Jalmar Manuel Farfán Carrasco

Pós-doutorado

Formação complementar

Idiomas

Áreas de atuação

Projetos de pesquisa

• 2024 - Atual

  Uma família de distribuições multivariadas a partir dos modelos linear generalizado com distribuição log-gama generalizada para o efeito aleatório na presença de erros de medida nas covariáveis., Descrição: Neste projeto de pesquisa iremos deduzir uma família de distribuições multivariadas a partir dos modelos linear generalizado com distribuição log-gama generalizada para o efeito aleatório na presença de erros de medida nas covariáveis. Os métodos de máxima verossimilhança e máxima pseudo-verossimilhança serão utilizados para encontrar estimadores adequados. Estudos de simulação via Monte Carlo serão realizados com o intuito de avaliar o comportamento assintótico dos estimadores de máxima e pseudo-verossimilhança. Estudaremos também, a sensibilidade dos estimadores de máxima e pseudo-verossimilhança sob a má especificação do efeito aleatório na presença de erros de medida. Técnicas de diagnóstico, tais como: resíduos e medidas de diagnostico como influência global, local e total serão abordado para verificar a qualidade de ajuste do modelo, identificar observações atípicas e influentes. Finalmente, disponibilizaremos uma libraria na plataforma computacional R que permitira aos usuários realizar analises de dados sob a proposta abordada.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Jalmar Manuel Farfan Carrasco - Coordenador / Cristian Villegas - Integrante / FABIO, LIZANDRA C. - Integrante / Victor Hugo Lachos Davila - Integrante / Vanessa Barros - Integrante.

• 2022 - Atual

  Modelo de regressão simplex multivariado: Inferência, diagnóstico e aplicações, Descrição: Em várias situações práticas, quer sejam experimentais ou observacionais, existe o interesse de investigar e modelar variáveis que representam proporção, taxas ou índices, ou seja, variáveis mensuráveis no intervalo (0, 1). Contudo, há exigência por modelos multivariados, tendo em vista que existem muitas variáveis com essas características a serem modeladas. Dito isso, o presente projeto tem em seu maior intuito e inovação estender o modelo de regressão simplex univariado para um modelo de regressão simplex multivariado utilizando o método de cópulas, realizar inferências via máxima verossimilhança, encontrar intervalos de confiança, testar hipóteses, estudo de simulação, método de diagnostico (resíduo) e aplicação a um conjunto de dados reais.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) . , Integrantes: Jalmar Manuel Farfan Carrasco - Coordenador / FABIO, LIZANDRA C. - Integrante / Lucas Santos Vieira - Integrante / Emerson Amaral Alves - Integrante / Vanessa Barros - Integrante.

• 2020 - 2021

  Ferramentas de diagnóstico no modelo logístico generalizado dependente do tempo, Descrição: Este projeto de pesquisa pretende estudar e implementar ferramentas de diagnóstico para o modelo de regressão GTDL. Iremos estudar uma análise de resíduos e técnicas de sensibilidade do modelo tais como: Influência local, local total e global. Mediante técnicas de simulação via Monte Carlo, realizaremos um estudo de simulação para: investigar a distribuição empírica dos resíduos propostos e estudar o desempenho das diferentes técnicas de análise de sensibilidade. Validaremos os resultados mediante a utilização de conjuntos de dados reais. Finalmente, pretendemos implementar uma livraria, na plataforma computacional R, com as diferentes técnicas de diagnóstico estudadas. A vantagem deste último objetivo é que a linguagem de programação R é de uso gratuito e amplamente utilizada nas diferentes áreas do conhecimento.. , Situação: Desativado; Natureza: Pesquisa. , Integrantes: Jalmar Manuel Farfan Carrasco - Coordenador / Luciano S. dos Santos - Integrante.

• 2019 - 2020

  Modelos lineares generalizados com efeito aleatório log-gama generalizada: Uma abordagem Bayesiana, Descrição: Neste projeto de pesquisa pretende estender a proposta de Fabio (2012) para a classe dos modelos lineares generalizados, em que o efeito aleatório segue a distribuição log-gama generalizado, sob uma abordagem Bayesiana. No contexto de inferência Bayesiana, todos os parâmetros do modelo, sejam fixos ou aleatórios, são considerados como variáveis aleatórias, conforme o conceito subjetivo de probabilidade, pela qual essa quantidade de incerteza existe sobre eles. Utilizando uma generalização do teorema de Bayes, informações a priori sobre os parâmetros são utilizadas em associação aos dados amostrais, possibilitando uma inferência a posteriori sobre aqueles. Técnicas como algoritmos de Amostrador de Gibbs e o algoritmo Metropolis Hastings serão utilizados mediante a ferramenta computacional R, WinBUGS e OpenBUGS. Finalmente, os resultados serão validados via estudos de simulação e conjuntos de dados existentes na literatura.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Jalmar Manuel Farfan Carrasco - Coordenador / Luciano S. dos Santos - Integrante.

• 2017 - 2018

  Modelo de regressão beta com erro de medida multiplicativo, Descrição: Em muitos problemas práticos estamos interessados em conhecer a relação entre a variável resposta, y, e a covariável, x. Em ocasiões é difícil, custoso, ou mesmo impossível de observar a variável x diretamente, mais alternativamente podemos observar a variável representada por w que é fácil de ser obtido. É comum na prática assumir uma relação aditiva entre a variável w e x, w = x + e, onde "e" é representa como o erro de medida. Esta suposição de aditividade pode ser inadequada em certas situações, por exemplo, quando a variável x é limitada no intervalo (0,1). Assim, em este trabalho propomos o modelo de regressão beta com erro multiplicativo, onde a variável medida com erro é limitada no intervalo (0,1), e assumimos que segue uma distribuição beta. Estudos de simulação são desenvolvidos com o intuito de investigar o comportamento assintótico dos estimadores. A técnica de máxima pseudo-verossimilhança é utilizada para encontrar estimadores ótimos. Algumas medidas de diagnostico são testadas e conjuntos de dados são utilizados para validar a metodologia proposta.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Jalmar Manuel Farfan Carrasco - Coordenador.

• 2014 - 2017

  Modelos de Regressão Beta e Birnbaum-Saunders com Erros de Medida, Descrição: Estudar o modelo de regressão Beta e Birbaum-Saunder com erros de medida. Técnicas de estimação e diagnostico são realizados sob o enfoque clásico e bayesiano.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Jalmar Manuel Farfan Carrasco - Coordenador / Silvia L. P. Ferrari - Integrante / Reinaldo B. Arellano-Valle - Integrante / Figueroa-Zuiga Jorge I. - Integrante / Lizandra Castilho Fabio - Integrante / Patricia Espinheira - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2014 - 2016

  Modelos de Regressão Beta com Erros de Medida: Correção de Viés e Inferência Bayesiana, Descrição: Neste projeto de pesquisa o modelo de regressão beta com erros de medida é estudada. Metodologias de análise de diagnostico e sensibilidade são de muita importância nos modelos de regressão, isto, com o intuito de verificar afastamentos sérios do modelo proposto. Utilizaremos métodos como análise de resíduos, análise de influência global e local. O método de calibração da regressão tem sido frequentemente utilizado por sua simplicidade computacional. Este fato motiva a propor neste projeto o desenvolvimento de técnicas de correção de viés para melhorar as estimativas obtidas pelo método de calibração da regressão. Pretende-se também abordar metodológicas bayesianas, como alternativa inferencial na classe dos modelos de regressão com erros de medida. Objetiva-se estudar o modelo de regressão beta com erros de medida na variável resposta e nas covariáveis conjuntamente.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Jalmar Manuel Farfan Carrasco - Coordenador / FERRARI, SILVIA L.P. - Integrante / ARELLANO-VALLE, REINALDO B. - Integrante / Figueroa-Zuiga Jorge I. - Integrante., Financiador(es): Universidade Federal da Bahia - Auxílio financeiro.