Licenciado em Matemática (2011) e mestre em Matemática Aplicada e Estatística (2014) pela Universidade Federal do Rio Grande do Norte (UFRN), possui doutorado em Estatística (2018) pela Universidade de São Paulo (USP). Atualmente, é Professor Adjunto C1 do Departamento de Estatística (DEST) da UFRN e líder da Base de Pesquisa em Métodos Estatísticos (BME), vinculada ao DEST/UFRN. Atua nas áreas de Probabilidade e Estatística, com ênfase em processos estocásticos, markovianos e não markovianos. Mais recentemente, também tem desenvolvido pesquisas voltadas à modelagem estatística de eventos climáticos extremos.
Inferência em Processos Estocásticos: Uma Breve Introdução
Processos estocásticos constituem uma importante
ferramenta para a modelagem estatística de fenômenos que evoluem no tempo
aleatoriamente. Nesta palestra, serão apresentados conceitos introdutórios
relacionados à inferência nesses modelos. Serão discutidos exemplos envolvendo
processos de Poisson e generalizações, abordando problemas como estimação de
parâmetros e avaliação de modelos. A partir de aplicações e simulações computacionais,
será ilustrado como técnicas de inferência permitem extrair informações sobre
mecanismos aleatórios a partir de suas trajetórias observadas.