Computational Agricultural Statistics Laboratory
Estatística computacional para pesquisas agropecuárias.
Desenhamos amostras, construímos ferramentas de pesquisa e publicamos software livre para a produção de estatísticas agropecuárias e rurais. Sediados no Departamento de Estatística da Universidade Federal de Pernambuco, no Recife, com pesquisadores no Brasil e na Colômbia.
O que fazemos
O CAST Lab é um ambiente acadêmico cooperativo para desenvolver e testar métodos computacionais e estatísticos aplicados à produção e à análise de dados agropecuários e rurais. O grupo nasceu da pesquisa em amostragem do Departamento de Estatística da UFPE e trabalha com órgãos nacionais de estatística, programas da FAO e universidades no Brasil e no exterior.
Os estudantes entram pelo Programa de Pós-Graduação em Estatística da UFPE e por projetos de iniciação científica. Quase tudo o que produzimos é publicado como código aberto, principalmente na forma de pacotes R no CRAN.
Em 2016 e 2017 o grupo planejou e executou experimentos no Brasil para a FAO comparando a eficiência de métodos estatísticos e computacionais para pesquisas agropecuárias por amostragem probabilística, no âmbito da Estratégia Global para a Melhoria das Estatísticas Agrícolas e Rurais, endossada pela Comissão de Estatística da ONU. Desde então forma pós-graduandos e técnicos de agências de estatísticas oficiais no Brasil e no exterior.
- Amostragem probabilística e metodologia de pesquisas
- Cadastros mestres de amostragem, cadastros de área e de lista, estimação com cadastros múltiplos e métodos de pequenas áreas para censos e pesquisas agropecuárias.
- Ferramentas computacionais para pesquisas
- Software livre para seleção de amostras, coleta de dados em campo, paradados e controle de qualidade, publicado como pacotes R e aplicações web.
- Sensoriamento remoto para a agricultura
- Imagens de satélite e estatística espacial para estimação de área plantada, mudança de uso da terra e construção de cadastros.
- Modelagem estatística e análise de dados
- Modelos de regressão para respostas limitadas e inflacionadas, métodos não paramétricos, pareamento de registros e aprendizado de máquina aplicados a dados oficiais.
O CAST é um grupo de pesquisa certificado pelo CNPq desde 2016, com 14 pesquisadores e 12 estudantes registrados, e parcerias com Food and Agricultural Organization of the United Nations, Università degli Studi di Milano-Bicocca. Espelho do grupo no diretório do CNPq
Linhas de pesquisa registradas no CNPq
| Pesquisadores | Estudantes | |
|---|---|---|
| Model-based inference and data regression modelling | 9 | 3 |
| Probability Sampling and Survey Methodology for Agricultural Surveys | 9 | 3 |
| Computational Tools Development for Agricultural Surveys | 8 | |
| Métodos estatísticos e computacionais para monitoramento e vigilância epidemiológica, e de desastres naturais | 5 | 5 |
| Aprendizado de Máquina (Machine Learning) | 4 | 6 |
| Development and Innovation for Agricultural Remote Sensing Applications | 4 | 1 |
| Sampling Methods for Big Data | 4 | 2 |
| Inferencia causal | 1 | 1 |
Em números
Contados a partir das fontes listadas no rodapé.
Pessoas
-
Cristiano FerrazProfessor de EstatísticaMembro fundador -
André LeiteProfessor de Pesquisa OperacionalMembro fundador -
Raydonal OspinaProfessor de EstatísticaMembro fundador -
Hemílio CoelhoProfessor de Estatística -
Andréa DinizPesquisadora -
Jodavid de Araújo FerreiraProfessor de Estatística -
Wilton BernardinoProfessor de Estatística -
Luz Milena Zea FernándezProfessora de Estatística - G Geiza Cristina da SilvaProfessora de Ciência da Computação
-
Francisco Jatobá de AndradeProfessor de Sociologia - M Márcio de Aguiar Vasconcelos MonetaProfessor de Sociologia
-
Oscar Felipe Falcão RaposoPesquisador -
Luciene Maria Torquato Cerqueira BatistaProfessora de Estatística -
João Eudes Miqueias Maciel TorresEstatístico
Publicações recentes
-
A latent competing-risk framework for zero-adjusted survival data with cure fraction via discrete frailty
Research Square, 2026
Preprint doi:10.21203/rs.3.rs-9986526/v1Acesso abertoBibTeX
@misc{tojeiro2026alatentcompe, title = {A latent competing-risk framework for zero-adjusted survival data with cure fraction via discrete frailty}, author = {CYNTHIA A. V. TOJEIRO and VERA L. D. TOMAZELLA and HEMÍLIO F. C. COELHO}, year = {2026}, doi = {10.21203/rs.3.rs-9986526/v1}, url = {https://www.researchsquare.com/article/rs-9986526/latest.pdf} } -
A New Fuzzy Weibull-Based Naive Bayes Network for User Assessment in Virtual Reality Simulations
Lecture notes in computer science, 232-246, 2026
Trabalho em evento doi:10.1007/978-981-92-2369-5_16BibTeX
@inproceedings{moraes2026anewfuzzywei, title = {A New Fuzzy Weibull-Based Naive Bayes Network for User Assessment in Virtual Reality Simulations}, author = {Ronei M. Moraes and Jodavid A. Ferreira and Isaac S. L. Araújo and Liliane S. Machado}, year = {2026}, booktitle = {Lecture notes in computer science}, pages = {232-246}, doi = {10.1007/978-981-92-2369-5_16}, url = {https://doi.org/10.1007/978-981-92-2369-5_16} } -
Associação entre modalidades de ingresso e desempenho acadêmico na Universidade Estadual de Santa Cruz: Análise do coorte 2012
Revista Brasileira de Avaliação, 15, e151726-20, 2026
Artigo em periódico doi:10.4322/rbaval.202600072026BibTeX
@article{batista2026associacaoen, title = {Associação entre modalidades de ingresso e desempenho acadêmico na Universidade Estadual de Santa Cruz: Análise do coorte 2012}, author = {BATISTA, LUCIENE MARIA TORQUATO CERQUEIRA and LISBOA, GUSTAVO JOAQUIM and REIS, SUZANA SANTOS DOS}, year = {2026}, journal = {Revista Brasileira de Avaliação}, volume = {15}, pages = {e151726-20}, doi = {10.4322/rbaval.202600072026} } -
Co-occurrence of nutritional risk, sarcopenia, and dysphagia in community-dwelling older adults: a cluster analysis
Research Square, 2026
Preprint doi:10.21203/rs.3.rs-10394029/v1Acesso abertoBibTeX
@misc{travassos2026cooccurrence, title = {Co-occurrence of nutritional risk, sarcopenia, and dysphagia in community-dwelling older adults: a cluster analysis}, author = {Letícia de Carvalho Palhano Travassos and Hemílio Fernandes Campos Coelho and Jullyane Maia Barreto and Luiz Medeiros Araujo Lima Filho and Albert Espelt Hernàndez and Leandro Pernambuco}, year = {2026}, doi = {10.21203/rs.3.rs-10394029/v1}, url = {https://www.researchsquare.com/article/rs-10394029/latest.pdf} } -
Describing NDVI data from the GOLL-I regression
International Journal of Remote Sensing, 1, 1-20, 2026
Artigo em periódico doi:10.1080/01431161.2026.2716602BibTeX
@article{santos2026describingnd, title = {Describing NDVI data from the GOLL-I regression}, author = {SANTOS, PAULA T. G. and FERREIRA, JODAVID A. and NASCIMENTO, ABRAÃO D. C.}, year = {2026}, journal = {International Journal of Remote Sensing}, volume = {1}, pages = {1-20}, doi = {10.1080/01431161.2026.2716602}, url = {https://doi.org/10.1080/01431161.2026.2716602} } -
Preprint doi:10.17605/osf.io/qr8yu
BibTeX
@misc{felix2026fromvoicetop, title = {From voice to partnership: empowering the public to become partners in health research – a scoping review}, author = {Felix, Jean Bendito and de Araújo Ferreira Jesus, Caline Cristine and Moriyama, Cristina Hamamura and Pereira, Luciana Papaleo and Cavalcante, Luana Alves and Hemilio Fernandes Campos Coelho and Longo, Egmar}, year = {2026}, doi = {10.17605/osf.io/qr8yu}, url = {https://doi.org/10.17605/osf.io/qr8yu} }
| Pacote | O que faz | Versão | Downloads, 30 dias |
|---|---|---|---|
| DT2 | 'DataTables' 2.x for R | 0.1.3 | 544 |
| capesR | Access to CAPES Data | 0.2.0 | 526 |
| datasusr | Fast Access to Brazilian Public Health Data from 'DATASUS' | 0.1.1 | 506 |
| diario | 'R' Interface to the 'Diariodeobras' Application | 0.1.2 | 466 |
| BigDataPE | Secure and Intuitive Access to 'BigDataPE' 'API' Datasets | 0.3.0 | 456 |
| webdav | A Simple Interface for Interacting with 'WebDAV' Servers | 0.2.0 | 452 |
| apifetch | Token-Authenticated REST API Retrieval Toolkit | 0.2.0 | 433 |
| RapidFuzz | String Similarity Computation Using 'RapidFuzz' | 1.1.1 | 415 |
Últimas versões
Projetos
-
areaframe: um motor de cadastros de área
Plataforma web para amostragem por áreas na tradição da FAO, que reescreve a ferramenta anterior do laboratório em R/Shiny. Constrói malhas de segmentos sobre qualquer região (GADM níveis 0 a 2), suporta desenhos probabilísticos (aleatório simples, sistemático, estratificado com alocações de Neyman, Bethel e Kish, PPT, LPM espacialmente balanceada e método do cubo), enriquece os segmentos com a cobertura do solo ESA WorldCover, coleta classificação colaborativa de pontos e calcula estimativas de Horvitz-Thompson, Hájek e calibradas com intervalos de confiança.
Desde 2026. André Leite, Cristiano Ferraz, Raydonal Ospina
-
Cadastros mestres de amostragem para estatísticas agropecuárias
Estudos analíticos e simulação computacional da construção e do uso de cadastros mestres de amostragem para a produção de estatísticas agropecuárias e rurais, combinando cadastros de área e de lista.
Desde 2016. Cristiano Ferraz, André Leite, Raydonal Ospina
-
Software para desenho amostral e coleta de dados em campo
Ferramentas livres que apoiam a seleção de amostras, a distribuição de entrevistadores, a coleta com dispositivos móveis e o controle de qualidade de pesquisas agropecuárias. Publicadas como pacotes R e como a plataforma de pesquisa usada em campo.
Desde 2016. André Leite, Cristiano Ferraz
-
Plano amostral da Pesquisa Nacional de Agropecuária (PNAGRO)
Proposta liderada pelo CAST Lab, por meio da UFPE e da sua fundação FADE, para desenhar o plano amostral da nova Pesquisa Nacional de Agropecuária (PNAGRO) do IBGE com cadastro duplo, combinando amostragem de área e de lista, incluindo um estudo de campo e oficinas de capacitação com técnicos do IBGE. Doze meses de trabalho previstos para 2027, em acordo do Programa das Nações Unidas para o Desenvolvimento com o IBGE.
Previsto para 2027. Cristiano Ferraz, André Leite, Raydonal Ospina
Trabalhe conosco
Estudantes interessados em amostragem, computação para pesquisas ou estatística agropecuária podem ingressar pelo Programa de Pós-Graduação em Estatística da UFPE ou por um projeto de iniciação científica. Órgãos de estatística e grupos de pesquisa que buscam colaboração em pesquisas ou software podem escrever para contact@castlab.org.