O primeiro tópico aceito para publicação apresenta um novo método para detecção de clusters espaciais, ou seja, um método para detecção de regiões com alta concentração de fenômenos espaciais, comparado com um número esperado, dada uma distribuição aleatória de eventos. A principal contribuição da proposta é apresentar um método não paramétrico, baseado nas funções de verossimilhança empírica, como alternativa para métodos tradicionais de varredura de clusters (scan) existentes na literatura. Desta forma, nenhuma família de distribuição é exigida para a variável de interesse. Para avaliação do método foram realizados estudos de simulação considerando o modelo Poisson inflacionado de zeros, comparando os resultados com o método scan proposto por Kuldorff. Os resultados mostram que o novo método reduz as probabilidades de erro do tipo I para observações inflacionadas de zero, com baixo poder para cluster com menos de 8 localizações. Um estudo de casos de sarampo na região de São Paulo, Brasil foi realizado. As observações apresentam uma alta ocorrência de zeros. Apenas o método scan de Kulldorff identificou a existência de um cluster, localizado e centrado na capital São Paulo. Entretanto, caso seja identificado um cluster pelo método Kulldorff na presença de observações inflacionadas e quando não confirmado pela abordagem não paramétrica, é recomendável que as interpretações sejam realizadas com cautela devido a alta probabilidade do erro do tipo I associado ao método Kulldorff quando o modelo não é bem especificado. 

O segundo tema tem como objetivo apresentar foi tópicos com duas novas abordagens para modelagem robusta para os modelos aditivos generalizados de localização, escala e forma (GAMLSS). A principal motivação é a escassez de métodos robustos para modelos GAMLSS.  As duas propostas buscam transformações de modo a limitar a função de influência associada à distribuição de probabilidade de interesse, e focam em situações de  contaminação nas caudas das distribuições.  A primeira abordagem modifica a estrutura do logaritmo da função de verossimilhança, utilizando conceitos de censura. Apresenta estudos de simulação e aplicação. A segunda abordagem nete tema baseia-se em um truncamento adaptativo simples, onde observações identificadas como possíveis outliers são verificadas e, se necessário, removidas por truncamento da distribuição da variável de resposta. Além de propor novos métodos de modelagem robusta, eles foram comparados com alguns métodos já disponíveis na literatura. Os estudos de simulação utilizaram as distribuições gama e beta, considerando três modelos distintos: modelos paramétricos sem e com covariáveis e modelos não paramétricos.  Os resultados mostram que, em comparação com os métodos existentes na literatura, o método adaptativo truncado apresenta um melhor desempenho com menores valores no erro quadrático médio e menor variabilidade na maioria dos cenários simulados.  Os desempenhos gerais das propostas são ilustrados por meio de três aplicações: dados de ressonância de imagens cerebrais, usando splines de suavização bivariadas; dados de extrema pobreza infantil; e a dados de síndrome respiratória aguda grave - SRAG.