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

20 10 IM Populations NoticiaTítulo: Model-based Inference for Rare and Clustered Populations from Adaptive Cluster Sampling using Auxiliary Variables

Palestrante: Izabel Nolau (PPGE-UFRJ)
Data: 20/10/2021
Horario: 15:30h
Local: Transmissão online

Confira AQUI o link para a transmissão.

Resumo: Rare populations, such as endangered animals and plants, drug users and individuals with rare diseases, tend to cluster in regions. Adaptive cluster sampling is generally applied to obtain information from clustered and sparse populations since it increases survey effort in areas where the individuals of interest are observed. This work aims to propose a unit-level model which assumes that counts are related to auxiliary variables, improving the sampling process, assigning different weights to the cells, besides referring them spatially. The proposed model fits rare and grouped populations, disposed over a regular grid, in a Bayesian framework. The approach is compared to alternative methods using simulated data and a real experiment in which adaptive samples were drawn from an African Buffaloes population in a 24,108 square kilometers area of East Africa. Simulation studies show that the model is efficient under several settings, validating the methodology proposed in this paper for practical situations.

A palestra ocorrerá remotamente, via plataforma Zoom e com transmissão ao vivo pelo canal do YouTube Ciclo de Palestras Estatística UFRJ.

A sala será aberta sempre 10 minutos antes do início de cada sessão. Mais informações AQUI.

 

04 10 IM Notícia EstatísticaTítulo: Decoupling Shrinkage and Selection in Gaussian Linear Factor Analysis

Palestrante: Hedibert Freitas Lopes (Insper)
Data: 06/10/2021
Horario: 15:30h
Local: Transmissão online

Confira AQUI o link para a transmissão.

Resumo: Factor Analysis is a popular method for modeling dependence in multivariate data. However, determining the number of factors and obtaining a sparse orientation of the loadings are still major challenges. In this paper, we propose a decision-theoretic approach that brings to light the relation between a sparse representation of the loadings and factor dimension. This relation is done through a summary from information contained in the multivariate posterior. To construct such summary, we introduce a three-step approach. In the first step, the model is fitted with a conservative factor dimension. In the second step, a series of point-estimates with a decreasing number of factors is obtained by minimizing an expected predictive loss function. In step three, the degradation in utility in relation to the sparse loadings and factor dimensions is displayed in the posterior summary. The findings are illustrated with a simulation study, and an application to personality data. We used different prior choices and factor dimensions to demonstrate the flexibility of the proposed method. This is joint work with
Henrique Bolfarine (USP), Carlos Carvalho (UT Austin) and Jared Murray (UT Austin).

A sala será aberta sempre 10 minutos antes do início de cada sessão. Maiores informações AQUI.

Contamos com a presença de vocês!

02 08 IM Noticia PPGEstatisticaTítulo: Pesquisa Continuar Cuidando PB – Levantamento por amostragem domiciliar com testagem para COVID-19

Palestrante: Pedro Luis do Nascimento Silva (ENCE-IBGE)
Data: 04/08/2021
Horário: 15:30h
Local: Transmissão online

Confira AQUI o link para a transmissão.

Resumo: Numa parceria entre o Observatório de Síndromes Respiratórias da UFPB e o Governo do Estado da Paraíba, foi realizado entre 3 de novembro e 22 de dezembro de 2020 o levantamento epidemiológico “Continuar Cuidando PB”, pesquisa por amostragem de domicílios, que coletou dados sociodemográficos e sobre sintomas, além de aplicar testes rápidos e do tipo RT-PCR para diagnóstico de COVID-19. A amostra total de 394 setores censitários foi estratificada em quatro macrorregiões do estado, e subdividida de forma balanceada nesses estratos para coleta ao longo de 8 semanas. Em cada setor censitário selecionado, foi aplicado um protocolo de coleta simplificado utilizando arrolamento dos domicílios e amostragem inversa com sorteio via amostragem de Bernoulli, com regra de parada definida em função do número de moradores testados com teste RT-PCR nos domicílios selecionados maior ou igual a 25. Esse protocolo permitiu a realização tempestiva da coleta, a liberação de resultados parciais a cada 2 semanas, e total sincronia entre os dados obtidos nos questionários e nos testes para COVID-19 realizados. Com a conclusão da pesquisa em fins de dezembro de 2020, a administração da saúde pública na Paraíba teve acesso a indicadores que permitiram tomar melhores decisões sobre políticas públicas relativas à gestão da pandemia e informar à sociedade sobre a evolução da doença naquele estado. A coleta de dados foi realizada pela SCIENCE em parceria com equipes das secretarias municipais e estadual de saúde, que ficaram responsáveis pela aplicação dos testes rápidos e RT-PCR, pela devolução de resultados aos participantes testados, e pela oferta de serviços de cuidado a todos que testaram positivo para a doença. Todos os cuidados sanitários foram tomados para proteção da equipe de entrevistadores e profissionais de saúde envolvidos na coleta, bem como dos moradores dos domicílios selecionados que participaram da pesquisa.

A palestra ocorrerá remotamente, via plataforma Zoom e com transmissão ao vivo pelo canal do YouTube Ciclo de Palestras Estatística UFRJ.

A sala será aberta sempre 10 minutos antes do início de cada sessão. Acesse AQUI para mais informações. .

24 08 IM Noticia CicloDePalestrasTítulo: Random Machines: a new bagged-weighted support vector model

Palestrante :Anderson Luiz Ara Souza (UFBA)
Data: 25/08/2021
Horário: 15:30h
Local: Transmissão online

Confira AQUI o link para a transmissão.

Resumo: Improvement of statistical learning models to increase efficiency in solving classification or regression problems is a goal pursued by the scientific community. Particularly, the support vector machine model has become one of the most successful algorithms for this task. Despite the strong predictive capacity from the support vector approach, its performance relies on the selection of hyperparameters of the model, such as the kernel function that will be used. The traditional procedures to decide which kernel function will be used are computationally expensive. In this presentation, we proposed a novel framework to deal with the kernel function selection called Random Machines. The results display an improvement in the predictive capacity as well as reduced computational time.

A sala será aberta sempre 10 minutos antes do início de cada sessão.

Acesse AQUI para mais informações.

22 07 im noti Space time calibration of wind speed forecasts fromTítulo: Space-time calibration of wind speed forecasts from regional climate models

Palestrante: Luiz Eduardo da Silva Gomes
Data: 28/07/2021
Horário: 15:30h
Local: Transmissão online

Clique AQUI para acessar a transmissão.

Resumo: Numerical weather predictions (NWPs) are systematically subject to errors due to the deterministic solutions used by numerical models to simulate the atmosphere. Statistical postprocessing techniques are widely used nowadays for NWP calibration. However, time-varying bias is usually not accommodated by such models. The calibration performance is also sensitive to the temporal window used for training. This paper proposes space-time models that extend the main statistical postprocessing approaches to calibrate NWP model outputs. Trans-Gaussian random fields are considered to account for meteorological variables with asymmetric behavior. Data augmentation is used to account for censoring of the response variable. The benefits of the proposed extensions are illustrated through the calibration of hourly 10-meter height wind speed forecasts in Southeastern Brazil coming from the Eta model.

A palestra ocorrerá remotamente, via plataforma Zoom e com transmissão ao vivo pelo canal do YouTube Ciclo de Palestras Estatística UFRJ

A sala será aberta sempre 10 minutos antes do início de cada sessão. Mais informações AQUI.

Topo