Palestra: Bayesian inference on multivariate-t nonlinear mixed-effects models for multiple longitudinal data with missing values
Palestrante: Mauricio Castro (Pontificia Universidad Católica de Chile)
Data: 11/03/2020
Horário: 15:30
Local: Laboratório de Sistemas Estocásticos (LSE), sala I-044b
Dando continuação ao Ciclo de Palestras do Programa de Pós-Graduação em Estatística do IM-UFRJ, na próxima 4a feira, 11/03/20, às 15:30, teremos no Laboratório de Sistemas Estocásticos (LSE), sala I-044b, a palestra do professor:
Resumo: The multivariate-t nonlinear mixed-effects model (MtNLMM) has been shown to be a promising robust tool for analyzing multiple longitudinal trajectories following arbitrary growth patterns in the presence of outliers and possible missing responses. Owing to intractable likelihood function of the model, we devise a fully Bayesian estimating procedure to account for the uncertainties of model parameters, random effects, and missing responses via the Markov chain Monte Carlo method. Posterior predictive inferences for the future values and missing responses are also investigated. We conduct a simulation study to demonstrate the feasibility of our Bayesian sampling schemes. The proposed techniques are illustrated through applications to two case studies.
Acompanhem a atualização da programação do nosso ciclo de palestras AQUI.
Dando início ao Ciclo de Palestras do Programa de Pós-Graduação em Estatística do IM-UFRJ do ano de 2020, na próxima 2a feira, 10/02/20, às 13:30, teremos no Laboratório de Sistemas Estocásticos (LSE), sala I-044b.
Palestrante: Mauricio Sadinle (University of Washington)
Palestra: Nonparametric Identifiable Methods to Handle Nonignorable Missing Data
Data: 10/02/2020
Horário: 13:30
Local: Sala I-044b
Resumo: There has recently been a lot of interest in developing approaches to handle missing data that go beyond the traditional assumptions of the missing data being missing at random and the nonresponse mechanism being ignorable. Of particular interest are approaches that have the property of being nonparametric identified, because these approaches do not impose parametric restrictions on the observed-data distribution (what we can estimate from the observed data) while allowing estimation under a full-data distribution. When comparing inferences obtained from different nonparametric identified approaches, we can be sure that any discrepancies are the result of the different identifying assumptions imposed on the parts of the full-data distribution that cannot be estimated from the observed data, and consequently these approaches are especially useful for sensitivity analyses. In this talk I will present some recent developments in this area of research and discuss current challenges.
Acompanhem a atualização da programação do nosso ciclo de palestras no sitio www.dme.ufrj.br opção Atividades subopção Ciclo de Palestras.
Título: Difusões interagentes sobre grafos: até que ponto a rede importa?
Palestrante: Roberto Imbuzeiro Oliveira (IMPA)
Data: 13/11/19 (quarta-feira)
Horário: 15:30
Local: Laboratório de Sistemas Estocásticos, sala I-044b (LSE)
Resumo: Vários sistemas importantes consistem de processos aleatórios que interagem entre si. Um problema de grande interesse é entender como a estrutura das interações influencia os processos. Nesta palestra, responderemos a esta pergunta no caso em que os processos são difusões e a estrutura de interação é dada por um grafo possivelmente aleatório. Nossos resultados descrevem o comportamento das difusões no limite quando o número de vértices diverge. Sob algumas hipóteses razoáveis, há dois tipos de comportamento possível. O primeiro é o que ocorre quando o número médio de vizinhos de um vértice diverge: neste caso, são encontrados o mesmo limite e o mesmo princípio de grandes desvios que num grafo completo. No segundo caso, o número de vizinhos converge e o limite do processo tem a ver com difusões interagentes num grafo infinito (e potencialmente aleatório). No fim da palestra, falaremos brevemente de trabalhos em andamento sobre medidas de equilíbrio e estimação do modelo. Trabalho em conjunto com Guilherme Reis (UFBA) e Lucas Stolerman (UCSD).
Acompanhem a atualização da programação do nosso ciclo de palestras AQUI.
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:
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.
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.
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.
Título: Um diagrama vale mais que mil fórmulas?
Palestrante: João Paixão (DCC/ UFRJ)
Data: 16/10/19
Horário: 15:30
Local: Laboratório de Sistemas Estocásticos, sala I-044b (LSE)
Resumo: Richard Feynman e Roger Penrose ao trabalharem com cálculo de tensores perceberam que representações visuais eram melhores de compreender do que a notação simbólica.Representações visuais na matemática e na ciência são bastante utilizadas para explicarmos a intuição por trás de um conceito. No entanto, muitas vezes pecam pela sua informalidade.Será que podemos trabalhar com diagramas sem perder o rigor matemático? Nessa palestra vou apresentar uma linguagem com diagramas formal que pode descrever álgebra linear, redes neurais, circuitos elétricos, mecânica quântica, teoria de controles, entre outros campos, podendo também ser utilizada para explicar e demonstrar conceitos em sala de aula.
Acompanhem a atualização da programação do nosso ciclo de palestras AQUI.
