Departamento de Matemática Aplicada e Estatística

Ricardo Sandes Ehlers

Professor Doutor na Universidade de São Paulo em São Carlos, Instituto de Ciências Matemáticas e de Computação (ICMC). Participa do programa interinstituicional de pós-graduação em Estatística (PIPGEs) e programa de Mestrado Profissional em Matemática, Estatística e Computação Aplicados à Indústria (MECAI). Foi coordenador do programa interinstituicional de pós-graduação em Estatística (2019-2021), secretário do ISBRA capítulo Brasileiro do ISBA (2019-2020) e Presidente do ISBRA (2021-2022). Membro eleito do conselho da Latin American Regional Section of the International Association for Statistical Computing IASC-ISI (2021-2024). Informações para análise de mérito e competência em ciência e tecnologia. Mais informações em: https://sites.icmc.usp.br/ehlers

http://lattes.cnpq.br/4020997206928882 (07022023)

Rótulo/Grupo:

Bolsa CNPq:

Período de análise: 2009-HOJE

Endereço: . . . CEP - , -

Grande área: [sem-grandeArea]

Área: [sem-area]

Citações: Google Acadêmico

Produção bibliográfica

Artigos completos publicados em periódicos (14)
1. EHLERS, R. S.. Comparison of Bayesian Models for Production Efficiency. Journal of Applied Statistics. v. 38, p. 2433-2443, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. EHLERS, R. S.. Computational Tools for Comparing Asymmetric GARCH Models via Bayes Factors. Mathematics and Computers in Simulation (Print). v. 82, p. 858-867, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. MESSIAS, V. R.; ESTRELLA, J. C.; EHLERS, R. S.; REIFF-MARGANIEC, S.. Combining time series prediction models using genetic algorithm to autoscaling Web applications hosted in the cloud infrastructure. Neural Computing & Applications (Print). v. 1, p. 1-24, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. HARTMANN, M.; Ehlers, Ricardo S.. Bayesian Inference for Generalized Extreme Value Distributions via Hamiltonian Monte Carlo. COMMUNICATIONS IN STATISTICS-SIMULATION AND COMPUTATION. v. 46, p. 5285-5302, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. SILVEIRA DE ANDRADE, BRENO; ANDRADE, MARINHO G.; Ehlers, Ricardo S.. Bayesian GARMA models for count data. Communications in Statistics: Case Studies, Data Analysis and Applications. v. 1, p. 192-205, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. GUSMAO, F. R. S.; TOMAZELLA, V. L. D.; EHLERS, R. S.. Bayesian Estimation of the Kumaraswamy InverseWeibull Distribution. JOURNAL OF STATISTICAL THEORY AND APPLICATIONS. v. 16, p. 248-260, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. ZEVALLOS, M.; GASCO, L.; EHLERS, R. S.. Riemann Manifold Langevin Methods on Stochastic Volatility Estimation. COMMUNICATIONS IN STATISTICS-SIMULATION AND COMPUTATION. v. 46, p. 7942-7956, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
8. EHLERS, R. S.. A Study of Skewed Heavy-tailed Distributions as Scale Mixtures. AMERICAN JOURNAL OF MATHEMATICAL AND MANAGEMENT SCIENCES. v. 34, p. 40-, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
9. EHLERS, RICARDO; ZEVALLOS, MAURICIO. Bayesian Estimation and Prediction of Stochastic Volatility Models via INLA. COMMUNICATIONS IN STATISTICS-SIMULATION AND COMPUTATION. v. 44, p. 140404110215006-693, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
10. SHIMIZU, T. K. O.; LOUZADA NETO, F.; SUZUKI, A. K.; EHLERS, R. S.. Modeling Compositional Regression With Uncorrelated and Correlated Errors: A Bayesian Approach. JOURNAL OF DATA SCIENCE (ONLINE). v. 16, p. 221-250, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
11. FERREIRA, PAULO H.; RAMOS, EDUARDO; RAMOS, PEDRO L.; GONZALES, JHON F.B.; TOMAZELLA, VERA L.D.; EHLERS, RICARDO S.; SILVA, EVELINY B.; LOUZADA, FRANCISCO. Objective Bayesian analysis for the Lomax distribution. STATISTICS & PROBABILITY LETTERS. v. 159, p. 108677-, 2020.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
12. ALMEIDA, MARCO POLLO; PAIXÃO, RAFAEL S.; RAMOS, PEDRO L.; TOMAZELLA, V. L. D.; Louzada, F.; EHLERS, RICARDO S.. Bayesian non-parametric frailty model for dependent competing risks in a repairable systems framework. RELIABILITY ENGINEERING & SYSTEM SAFETY. v. 204, p. 107145-, 2020.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
13. DANILEVICZ, IAN M.; Ehlers, Ricardo S.. Bayesian influence diagnostics using normalized functional Bregman divergence. COMMUNICATIONS IN STATISTICS-THEORY AND METHODS. v. 51, p. 1637-1652, 2022.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
14. FIORUCI, JOSÉ A.; EHLERS, RICARDO S.; ANDRADE FILHO, MARINHO G.. Bayesian multivariate GARCH models with dynamic correlations and asymmetric error distributions. Journal of Applied Statistics. v. 41, p. 320-331, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Livros publicados/organizados ou edições (0)
Capítulos de livros publicados (1)
1. Paz, Rosineide F. da; Ehlers, Ricardo S.; Bazán, Jorge L.. A Weibull Mixture Model for the Votes of a Brazilian Political Party. Em: Springer Proceedings in Mathematics & Statistics. 1 ed. : Springer International Publishing. 2015.p. 229-241.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Textos em jornais de notícias/revistas (0)
Trabalhos completos publicados em anais de congressos (2)
1. MESSIAS, V. R.; ESTRELLA, J. C.; EHLERS, R. S.. Optimal Cloud Resource Allocation by Means of the Analytic Hierarchy Process. Em: XLI Latin American Computing Conference (CLEI), p. 111-122, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. MESSIAS, VALTER ROGÉRIO; ESTRELLA, JULIO CEZAR; EHLERS, RICARDO. Efficient Resource Allocation for Web Applications Hosted in the Cloud by means of Weighted Multi-objective Linear Programming. Em: the 21st Brazilian Symposium, p. 57-, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Resumos expandidos publicados em anais de congressos (0)
Resumos publicados em anais de congressos (11)
1. PAZ, R. F.; BAZAN, J. L.; EHLERS, R. S.. Modeling the votes of Brazilian political party through a Bayesian statistical model. Em: 12th Brazilian Meeting on Bayesian Statistics, v. 1, n. 1, p. 86-86, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. XAVIER, C. M.; EHLERS, RICARDO S.. A study Hamiltonian Monte Carlo methods in univariate GARCH models. Em: 5th Workshop on Probabilistic and Statistical Methods, p. -, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. DANILEVICZ, I. M.; EHLERS, RICARDO S.; DIAS, D. S.. Outlier identification in spatial models. Em: 5th Workshop on Probabilistic and Statistical Methods, p. -, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. PAIXAO, R. S.; EHLERS, RICARDO S.. Bayesian Inference for GJR-GARCH models via Hamiltonian Monte Carlo. Em: 5th Workshop on Probabilistic and Statistical Methods, p. -, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. PAIXAO, R. S.; EHLERS, RICARDO S.. Comparing Multivariate GARCH-DCC Models using Hamiltonian Monte Carlo methods and Stan. Em: Simpósio Nacional de Probabilidade e Estatística, p. -, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. Andrade, M. G.; EHLERS, RICARDO S.; ANDRADE, B. S.; LESKOW, J.. Bayesian GARMA Models for Counting Data and Moving Block Quantile Residual Bootstrap. Em: Simpósio Nacional de Probabilidade e Estatística, p. -, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. Ehlers, Ricardo S.. Hamiltonian Monte Carlo methods in financial time series. Em: 23o SINAPE, p. -, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
8. Ehlers, Ricardo S.. Hamiltonian Monte Carlo Methods in Bayesian Computation. Em: 23o SINAPE, p. -, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
9. PAIXAO, R. S.; Ehlers, Ricardo S.. Zero Variance and Hamiltonian Monte Carlo Methods in GARCH Models. Em: ISBA World Meeting, p. -, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
10. Ehlers, Ricardo S.. A Conway-Maxwell-Poisson GARMA Model for Count Time Series Data. Em: XV Brazilian Meeting of Bayesian Statistics, v. 1, p. 9-9, 2020.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
11. Ehlers, Ricardo S.; DIAS, D. S.. Stochastic Volatility Models using Hamiltonian Monte Carlo Methods and Stan. Em: VI Latin American Meeting on Bayesian Statistics, p. 71-71, 2019.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Artigos aceitos para publicação (1)
1. BRITO, E. S.; FERREIRA, P. H.; TOMAZELLA, V. L. D.; MARTINS, D.; Ehlers, R.S.. Inference methods for the Very Flexible Weibull distribution based on progressive type-II censoring. COMMUNICATIONS IN STATISTICS-SIMULATION AND COMPUTATION. p. -, 2023.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Apresentações de trabalho (26)
1. EHLERS, R. S.. Inferencia Bayesiana e Metodos de Monte Carlo via Cadeias de Markov. 2009. II Workshop de Matematica Computacional, Estatistica e Computaçao. (Conferencia)
2. EHLERS, R. S.; FERREIRA, M. A. R.. Exploring Large Regression Model Spaces via Transdimensional Genetic Algorithms. 2009. XI Escola de Modelos de Regressao. (Comunicacao)
3. EHLERS, R. S.; FERREIRA, M. A. R.. Exploring Large regression Model Spaces via Transdimensional Genetic Algorithms. 2009. Ciclo de Palestras do Programa de Pos-graduaçao em Estatistica e Experimentaçao Agricola. (Conferencia)
4. EHLERS, R. S.; FERREIRA, M. A. R.. Exploring Large Regression Model Spaces via Transdimensional Genetic Algorithms. 2009. Seminarios do Grupo de Pesquisa em Inferencia Bayesiana. (Conferencia)
5. EHLERS, R. S.. Inferencia Bayesiana em Finanças. 2009. XI Semana da Estatistica e II Semana da ABE. (Conferencia)
6. EHLERS, R. S.. Computational Tools for Comparing Asymmetric GARCH Models via Bayes Factor. 2010. 19o Simpósio Nacional de Probabilidade e Estatística. (Comunicacao)
7. EHLERS, R. S.. Multivariate GARCH Models with Asymmetric Error Distributions. 2010. The 7th Conference on Multivariate Distributions with Applications. (Congresso)
8. PHILIPPSEN, A. S.; CASCONE, M. H.; ANDRADE FILHO, M. C.; EHLERS, R. S.. Modelo GARMA(p,q) para Séries Temporais de Dados de Contagem. 2010. 19o Simpósio Nacional de Probabilidade e Estistica. (Simposio)
9. PHILIPPSEN, A. S.; CASCONE, M. H.; ANDRADE FILHO, M. C.; EHLERS, R. S.. Processo ARMA: Um Estudo Bayesiano. 2010. X Encontro Brasileiro de Estatistica Bayesiana. (Congresso)
10. CASCONE, M. H.; PHILIPPSEN, A. S.; ANDRADE FILHO, M. C.; EHLERS, R. S.. Uma Abordagem Bayesiana para o Processo de Poisson GARMA. 2010. X Encontro Brasileiro de Estatistica Bayesiana. (Congresso)
11. EHLERS, R. S.. Computational Tools for Comparing Asymmetric GARCH Models via Bayes Factors. 2011. Ciclo de Seminarios de Estatistica. (Conferencia)
12. EHLERS, R. S.. Cópulas, Assimetrias e Dependência Extrema em Distribuições Multivariadas. 2012. Programa de pós-graduação em Matemática Aplicada e Computacional. (Conferencia)
13. EHLERS, R. S.; ROSSI, J. L.; Andrade, M. G.. Copula GARCH Models with Alternative Error Distributions. 2012. 11th Brazilian Bayesian Statistics Meeting. (Congresso)
14. EHLERS, R. S.; FIORUCI, J. A.; Andrade, M. G.. Bayesian Multivariate GARCH Models With Dynamic Correlations And Asymmetric Error Distributions. 2012. 11th Brazilian Bayesian Statistics Meeting. (Congresso)
15. SHIMIZU, T. K. O.; LOUZADA NETO, F.; SUZUKI, A. K.; EHLERS, R. S.. Modeling Compositional Regression With Uncorrelated And Correlated Errors: A Bayesian Approach. 2015. 60ª Reunião Anual da Região Brasileira da Sociedade Internacional de Biometria (RBras) e o 16º Simpósio de Estatística Aplicada a Experimentação Agronômica (SEAGRO). (Congresso)
16. FIORUCI, J. A.; EHLERS, R. S.; LOUZADA NETO, F.. BayesDccGarch - An Implementation of Multivariate GARCH DCC Models. 2016. Encontro Brasileiro de Estatistica Bayesiana. (Congresso)
17. Andrade, M. G.; EHLERS, R. S.; ANDRADE, B. S.. Bayesian Approach to Forecasting Count Data Time Series. 2016. Encontro Brasileiro de Estatistica Bayesiana. (Congresso)
18. PAIXAO, R. S.; EHLERS, RICARDO S.. Comparing Multivariate GARCH-DCC Models using Hamiltonian Monte Carlo and Stan.. 2016. 22o Simpósio Nacional de Probabilidade e Estatística. (Simposio)
19. Ehlers, Ricardo S.. Riemann Manifold Methods in Bayesian Statistics. 2015. Working Group on Statistical Learning. (Conferencia)
20. Ehlers, Ricardo S.; PAIXAO, R. S.. Zero Variance and Hamiltonian Monte Carlo Methods in GARCH Models. 2018. ISBA World Meeting. (Congresso)
21. Ehlers, Ricardo S.. Hamiltonian Monte Carlo methods in financial time series. 2018. Simpósio Nacional de Probabilidade e Estatística. (Simposio)
22. Ehlers, Ricardo S.. Hamiltonian Monte Carlo Methods in Bayesian Computation. 2018. Simpósio Nacional de Probabilidade e Estatística. (Simposio)
23. DIAS, D. S.; EHLERS, RICARDO. Stochastic Volatility Models using Hamiltonian Monte Carlo Methods and Stan. 2019. VI Latin American Bayesian Conference. (Congresso)
24. Ehlers, Ricardo S.. A Conway-Maxwell-Poisson GARMA Model for Count Time Series Data. 2019. Time Series and Econometrics Meeting. (Congresso)
25. Ehlers, Ricardo S.. Advances in Bayesian Computation. 2019. Mathematical and computational modelling of rare events in complex systems. (Conferencia)
26. Ehlers, Ricardo S.; FRIEL, N.; BANDYOPADHYAY, D.. Bayesian inference under sparsity for generalized spatial extreme value binary regression models. 2016. 36th Conference on Applied Statistics in Ireland. (Congresso)
Demais tipos de produção bibliográfica (11)
1. Zevallos, M; EHLERS, R. S.. Bayesian Estimation and Prediction of Stochastic Volatility Models via INLA. 2012. Biblioteca ICMC/USP. (Relatorio tecnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. ROSSI, J. L.; EHLERS, R. S.; Andrade, M. G.. Copula-GARCH Model Selection: A Bayesian Approach. 2012. Biblioteca ICMC/USP. (Relatorio tecnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. FIORUCI, J. A.; EHLERS, R. S.; Andrade, M. G.. Bayesian Multivariate GARCH Models with Dynamic Correlations and Asymmetric Error Distributions. 2012. Biblioteca ICMC/USP. (Relatorio tecnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. EHLERS, R. S.. A Study of Skewed Heavy-tailed Distributions as Scale Mixtures. 2012. Biblioteca ICMC/USP. (Relatorio tecnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. ANDRADE FILHO, MARINHO G.; EHLERS, RICARDO S.; PHILIPPSEN, A. S.; CASCONE, M. H.. Abordagem Bayesiana dos Modelos GARMA (p, q) usados para Séries Temporais de Dados de Contagem. 2014. UFSCar. (Relatorio tecnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. FIORUCI, J. A.; EHLERS, RICARDO; LOUZADA NETO, F.. BayesDccGarch - An Implementation of Multivariate GARCH DCC Models. 2014. Ithaca, New York: Cornell University Library. (Relatorio tecnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. DIAS, D. S.; Ehlers, Ricardo S.. Stochastic Volatily Models using Hamiltonian Monte Carlo Methods and Stan. 2018. . (Relatorio tecnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
8. ALMEIDA, M. P.; PAIXAO, R. S.; RAMOS, P. L.; TOMAZELLA, V. L. D.; LOUZADA NETO, F.; Ehlers, R.S.. Multiple repairable systems under dependent competing risks with nonparametric Frailty. 2020. . (Relatorio tecnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
9. DANILEVICZ, I. M.; EHLERS, R. S.. Bayesian influence diagnostics using normalizing functional Bregman divergence. 2019. . (Relatorio tecnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
10. DIAS, D. S.; EHLERS, R. S.. Performance of the No-U-Turn sampler to Estimate Stochastic Volatility Models. 2022. . (Artigo submetido)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
11. Ehlers, R.S.. A Conway-Maxwell-Poisson GARMA Model for Count Time Series Data. 2019. . (Relatorio tecnico)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

Produção técnica

Programas de computador com registro de patente (0)
Programas de computador sem registro de patente (0)
Produtos tecnológicos (0)
Processos ou técnicas (0)
Trabalhos técnicos (0)
Demais tipos de produção técnica (0)

Produção artística

Total de produção artística (0)

Orientações em andamento

Supervisão de pós-doutorado (0)
Tese de doutorado (3)
1. Alan da Silva Assunção. Hierarchical Bayesian spatio-temporal models. Instituto de Ciências Matemáticas e da Computação - USP, . Início: 2021.
  Tese de doutorado: Ricardo Sandes Ehlers.
2. Jhonata da Silva Pereira. Recent Advances in Dynamic Linear Models. Instituto de Ciências Matemáticas e da Computação - USP, . Início: 2022.
  Tese de doutorado: Ricardo Sandes Ehlers.
3. Oluwafunmilayo Adenike Dawodu. To be confirmed. Instituto de Ciências Matemáticas e da Computação - USP, . Início: 2023.
  Tese de doutorado: Ricardo Sandes Ehlers.
Dissertação de mestrado (5)
1. Ritha Huaysara Condori. Stochastic volatility models for financial time series. Instituto de Ciências Matemáticas e da Computação - USP, . Início: 2020.
  Dissertação de mestrado: Ricardo Sandes Ehlers.
2. Victor Barreto Mesquita. Bayesian hierarchical modelling in A/B testing. Instituto de Ciências Matemáticas e da Computação - USP, . Início: 2021.
  Dissertação de mestrado: Ricardo Sandes Ehlers.
3. Francisco Junior Pigato. Métodos estatísticos para recomendações de investimentos. Universidade de São Paulo, . Início: 2021.
  Dissertação de mestrado: Ricardo Sandes Ehlers.
4. Lucas Neto Nakadaira. Hierarchical Bayesian time series models for sales data. Universidade de São Paulo, . Início: 2021.
  Dissertação de mestrado: Ricardo Sandes Ehlers.
5. Bruno Estanislau Holtz. Modelos lineares dinâmicos utilizando métodos de Monte Carlo Hamiltoniano. Instituto de Ciências Matemáticas e da Computação - USP, . Início: 2021.
  Dissertação de mestrado: Ricardo Sandes Ehlers.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (0)
Iniciação científica (0)
Orientações de outra natureza (0)

Supervisões e orientações concluídas

Supervisão de pós-doutorado (0)
Tese de doutorado (2)
1. Rafael Soares Paixão. Métodos da variância zero para Monte Carlo Hamiltoniano aplicados em modelos GARCH assimetrico. Instituto de Ciências Matemáticas e da Computação - USP, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2021.
  Tese de doutorado: Ricardo Sandes Ehlers.
2. Cleber Martins Xavier. Ensaios em Econometria Financeira. Instituto de Ciências Matemáticas e da Computação - USP, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2019.
  Tese de doutorado: Ricardo Sandes Ehlers.
Dissertação de mestrado (6)

José Augusto Fioruci. Modelagem de Volatilidade em Séries Temporais: Abordagem Bayesiana. Instituto de Ciências Matemáticas e da Computação - USP, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2012.
Dissertação de mestrado: Ricardo Sandes Ehlers.
João Luiz Rossi. Cópulas, Distribuições marginais e seleção de modelos com aplicações em Finanças. Instituto de Ciências Matemáticas e da Computação - USP, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2012.
Dissertação de mestrado: Ricardo Sandes Ehlers.
Karen Fiorella Aquino Gutierrez. Modelagem da volatilidade em séries temporais financeiras via modelos GARCH com abordagem Bayesiana. Instituto de Ciências Matemáticas e da Computação - USP, . 2017.
Dissertação de mestrado: Ricardo Sandes Ehlers.
Ian Meneghel Danilevicz. Influential observations in spatial models using Bregman divergence. Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2018.
Dissertação de mestrado: Ricardo Sandes Ehlers.
David de Souza Dias. Inferência Bayesiana em Modelos de Volatilidade Estocástica usando Métodos de Monte Carlo Hamiltoniano. Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2018.
Dissertação de mestrado: Ricardo Sandes Ehlers.
Marcelo Hartmann. Métodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremos,. Instituto de Ciências Matemáticas e da Computação - USP, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2015.
Dissertação de mestrado: Ricardo Sandes Ehlers.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (2)

Lucas Alves da Rosa. Análise Bayesiana para modelos Pareto-Binomial Negativa. Instituto de Ciências Matemáticas e da Computação - USP, . 2019.
Trabalho_de_conclusao_de_curso_graduacao: Ricardo Sandes Ehlers.
Paulino Ribeiro Villas Boas. Previsão de propagação da Covid-19 no Brasil usando modelos de espaço de estados. Instituto de Ciências Matemáticas e da Computação - USP, . 2021.
Trabalho_de_conclusao_de_curso_graduacao: Ricardo Sandes Ehlers.
Iniciação científica (5)

Ciro Alexandre Olivieri Filho. Temas Atuais em Probabilidade e Estatística Relevantes para a Formação do Estatistico. Instituto de Ciências Matemáticas e da Computação - USP, . 2012.
Iniciacao_cientifica: Ricardo Sandes Ehlers.
Matheus Aluisio Monteiro. Temas Atuais em Probabilidade e Estatística Relevantes para a Formação do Estatistico. Instituto de Ciências Matemáticas e da Computação - USP, . 2012.
Iniciacao_cientifica: Ricardo Sandes Ehlers.
Luiz Gustavo de Souza Bravo. Modelagem de Eventos Extremos. Instituto de Ciências Matemáticas e da Computação - USP, Universidade de São Paulo. 2012.
Iniciacao_cientifica: Ricardo Sandes Ehlers.
Giovanni Yuri Santos Silva. Estimação Bayesiana em Modelos de Regressão Conway-Maxwell-Poisson. Instituto de Ciências Matemáticas e da Computação - USP, Pró-reitoria de Graduação USP. 2020.
Iniciacao_cientifica: Ricardo Sandes Ehlers.
Guilherme de Oliveira Cherobim. Modelagem de Volatilidade em Séries Temporais: Abordagem Bayesiana. Instituto de Ciências Matemáticas e da Computação - USP, Pró-reitoria de Graduação USP. 2020.
Iniciacao_cientifica: Ricardo Sandes Ehlers.
Orientações de outra natureza (10)

Luiz Gustavo de Sousa Bravo. Monitoria. Instituto de Ciências Matemáticas e da Computação - USP, Pró-reitoria de Graduação USP. 2012.
Orientacao-de-outra-natureza: Ricardo Sandes Ehlers.
Caio Moura Quina. Monitoria. Instituto de Ciências Matemáticas e da Computação - USP, Pró-reitoria de Graduação USP. 2017.
Orientacao-de-outra-natureza: Ricardo Sandes Ehlers.
Gabriel Gomes Ferreira. Monitoria. Instituto de Ciências Matemáticas e da Computação - USP, Pró-reitoria de Graduação USP. 2017.
Orientacao-de-outra-natureza: Ricardo Sandes Ehlers.
Rafael Soares Paixão. Estágio do Programa de Aperfeiçoamento de Ensino (PAE). Instituto de Ciências Matemáticas e da Computação - USP, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2017.
Orientadores: Ricardo Sandes Ehlers, Juliana Cobre.
Adauto da Silva Filho. Monitoria. Instituto de Ciências Matemáticas e da Computação - USP, Pró-reitoria de Graduação USP. 2018.
Orientacao-de-outra-natureza: Ricardo Sandes Ehlers.
Fabiano Rodrigues Coelho. Estágio PAE (Programa de Aperfeiçoamento de Ensino). Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2019.
Orientacao-de-outra-natureza: Ricardo Sandes Ehlers.
Bruna Luiza de Faria Rezende. Estágio PAE (Programa de Aperfeiçoamento de Ensino). Instituto de Ciências Matemáticas e da Computação - USP, . 2019.
Orientacao-de-outra-natureza: Ricardo Sandes Ehlers.
Bruna Luiza de Faria Rezende. Estágio PAE (Programa de Aperfeiçoamento de Ensino). Instituto de Ciências Matemáticas e da Computação - USP, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2020.
Orientacao-de-outra-natureza: Ricardo Sandes Ehlers.
Marcilio Ramos Pereira Cardial. Estágio PAE (Programa de Aperfeiçoamento de Ensino). Instituto de Ciências Matemáticas e da Computação - USP, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2022.
Orientacao-de-outra-natureza: Ricardo Sandes Ehlers.
Antonio Carlos Herling Ribeiro Junior. Monitoria Processos Estocásticos. Instituto de Ciências Matemáticas e da Computação - USP, Pró-reitoria de Graduação USP. 2022.
Orientacao-de-outra-natureza: Ricardo Sandes Ehlers.

Projetos de pesquisa

Total de projetos de pesquisa (11)

2012-2012. Modelos GARCH Multivariados com Distribuições Assimétricas

Membro: Ricardo Sandes Ehlers.
2012-2012. Programa de Apoio a Novos Docentes da USP
Repasse de R$10.000,00 em duas parcelas semestrais de R$5.000,00.
Membro: Ricardo Sandes Ehlers.
2013-2013. Projeto 1
Recursos complementares concedidos pela Pró-reitoria de pesquisa da USP.
Membro: Ricardo Sandes Ehlers.
2018-2018. Programa de Verão

Membro: Ricardo Sandes Ehlers.
2019-2019. Análise de eventos raros em sistemas multi-componentes com componentes dependentes
O presente projeto tem como objetivo desenvolver, em conjunto com uma equipe multidisciplinar internacional, técnicas de estimação Monte Carlo sobre eventos raros relacionados à modelagem estocástica de sistemas complexos. O propósito é que as técnicas desenvolvidas sejam capazes de lidar com métricas definidas em torno dos eventos raros considerados. O projeto é financiado pelo Programa MATH-AMSUD/CAPES. Processo: 88881.197412/2018-01. Países envolvidos: Brasil, Chile, Uruguai, Argentina e França.
Membro: Ricardo Sandes Ehlers.
2017-2017. Bayesian computation through geometric and variance reduction methods

Membro: Ricardo Sandes Ehlers.
2015-2015. Bayesian inference, Metropolis-Langevin and Hamiltonian in Riemann manifolds

Membro: Ricardo Sandes Ehlers.
2020-2020. Estimação Bayesiana em Modelos de Regressão Conway-Maxwell-Poisson
Regressão de Poisson é uma ferramenta comumente utilizada para modelar dados de contagem. No entanto, tem sido cada vez mais comum observar dados que apresentam sobredispersão ou subdispersão sendo a distribuição de Poisson não apropriada nestes casos. A distribuição de Conway?Maxwell-Poisson (COM-Poisson) é mais flexivel e consegue lidar com estes problemas sendo capaz de modelar uma grande variedade de dispersões presentes nos dados. Outra vantagem de ordem prática é que a média e a variância do processo de contagem podem ser modelados separadamente. Um fator limitante no uso desta distribuição é o cálculo de sua constante normalizadora que não pode ser obtida analiticamente. Sendo assim, o maior desafio está na estimação do modelo sendo necessário o uso de métodos computacionais intensivos. Neste projeto serão explorados métodos Bayesianos de estimação com uso de simulação de Monte Carlo via cadeias de Markov bem como propostas recentes para aproximar a constante normalizadora. Serão realizados estudos de simulação procurando mostrar as vantagens desta abordagem e análises de dados reais de contagem.
Membro: Ricardo Sandes Ehlers.
2022-2022. Bayesian hierarchical modelling in A/B testing
A/B testing refers to a randomized experimentation process wherein two or more versions of a variable (e.g. a web page, page element, etc.) are shown to different segments of website visitors at the same time in order to determine which version leaves the maximum impact and drives business metrics. In this project, we explore applications of Bayesian hierachical models in A/B testing to compare an old version of a webpage with a new one to predict the likelihood of a new user to subscribe.
Membro: Ricardo Sandes Ehlers.
2021-2021. Hierarchical Bayesian spatial models
Data that represent phenomena indexed by space and time (spatio-temporal data) are commonly encountered in many areas of science such as environmental sciences, agriculture, climate studies and epidemiological studies. These data are in general characterized by different degrees of variability both in space and time and involve a large number of observations. The main objective here is to make inferences about the spatial behaviour of a variable of interest along a certain fixed amount of time. Consequently, the development of flexible statistical models that describe spatio-temporal processes for which inferences are feasible at an acceptable computational cost is very relevant.
Membro: Ricardo Sandes Ehlers.
2012-2012. Ensinar com Pesquisa

Membro: Ricardo Sandes Ehlers.

Prêmios e títulos

Total de prêmios e títulos (0)

Participação em eventos

Total de participação em eventos (13)

Zero Variance and Hamiltonian Monte Carlo Methods in GARCH Models. World Meeting of the International Society for Bayesian Analysis
Bayesian Inference under Sparsity for Generalized Spatial Extreme Value Binary Regression Models. Conference on Applied Statistics in Ireland
Hamiltonian Monte Carlo Methods for Spatial Binary Regression Models. XV Escola de Modelos de Regressão
A Conway-Maxwell-Poisson GARMA Model for Count Time Series Data. 18th Time Series and Econometrics Meeting
A Conway-Maxwell-Poisson GARMA Model for Count Time Series Data. XV Brazilian Meeting of Bayesian Statistics
Riemann Manifold Langevin Methods in Bayesian Statistics. 4th Workshop in Stochastic Modeling
Bayesian inference for extreme value distributions via Hamiltonian dynamics. 4th Workshop in Stochastic Modeling
Riemann Manifold Langevin methods in Bayesian statistics. XIV Escola de Modelos de Regressão
. XVI Brazilian Meeting on Bayesian Statistics and VI Latin American Conference on Statistical Computing
. 54a Reunião Anual da Região Brasileira da Sociedade Internacinal de Biometria e 13o Simpósio de Estatistica Aplicada a Experimentação Agronomica
Computational Tools for Comparing Asymmetric GARCH models via Bayes Factor. 54a Reunião Anual da Região Brasileira da Sociedade Internacinal de Biometria e 13o Simpósio de Estatistica Aplicada a Experimentação Agronomica
Computational Tools for Comparing Asymmetric GARCH models via Bayes Factor. XIII Escola de Séries Temporais e Econometria
Multivariate GARCH Models with Asymmetric Error Distributions. The 7th Conference on Multivariate Distributions with Applications

Organização de eventos

Total de organização de eventos (10)

. XVII Escola de Séries Temporais e Econometria. Associação Brasileira de Estatistica. 2017. Organizacao
. Programa de Verão em Estatística. ICMC-USP/UFSCar. 2018. Organizacao
. 6th Workshop on Probabilistic and Statistical Methods. ICMC-USP/UFSCar. 2018. Organizacao
. Sessao tematica: Advances in Bayesian Computation - 23 SINAPE. . 2018. Organizacao
. Programa de Verão em Estatística. ICMC-USP / UFSCar. 2019. Organizacao
. 7th Workshop on Probabilistic and Statistical Methods. ICMC-USP / UFSCar. 2019. Organizacao
. XV Brazilian Meeting of Bayesian Statistics. ISBRA. 2020. Organizacao
. Comitê Científico do Brazilian Meeting on Bayesian Statistics 2022. . 2021. Organizacao
. Comitê Científico do 7th Latin American Conference on Statistical Computing 2023. . 2023. Organizacao
. XVI Brazilian Meeting on Bayesian Statistics and VI Latin American Conference on Statistical Computing. . 2022. Organizacao

Lista de colaborações

Colaborações endôgenas (4)

Ricardo Sandes Ehlers ⇔ Francisco Louzada Neto (3.0)
FERREIRA, PAULO H.; RAMOS, EDUARDO; RAMOS, PEDRO L.; GONZALES, JHON F.B.; TOMAZELLA, VERA L.D.; EHLERS, RICARDO S.; SILVA, EVELINY B.; LOUZADA, FRANCISCO. Objective Bayesian analysis for the Lomax distribution. STATISTICS & PROBABILITY LETTERS. v. 159, p. 108677-, 2020.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
ALMEIDA, MARCO POLLO; PAIXÃO, RAFAEL S.; RAMOS, PEDRO L.; TOMAZELLA, V. L. D.; Louzada, F.; EHLERS, RICARDO S.. Bayesian non-parametric frailty model for dependent competing risks in a repairable systems framework. RELIABILITY ENGINEERING & SYSTEM SAFETY. v. 204, p. 107145-, 2020.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SHIMIZU, T. K. O.; LOUZADA NETO, F.; SUZUKI, A. K.; EHLERS, R. S.. Modeling Compositional Regression With Uncorrelated and Correlated Errors: A Bayesian Approach. JOURNAL OF DATA SCIENCE (ONLINE). v. 16, p. 221-250, 2018.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

Ricardo Sandes Ehlers ⇔ Adriano Kamimura Suzuki (2.0)
SHIMIZU, T. K. O.; LOUZADA NETO, F.; SUZUKI, A. K.; EHLERS, R. S.. Modeling Compositional Regression With Uncorrelated and Correlated Errors: A Bayesian Approach. JOURNAL OF DATA SCIENCE (ONLINE). v. 16, p. 221-250, 2018.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
SHIMIZU, T. K. O.; LOUZADA NETO, F.; SUZUKI, A. K.; EHLERS, R. S.. Modeling Compositional Regression With Uncorrelated And Correlated Errors: A Bayesian Approach. 2015. 60ª Reunião Anual da Região Brasileira da Sociedade Internacional de Biometria (RBras) e o 16º Simpósio de Estatística Aplicada a Experimentação Agronômica (SEAGRO). (Congresso)

Ricardo Sandes Ehlers ⇔ Jorge Luis Bazán Guzmán (2.0)
Paz, Rosineide F. da; Ehlers, Ricardo S.; Bazán, Jorge L.. A Weibull Mixture Model for the Votes of a Brazilian Political Party. Em: Springer Proceedings in Mathematics & Statistics. 1 ed. : Springer International Publishing. 2015.p. 229-241.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
PAZ, R. F.; BAZAN, J. L.; EHLERS, R. S.. Modeling the votes of Brazilian political party through a Bayesian statistical model. Em: 12th Brazilian Meeting on Bayesian Statistics, v. 1, n. 1, p. 86-86, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

Ricardo Sandes Ehlers ⇔ Marinho Gomes de Andrade Filho (1.0)
SILVEIRA DE ANDRADE, BRENO; ANDRADE, MARINHO G.; Ehlers, Ricardo S.. Bayesian GARMA models for count data. Communications in Statistics: Case Studies, Data Analysis and Applications. v. 1, p. 192-205, 2016.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

(*) Relatório criado com produções desde 1970 até 2023
Data de processamento: 08/03/2023 08:58:36

Relatório gerado por scriptLattes V8.13. Os resultados estão sujeitos a falhas devido a inconsistências no preenchimento dos CVs Lattes. E-mail de contato: artur@icmc.usp.br