Isaac Victor Silva Rodrigues

Com o passar dos anos, diversos m´etodos de modelagem tem sido inventados. Modelos de regressão que utilizam distribuições assimétricas estão sendo cada vez mais desenvolvidos e aplicados. Em comparação com modelos usuais, modelos que utilizam as distribuições normal assimétrica, ou t-student assimétrica ou ainda, a normal-log normal ganham em interpretabilidade por evitarem transformações matemática sob os dados. Este ganho vem do fato destes modelos evitarem transformações sob o conjunto de dados, facilitando assim a conclusão direta sobre os resultados da análise. Toda via, com tantas distribuições assimétricas pode ser difícil para o pesquisador definir qual distribuição utilizar para um determinado conjunto de dados. Este estudo de iniciação cientifica propôs estudar estas três distribuições de probabilidade afim de encontrar uma regra de decisão que permita dizer qual distribuição é mais apropriada para um determinado conjunto de dados. Ao fim do trabalho, obtivemos progressos envolvendo o modelo de discriminante linear [Hair et al. (2009)] e o modelo de árvore de classificação [Lopes (2005)].

Neste trabalho construímos um painel visual enumerado usando fractais n-gons  com o objetivo de analisar algumas sequências de números inteiros, principalmente a sequência dos números primos e algumas de suas subsequências clássicas. Essa estrutura visual gera uma estratificação dos números inteiros que tem forte ligação com
aritmética modular, o que nos permitiu verificar visualmente alguns resultados da teorizados números. A ideia deste painel visual surgiu do estudo da construção do triângulo de Sierpinski a partir do Triângulo de Pascal e do estudo dos trabalhos de Ulam sobre a
espiral de primos .

Este trabalho tem por objetivo modelar e prever a quantidade de manchas solares. Tal fenômeno  ocorre no Sol e está diretamente relacionados com o chamado ciclo solar. A atividade solar pode refletir na vida moderna, principalmente quando consideramos a rede elétrica, o que justifica o seu estudo. Para a modelagem da série temporal de manchas solares foi aplicado o modelo estatístico chamado de TBATS, que é uma adaptação do modelo conhecido como Holt Winters.  A principal característica do TBATS está na possibilidade de acomodar múltiplas sazonalidades complexas. Como resultado,  foi possível modelar a série temporal com o TBATs mas a previsão enfrentou desafios de autocorrelação nos resíduos da modelagem. Como os resíduos do modelo apresentaram um padrão que indica alguma correlação, outras modelagens alternativas foram exploradas envolvendo manchas solares hemisféricas e o número de manchas solares suavizada em 13 meses.