Título: Estimação em pequenas áreas: modelos e aplicações
Ciclo de Palestras do PPGE - 2025
Palestrante: Fernando Moura (IM UFRJ)
Data: 16/04/25
Duração: 15:30
Local: I-044-B
Laboratório de Sistemas Estocásticos (LSE)
Centro de Tecnologia (CT) - UFRJ
Resumo: O termo “Estimação em Pequenas Áreas” engloba uma variedade de métodos utilizados para produzir estimativas baseadas em pesquisas amostrais para áreas geográficas ou domínios de estudo em que os tamanhos das amostras são demasiadamente pequenos, ou mesmo inexistentes para fornecerem estimativas com precisão aceitáveis. A inclusão de conjuntos de dados adicionais (covariáveis) costuma ser necessária para obter estimativas mais confiáveis via modelagem.
Nesta palestra, apresentaremos os principais modelos de estimação em pequenas áreas e uma nova metodologia para calcular índices. Também apresentaremos uma aplicação dessa metodologia para estimar o índice de insegurança alimentar em pequenas áreas do Estado de Minas Gerais, usando dados da Pesquisa Nacional de Orçamentos Familiares (POF)
O seminário será em inglês.
Speaker: Leandro P. R. Pimentel (IM-UFRJ)
Title: Sprinkled decoupling for Hammersley’s particle system
April 14, from 3:30 p.m. to 4:30 p.m. (Rio de Janeiro local time)
Room C-116 - Bloco C - CT – Instituto de Matemática – UFRJ.
There will be no transmission online.
Abstract: Sprinkling is a technique used to control the decay of correlations (decoupling) through an inequality obtained by introducing small perturbations, and it plays a key role in multiscale renormalization schemes for strongly correlated systems. In this talk we will discuss some motivations related to two models on the top of Hammersley’s particle system and prove a sprinkled decoupling inequality for this particle system.
More complete information about the seminars can be found at
https://ppge.im.ufrj.br/seminarios-de-probabilidade/
Título: The Effect of Measurement Error on Binary RRT Models
Ciclo de Palestras do PPGE - 2025
Palestrante: Sat Gupta
Data: 08/04/25
Duração: 09:00 - 10:30
Local: I-044-B
Laboratório de Sistemas Estocásticos (LSE)
Centro de Tecnologia (CT) - UFRJ
Resume: This study introduces the effect of measurement error on Binary Randomized Response Technique (RRT) models. We discuss a method for estimating and accounting for measurement error in two basic RRT models (Warner and Greenberg models) and one more comprehensive RRT model (Lovig et al. mixture model). Both theoretical and empirical results show that not accounting for measurement errors leads to inaccurate estimates. We introduce estimators that account for the effect of measurement errors. Furthermore, we introduce a new measure of model privacy using an odds ratio statistic which offers better interpretability than traditional methods.
Título: Uma análise das Equações de Euler - 2D para uma lei de gás politrópico generalizada
Instituto de Matemática
Bloco C
Sala: C-116
Resumo: Nesta palestra, desenvolvemos uma análise das equações de Euler compressíveis e isentrópicas em duas dimensões espaciais para uma lei de gás politrópico generalizada. O foco principal são os escoamentos rotacionais no regime subsônico, descritos por meio do formalismo das equações de Euler expressas em variáveis auto-similares e pseudo-velocidades. Uma equação do tipo Bernoulli é obtida, servindo como base para o estabelecimneto de um sistema auto-similar adaptado a escoamentos rotacionais. Na final, o estudo se estende à análise de um modelo perturbado, introduzindo o conceito de escoamentos quase-potenciais, oferecendo insights sobre seu comportamento e implicações.
Título: Latent archetypes of the spatial patterns of cancer
Ciclo de Palestras do PPGE - 2025
Palestrante: Marcos Prates
Data: 09/04/25
Duração: 15:30 - 17:00
Local: I-044-B
Laboratório de Sistemas Estocásticos (LSE)
Centro de Tecnologia (CT) - UFRJ
Resumo: The cancer atlas edited by several countries is the main resource for the analysis of the geographic variation of cancer risk. Correlating the observed spatial patterns with known or hypothesized risk factors is time-consuming work for epidemiologists who need to deal with each cancer separately, breaking down the patterns according to sex and race. The recent literature has proposed to study more than one cancer simultaneously looking for common spatial risk factors. However, this previous work has two constraints: they consider only a very small (2–4) number of cancers previously known to share risk factors. In this article, we propose an exploratory method to search for latent spatial risk factors of a large number of supposedly unrelated cancers. The method is based on the singular value decomposition and nonnegative matrix factorization, it is computationally efficient, scaling easily with the number of regions and cancers. We carried out a simulation study to evaluate the method’s performance and apply it to cancer atlas from the USA, England, France, Australia, Spain, and Brazil. We conclude that with very few latent maps, which can represent a reduction of up to 90% of atlas maps, most of the spatial variability is conserved. By concentrating on the epidemiological analysis of these few latent maps a substantial amount of work is saved and, at the same time, high-level explanations affecting many cancers simultaneously can be reached. The work was partially supported by FAPEMIG and CNPq. Joint work with Mônica De Castro, Renato Assunção and Thais Menezes.
See details in: Menezes, T. P. and Prates, M. O. and Assunção, R. and de Castro, M. S. M.. Latent Archetypes of the Spatial Patterns of Cancer. Statistics in Medicine, 43, 5115-5137, 2024
