Banca de DEFESA: WÉLSON ANTÔNIO DE OLIVEIRA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: WÉLSON ANTÔNIO DE OLIVEIRA
DATA: 01/04/2026
HORA: 09:00
LOCAL: Remoto - meet.google.com/ruc-swdq-ive
TÍTULO:

MODELAGEM DE PROCESSOS PONTUAIS DE COX LOG-GAUSSIANOS: UMA ABORDAGEM LOCAL E GLOBAL COM COVARIÁVEIS PARA ANÁLISE ESPAÇO-TEMPORAL

PALAVRAS-CHAVES:

Processos Pontuais Espaço-Temporais (PPET); Modelos de Cox Log-Gaussianos (LGCP); Modelos Aditivos Generalizados (GAM); Dependência Espaço-Temporal; Mínimos Contrastantes; Campo Aleatório Gaussiano (GRF).

PÁGINAS: 90
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Probabilidade e Estatística
SUBÁREA: Estatística
ESPECIALIDADE: Inferência em Processos Estocásticos
RESUMO:

Processos pontuais espaço-temporais (PPET) são modelos estocásticos usados para descrever a
distribuição de eventos discretos no espaço e no tempo. O modelo mais simples é o processo de
Poisson, que assume uma intensidade constante, mas é pouco realista para dados reais, que frequentemente
apresentam variação de intensidade. Processos de Cox espaço-temporais, como
os processos de Cox log-gaussianos (LGCP), permitem modelar intensidades variáveis através
de campos aleatórios gaussianos, considerando dependência espaço-temporal. Contudo, a
intratabilidade da função log-verossimilhança para esses modelos apresentam desafios computacionais.
Métodos como Cadeias de Markov Monte Carlo (MCMC) e Aproximação Laplace
Alinhada Integrada (INLA) são comumente usados, mas podem ser computacionalmente caros.
Alternativamente, a estimativa de efeitos de segunda ordem por mínimos contrastes oferece uma
solução mais eficiente e de menor custo computacional. Extensões do modelo LGCP consideram
variações locais de intensidade, permitindo a captura de padrões de dependência espacial
e temporal mais complexos. A abordagem local pode ser particularmente útil em cenários
onde parâmetros como o alcance espacial variam entre diferentes regiões, como em modelos de
incêndios. Contudo, ainda há limitações que impossibilitam a inclusão de covariáveis. Este trabalho
propõe duas abordagens inéditas para a estimação do modelo LGCP utilizando incluindo
covariáveis e utilizando da programação de modelos aditivos generalizados (GAMs). Na primeira,
a tratabilidade do campo aleatório gaussiano se deu a partir da estimativa dos parâmetros
de segunda ordem pelo método de mínimos contrastes aproximados pela função de correlação
por pares. Na segunda, aproximou-se o Campo aleatório gaussiano (Gaussian Random Fields-
GRF) por combinações lineares de funções básicas espaço-temporais. Ambas as abordagens visam
melhorar a precisão da modelagem de PPET, tornando-as mais adequadas a cenários com
alta complexidade de dados e variabilidade espaço-temporal.

MEMBROS DA BANCA:
Externo à Instituição - DENISMAR ALVES NOGUEIRA - UNIFAL (Suplente)
Externo ao Programa - DOUGLAS MATEUS DA SILVA - DES/ICET (Membro)
Interno - THELMA SAFADI (Suplente)
Interno - LUIZ RICARDO NAKAMURA (Membro)
Interno - LUIZ OTAVIO DE OLIVEIRA PALA (Membro)
Presidente - JOAO DOMINGOS SCALON (Membro)
Externo à Instituição - FERNANDO LUIZ PEREIRA DE OLIVEIRA - UFOP (Membro)