Endereço

Departamento de Estatística – UFV
Av. Peter Henry Rolfs, s/n
Campus Universitário
36570-900, Viçosa, MG
Tel.: +55 (31) 3612-6150
E-mail: det@ufv.br

Portfólio – Prof. Luiz Alexandre Peternelli

Prof. Dr. Luiz Alexandre Peternelli

Professor Titular — Departamento de Estatística — Universidade Federal de Viçosa

Professor Titular da Universidade Federal de Viçosa, bolsista de Produtividade em Pesquisa do CNPq — Nível 1D, pesquisador do Programa de Melhoramento da Cana-de-Açúcar da UFV e referência em Probabilidade e Estatística Aplicada, com atuação em modelos mistos, delineamentos experimentais, simulação estocástica, seleção genômica, NIR, aprendizado estatístico e análise de imagens multiespectrais.

Apresentação

Luiz Alexandre Peternelli possui trajetória acadêmica fortemente conectada à Estatística Aplicada, à Biometria e ao melhoramento de plantas. Sua atuação integra fundamentos estatísticos, planejamento experimental, modelagem preditiva e aplicações em problemas reais das Ciências Agrárias, com destaque para cana-de-açúcar, seleção genômica, dados de espectroscopia no infravermelho próximo e imagens multiespectrais.

Foi Pró-Reitor de Pesquisa e Pós-Graduação da UFV entre março de 2015 e maio de 2019, atua como revisor científico de periódicos nacionais e internacionais e consultor de agências de fomento. Em 2025, foi eleito membro do conselho diretor da Sociedade Internacional de Biometria (IBS).

Pesquisa e atuação acadêmica

Modelos mistos e delineamentos

Aplicações em planejamento de experimentos, componentes de variância, análise de dados experimentais e seleção em programas de melhoramento.

Cana-de-açúcar e seleção genômica

Desenvolvimento e aplicação de metodologias estatísticas para seleção entre e dentro de famílias, predição genômica e avaliação de genótipos.

NIR e aprendizado estatístico

Modelos preditivos para dados de espectroscopia no infravermelho próximo, calibração multivariada e seleção de variáveis.

Imagens multiespectrais

Uso de imagens, VANTs, geoestatística e aprendizado de máquinas para caracterização biométrica e seleção precoce em experimentos.

Formação acadêmica

  • Pós-doutorado em Modelos de Aprendizado Estatístico — Virginia Polytechnic Institute and State University, Estados Unidos, 2019–2020.
  • Pós-doutorado em Genética Estatística e Genômica — University of Wisconsin–Madison, Estados Unidos, 2012–2013.
  • Pós-doutorado em Métodos Estatísticos Avançados aplicados ao Melhoramento de Plantas — Michigan State University, Estados Unidos, 2006–2007.
  • Doutorado em Statistics and Plant Breeding — Iowa State University, Estados Unidos, 1999.
  • Mestrado em Genética e Melhoramento — Universidade Federal de Viçosa, 1992.
  • Graduação em Agronomia — Universidade Federal de Viçosa, 1988.

Linhas e temas de pesquisa

  • Probabilidade e Estatística Aplicada.
  • Modelos mistos, componentes de variância e delineamentos experimentais.
  • Estatística Aplicada e Biometria.
  • Melhoramento vegetal, com ênfase em cana-de-açúcar.
  • Seleção genômica, aprendizado estatístico e modelos preditivos.
  • Dados de NIR, imagens multiespectrais, geoestatística e análise de dados.

Publicações selecionadas

  • Ribeiro, A. F. S. et al. Indirect selection based on multispectral aerial images in the early stages of a wheat breeding program. Agronomy Journal, 2026.
  • Peternelli, L. A.; Andrade, A. C. B.; Dias, C. S.; Teófilo, R. F. A fair and efficient two-step procedure for sugarcane properties prediction based on near-infrared spectra. Scientia Agricola, 2025.
  • Gonçalves, M. T. V. et al. Single-step genomic best linear unbiased predictions of sugarcane genotype performance. Euphytica, 2025.
  • Andrade, A. C. B.; Peternelli, L. A. Insights and protocols for discrimination of sugarcane clones by dissimilarity measures on RGB and NIR data. PLoS One, 2023.
  • Moreira, É. F. A.; Peternelli, L. A. Can statistical learning models make early selection among sugarcane families easier and still efficient? Crop Science, 2021.
  • Gonçalves, M. T. V. et al. Near-infrared spectroscopy outperforms genomics for predicting sugarcane feedstock quality traits. PLoS One, 2021.

Livros e capítulos

  • Conhecendo o R: uma visão mais que Estatística, Editora UFV, 2013.
  • Conhecendo o R: Uma Visão Estatística, Editora UFV, 2011.
  • Genetic Covariances of Relatives: A Matrix Algebra Approach, LAP Lambert Academic Publishing, 2009.
  • Capítulos em obras sobre fenômica, experimentação, análise estatística, seleção genômica e melhoramento de plantas.

Ensino

Graduação

  • EST 105 — Iniciação à Estatística 4(4-0). Estatística descritiva, probabilidade, variáveis aleatórias, distribuições e testes de significância.
  • EST 106 — Estatística I 4(4-0). Probabilidade, distribuições, inferência, intervalos de confiança, amostragem, regressão e correlação.
  • EST 220 — Estatística Experimental 4(4-0). Testes de hipóteses, contrastes, princípios da experimentação, delineamentos, fatoriais, parcelas subdivididas, regressão e correlação.

Pós-graduação

  • EST 622 — Estatística Experimental I 4(2-2). Planejamento de experimentos, ANOVA, regressão, experimentos fatoriais, parcelas subdivididas, superfície de resposta e experimentos de mistura.
  • EST 629 — Estatística Computacional 4(2-2). Análises estatísticas em R, simulação, Monte Carlo, reamostragem e MCMC.
  • EST 636 — Teoria e Prática da Simulação 4(2-4). Simulação estocástica, geração de variáveis aleatórias, Bootstrap, MCMC e aplicações em plantas e animais.
  • EST 640 — Modelos Lineares I 4(4-0). Matrizes, formas quadráticas, modelos de regressão, delineamentos experimentais e análise computacional de dados.

LAPEA e materiais disponíveis

O Prof. Peternelli coordena o LAPEA, laboratório voltado à consultoria, assessoria em Estatística, planejamento e análise de dados. Materiais e informações institucionais podem ser acessados no site do laboratório.

Acessar o LAPEA

Página acadêmica do Departamento de Estatística da Universidade Federal de Viçosa. Informações organizadas a partir da página institucional atual e do Currículo Lattes do docente.


© 2020 Universidade Federal de Viçosa - Todos os Direitos Reservados