ; Anatoli Iambartsev ; André Frazão Helene ; Angela Sirigu ; Annie Suzanne Charot Viala ; Antonio Carlos Roque da Silva Filho ; Ariadne de Andrade Costa ; Arnaldo Mandel ; Bruno Monte de Castro ; Carlos Hoppen ; Christophe Pouzat ; Claudio Marcos Teixeira de Queiroz ; Claudio Possani ; Cristina Cerri ; Daniel Edmundo Fraiman Borrazás ; Daniel Yasumasa Takahashi ; Daniela Lopes Scarpa ; Diego Laplagne ; Eduardo Vicente ; Errico Presutti ; Eva Loecherbach ; Fabio Kon ; Felipe Fregni ; Florencia Graciela Leonardi ; Guilherme Ost de Aguiar ; Guillermo Cecchi ; Jerome Paul Armand Laurent Baron ; Jesus Enrique Garcia ; João Alexandre Peschanski ; Kelly Rosa Braghetto ; Koichi Sameshima ; Laura Leticia Ramos Rifo ; Luiz Renato Gonçalves Fontes ; Marcello Magnasco ; Marcelo Gomes de Queiroz ; Marco Dimas Gubitoso ; Maria Elisa Pimentel Piemonte ; Maria Luíza Sales Rangel ; Mariano Sigman ; Marta Imamura ; Marzio Cassandro ; Mauro Copelli Lopes da Silva ; Miguel Natalio Abadi ; Nancy Lopes Garcia ; Osame Kinouchi Filho ; Patricia Maria Vanzella ; Patricia Reynaud-Bouret ; Paul Balister ; Pierre Collet ; Rafael Bassi Stern ; Raquel de Paula Carvalho ; Renato Anghinah ; Ricardo Fraiman ; Roberto Fernandez ; Roberto Imbuzeiro Moraes Felinto de Oliveira ; Sergio Neuenschwander ; Sidarta Tollendal Gomes Ribeiro ; Valeria Monica Della Maggiore ; Verónica Andrea González-López Assunto(s): Campos aleatóriosMatemáticaModelos matemáticosNeurociênciasNeurôniosFinanciamento em saúde Publicação FAPESP sobre o auxílio: https://media.fapesp.br/bv/uploads/pdfs/Multidisciplinary_science_h9dWGUV_20_21.pdf Resumo Propõe-se a criação de um centro de matemática, integrando modelagem matemática com pesquisa básica e aplicada na fronteira da neurociência. A proposta responde à crescente importância da matemática na neurociência teórica. Importante motivação para a criação do centro é a grande quantidade de dados que os laboratórios de pesquisas são capazes de gerar atualmente e cuja análise depende de novos modelos matemáticos. Também, o desenvolvimento de linguagem e estruturas matemáticas adequadas é essencial para desenvolver teorias explicando os fatos experimentais e sugerindo predições que possam ser testadas. A neurociência vive atualmente uma situação de desequilíbrio, entre uma grande capacidade de produzir dados experimentais e uma insuficiente capacidade de compreensão teórica. Ela é rica em dados, porém pobre em teoria. A matemática é a chave para fazer a ponte entre dados e explicação. O projeto visa construir um centro de pesquisa avançada em neurociência teórica, reunindo uma equipe de ponta composta de matemáticos, cientistas da computação, neurocientistas e clínicos especialistas em reabilitação. A estrutura de pesquisa do centro foi desenhada para atender várias condições. I) não se limitar a uma área particular da matemática. Isso explica as difere. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Anatoli Iambartsev - Integrante / Ferrari, Pablo A. - Integrante / Galves, A - Coordenador / Alexsandro Giacomo Grimbert Gallo - Integrante / Nancy Lopes Garcia - Integrante / Yoshiharu Kohayakawa - Integrante / Eva Loecherbach - Integrante / Aline Duarte de Oliveira - Integrante / Guilherme Ost de Aguiar - Integrante.
Membro: Anatoli Iambartsev.
Descrição: Propõe-se a criação de um centro de matemática, integrando modelagem matemática com pesquisa básica e aplicada na fronteira da neurociência. A proposta responde à crescente importância da matemática na neurociência teórica. Importante motivação para a criação do centro é a grande quantidade de dados que os laboratórios de pesquisa são capazes de gerar atualmente e cuja análise depende de novos modelos matemáticos. Também, o desenvolvimento de linguagem e estruturas matemáticas adequadas é essencial para desenvolver teorias explicando os fatos experimentais e sugerindo predições que possam ser testadas. A neurociência vive atualmente uma situação de desequilíbrio, entre uma grande capacidade de produzir dados experimentais e uma insuficiente capacidade de compreensão teórica. Ela é rica em dados, porém pobre em teoria. A matemática é a chave para fazer a ponte entre dados e explicação. O projeto visa construir um centro de pesquisa avançada em neurociência teórica, reunindo uma equipe de ponta composta de matemáticos, cientistas da computação, neurocientistas e clínicos especialistas em reabilitação. O foco do plano de transferência de tecnologia e inovação do projeto é o desenvolvimento de produtos para a saúde pública em neuro-reabilitação. Isso inclui a criação e análise de uma base de dados para o suporte ao diagnóstico clínico e acompanhamento de pacientes. O plano de difusão do conhecimento inclui a criação de cursos e oficinas destinados a estudantes de todos os níveis, professores de escolas públicas e jornalísticas. Maiores detalhes sobre o projeto NeuroMat podem ser obtidos na página www.numec.prp/usp.br/NeuroMat.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Aline Duarte de Oliveira - Integrante / Errico Presutti - Integrante / Eva Löcherbach - Integrante / Ricardo Fraiman - Integrante / Pablo Augusto Ferrari - Integrante / Florencia Leonard - Integrante / Pierre Collet - Integrante / Nancy Garcia - Integrante / Sergio Neuenschwander - Integrante / Sidarta Ribeiro - Integrante / Claudia Domingues Vargas - Integrante / Daniel Fraiman - Integrante / Daniel Yasumasa Takahashi - Integrante / Guilherme Ost de Aguiar - Integrante / Jefferson Antonio Galves - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de SP - Auxílio financeiro.
Membro: Aline Duarte de Oliveira.
2012-2016. Modelagem probabilística da atividade cerebral
Descrição: Dados experimentais sugerem que neurônios, sinapses e sistemas neuronais seguem um regime inerentemente estocástico. Surpreendentemente, enquanto fenômenos nos níveis micro e meso parecem apresentar uma aleatoriedade inerente, muitos fenômenos ao nível macro são fundamentalmente previsíveis. Para conciliar esta aparente contradição e alcançar uma formulação reveladora do fenômeno, o grupo se propõe utilizar uma abordagem probabilística inovadora e baseada na premissa de que a dinâmica neuronal pode ser descrita, em todas as escalas, por processos estocásticos com valores numa configuração espacial adequada. Desta forma pode-se fornecer uma abordagem uniforme para a consideração simultânea de diferentes escalas e conexões entre elas. Esta abordagem deve fornecer uma melhor compreensão da relação existente entre a atividade neuronal e medidas comportamentais.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (3) Doutorado: (3) . Integrantes: Florencia Graciela Leonardi - Integrante / Antonio Galves - Coordenador / Ricardo Fraiman - Integrante / Pierre Collet - Integrante / Nancy Lopes Garcia - Integrante / Jesus Garcia - Integrante / Roberto Imbuzeiro Oliveira - Integrante / Yoshiharu Kohayakawa - Integrante / Marzio Cassandro - Integrante / Roberto Fernández - Integrante / George Freitas von Borries - Integrante / Daniel Yasumasa Takahashi - Integrante / Eva Locherbach - Integrante / Sidarta Tollendal Gomes Ribeiro - Integrante / Claudia Domingues Vargas - Integrante / Thiago Lemos de Carvalho - Integrante / Daniel Fraiman - Integrante / Sergio Neuenschwander Maciel - Integrante / Simon Griffiths - Integrante / Robert David Morris - Integrante / Valeria Della Maggiore - Integrante / Fatima Smith Erthal - Integrante.
Membro: Florencia Graciela Leonardi.
2011-2018. Projeto MaCLinC: Matemática, Computação, Linguística e Cérebro
Descrição: Um dos maiores e mais urgentes desafios da comunidade científica do século 21 é processar, modelar e explicar a enorme massa dos dados produzidos nos laboratórios de pesquisa. Para isso são necessárias novas ideias e o desenvolvimento de novas estruturas matemáticas. O objetivo do Projeto-USP "Matemática, Computação, Linguagem e Cérebro" (MaCLinC) é alcançar uma compreensão teórica profunda de fenômenos centrais em linguística e em neurociência, através do desenvolvimento de novos modelos e resultados matemáticos.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (7) / Mestrado acadêmico: (22) / Doutorado: (25) . Integrantes: Florencia Graciela Leonardi - Integrante / Antonio Galves - Coordenador / Pablo Ferrari - Integrante / Pierre Collet - Integrante / Nancy Lopes Garcia - Integrante / Anatoli Iambartsev - Integrante / Jesus Garcia - Integrante / Miguel Abadi - Integrante / Roberto Imbuzeiro Oliveira - Integrante / Yoshiharu Kohayakawa - Integrante / Oswaldo Luiz do Valle Costa - Integrante / Luiz Renato Fontes - Integrante / Fabio Prates Machado - Integrante / Yoshiko Wakabayashi - Integrante / Noga Alon - Integrante / Béla Bollobás - Integrante / Marzio Cassandro - Integrante / Roberto Fernández - Integrante / Ehud Friedgut - Integrante / John Anton Goldsmith - Integrante / Michael Krivelevich - Integrante / Anthony Kroch - Integrante / Nati Linial - Integrante / Eugene Pechersky - Integrante / Galves, Charlotte - Integrante / Daniel Yasumasa Takahashi - Integrante / Verónica Andrea González-López - Integrante / Eva Locherbach - Integrante / Rödl Vojtech - Integrante / Sidarta Tollendal Gomes Ribeiro - Integrante / Marie-France Sagot - Integrante / Alair Pereira do Lago - Integrante / Arnaldo Mandel - Integrante / Cristina Gomes Fernandes - Integrante / Domingos Humberto Urbano Marchetti - Integrante / Flaviane Romani Fernandes Svartman - Integrante / Marcello Modesto dos Santos - Integrante / Maria Clara Paixão de Souza - Integrante / Ana Carolina Simões - Integrante / Anusch Taraz - Integrante / Cristian Favio Coletti - Integrante / François Dufour - Integrante / Mathias Schacht - Integrante. Financiador(es): Universidade de São Paulo - Auxílio financeiro.
Membro: Florencia Graciela Leonardi.
2009-2011. Estimação consistente de processos estocásticos com memória de comprimento variável. Aplicações na modelagem de sequências biológicas.
Descrição: Este projeto de pesquisa tem como objetivo principal estudar as propriedades dos processos estocásticos com memória de comprimento variável e a sua estimação. Também propõe-se aplicar as ferramentas de análise de dados baseadas na modelagem com este tipo de processos estocásticos a dois problemas importantes da Biologia: o mapeamento de doenças complexas e a caracterização de estrutura secundária em proteínas.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) . Integrantes: Florencia Graciela Leonardi - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
Membro: Florencia Graciela Leonardi.
2009-2011. Sistemas estocásticos com interação de alcance variável
Descrição: O objetivo deste projeto é o estudo dos sistemas estocásticos com interação de alcance variável. Esta nova classe de sistemas generaliza a noção de cadeia com memória de alcance variável, introduzida por Jorma Rissanen, colaborador deste projeto, em seu clássico artigo de 1983 no quadro de teoria da informação. Tais modelos foram utilizados como uma alternativa às cadeias de Markov e às cadeias de Markov ocultas em áreas tão variadas quanto a biologia (por exemplo, na modelagem de cadeias de aminoácidos em proteômica) como também em processamento automático de línguas e em musicologia. Muito além do seu interesse na modelagem de dados científicos, esses modelos revelam-se objetos matemáticos de grande interesse do ponto de vista da teoria das probabilidades. Este projeto visa estudar, primeiramente, questões relacionadas com a existência, unicidade, simulação perfeita, codificação finitária e outras propriedades básicas desta classe de sistemas. Além disto, estudaremos problemas de inferência estatística para tais modelos e suas generalizações naturais. Por fim, consideraremos aplicações das ferramentas desenvolvidas em dados reais.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (1) . Integrantes: Florencia Graciela Leonardi - Integrante / Antonio Galves - Coordenador / Pierre Collet - Integrante / Nancy Lopes Garcia - Integrante / Aurélien Garivier - Integrante / Jorma Rissanen - Integrante / Jesus Garcia - Integrante / Denise Duarte - Integrante / Miguel Abadi - Integrante / Roberto Imbuzeiro Oliveira - Integrante / Enza Orlandi - Integrante / Matthieu Lerasle - Integrante / Davide Gabrielli - Integrante / Daniel Yasumasa Takahashi - Integrante / Eric Moulines - Integrante / Verónica Andrea González-López - Integrante / Clémentine Prieur - Integrante / Eva Locherbach - Integrante.
Membro: Florencia Graciela Leonardi.

Prêmios e títulos

Total de prêmios e títulos (5)

Prêmio "Johannes Kepler" por artigo científico em co-autoria com Galves, A., Galves, C, Garcia, N. e Garcia, J., Sociedade Brasileira de Matemática Aplicada e Computacional (SBMAC).. 2020.
Membro: Florencia Graciela Leonardi.
Membro eleita do Instituto Internacional de Estatística (ISI), International Statistical Institute.. 2020.
Membro: Florencia Graciela Leonardi.
Prêmio de desempenho didático, Curso de graduação em Ciências Contábeis - FEA - USP.. 2016.
Membro: Florencia Graciela Leonardi.
"Para Mulheres na Ciência", L'Oréal - Academia Brasileira de Ciências - Unesco.. 2013.
Membro: Florencia Graciela Leonardi.
Diploma de graduado com desempenho excepcional, Universidad Nacional de Mar del Plata.. 2002.
Membro: Florencia Graciela Leonardi.

Participação em eventos

Total de participação em eventos (44)

I Congresso do IMECC-UNICAMP. Consistency of the Bayesian Information Criterion for the number of communities in the Stochastic Block Model. 2025. (Congresso).
New Trends in Mathematica Statistics II.Community detection and model selection on random networks. 2024. (Encontro).
26th Brazilian School of Probability. Community detection with maximum likelihood for the Stochastic Block Model. 2023. (Congresso).
Latin American and Caribbean Workshop on Mathematics and Gender.Statistical Inference for the Stochastic Block Model. 2022. (Oficina).
Simpósio Nacional de Probabilidade e Estatística.Detecção de pontos de mudança para a identificação de ilhas de homozigose. 2022. (Simpósio).
63rd ISI World Statistics Congress. Estimation and model selection for mixing graphical models. 2021. (Congresso).
Bernoulli IMS 10th World Congress in Statistics and Probability. Consistent change-point detection for general distributions. 2021. (Congresso).
VI Congresso Latinoamericano de Matemáticos. Structure recovery for partially observed discrete Markov random fields on graphs. 2021. (Congresso).
VII Encontro Baiano de Estatística.Detecção de estruturas de dependência em processos estocásticos. 2020. (Encontro).
32 Colóquio Brasileiro de Matemática. Aprendizagem estatística em alta dimensão. 2019. (Congresso).
Theory and Practice in Machine Learning and Computer Vision Workshop. ICERM.Change point detection for high-dimensional regression. 2019. (Oficina).
XV CLAPEM. Strong structure recovery for partially observed discrete Markov random fields on graphs. 2019. (Congresso).
CIMPA School and X Escuela Santaló.Some new results on the model selection problem for the Stochastic Block Model. 2018. (Encontro).
Internation Congress of Mathematicians ICM 2018. Statistical inference for sparse binary chains of unbounded memory. 2018. (Congresso).
Simpósio Nacional de Probabilidade e Estatística - SINAPE.Estatística para Dados em Alta Dimensão. 2018. (Simpósio).
Simpósio Nacional de Probabilidade e Estatística - SINAPE.Computationally efficient change point detection for high-dimensional regression. 2016. (Simpósio).
XX Escola Brasileira de Probabilidade. Neighborhood selection for discrete Markov random fields on graphs. 2016. (Congresso).
ISNPS Meeting 2015 "Bioscience, Medicine and novel Non-Parametric Methiethods".A Non-Parametric Test of Hypotheses for Random Graph Distributions and the Discrimination of EEG Brain Networks. 2015. (Encontro).
37th Conference on Stochastic Processes and Their Applications. Infinite and variable range models. 2014. (Congresso).
3rd Indo-Brazilian Symposium in Mathematics.The Smallest Maximizer Criterion for context tree selection. 2012. (Simpósio).
IV Congreso Latinoamericano de Matemáticos. Non-parametric inference for functionals of stochastic processes. 2012. (Congresso).
Simpósio Nacional de Probabilidade e Estatística (SINAPE).A variable range Markov random field model to find SNPs dependence windows. 2012. (Simpósio).
Workshop on chains and systems with interactions of variable length.A unifying approach of algorithms for context tree selection. 2011. (Oficina).
13a Escola Brasileira de Probabilidade. Context tree selection and linguistic rhythm retrieval from written texts. 2009. (Congresso).
Reunión Anual de la Unión Matemática Argentina.Pérdida de memoria para funciones aleatorias de cadenas de Markov y exponentes de Lyapunov. 2009. (Encontro).
Workshop projeto STIC AmSud.Modeling protein sequences using variable memory stochastic chains. 2009. (Oficina).
XI Congreso Latinoamericano de Probabilidad y Estadística Matemática (CLAPEM). Context tree selection: a unifying view. 2009. (Congresso).
12a Escola Brasileira de Probabilidade. How to tune the BIC to estimate probabilistic suffix trees. 2008. (Congresso).
5to Encuentro Regional de Probabilidad y Estadística Matemática.Random perturbations of stochastic chains with unbounded variable length memory. 2008. (Encontro).
First Indo-Brazilian Symposium in Mathematics. 2008. (Simpósio).
11a Escola Brasileira de Probabilidade. Rate of convergence of penalized likelihood contex tree estimators. 2007. (Congresso).
4to Encuentro Regional de Probabilidad y Estadística Matemática.Random perturbations of stochastic chains with unbounded variable length memory. 2007. (Encontro).
School and Workshop on Probability Theory and Applications ICTP/CNPq. Local and global estimation of context trees. Probabilistic Suffix Trees and Bayesian Information Criterion. 2007. (Congresso).
X Congreso Latinoamericano de Probabilidad y Estadística Matemática (CLAPEM). Rate of convergence of penalized likelihood context tree estimators. 2007. (Congresso).
3er Encuentro Regional de Probabilidad y Estadística Matemática.Exponential inequalities for empirical unbounded contexts trees. 2006. (Encontro).
Processos estocásticos aplicados à estatística espacial. 2006. (Oficina).
2do Encuentro Regional de Probabilidad y Estadística Matemática.Probabilistic forests and the rhythmic distinction between Brazilian and European Portuguese. 2005. (Encontro).
9a Escola Brasileira de Probabilidade. Using sparse probabilistic suffix trees in protein classification. 2005. (Congresso).
International Conference of the AB3C, X-meeting 2005. Probabilistic Tree Based Phylogenetics of Protein Families. 2005. (Congresso).
Probabilistic Phonology of Rhythm.Probabilistic forests associated to BP and EP. 2005. (Oficina).
Simpósio Brasileiro de Bioinformática, BSB 2005.Sequence Motif Identification and Protein Family Classification Using Probabilistic Trees. 2005. (Simpósio).
1er Encuentro Regional de Probabilidad y Estadística Matemática. 2004. (Encontro).
8va Escola Brasileira de Probabilidade. Use of sparse Markov transducers to retrieve rhythmic patterns in Brazilian and European Portuguese written texts. 2004. (Congresso).
1st International Conference on Bioinformatics and Computational Biology - ICoBiCoBi. 2003. (Congresso).

Organização de eventos

Total de organização de eventos (11)

LEONARDI, F.; Fontes, L.R.. XVI Congresso Latinoamericano de Probabilidade e Estatística Matemática. 2023. Congresso
LEONARDI, F.; Garcia, N. L.. Sessão temática "Inferência estatística para processos complexos". 2022. Outro
LEONARDI, F.; Rodríguez, D. ; Llop, P.. Sessão temática de Estatística Matemática no VI Congresso Latinoamericano de Matemáticos. 2021. Outro
LEONARDI, F.; Sued, M.. Sessão temática de Estatística na Reunión Anual de la Unión Matemática Argentina. 2020. Outro
LEONARDI, F.G.; Dias, R.. Sessão temática "Aprendizagem estatística em alta dimensão" - 32 Colóquio Brasileiro de Matemática. 2019. Outro
LEONARDI, F.G.. Sessão temática "Statistical Model Selection". 2019. (Outro).. . 0.
Branco, M. D. ; LEONARDI, F. ; Giampaoli, V. ; Harnik, S. B. ; Campos, A. ; Castro, T.. 2do Encontro da Pós-Graduação em Estatística do IME-USP. 2018. Outro
LEONARDI, F.; Gallo, A.. Sessão temática "Processos Estocásticos e Aplicações" - III Congresso Brasileiro de Jovens Pesquisadores em Matemática Pura, Aplicada e Estatística. 2018. Outro
Giampaoli, V. ; LEONARDI, F. ; Branco, M. D. ; Harnik, S. B.. 1ro Encontro da Pós-Graduação em Estatística do IME-USP. 2017. Outro
Galves, A. ; Garcia, J. ; Oliveira, R.I. ; LEONARDI, F.. Jorma's Razor 2 - Workshop on chains and systems with interactions of variable range. 2011. Congresso
LEONARDI, F.; Coletti, C. ; Garcia, J.. 6to Encontro Regional de Probabilidade e Estatística Matemática. 2009. Congresso

Lista de colaborações

Colaborações endôgenas (4)

Florencia Graciela Leonardi ⇔ Pablo Augusto Ferrari (2.0)
ARMENDÁRIZ, INÉS ; Ferrari, Pablo A. ; GROISMAN, Pablo ; Leonardi, Florencia. Finite Cycle Gibbs Measures on Permutations of $${{mathbb Z}^d}$$ Z d. Journal of Statistical Physics. v. 158, p. 1213-1233, 2015. Qualis: B1
Busch, Jorge R. ; Ferrari, Pablo A. ; Flesia, Ana Georgina ; Fraiman, Ricardo ; Grynberg, Sebastian P. ; Leonardi, Florencia. Testing statistical hypothesis on random trees and applications to the protein classification problem. The Annals of Applied Statistics. v. 3, p. 542-563, 2009. Qualis: A1

Florencia Graciela Leonardi ⇔ Junior Barrera (1.0)
BARRERA, Junior; CESAR JUNIOR, R. M. ; MARTINS JR, David Corrêa ; VÊNCIO, R Z ; MERINO, E F ; YAMAMOTO, M M ; LEONARDI, Florência G ; PEREIRA, C A B ; Obano, H. P.. Constructing probabilistic genetic networks of Plasmodium falciparum from dynamical expression signals of the intraerythrocytic development cycle. In:. Em: McConnell; Lin; Hurban. (Org.). Methods of Microarray Data Analysis V. 1ed. : Springer-Verlag. 2006.v. 5, p. 11-27.

Florencia Graciela Leonardi ⇔ Ricardo Zorzetto Nicoliello Vêncio (1.0)
BARRERA, Junior; CESAR JUNIOR, R. M. ; MARTINS JR, David Corrêa ; VÊNCIO, R Z ; MERINO, E F ; YAMAMOTO, M M ; LEONARDI, Florência G ; PEREIRA, C A B ; Obano, H. P.. Constructing probabilistic genetic networks of Plasmodium falciparum from dynamical expression signals of the intraerythrocytic development cycle. In:. Em: McConnell; Lin; Hurban. (Org.). Methods of Microarray Data Analysis V. 1ed. : Springer-Verlag. 2006.v. 5, p. 11-27.

Florencia Graciela Leonardi ⇔ Roberto Marcondes Cesar Junior (1.0)
BARRERA, Junior; CESAR JUNIOR, R. M. ; MARTINS JR, David Corrêa ; VÊNCIO, R Z ; MERINO, E F ; YAMAMOTO, M M ; LEONARDI, Florência G ; PEREIRA, C A B ; Obano, H. P.. Constructing probabilistic genetic networks of Plasmodium falciparum from dynamical expression signals of the intraerythrocytic development cycle. In:. Em: McConnell; Lin; Hurban. (Org.). Methods of Microarray Data Analysis V. 1ed. : Springer-Verlag. 2006.v. 5, p. 11-27.

(*) Relatório criado com produções desde 2000 até 2025
Data de processamento: 15/07/2025 19:07:02

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