<div dir="ltr"><h3><font size="2"><span style="font-weight:normal">Boa dia a todos(as),<br><br>Esta mensagem é para divulgar a primeira palestra do <span class="gmail-il">Ciclo</span> de <span style="color:rgb(60,64,67);background-color:rgb(253,226,147)"><span class="gmail-il">Seminários</span></span> do PPGE/UFPE (2023), a ser realizada na próxima quarta-feira, 01/03 pelo Google Meet às 15:00 horas. </span></font></h3><h3><font size="2"><span style="font-weight:normal">Sobre o pales</span></font><font size="2" style="font-weight:normal">trante: </font><span style="font-size:small;font-weight:normal">Jodavid Ferreira</span></h3><div>Graduado em Estatística pela Universidade Federal da Paraíba<br>(2015), possui Mestrado e Doutorado também em Estatística pela Universidade Federal de Pernambuco (2017 – 2021). Atualmente está no Pós-Doutorado no Programa de Pós- Graduação em Modelos de Decisão e Saúde (UFPB) e é coordenador do time de ciência de dados da Startup HartB Group. Possui pesquisas desenvolvidas nas áreas Computação, Estatística e Engenharia, sendo mais específicos nos temas de Classificação Fuzzy, Análise Multivarida, Análise Espacial, Estatística Computacional, Probabilidade, Teoria da Informação Estatística e Processamento de Imagens de Radar de Abertura Sintética Polarimétrica (PolSAR).<span style="font-size:small;font-weight:normal"><br></span></div><h3><font size="2"><span style="font-weight:normal">Sobre a palestra:</span></font></h3><div><font size="2">Link Meet: </font><a href="http://meet.google.com/zwp-swmq-akh ">meet.google.com/zwp-swmq-akh</a></div><div><br></div><div><b>Título:</b></div><div>Distribuições de probabilidade matriciais para dados PolSAR com intensidades<br>multimodais.</div><div><b><br class="gmail-Apple-interchange-newline">Resumo:</b><br></div><div>Neste trabalho publicado por Ferreira e colaboradores, são propostas duas novas distribuições de probabilidade matriciais a partir do uso de soma estocástica para dados PolSAR. Essas novas distribuições são utilizadas para dados PolSAR multilook, usando a abordagem de soma estocástica para descrever dados multimodais. Algumas propriedades matemáticas das distribuições são derivadas, tais como as funções características e cumulantes de Mellin. Novos processos de estimação por máxima verossimilhança via algoritmo EM (Expectation-Maximization) são derivados e avaliados por experimentos Monte Carlo. Resultados apresentam evidências de que os modelos propostos podem oferecer melhores ajustes do que outras distribuições bem conhecidas, tais como distribuição Wishart Complexa Escalonada, distribuição G0M e distribuição Km.<br></div><div><br></div><div>Favor divulgar entre possíveis interessados.</div><div>Att, </div>-- <br><div dir="ltr" class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div><div dir="ltr">Maria do Carmo Soares de Lima<div>Professora Adjunta C- UFPE</div></div></div></div></div></div>