João Debastiani Neto

João Debastiani Neto

Auto-generated profile, based on publicly available information

João Debastiani Neto

Universidade Estadual de Maringá - UEM

Research Focus & Metrics

Academic Career Length

3Years (2024-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
1 January 2025 in Revista Colombiana de Estadística
Verified
Journal Article
Open access
PDF file
JNJoão Debastiani Neto
João Debastiani Neto
RORicardo P. Oliveira
Ricardo P. Oliveira
FMFernando Antonio Moala
Fernando Antonio Moala
JAJorge Alberto Achcar
Jorge Alberto Achcar
In this paper, we propose a new discrete model, the discrete analog of the xLindley distribution, as an alternative for modeling overdispersed data. The model was derived using the method of infinite series, allowing us to capture complex characteristics of the data, and its properties were studied in detail. Asymptotic results are presented to validate the model parameter estimates consistency in large samples. Additionally, a Bayesian approach was considered for inference with complete and right-censored data. The performance of the Bayesian estimators was evaluated through Monte Carlo simulations, enabling a comprehensive comparison of the effectiveness and efficiency of the estimators under different scenarios. The proposed model was applied to two real datasets, demonstrating its practical utility. The practical application included the analysis of discrete events in research environments, highlighting the model's flexibility in various situations. Furthermore, a comparison with other discrete distributions was provided, showcasing the advantages of the xLindley model over existing alternatives.

1 January 2024 in Sigmae
Verified
Journal Article
Open access
PDF file
JNJoão Debastiani Neto
João Debastiani Neto
CPClicia Geovane Alves Pereira
Clicia Geovane Alves Pereira
MFMaria Graziela da Silva Fernandes
Maria Graziela da Silva Fernandes
RORicardo Puziol de Oliveira
Ricardo Puziol de Oliveira
O estresse manifestado nos alunos representa uma variável predominante que se concentra em uma parte substancial da demografia estudantil. Muitos elementos de natureza psicológica, fisiológica e acadêmica podem incidir sobre o nível de tensão experimentado pelos alunos. Para realizar uma análise estatística sobre essa questão, o presente estudo é proposto com o objetivo de implementar um Modelo Logístico Multinomial para identificar fatores e seu impacto sobre os níveis de estresse entre os estudantes nepaleses. O conjunto de dados foi obtido no repositório do Kaggle, denominado "StressLevelDataset", composto por 20 atributos que avaliam os níveis de estresse em 1.100 alunos. Esses atributos foram categorizados em cinco fatores: Psicológico (PF), Fisiológico (PhF), Social (SF), Ambiental (EF) e Acadêmico (AF). Para esta investigação, a análise de estresse concentrou-se em PF, PhF e FA. Os principais atributos desses fatores incluem ansiedade, autoestima, depressão e histórico de doença mental (PF); dor de cabeça, qualidade do sono e problemas respiratórios (PhF); desempenho acadêmico, carga horária de estudo, relacionamento aluno-professor e preocupação com a carreira futura (FA). O modelo multinomial ajustado, usando o nível de estresse como variável de resposta e as onze covariáveis mencionadas, produziu uma precisão de 89,09%. Considerando essas métricas, observou-se que as variáveis nível de desempenho acadêmico, nível de qualidade do sono e nível de horas de estudo exerceram a maior influência na explicação do nível de estresse, nessa ordem, com uma relevância de 22,01%, 17,4% e 14,9%, respectivamente.

1 January 2024 in Sigmae
Verified
Journal Article
Open access
PDF file
JNJoão Debastiani Neto
João Debastiani Neto
BWBruna Gabriela Wendpap
Bruna Gabriela Wendpap
RPRoney Peterson Pereira
Roney Peterson Pereira
A presente pesquisa aborda o contexto epidemiológico da pandemia de COVID-19, focando o panorama específico do Brasil, com foco especial no Estado do Paraná, aproximadamente um ano após a implementação do primeiro confinamento. O objetivo geral desta pesquisa consiste em aplicar a técnica de análise de agrupamento conhecida como k-means para categorizar os municípios paranaenses com base em duas variáveis ??principais: o número de casos confirmados e o número de óbitos por COVID-19. Para alcançar esse propósito, foram utilizados dados fornecidos pela Secretaria de Saúde do Paraná, abrangendo o período de 1º de janeiro de 2021 a 15 de março de 2021. Os resultados obtidos revelaram a identificação de três clusters que se destacaram como ótimos, evidenciando divergências nos padrões de incidência de casos e óbitos entre os municípios. Notavelmente, observou-se uma correlação entre a densidade populacional e a frequência de casos e ´óbitos, com ´áreas mais densamente povoadas tendendo a registrar números mais elevados. Além disso, a avaliação da precisão dos algoritmos J48 e Naive Bayes na classificação dos clusters apresentou resultados satisfatórios. Consequentemente, conclui-se que a técnica de agrupamento de empregados revelou-se eficaz na identificação de semelhanças nos padrões de propagação da COVID-19, oferecendo evidências relevantes para a formulação de Estratégias direcionadas e eficientes no enfrentamento da pandemia, especialmente nas regiões mais impactadas.