Departamento de Matemática Aplicada e Estatística

Katiane Silva Conceicao

Bacharel em Estatística pela Universidade Federal da Bahia (2006), bolsista de iniciação científica (CNPq), atuando no Instituto de Saúde Coletiva da UFBA. Mestre em Biometria e Estatística Aplicada pela Universidade Federal Rural de Pernambuco (2008), bolsista CAPES, com dissertação desenvolvida na área de Modelagem Estatística e Computacional, na qual considerou os seguintes temas: relação espécie-área, diversidade de espécies, modelos estocásticos e de regressão. Doutora em Estatística pela Universidade Federal de São Carlos (2013), bolsista FAPESP, com tese desenvolvida na área de Inferência e Modelos de Regressão, na qual considerou, principalmente, o tema: Modelos de Regressão para Dados de Contagem. Pós-Doutorado no Departament of Statistics, University of Connecticut, Storrs - CT/USA (2020-2021). Atualmente é professora doutora do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo em São Carlos, campus São Carlos. Áreas de interesse para pesquisas: Distribuição Série de Potência; Modelos de Regressão para Dados de Contagem; Inferência Bayesiana; Estatística Computacional; Estatística Aplicada.

  • http://lattes.cnpq.br/5789619620619667 (28022023)
  • Rótulo/Grupo:
  • Bolsa CNPq:
  • Período de análise: 2014-HOJE
  • Endereço: Universidade de São Paulo - Campus São Carlos. . Instituto de Ciências Matemáticas e de Computação - ICMC/SME. Avenida Trabalhador Sãocarlense CEP 13560970 - São Carlos, SP - Brasil
  • Grande área: [sem-grandeArea]
  • Área: [sem-area]
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (8)
    1. 2014-2014. A generalized approach to the modeling of the species-area relationship
      This work proposes a statistical generalized species-area model (GSAM) to represent various patterns of species-area relationship (SAR), which is one of the fundamental patterns in ecology. The approach enables the generalization of many preliminary models, as power-curve model, which is commonly used to mathematically describe the SAR. The GSAM is applied to simulated data set of species diversity in areas of different sizes and a real-world data of insects of Hymenoptera order has been modeled. We show that the GSAM enables the identification of the best statistical model and estimates the number of species according to the area.
      Membro: Katiane Silva Conceição.
    2. 2016-2016. Eficiência Relativa dos Estimadores de Máxima Verossimilhança para a Distribuição Binomial Negativa Zero-Modificada.
      Neste projeto iremos avaliar os estimadores dos parâmetros da distribuição Binomial Negativa Zero-Modificada (ZMNB), de tal forma que a distribuição ajustada consiga explicar adequadamente a ocorrência de observações não-negativas, principalmente da observação zero, que pode apresentar nos conjuntos de dados alta frequência, satisfatória ou baixa frequência. Para estimação dos parâmetros, iremos considerar o método de máxima verossimilhança que, quando nada é conhecido sobre o tipo de modificação na frequência de zero, as estimativas obtidas são totalmente eficientes. Por outro lado, quando se tem conhecimento de que os dados vêm de uma distribuição Binomial Negativa tradicional e ajusta-se a distribuição ZMBN, verifica-se que ocorre alguma perda de eficiência. Assim, o principal objetivo deste projeto é avaliar a eficiência dos estimadores de máxima verossimilhança ao considerar a estimação dos parâmetros sob a suposição da distribuição ZMNB e da distribuição Binomial Negativa tradicional, buscando identificar situações em que ocorrem perdas de eficiência.
      Membro: Katiane Silva Conceição.
    3. 2017-2017. Uma Abordagem Bayesiana para a Estimação dos Parâmetros das Distribuições k-Modificadas
      Neste projeto é proposto uma abordagem bayesiana para a estimação dos parâmetros das distribuições para dados de contagem k-Modificadas. Entende-se como modificação, a inclusão de um parâmetro na função massa de probabilidade das distribuições discretas tradicionais, capaz de modelar a inflação ou deflação da observação k no conjunto de dados. A modificação torna-se imprescindível quando, em muitas situações práticas, uma determinada observação k do conjunto de dados ocorre com uma frequência maior ou menor do que a esperada ao considerar uma determinada distribuição discreta. Aplicações considerando conjuntos de dados artificiais e reais serão apresentadas.
      Membro: Katiane Silva Conceição.
    4. 2018-2018. Bondade de Ajuste para Modelos k-Modificados
      Neste projeto serão considerados alguns critérios que avaliam a bondade de ajuste dos modelos k-modificados. A k-modificação consiste na inclusão de um parâmetro na função massa de probabilidade das distribuições discretas tradicionais, capaz de modelar a inflação ou deflação da observação k no conjunto de dados. Neste sentido, a modificação torna-se imprescindível quando, em muitas situações práticas, uma determinada observação k do conjunto de dados ocorre com uma frequência maior ou menor do que a esperada ao considerar uma determinada distribuição discreta. O principal objetivo deste trabalho é avaliar critérios que selecionem adequadamente a observação k que apresenta modificação na frequência. Em seguida, contextualizar os modelos de regressão k-modificados, explicando o conjunto de dados de contagem k-modificado utilizando-se variáveis explicativas tanto para o parâmetro de média quanto para o parâmetro responsável pela modificação da observação k. Os modelos k-modificados considerados neste projeto são: Poisson, Binomial e Geométrico.
      Membro: Katiane Silva Conceição.
    5. 2020-2020. Múltiplos Pontos de Modificação em Modelos para Dados Discretos
      Conjuntos de dados de contagem são comuns em várias áreas de conhecimento e, consequentemente, distribuições discretas mais gerais têm sido propostas devido as características peculiares de cada conjunto. Em particular, dados de contagem pode apresentar discrepâncias (maior ou menor) nas frequências observadas de duas observações, ditas k1 e k2, ao compará-las com as respectivas frequências esperadas obtidas a partir de uma determinada distribuição discreta tradicional. Neste sentido, uma modificação na função massa de probabilidade das distribuições discretas torna-se imprescindível para explicar adequadamente o comportamento dos dados. Seguindo esse contexto, o objetivo principal deste projeto é propor a família de distribuições discretas k1 e k2 modificadas, que são capazes de modelar conjuntos de dados que apresentam ou não algum tipo de modificação (inflação e/ou deflação) na frequência das observações k1 e k2.
      Membro: Katiane Silva Conceição.
    6. 2018-2018. Distribuições Zero-Modificadas para Conjuntos Dados Zeros Faltantes.
      A análise de dados de contagem ocupa um importante lugar dentro da estatística aplicada, uma vez que muitos problemas reais são expressos em termos de enumerações. Frequentemente conjuntos de dados de contagem apresentam discrepâncias na freqüência da observação zero, podendo ser alta ou baixa, referindo-se ao conjunto no conjunto de dados como zero-inflacionado ou zero-deflacionado, respectivamente. Além disso, existem situações onde a observação zero não ocorre nos conjuntos de dados e, muitas vezes, modelos zero-truncados são considerados inadequadamente, visto que há uma probabilidade positiva (e não nula) para ocorrência de tal evento só que este não ocorreu. Este projeto tem como objetivo apresentar o procedimento de estimação do(s) parâmetro(s) das distribuições Zero-Modificadas em situações em que a frequência de observações zero nos conjuntos de dados é nula. Métodos clássicos e bayesianos serão considerados para o procedimento de estimação.
      Membro: Katiane Silva Conceição.
    7. 2015-2015. Modelos discretos modificados
      Conjuntos de dados de contagem são comuns em várias áreas de conhecimento e, consequentemente, distribuições discretas mais gerais têm sido propostas devido as características peculiares de cada conjunto. Frequentemente conjuntos de dados de contagem apresentam discrepâncias na frequência da observação zero, podendo ser alta ou baixa, referindo-se ao conjunto no conjunto de dados como zero-inflacionado ou zero-deflacionado, respectivamente. Além disso, existem situações onde a observação zero não ocorre nos conjuntos de dados e, muitas vezes, modelos zero-truncados são considerados inadequadamente, visto que há uma probabilidade positiva (e não nula) para ocorrência de tal evento só que este não ocorreu. Assim, neste projeto é proposto distribuições discretas modificadas para modelar conjuntos de dados de contagem que apresentem alguma discrepância na(s) frequência(s) de observação(ões). No contexto mais simples, é possível considerar a modificação na frequência observada da observação k de um conjunto de dados. Em um contexto mais amplo, considera a modificação nas frequências observadas de duas observações, ditas k1 e k2, de um determinado conjunto de dados. Especificamente, a modificação consiste na inclusão de um ou dois parâmetros na função massa de probabilidade das distribuições discretas tradicionais, sendo possível modelar as modificações (inflação ou deflação) das observações no conjunto de dados. Sendo assim, novas famílias de distribuições discretas modificadas tornam-se imprescindíveis para explicar adequadamente o comportamento dos dados. Por outro lado, muitas vezes há interesse em explicar o conjunto de dados de contagem utilizando-se variáveis exógenas (ou explicativas) e o procedimento para isso é considerar também o contexto de modelos de regressão para estas famílias de distribuições.
      Membro: Katiane Silva Conceição.
    8. 2015-2015. Método dos Momentos e Técnica Bootstrap no Ajuste de Distribuições Zero-Modificadas Biparamétricas
      Este projeto tem como objetivo apresentar o procedimento de estimação pelo Método dos Momentos para os parâmetros das distribuições Série de Potência Zero-Modificadas biparamétricas. Essa classe de distribuições, que é uma extensão da família de distribuições Série de Potência, permite ser ajustada a conjuntos de dados de contagem sem o conhecimento prévio da frequência de observações zero presentes na amostra. Para inferir sobre os parâmetros, será utilizado o procedimento Bootstrap paramétrico e não-paramétrico. Um estudo de simulação será elaborado no sentido de ilustrar a metodologia proposta. Ilustrações práticas, envolvendo análise de conjuntos de dados reais, serão apresentadas.
      Membro: Katiane Silva Conceição.

Prêmios e títulos

  • Total de prêmios e títulos (1)
    1. Paraninfa da turma do Bacharelado em Estatística do ICMC - USP (colação de grau do 2º semestre/2018). Universidade de São Paulo. 2019.
      Membro: Katiane Silva Conceição.

Participação em eventos

  • Total de participação em eventos (11)
    1. Biparametrics k-Modified Power Series Distributions: A Bayesian Approach. III Congresso Brasileiro de Jovens Pesquisadores em Matemática Pura, Aplicada e Estatística
    2. Modelo Série de Potência k-Modificado. 23º Simpósio Nacional de Probabilidade e Estatística
    3. Avanços em Modelos de Regressão Série de Potência - Modelos Série de Potência k-Modificados. XVI Escola de Modelos de Regressão
    4. Zero-Modied Models for Count Data. 60th ISI World Statistics Congress
    5. A bayesian Approach to Zero-Modified Poisson Model for the Prediction of Match Outcomes an Applicaation to the 2012-2013 La Liga Season. XIV Escola de Modelos de Regressão
    6. Uma Abordagem Bayesiana para o Modelo Zero-Modificado de Poisson com Diferentes Funções de Ligação. XV Escola de Modelos de Regressão
    7. Modelo de Poisson k-Modificado: Uma Aplicação com Notificações de Óbitos Fetais nos Municípios de Estado da Bahia. 63ª Reunião Anual da Região Brasileira da Sociedade Internacional de Biometria
    8. Kullback Leibler Distance in the Bayesian Analysis of the Zero-Modified Poisson Model.. 37th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering
    9. Modelo de Poisson ZMPS-GARMA Bayesiano. XVII Escola de Séries Temporais e Econometria
    10. k-Modified Power Series Models. II Congresso Brasileiro de Jovens Pesquisadores em Matemática Pura e Aplicada
    11. Distribuições zero-modificadas biparamétricas: Uma aplicação aos dados de variações de temperatura média global.. 61º Reunião Anual da Região Brasileira da Sociedade Internacional de Biometria - 61 RBras de

Organização de eventos

  • Total de organização de eventos (9)
    1. . 37th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering. Group of Inductive Statistics. 2017. Nao_informado
    2. . XVII ESTE - Escola de Séries Temporais e Econometria. Universidade de São Paulo e Universidade Federal de São Carlos. 2017. Nao_informado
    3. . ICMC de portas abertas: Matemática, Estatística e Computação na prática. Instituto de Ciências Matemáticas e de Computação - ICMC/USP. 2016. Nao_informado
    4. . 15ª Feira USP e as Profissões - Campi Interior. Instituto de Ciências Matemáticas e de Computação. 2017. Nao_informado
    5. . IV Encontro de Experiências em Estágios e Projetos em Estatística. Coordenação do curso Bacharelado em Estatística. 2017. Nao_informado
    6. . 7th Workshop on Probabilistic and Statistical Methods. PIPGES USP/UFSCAR. 2019. Organizacao
    7. . VI Encontro de Experiências em Estatística ? Comemoração de 10 anos do Bacharelado em Estatística. ICMC/USP. 2019. Organizacao
    8. . 23º Simpósio Nacional de Probabilidade e Estatística. ABE. 2018. Organizacao
    9. . Feira de Conhecimento da EMEB Angelina Dagnone de Mello. Instituto de Ciências Matemáticas e de Computação. 2016. Nao_informado

Lista de colaborações



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