Possui Graduação em Estatística pela Universidade Federal do Espírito Santo (UFES), Mestrado em Estatística pela Universidade Federal de Pernambuco (UFPE), e Doutorado em Estatística pela Universidade de São Paulo (USP). Atualmente é professor/pesquisador na Universidade Federal do Rio Grande do Norte (UFRN). Atua como professor/pesquisador/orientador no Programa de Pós-graduação em Matemática Aplicada e Estatística da UFRN (PPGMAE). Autor do livro The Gradient Test: Another Likelihood-Based Test, publicado em 2016 pela Academic Press (Londres). É editor associado das revistas Applied Mathematical Modelling, American Journal of Mathematical and Management Sciences, REVSTAT-Statistical Journal, e Frontiers in Applied Mathematics and Statistics. Faz parte da Lista Stanford (edições 2021, 2022, 2023 e 2024) dos "Cientistas Mais Influentes do Mundo" na categoria "cientistas com maior impacto em um único ano recente" (https://topresearcherslist.com). A lista é elaborada e atualizada pela Elsevier em colaboração com pesquisadores da Universidade de Stanford. Desenvolve trabalhos em teoria assintótica de alta ordem, expansões de Edgeworth, modelos de regressão, modelos de mortalidade, e teoria de distribuições de probabilidade.
Modelo linear generalizado: Uma aplicação ao número de mortes por infarto do miocárdio
Nesta apresentação, a classe de Modelos Lineares
Generalizados (MLG) será brevemente introduzida de forma geral. Posteriormente,
aplicaremos essa classe de modelos na modelagem do número de mortes por infarto
do miocárdio. Mostraremos que tanto um MLG Poisson quanto um MLG Binomial podem
ser utilizados nessa análise. No entanto, é preciso considerar uma covariável
extra, denominada offset, no MLG Poisson; caso contrário, a análise não fará
sentido do ponto de vista prático.
Anfiteatro do CCET
Palestra 2 - 26/11/2025 14:01 - 15:00