Cristian Marcelo Villegas Lobos.

O agronegócio brasileiro se expandiu nas últimas décadas, com maior participação no produto interno bruto e nas receitas de exportação. As projeções indicam o potencial de melhorias adicionais com o crescimento da produção de celulose, carne, soja, milho, arroz e algodão. No entanto, a agricultura do país está sob pressão econômica, social e ambiental em relação à sustentabilidade, sendo o desmatamento a questão central para a manutenção da competitividade internacional do agronegócio. O desmatamento tem sido um tema recorrente ligado à exportação de commodities, principalmente quanto aos biomas Amazônia e Cerrado. Além do impacto ambiental causado pela exploração de madeira nativa, uma atenção especial tem sido dada à pecuária e à soja em razão da preocupação com o desmatamento ocasionado pela expansão das áreas de produção. Para manter a inserção dessas commodities no mercado, o governo e as partes interessadas devem agir por uma produção ambientalmente correta, tendo a transparência e a rastreabilidade como palavras-chave, uma vez que alguns países importadores estabeleceram regulamentos para evitar produtos originários de áreas de desmatamento. Os mecanismos de transparência e rastreabilidade existentes são baseados em acordos, inspeções e informações apresentadas em documentos em papel ou eletrônicos, permitindo espaço para desvios e ações fraudulentas. O objetivo deste projeto é desenvolver meios técnicos para autenticar a origem regional das commodities brasileiras com base na medição direta de isótopos e elementos químicos. Os grupos de pesquisa envolvidos têm considerável experiência no estudo da origem dos alimentos e commodities agrícolas, bem como na metrologia, que é fundamental para a aceitação internacional dos resultados de medição. Neste contexto, esforços, infraestrutura e conhecimento serão combinados para confirmar definitivamente que as commodities agrícolas de diferentes biomas têm propriedades intrínsecas únicas, permitindo a rastreabilidade por meio de uma avaliação inequívoca da autenticidade. Os resultados contribuirão para a metrologia forense, disponibilizando metodologia para o fornecimento de provas objetivas de origem, que podem ser ferramentas valiosas para autoridades e partes interessadas no combate à fraude

Neste projeto, modelamos dados correlacionados em que a variável resposta pertence à família exponencial. Os desafios para este tipo de modelo surgem na hora de determinar o número de efeitos aleatórios e como eles entram no modelo. Além disso, é preciso determinar a melhor estrutura de variância e covariância para os efeitos aleatórios. Trabalhamos sobre o ponto de vista da inferência clássica e bayesiana.

Neste projeto trabalhamos com dados de proporção ou razão, ou seja, dados restritos ao intervalo (0,1). Um dos principais problemas neste tido de dados é o excesso de zeros ou uns. Propomos modelos de efeitos fixou ou aleatórios para modelar este tipo de dados.

Neste projeto, temos como objetivo divulgar o uso da estatística para diferentes tipos de modelos, como por exemplo os modelos lineares, modelos não lineares e modelos lineares generalizados. O intuito do projeto é aprender conceitos de estatística de uma forma dinâmica por meio dos aplicativos criados com o pacote shiny do software livre R.

Neste projeto trabalhamos com modelos aditivos generalizados de posição, escala e forma com diferentes funções de penalização (discreta ou continua). Além disso, tentamos determinar algumas questões importantes neste tipo de modelos como o grau do polinômio, posição dos nós e qual base considerar. O parâmetro de suavização é estimado usando o critério de validação cruzada generalizada.

Neste projeto, trabalhamos com modelos lineares generalizados de efeitos fixos sobre o ponto de vista da inferência clássica e bayesiana. Na inferência clássica, estudamos o algoritmo de Newthon-Rapshon e escoring de Fisher. Na inferência bayesiana, estudamos a eficiência de diferentes algoritmos de monte carlo via cadeias de markov como por exemplo, o amostrador de Gibbs, o amostrador de Metropolis-Hasting, o algoritmo NUTS e o algoritmo Hamiltoniano de Monte Carlo.