26 04 im alumniV8
22 11 im fatiado face
22 11 im fatiado twitter
22 11 im fatiado youtube
22 11 im fatiado gmail
22 11 im fatiado brazil
22 11 im fatiado england
22 11 im fatiado spain

Encerrando o Ciclo de Palestras 2019/2 do Programa de Pós-Graduação em Estatística do IM-UFRJ, na próxima 4a feira, 11/12/19, teremos no Laboratório de Sistemas Estocásticos (LSE), sala I-044b, uma sequência de palestras de alunos do nosso programa, iniciando excepcionalmente às 14:00. Segue a programação:

14:00 - 14:40 - Guido Moreira

Título: Logistic modelling of point process: a Bayesian approach for presence-only data

Resumo: Species distribution models (SDMs) are extremely useful for determining preferences and habitats for different species. Appropriate estimation of species distribution depends on the adequate random sampling scheme which isn’t always available. Instead, data is frequently composed of georeferenced locations where the species has been observed, which is commonly referred to as presence-only (PO) data. The statistical modelling of PO type data through Inhomogeneous Poisson Processes (IPP) was proposed by Fithian and Hastie (2013). As has already been noted (Fithian et al, 2015), PO type data presents bias in its sampling pattern, which must be addressed. A natural way to model this bias under IPP is through thinning of the process, which is easily performed using pertinent covariates and a logistic function. A different model for the intensity is proposed. It maintains the already established flexibility, while adding extra flexibility in the choice of covariates. Therefore, it is possible to have correlated and even the same covariates in the intensity and thinning components of the model. This is shown through simulated results. Additionally, it provides computational advantages for handling integrals that appear in the likelihood without resorting to approximations.

14:50 - 15:30 - Rafael Souza

Título: Comportamento limite de sistemas de passeios aleatórios coalescentes, com enfoque na rede de drenagem com ramificação.

Resumo: Os passeios aleatórios possuem notável importância na literatura, tanto por motivações teóricas quanto para a matemática aplicada, com um amplo conjunto de aplicações em modelagem estocástica. Por conta disso, teve-se interesse de estudar (começando nos anos 80) uma extensão natural dos passeios aleatórios que consiste em considerar não apenas um passeio, mas sim uma infinidade de passeios aleatórios evoluindo em um mesmo ambiente, de acordo com algumas regras de interação. A mais importante dessas regras estabelece que, quando há encontro de duas trajetórias, elas passam a evoluir sempre juntas (coalescem). No caso de uma única trajetória, já é de amplo conhecimento que há convergência em escala difusiva para o movimento browniano (Teorema de Donsker), mas a verificação de existência de um objeto limite em escala difusiva e a caracterização desse limite, quando avançamos para sistemas de passeios aleatórios coalescentes, já se torna algo bem mais complexo e com diversos problemas em aberto.

A apresentação será dividida em duas partes. Na primeira será feita uma breve revisão de literatura, explicando a ideia geral sobre o que é um sistema de passeios aleatórios coalescentes, quais são alguns dos principais candidatos a objeto limite em escala difusiva desse tipo de sistema (Brownian Web e Brownian Net) e qual a ideia central por trás das técnicas que são usadas para se verificar convergência desse tipo de sistema. Na segunda parte, será abordado especificamente o objetivo do meu trabalho de doutorado, que é verificar a existência de um objeto limite em escala difusiva e conseguir caracterizá-lo quando temos um tipo específico de sistema de passeios aleatórios coalescentes, chamado rede de drenagem com ramificação.

15:40 - 16:20 - Marcus Lavagnole

Título: Flexible Robust Mixture Regression Modeling

Resumo: This work provides a flexible methodology for the class of finite mixture of regressions with scale mixture of skew-normal errors (SMSN-FMRM) introduced by \citet{Zeller2016}, relaxing the constraints imposed by the authors during the estimation process. Based on the data augmentation principle and Markov chain Monte Carlo (MCMC) algorithms, a Bayesian inference procedure is developed. A simulation study is implemented in order to understand the possible effects caused by the restrictions and an example with a well known dataset illustrates the performance of the proposed methods.

Contamos com a presença de vocês.

Acompanhem a atualização da programação do nosso ciclo de palestras no sitio www.dme.ufrj.br opção Atividades subopção Ciclo de Palestras.

Topo