|
Apresentação
Professor Adjunto do Departamento de Estatística da Universidade Federal de Viçosa, com experiência em Estatística Aplicada atuando em áreas como planejamento e análise de experimentos, agricultura de precisão, estatística espacial, geoestatística, reconhecimento de padrões e visão artificial.
Formação Acadêmica
* Pós-Doutorado em Estatística Espacial Aplicada e Geoestatística – Iowa State University, 2015;
* D.S. Estatística e Experimentação Agropecuária, 2010, Universidade Federal de Lavras – MG, 2010;
* M.S. Matemática e Estatística, 2006, Universidade Vale do Rio Verde, 2006;
* Graduação em Ciências da Computação, Universidade Ibirapuera, 2001;
* Graduação em Matemática, Centro Universitário Adventista, 1997.
Áreas de Atuação e Pesquisa
* Estatística Espacial (principalmente, Geoestatística);
* Modelos Lineares;
* EAD – Educação a Distância.
Ensino
1. Ensino – Graduação:
* EST 103 – Elementos de Estatística 4(4-0).
Teoria elementar de probabilidade. Variáveis aleatórias discretas. Distribuição normal. Estatística descritiva. Medidas de posição, dispersão e correlação linear. Noções de regressão linear simples. Testes de hipóteses. Aplicação da análise de variância – classificação simples.
* EST 105 – Iniciação à Estatística 4(4-0).
Conceitos introdutórios. Estatística descritiva. Regressão linear simples e correlação amostral. Introdução à teoria da probabilidade. Variáveis aleatórias discretas e contínuas. Funções de variáveis aleatórias. Esperança matemática, variância e covariância. Distribuições de variáveis aleatórias discretas e contínuas. Testes de significância: qui-quadrado, F e t.
* EST 106 – Estatística I 4(4-0).
Conceitos introdutórios. Estatística descritiva. Tópicos gerais de probabilidade. Variáveis aleatórias e distribuições de probabilidade. Algumas distribuições de variáveis aleatórias discretas e contínuas. Testes de significância. Intervalo de confiança. Noções de técnicas de amostragem. Regressão linear e correlação.
2. Ensino – Pós-Graduação:
* EST 629 – Estatística Computacional 2(0-4).
Uso de softwares para análise estatística de dados experimentais. Obtenção de estatísticas descritivas. Análise de modelos lineares balanceados e desbalanceados. Análise de modelos de regressão lineares não lineares.
* EST 714 – Processos Estocásticos 4(4-0).
Fundamentos. Distribuições Compostas. Eventos Recorrentes. Passeio Aleatório. Cadeias de Markov. Processos Markovianos de Parâmetros Contínuos. Processos de Segunda Ordem. Processo Homogêneo de Nascimento e Morte.
* EST 734 – Geoestatística 4(4-0).
Fundamentos. Predição Espacial e Modelos Gaussianos. Estimação Paramétrica. Inferência Bayesiana para o Modelo Gaussiano. Modelos Lineares Generalizados Espaciais. Outros Tópicos.
Materiais Disponíveis na WEB
Em Breve
|
