<div dir="ltr"><div dir="ltr" class="gmail_signature" data-smartmail="gmail_signature">Caros,<br><br>Na próxima sexta-feira (15 de Março, às 13:30h) o ciclo de Seminários do Departamento de Estatística da UFMG terá a apresentação do prof. Pedro Luiz Ramos da PUC - Chile.<br><br>Pedro Luiz Ramos é professor assistente na Pontifícia Universidade Católica do Chile. Ele possui um mestrado em Matemática Aplicada e Computacional e um bacharelado em Estatística pela Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP). Ele completou seu doutorado em Estatística na Universidade de São Paulo (USP) e na Universidade Federal de São Carlos (UFSCar) por meio do Programa Interinstitucional. Também participou de um programa de doutorado sanduíche na Universidade de Connecticut (UCONN) nos Estados Unidos. Realizou dois pós-doutorados pela USP. Atualmente, ele atua como orientador de mestrado e doutorado em diversos programas no Chile e no Brasil. Também é pesquisador associado no Centro de Pesquisa em Matemática Aplicada à Indústria, Cepid/CeMEAI. Ele tem experiência na área de Probabilidade e Estatística, com ênfase em Inferência Bayesiana e Clássica, focando principalmente nos seguintes temas: seleção de modelos, análise de confiabilidade e controle de qualidade.<br><br>Title: Asymptotic properties of generalized closed-form maximum likelihood estimators<br><br>Abstract: The maximum likelihood estimator (MLE) is pivotal in statistical inference, yet its application is often hindered by the absence of closed-form solutions for many models. This poses challenges in real-time computation scenarios, particularly within embedded systems technology, where numerical methods are impractical. This study introduces a generalized form of the MLE that yields closed-form estimators under certain conditions. We derive the asymptotic properties of the proposed estimator and demonstrate that our approach retains key properties such as invariance under one-to-one transformations, strong consistency, and an asymptotic normal distribution. The effectiveness of the generalized MLE is exemplified through its application to the Gamma, Nakagami, and Beta distributions, showcasing improvements over the traditional MLE. Additionally, we extend this methodology to a bivariate gamma distribution, successfully deriving closed-form estimators. This advancement presents significant implications for real-time statistical analysis across various applications.<br><br>O seminário será transmitido ao vivo pelo canal do Youtube "Seminários DEST - UFMG".<br><br><a href="https://www.youtube.com/@seminariosdest-ufmg">https://www.youtube.com/@seminariosdest-ufmg</a><br><br>Att,<br>Marcos Prates<br></div></div>