O evento ocorrerá nos dias 14 e 15 de dezembro de 2023.

Legenda & Programa:

Conferências

Conferência A: Medindo Traço Latente nas mais diferentes Áreas do Conhecimento

Palestrante: Dalton Francisco de Andrade (UFSC)

Resumo: Nesta conferência serão apresentados os principais modelos da Teoria da Resposta ao Item (TRI), bem como os conceitos e a criação de medidas latentes usando essa teoria. As medidas geradas pela TRI levam em consideração a escala de medida de itens (ou questões) de uma prova ou de um questionário, usando toda a informação da resposta. Além disto, permitem que se faça uma interpretação dos níveis da medida. Proficiência do candidato em cada uma das quatro áreas avaliadas no ENEM e Infraestrutura Escolar são exemplos de medidas construídas pela TRI. O pacote mirt do R será apresentado.

Bio: Dalton Francisco de Andrade possui Graduação em Licenciatura em Matemática e Mestrado em Estatística pela Universidade de São Paulo e PhD in Biostatistics pela University of North Carolina at Chapel Hill, USA. Atualmente é professor titular da UFSC, com atuação em programas de pós-graduação dos Departamentos de Engenha-ria de Produção (PPGEP) e de Informática e Estatística (PPGMGA), Pesquisador Associ-ado da Fundação Vunesp e Consultor do Inep/Mec. Tem experiência na área de Proba-bilidade e Estatística, com ênfase em Análise de Dados, atuando principalmente nos seguintes temas: teoria da resposta ao item, avaliação educacional, modelos de variá-vel latente, dados longitudinais e modelos hierárquicos/multiníveis lineares e não-lineares.

Conferência B: Modelos de escore autorregressivo generalizado para variáveis duplamente limitadas

Palestrante: Renata Rojas Guerra (UFSM)

Resumo: Este trabalho aborda novos modelos de escore autorregressivo generalizado (GAS) para variáveis contínuas que assumem valores no intervalo unitário ou duplamente limitado. Para esse tipo de variável, a distribuição beta é a principal alternativa e, até o momento, é a única explorada sob a abordagem GAS. No entanto, esta distribuição nem sempre é a mais adequada para descrever o comportamento de variáveis unitárias e outras distribuições podem representar melhores alternativas. Neste contexto, a distribuição Kumaraswamy (Kw) se destaca para uma ampla gama de aplicações e pode ser utilizada para a proposta de num novo modelo GAS a partir da suposição de que seu quantil condicional é um parâmetro variante no tempo. Uma vez que o modelo beta GAS foi definido em termos de um parâmetro condicional de forma variante no tempo, esta proposta também é pioneira na abordagem do quantil condicional para séries temporais duplamente limitadas a partir da especificação GAS. Esta proposta mostrou-se adequada para a modelagem de onze reservatórios de água do subsistema Sudeste/Centro-Oeste de usinas hidrelétricas brasileiras, fornecendo melhores ajustes que o modelo beta-GAS. Assim, sob a hipótese de que outras distribuições possuem potencial para superar a beta, novos modelos dinâmicos podem ser introduzidos para modelar dados duplamente limitados sob a estrutura GAS.

Bio: Graduada em Ciências Econômicas (2013) e mestre em Engenharia de Produção (2015) pela Universidade Federal de Santa Maria (UFSM). É doutora em Estatística pelo Programa de Pós-graduação em Estatística da Universidade Federal de Pernambuco (2017) e possui pós-doutorado no Laboratório de Telecomunicações e Sensoriamento Remoto na Universitá di Pavia, na Itália (2023). É Professora Adjunta da UFSM. Em 2023 recebeu o Prêmio ISI Jan Tinbergen Awards Winners - Division A e foi selecionada na 6 Chamada Pública de Apoio à Ciência do Instituto Serrapilheira na área de Matemática. Possui interesse nas áreas de análise de sobrevivência, econometria, teoria de distribuições, processamento estatístico de imagens/sinais e modelos para variáveis duplamente limitadas. Também é uma das coordenadoras do projeto StatUFSM, que tem como objetivo divulgar a ciência estatística ao alcance de todos por meio de plataformas digitais.

Conferência C: “Frequência anotada, mas o cérebro faltou!”

Palestrante: Marcos Nascimento Magalhães (IME-USP)

Resumo: Em muitas situações, as aulas de Estatística transformam-se em listagem de procedimentos. As aulas podem ser muito mais que isso. Não há dúvida que procedimentos precisam ser conhecidos em Estatística, entretanto, a excessiva prioridade a eles, em detrimento de reflexões conceituais, leva os estudantes a perderem o senso crítico e a autonomia para enfrentar novas situações. Nessa apresentação, vamos discutir algumas iniciativas para melhorar a compreensão conceitual dos estudantes, em disciplinas iniciais de Estatística na graduação e, dessa forma, também poder registrar a frequência dos seus respectivos cérebros."

Bio: Marcos Nascimento Magalhães é professor do Departamento de Estatística do Instituto de Matemática e Estatística da Universidade de São Paulo (IME-USP). Licenciado e Mestre em Estatística pelo IME-USP e Doutor em Engenharia Industrial e Pesquisa Operacional pela Virginia Polytechnic Institute and State University, Virginia, EUA. Sua área de pesquisa é Probabilidade Aplicada e Educação Estatística. Autor dos best-sellers “Noções de Probabilidade e Estatística” e “Probabilidade e Variáveis Aleatórias”.

Miniconferências:

Miniconferência 1: Métodos de machine learning aplicados na área de Saúde Mental

Palestrante: Mariana Urbano (UEL)

Resumo: Nas últimas décadas houve um aumento no diagnóstico de doenças relacionadas à saúde mental, como por exemplo depressão e bipolaridade. Essas doenças mentais, assim como outras estão associadas a tentativas de suicídio, e de suicídio efetivamente. De acordo com a OMS, 700 mil suicídios ocorrem anualmente, o que representa uma em cada 100 mortes registradas. Será apresentado um algoritmo para classificar os dados de “tentativa de suicídio” desenvolvido com base em escalas usadas na área de psiquiatria e em exames laboratoriais. Os dados utilizados foram coletados no Hospital Universitário de Londrina (HU-UEL). A pesquisa está em andamento, e um dos maiores objetivos é divulgar os resultados para que possam ser criados meios de prevenção para as tentativas de suicídio, principalmente para pessoas com diagnóstico de depressão e bipolaridade.

Bio: Possui graduação em Estatística pela Universidade Estadual Paulista Júlio de Mesquita Filho (2006), mestrado em Agronomia (Estatística e Experimentação Agronômica) pela Universidade de São Paulo (2008) e doutorado em Agronomia (Estatística e Experimentação Agronômica) pela Universidade de São Paulo (2012) com período sanduíche na National University of Ireland. Desde 2012 é docente da Universidade Estadual de Londrina (UEL). Atualmente é coordenadora da Especialização em Estatística com ênfase em Pesquisa Quantitativa da UEL, membro do corpo docente permanente do Programa de Mestrado e Doutorado Associado UEL/UEM em Arquitetura e Urbanismo e do Programa de Pós-Graduação em Matemática Aplicada e Computacional da UEL. Foi Coordenadora Geral, Coordenadora da Comissão Avaliadora e Vice-Coordenadora da Comissão Científica da 67ª RBras e 20º SEAGRO realizados em Londrina, em 2023, é Vice-Coordenadora da 68ª RBras que irá ocorrer em 2024 em Piracicaba e administradora da página do instagram @rbras2024 (com mais de 1400 seguidores).

Miniconferência 2: Estatística e Ciência de Dados aplicadas à Saúde Pública de Precisão

Palestrante: Hellen Geremias dos Santos (Fiocruz/PR)

Resumo: A Fundação Oswaldo Cruz (Fiocruz) é uma instituição de ciência e tecnologia em saúde, vinculada ao Ministério da Saúde, com a missão fortalecer e consolidar o Sistema Único de Saúde (SUS). O Instituto Carlos Chagas (ICC) é a unidade técnico-científica regional da Fiocruz no Paraná. Suas áreas de atuação incluem a pesquisa de novos medicamentos, vacinas e métodos de diagnóstico, e a formação de profissionais nas áreas de biociências e biotecnologia. Em 2022, o ICC, em parceria com o Instituto de Tecnologia do Paraná e o Instituto de Biologia Molecular do Paraná, inaugurou o Centro de Saúde Pública de Precisão (CSPP), com o objetivo de realizar testes moleculares de análise de DNA, como o sequenciamento e análise de exomas e genomas completos, a fim de contribuir com profissionais de saúde no diagnóstico precoce e tratamento personalizado de pacientes do SUS portadores de doenças de causa genética sem diagnóstico conclusivo, e com pesquisas dedicadas à caracterização genômica de doenças e da diversidade genética da população brasileira. Para atingir o seu propósito, tal iniciativa depende da atuação conjunta de diferentes áreas do conhecimento, como Medicina, Bioinformática, Estatística e Ciência de Dados, na proposição de metodologias para o pré-processamento e análise de dados genômicos, implementação de algoritmos, e interpretação dos resultados. Irei apresentar alguns projetos em andamento, vinculados ao CSPP, e características e desafios dos dados genômicos correspondentes no contexto da Estatística e Ciência de Dados.

Bio: Hellen é Pesquisadora em Saúde Pública no Instituto Carlos Chagas na área de estatística aplicada a dados biológicos e de saúde e membro do Núcleo de Ciência Aberta desta instituição. Trabalha com modelos preditivos de diagnóstico e prognóstico em saúde pública e medicina e com metodologias estatísticas aplicadas à análise de dados genômicos. É graduada em Estatística pela Universidade Estadual de Maringá, Enfermeira e Mestre em Saúde Coletiva pela Universidade Estadual de Londrina e Doutora em Epidemiologia pela Faculdade de Saúde Pública da Universidade de São Paulo (USP). Atualmente, está cursando o Doutorado em Estatística no Programa Interinstitucional da Universidade Federal de São Carlos e USP.

Miniconferência 3: Padrões escondidos em doenças: a histórias dos RNAs perdidos

Palestrante: Deisy Morselli Gysi (UFPR)

Resumo: Os RNAs não codificantes (ncRNA) foram negligenciados pela ciência durante muito tempo. Com a publicação do Projeto Genoma Humano em 2001 cientistas percebem que temos muito menos genes do que o esperado e temos uma imensa quantidade de ncRNAs. Embora eles passaram a serem muito mais estudados, e inclusive associados à diversas doenças, seu papel no mecanismo que leva a ocorrência de doenças ainda era incerto. Recentemente, a inclusão das interações mediadas por esses elementos em redes de interações gênicas trouxe avanços significativos. Essa abordagem não apenas amplia os módulos de doenças, mas também aprimora sua relevância. Além de otimizar a detecção de associações entre genes e doenças, a incorporação de ncRNAs aprimora a previsão de comorbidades, apresentando potenciais aplicações em programas preventivos de medicina de precisão.

Bio: Deisy Morselli Gysi é graduada em Biotecnologia (PUC-PR) e em Estatística (UFPR), e possui doutorado direto pela Leipzig University, Alemanha. Foi pesquisadora associada no BarabasiLab (Northeastern University, Boston-MA), onde contribuiu para a descoberta de biomarcadores de doenças complexas, com foco nas interações mediadas por ncRNA. Durante a pandemia da COVID-19, Deisy trabalhou com sucesso na identificação de fármacos que poderiam ser utilizados em tratamentos medicamentosos contra a doença. Atualmente é professora do Departamento de Estatística da UFPR e se destaca por sua relevante e interdisciplinar produção científica. Tem atuado ativamente na área de Medicina de Precisão, onde busca integrar técnicas de Ciência de Redes e Aprendizado de Máquina no desenvolvimento de pesquisas de alto nível. Deisy é apaixonada por personalização de tratamentos, e tem particular interesse no aprimoramento das metodologias de diagnóstico na área de saúde.

Miniconferência 4: Método de agrupamento com inferência estatística

Palestrante: Marcio Valk (UFRGS)

Resumo: A inferência para agrupamento ou clustering é fundamental para descobrir a estrutura de grupos inerente aos dados. Métodos de agrupamento que avaliam significância estatística têm chamado recentemente a atenção devido à sua importância para a identificação de padrões em dados de alta dimensão com aplicações em diversos campos científicos. Apresentamos aqui uma abordagem baseada em U-estatísticas, especialmente adaptada para dados de alta dimensão, que agrupa os dados em grupos enquanto avalia a significância estatística (p-valor) de tais partições. Essa metodologia não paramétrica depende de poucas suposições sobre os dados e, portanto, pode ser aplicado a uma ampla gama de conjuntos de dados. Nessa palestra pretendemos apresentar o problema, divulgar alguns avanções nessa área e mostrar algumas questões em aberto que direcionam a nossa pesquisa.

Bio: Professor Marcio Valk, Doutor em Estatística pela Universidade Estadual de Campinas - UNICAMP (2011), Mestre em Matemática com ênfase em Probabilidade e Estatística pela Universidade Federal do Rio Grande do Sul (2007), Bacharel em Matemática pela Universidade Federal do Rio Grande do Sul (2005).  Atualmente é Professor Associado, lotado no Departamento de Estatística do Instituto de Matemática e Estatística da UFRGS e é membro permanente do Programa de Pós-Graduação em Estatística da Universidade Federal do Rio Grande do Sul.

STG - Sessão de Trabalhos de Graduação

• chen: Um pacote em R para o ajuste e diagnóstico dos modelos Chen. Arthur Farias Zaneti (UFSM). Resumo;

• StatUFSM em Ação: o desenvolvimento de ações de extensão por meio das redes sociais. Beatriz Woos Buffon (UFSM). Resumo;

• Modelagem bayesiana espaço-temporal da taxa de mortalidade feminina no estado Paraná- Brasil. Elisangela Ap. da Silva Lizzi (UTFPR). Resumo;

• Distribuição Marshall-Olking Chen Unitária. Leonardo Prior Migliorini (UFSM). Resumo;

• Viés de amostragem nas análises filogeográficas. Vitória Silva Garcia (UFRGS). Resumo;

SPG - Sessão de Trabalhos de Pós-Graduação

• voice: easier audio analysis for digital phenotyping. Filipe J. Zabala (UFRGS). Resumo;

• Classificação de genes associados ao câncer de mama utilizando métodos de machine learning. Glaucia Maria Bressan (UTFPR). Resumo;

• Distribuição e Modelo de Regressão Quantílica Weilbull Modificada Unitária. João Inácio Scrimini (UFSM). Resumo;

• Seleção de ordem em modelos GARMA: uma perspectiva bayesiana. Katerine Zuniga Lastra (UFRGS). Resumo;

• Can open-source Large Language Models replace GPT-4 in the text-to-SQL task? - Ruanitto Roberto Docini (UFPR). Resumo;

Sessão Temática Programas de Pós-Graduação

• Wagner Bonat (UFPR): Pós-Graduação em Métodos Numéricos em Engenharia (PPGMNE - UFPR). Linha: Métodos Estatísticos;

• Simone Werner (UFSC): Programas de Pós-Graduação com atuação do Departamento de Informática e Estatística - INE - CTC-UFSC;

• Miguel Opazo (UNIOESTE): Programa de Pós-Graduação em Engenharia Agrícola (PGEAGRI-UNIOESTE). Linha: Estatística Espacial, Geoprocesamento e Agricultura de Precisão;

• Diogo Rossoni (UEM): Programa de Pós-Graduação em Bioestatística (PBE-UEM);

• Silvana Schneider (UFRGS): Programa de Pós-Graduação em Estatística (PPGEst-UFRGS).

Wagner Bonat possui graduação em Estatística pela Universidade Federal do Paraná (2008), mestrado em Métodos Numéricos em Engenharia pela Universidade Federal do Paraná (2010) e doutorado em PhD Mathematics and Computer Science - University of Southern Denmark (2016). Atualmente é professor adjunto da Universidade Federal do Paraná. Tem experiência na área de Probabilidade e Estatística, com ênfase em Probabilidade e Estatística, atuando principalmente nos seguintes temas: modelos multivariados, funções de estimação, máxima verossimilhança, estatística espacial e sofware R.

Simone Werner é graduada em Matemática (licenciatura) pela Universidade Estadual do Oeste do Paraná (2007), em Ciências Biológicas/ Biotecnologia pela Universidade Paranaense (2006) e em Estatística pela Universidade Anhembi Morumbi (2022). Doutora em Ciências (área de concentração: Estatística e Experimentação Agronômica) pela Universidade de São Paulo (2013). No período de 12/2012 - 03/2014 atuou como pesquisadora da Fundação de Apoio à Pesquisa e ao Desenvolvimento do Agronegócio - PR e de 04/2014 - 03/2022 integrou a equipe de pesquisa da Empresa de Pesquisa Agropecuária e Extensão Rural de Santa Catarina - Epagri, atuando no planejamento de experimentos e análise de dados. Desde 04/2022 é professora do magistério superior na Universidade Federal de Santa Catarina desenvolvendo atividades de ensino, pesquisa e extensão. Tem interesse nas áreas de estatística e probabilidade aplicadas, aprendizado estatístico, modelos mistos e análise multivariada.

Miguel Angel Uribe Opazo possui Bacharelado e Licenciatura em Estatística pela Universidad Nacional Mayor de San Marcos-UNMSM, Lima - Perú, Mestrado em Estatística pela Universidade Estadual de Campinas-UNICAMP, SP-Brasil, Doutorado em Estatística pelo Instituto de Matemática e Estatística da Universidade de São Paulo-IME/USP, SP - Brasil e Pós-doutorado no Departamento de Estatística da Pontifícia Universidad Católica de Chile, Santiago-Chile. Atualmente é professor associado da Universidade Estadual do Oeste do Paraná-UNIOESTE, Campus de Cascavel-Paraná-Brasil, com experiências nas áreas de Estatística Espacial, Métodos e Modelagem Estatístico e Agricultura de Precisão. Atua como Professor Permanente no Programa de Pós-graduação de Engenharia Agrícola - PGEAGRI, sendo um de seus idealizadores. Foi Professor Permanente do Programa de Pós-graduação em Desenvolvimento Regional e Agronegócio-PGDRA. Participa como avaliador de projetos de pesquisas em órgãos de fomentos (CNPq, CAPES, FAPESP, FAPEMAT, FACEPE, FUNDECT e Fundação Araucária), Consultor Ad hoc em revistas científicas nacionais e internacionais, Consultor Ad hoc na área de Análise Quantitativa e Econômica de Dados da Secretaria Agropecuária do Ministério de Agricultura, Pecuária e Abastecimento (SDA/MAPA) no período 2020-2024. Coordenador de projetos de pesquisas científicas-tecnológicas e projetos de extensão, financiados por órgãos de fomentos (CNPq, CAPES, Fundação Araucária, FINEP e PNDU). Participa como líder do Grupo de Pesquisa de Geoestatística Aplicada/ UNIOESTE, cadastrado em CNPq. Foi Diretor do Núcleo de Inovações Tecnológicas-NIT da Universidade Estadual do Oeste do Paraná. Foi Coordenador do Programa de Pós-Graduação em Engenharia Agrícola Mestrado/Doutorado - PGEAGRI/UNIOESTE Campus Cascavel, nos períodos 2004-2006, 2012-2014 e 2016-2017. Atuou como Professor Visitante no Programa de Doutorado em Estatística da Universidad de Valparaíso-Chile, na área de Estatística Espacial. Coordenador do Laboratório de Estatística Espacial - LEE/UNIOESTE, sendo que a partir do ano 2020 o LEE/UNIOESTE consolidou-se no cenário internacional como membro permanente da Network do Laboratory for Interdisciplinary Statistical Analysis-LISA2020 da University of Colorado Boulder/USA. Membro Eleito do International Statistical Istitute-ISI desde 2021. Foi bolsista de Produtividade Científica da Fundação Araucária do Paraná no período 2008-2009. É Bolsista de Produtividade Científica-CNPq, desde o ano 2010. Orientação e Co-orientação de alunos de mestrado e doutorado.

Diogo Rossoni é graduado em Matemática pela Universidade Estadual do Oeste do Paraná - UNIOESTE. Especialista em Matemática e Estatística pela Universidade Federal de Lavras - UFLA. Mestre e Doutor em Estatística e Experimentação Agropecuária pela Universidade Federal de Lavras - UFLA. Foi membro do Conselho deliberativo da Fundação de Apoio ao Ensino, Pesquisa e Extensão - FAEPE, no período de 2010 a 2012. Foi membro/coordenador da Associação de Pós-graduandos da UFLA no período de 2009 a 2012, sendo Presidente no ano de 2011. Foi membro do Comitê Permanente de Ética em Pesquisa Envolvendo Seres Humanos - COPEP/UEM de 2013 a 2016. Foi membro do Comitê de enfrentamento à Covid-19 na Universidade Estadual de Maringá durante o ano de 2022. Foi coordenador adjunto do programa de pós-graduação (mestrado) em Engenharia de Alimentos da Universidade Estadual de Maringá - UEM, no período de 2016 a 2019. Foi coordenador do programa de pós-graduação em Bioestatística da Universidade Estadual de Maringá - UEM, no período de 2019 a 2022. Membro do Conselho Superior da Fundação de Apoio ao Desenvolvimento Científico - FADEC. Atualmente é professor Associado no Departamento de Estatística - DES e Diretor Adjunto do Centro de Ciências Exatas - CCE (2022 - atual). Orientador em nível de pós-graduação (mestrado) nos programas de Bioestatística e Engenharia de Alimentos, além de lecionar no programa de Zootecnia (mestrado/doutorado). Principais áreas de interesse: Estatística Espacial, Geoestatística, Estatística Experimental, Modelos não-lineares, Otimização de Experimentos, Bootstrap e Métodos computacionais intensivos.

Silvana Schneider é professora do Instituto de Matemática e Estatística da Universidade Federal do Rio Grande do Sul. Possui graduação em Estatística pela Universidade Federal do Rio Grande do Sul (UFRGS, 2010), mestrado e doutorado em Estatística pela Universidade Federal de Minas Gerais (UFMG, 2013 e 2017, respectivamente). Tem experiência na área de Análise de Sobrevivência, atuando principalmente nos seguintes temas: censura dependente, riscos competitivos, eventos recorrentes, modelos inflacionadas de zeros e modelos de fração de cura.

Mesa Redonda

Diogo Rossoni é Graduado em Matemática pela Universidade Estadual do Oeste do Paraná - UNIOESTE. Especialista em Matemática e Estatística pela Universidade Federal de Lavras - UFLA. Mestre e Doutor em Estatística e Experimentação Agropecuária pela Universidade Federal de Lavras - UFLA. Foi membro do Conselho deliberativo da Fundação de Apoio ao Ensino, Pesquisa e Extensão - FAEPE, no período de 2010 a 2012. Foi membro/coordenador da Associação de Pós-graduandos da UFLA no período de 2009 a 2012, sendo Presidente no ano de 2011. Foi membro do Comitê Permanente de Ética em Pesquisa Envolvendo Seres Humanos - COPEP/UEM de 2013 a 2016. Foi membro do Comitê de enfrentamento à Covid-19 na Universidade Estadual de Maringá durante o ano de 2022. Foi coordenador adjunto do programa de pós-graduação (mestrado) em Engenharia de Alimentos da Universidade Estadual de Maringá - UEM, no período de 2016 a 2019. Foi coordenador do programa de pós-graduação em Bioestatística da Universidade Estadual de Maringá - UEM, no período de 2019 a 2022. Membro do Conselho Superior da Fundação de Apoio ao Desenvolvimento Científico - FADEC. Atualmente é professor Associado no Departamento de Estatística - DES e Diretor Adjunto do Centro de Ciências Exatas - CCE (2022 - atual). Orientador em nível de pós-graduação (mestrado) nos programas de Bioestatística e Engenharia de Alimentos, além de lecionar no programa de Zootecnia (mestrado/doutorado).

Fabio Bayer é Professor do Departamento de Estatística da UFSM, pesquisador do Laboratório de Ciências Espaciais de Santa Maria (LACESM/CRS/INPE), professor permanente do Programa de Pós-graduação em Estatística da UFRGS e do Programa de Pós-graduação em Engenharia de Produção da UFSM. No biênio 2017-2019 foi membro do Comitê de Assessoramento da área de Ciências Exatas da FAPERGS e em 2019 foi Pesquisador Visitante junto ao Telecommunications and Remote Sensing Laboratory, Pavia, Itália. Atualmente é membro titular (eleito) do Conselho Diretor da Associação Brasileira de Estatística (2022-2026), Coordenador do Comitê Assessor da Matemática e Estatística da FAPERGS (2022-2024) e Associate Editor do prestigioso IEEE Transactions on Geoscience and Remote Sensing. Possui ativa atuação da formação de recursos humanos, com vários alunos premiados por diferentes sociedades científicas.

Coquetel & SPO

Duranta a Sessão de Pôster (14/12) será servido um Coquetel para todos os participantes.