Luís Philipe Craveiro Mendes

É mestrando e graduado em Estatística pela Universidade Federal do Rio de Janeiro (UFRJ) e pela Universidade Federal Fluminense (UFF), respectivamente. Atualmente é bolsista em um projeto de pesquisa na UFRJ realizando análises estatística o setor de seguros por meio do Laboratório de Matemática Aplicada (LabMA) da UFRJ. Foi bolsista por meio do Programa Institucional de Bolsas de Iniciação Científica (PIBIC) no projeto "Modelos bayesianos de defasagem polinomial com lag distribuído", orientado pelo professor Rafael Santos Erbisti. Além disso, participou dos projetos de extensão "Modelagem espacial bayesiana para análise de poluentes na cidade de São Paulo (SP)" e "Análise Entomológica para controle de vetores de arboviroses - NOSMOVE/Fiocruz" como bolsista da Pró-Reitoria de Extensão da UFF (PROEX UFF), também orientado, em ambos projetos, pelo professor Rafael Santos Erbisti.

Informações coletadas do Lattes em 27/10/2025

Acadêmico

Formação acadêmica

Mestrado em andamento em Estatística

2025 - Atual

Universidade Federal do Rio de Janeiro
Orientador: Mariane Branco Alves
Coorientador: Rafael Santos Erbisti. Bolsista do(a): Conselho Nacional de Desenvolvimento Científico e Tecnológico, CNPq, Brasil.

Graduação em Estatística

2021 - 2025

Universidade Federal Fluminense
Título: Modelos Lineares Dinâmicos de Defasagem Distribuída com Restrição Polinomial
Orientador: Rafael Santos Erbisti

Ensino Médio (2º grau)

2018 - 2020

Ciep 050 Pablo Neruda

Formação complementar

2023 - 2023

Análise Descritiva Espacial com o pacote geoBR. (Carga horária: 8h). , Universidade Federal Fluminense, UFF, Brasil.

2023 - 2023

Análise de Séries Temporais utilizando o pacote fable. (Carga horária: 8h). , Universidade Federal Fluminense, UFF, Brasil.

2022 - 2022

Microsoft Power BI Para Data Science, Versão 2.0. (Carga horária: 72h). , Data Science Academy, DS Academy, Brasil.

Áreas de atuação

Grande área: Ciências Exatas e da Terra / Área: Probabilidade e Estatística.

Participação em eventos

VIII Seminário Internacional de Estatística com R.Modelos Lineares Dinâmicos com Defasagem Polinomial de Lag Distribuído. 2024. (Seminário).

XXXIV Seminário de Iniciação Científica.Modelos Lineares Dinâmicos com Defasagem Polinomial de Lag Distribuído. 2024. (Seminário).

13ª Semana da Estatística da Universidade Federal Fluminense. Modelagem espacial bayesiana para análise de poluentes na cidade de São Paulo-SP. 2023. (Congresso).

16º Encontro Mineiro de Estatística. Modelagem espacial bayesiana para análise de poluentes na cidade de São Paulo-SP. 2023. (Congresso).

XV Encontro de Bolsistas de Extensão da UFF.XV Encontro de Bolsistas de Extensão da UFF. 2023. (Encontro).

An Introduction to Spatial Statistics with Applications to Disease Mapping. 2022. (Seminário).

Hackathon em Ciência de Dados. Hackathon em Ciência de Dados. 2022. (Olimpíada).

Produções bibliográficas

  • MENDES, L. P. C. ; ERBISTI, R. S. . MODELOS LINEARES DINAMICOS DE DEFASAGEM POLINOMIAL COM LAG DISTRIBUÍDO. In: Seminário Internacional de Estatística com R, 2024, Niterói - RJ. Revista do Seminário Internacional de Estatística com R.

  • MENDES, L. P. C. ; ERBISTI, R. S. . Modelos Lineares Dinâmicos com Defasagem Polinomial de Lag Distribuído. 2024. (Apresentação de Trabalho/Seminário).

  • MENDES, L. P. C. ; ERBISTI, R. S. . Modelos Lineares Dinâmicos com Defasagem Polinomial de Lag Distribuído. 2024. (Apresentação de Trabalho/Congresso).

  • MENDES, L. P. C. ; ERBISTI, R. S. . Modelagem espacial bayesiana para análise de poluentes na cidade de São Paulo-SP. 2023. (Apresentação de Trabalho/Congresso).

  • MENDES, L. P. C. ; ERBISTI, R. S. ; ALVES, M. B. . Modelagem espacial bayesiana para análise de poluentes na cidade de São Paulo-SP. 2023. (Apresentação de Trabalho/Congresso).

Outras produções

MENDES, L. P. C. ; ERBISTI, R. S. . Relatórios Entomológicos Automatizados no RMarkdown - NOSMOVE/Fiocruz. 2022.

Projetos de pesquisa

  • 2024 - Atual

    Modelagem Estatística para Seguros, Descrição: Atuo na análise estatística, mais especificamente para a construção e ajuste de tábuas de mortalidade, buscando otimizar previsões e análises de risco, bem como análise exploratória de dados e construção de relatórios. Essas informações são utilizadas para melhorar a precisão na avaliação da longevidade, acontecimento de sinistros e mortalidade de clientes de seguradoras, permitindo uma base mais robusta para decisões estratégicas e precificação no setor de seguros.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Luís Philipe Craveiro Mendes - Integrante / Mariane Branco Alves - Integrante / Viviana das Graças Ribeiro Lobo - Integrante / Thais Cristina Oliveira da Fonseca - Coordenador., Financiador(es): Fundação Coordenação de Projetos, Pesquisas e Estudos Tecnológicos - Bolsa.

  • 2023 - 2024

    Modelos bayesianos de defasagem polinomial com lag distribuído, Descrição: Modelos de defasagem polinomial com lag distribuíido (DPLDM) tem sido amplamente utilizados em vários campos, como finanças, economia, meio ambiente e engenharia. Em estudos ambientais, esses modelos são frequentemente aplicados para avaliar o impacto das concentrações de poluentes atmosféricos e variáveis meteorológicas em desfechos relacionados à área da saúde. Os DPLDM permitem a interpretção de impactos imediatos e defasados da influência do regressor sobre o desfecho, o que é particularmente útil para caracterizar o impacto total de efeitos persistentes ao longo do tempo. A especificão correta do modelo é essencial para identificar corretamente esses efeitos, especialmente em casos em que tipos sutis e não lineares de dependência temporal precisam ser identificados. No contexto bayesiano, tipicamente, utilizam-se métodos de aproximaçãoo, como Monte Carlo via Cadeias de Markov, para se obter aproximação da distribuição a posteriori conjunta das quantidades desconhecidas em modelos dinâmicos para desfechos que não seguem distribuição normal. No entanto, esses procedimentos podem ser proibitivos em termos computacionais, dependendo do tamanho dos dados e do número de parâmetros. Por outro lado, procedimentos de inferência sequencial, baseadas em geometria da informação, podem ser usados para incorporar defasagens polinomiais com lag distribuído em qualquer distribuição pertencente à família exponencial. Esses métodos são computacionalmente eficientes e permitem a estimação instantânea dos parâmetros. Neste trabalho, serão utilizados modelos dinâmicos generalizados para dados de contagem com inferência realizada em tempo real, incorporando defasagens polinomiais no lag distribuído e permitindo que os efeitos sejam estimados de maneira adequada.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Luís Philipe Craveiro Mendes - Integrante / Rafael Santos Erbisti - Coordenador / Mariane Branco Alves - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa.

Prêmios

2022

1º lugar no Hackathon em Ciências de Dados, Laboratório de Estatística da Universidade Federal Fluminense.

Histórico profissional

Experiência profissional

2024 - Atual

Universidade Federal do Rio de Janeiro

Vínculo: , Enquadramento Funcional:

2023 - Atual

Universidade Federal Fluminense

Vínculo: Bolsista, Enquadramento Funcional: Iniciação Científica

2023 - 2023

Universidade Federal Fluminense

Vínculo: Bolsista, Enquadramento Funcional: Extensão, Carga horária: 12

2022 - 2022

Universidade Federal Fluminense

Vínculo: Bolsista, Enquadramento Funcional: Extensão, Carga horária: 12