Gostaríamos de convidar a todos para participarem da próxima sessão do grupo de leitura promovido pelo Departamento de Métodos Estatísticos da UFRJ sobre Modelagem de Epidemias. Nosso próximo encontro será na terça feira às 16hs com a apresentação do Professor Tianjian Zhou sobre inferência Bayesiana semi-paramétrica em modelo de espaço de estados aplicado à COVID. Tianjian Zhou possui bacharelado em Estatística pela Universidade de Ciência e Tecnologia da China, PhD em Estatística pela Universidade do Texas em Austin (2017) e atualmente é Professor Assistente na Universidade do Estado do Colorado.
Título: Semiparametric Bayesian Inference for the Transmission Dynamics of COVID-19 with a State-Space Model
Palestrante: Tianjian Zhou
Data: 18/08/2020
Horário: 16h
Acesse o link para transmissão AQUI.
Abstract: The outbreak of Coronavirus Disease 2019 (COVID-19) is an ongoing pandemic affecting over 200 countries and regions. Inference about the transmission dynamics of COVID-19 can provide important insights into the speed of disease spread and the effects of mitigation policies. We develop a novel Bayesian approach to such inference based on a probabilistic compartmental model using data of daily confirmed COVID-19 cases. In particular, we consider a probabilistic extension of the classical susceptible-infectious-recovered model, which takes into account undocumented infections and allows the epidemiological parameters to vary over time. We estimate the disease transmission rate via a Gaussian process prior, which captures nonlinear changes over time without the need of specific parametric assumptions. Predictions for future observations are done by sampling from their posterior predictive distributions. Our approach is applied to COVID-19 data from the United States, and the analysis results are available at http://covid19.laiyaconsulting.com/baysir. An R package BaySIR is made available at https://github.com/tianjianzhou/BaySIR for the public to conduct independent analysis or reproduce the results in this paper.
Descrição do Grupo: This group aims to study the essential aspects of modeling epidemics and statistical models used to understand and predict outbreaks in disease modeling.
Currently, our meetings are held once per week to discuss articles published in reference journals about statistical epidemic modelling.
The group is organized by Thais C O Fonseca, Mariane Branco Alves, Kelly C M Gonçalves , Viviana G R Lobo and Carlos Tadeu Zanini (Departament of Statistics, UFRJ, Brazil).
We meet using Meets platform to allow researchers around all locations to take part and to share their experiences. If you would like to join this reading group, please use the google groups ModelingEpidemics_DME_UFRJ to join the group and contact us. We will be glad to have you as a member of this reading group if you are interested.
Acesse a página do grupo AQUI.
Devido à pandemia, estamos realizando de forma virtual as atividades do COLMEA, colóquio interinstitucional que congrega vários grupos do Rio de Janeiro.
14:00h - 15:10h: Florencia Leonardi (IME-USP)
Seleção de modelos para processos estocásticos
15:10h - 16:20h: Flávia Maria Darcie Marquitti (IFGW-Unicamp)
Assinaturas de processos microevolutivos em padrões filogenéticos
Transmissão online: O encontro se dará no GoogleMeet através do link: https://meet.google.com/smn-erzz-uhy.
Para participar por telefone, disque +1 929-276-0365 e digite este PIN: 749 078 582#
Seleção de modelos para processos estocásticos
Palestrantes: Florencia Leonardi (IME-USP)
Seleção de modelos se refere a uma área da estatística onde são considerados modelos probabilísticos cujos parâmetros pertencem a espaços de diferentes dimensões. O objetivo então é estimar uma dimensão para o modelo e, dentro desse espaço, utilizar técnicas estatísticas usuais para estimar os parâmetros. Neste seminário vou apresentar alguns resultados recentes sobre o problema de seleção de modelos para processos estocásticos. Em particular vou mostrar resultados para o problema de detectar blocos independentes em séries temporais multivariadas e também uma abordagem para detectar comunidades em redes aleatórias. Estes dois exemplos vão servir como ilustração dos métodos de seleção de modelos com critérios regularizados ou penalizados, que ajustam de forma automática e bastante eficiente a dimensão do modelo em questão.
Assinaturas de processos microevolutivos em padrões filogenéticos
Palestrantes: Flávia Maria Darcie Marquitti (IFGW-Unicamp)
Árvores filogenéticas são representações de relações evolutivas entre espécies e podem conter assinaturas dos processos responsáveis pelos eventos de especiação que exibem. Inferir processos evolutivos a partir das propriedades das árvores filogenéticas, no entanto, é um desafio. Neste seminário, apresentarei um modelo espacialmente explícito baseado no indivíduo (IBM), em que mutações e reprodução sexuada levam à formação de espécies. Por meio de simulações do processo evolutivo, mostro como obter a reconstrução completa das filogenias, caracterizando-as por propriedades estruturais como equilíbrio das árvores e velocidade de diversificação. Em seguida, descrevo como a variação nas características espaciais do processo de diversificação resulta em árvores com propriedades estruturais significativamente distintas. Por fim, apresento extensões desse modelo capazes de fornecer informações sobre a estrutura geográfica em ilhas e também sobre as interações entre indivíduos ao longo do tempo evolutivo.
Mais informações sobre o COLMEA, inclusive sobre todos os encontros anteriores podem ser encontradas AQUI.
Prezados alunos,
Desconsiderem o aviso de devolução de livros da Biblioteca do IM-UFRJ. A mensagem é enviada pelo sistema de forma automática.
Todos os empréstimos serão renovados ao longo da semana.
A devolução poderá ser feita quando voltarmos ao atendimento presencial.
Clique AQUI e confira o Quadro Horário com as disciplinas de graduação do IM no PLE 2020.
