[ABE-L] INSPER - Data Science Academic Seminar (online)

[Hedibert Lopes]

Palestrante: Thaís Paiva Galletti

Universidade: UFMG

Título: Métodos estatísticos para divulgação de dados confidenciais

Resumo: Com a crescente produção de dados das últimas décadas, um dos
principais problemas é a violação da privacidade de indivíduos. O desafio é
desenvolver mecanismos que preservem o sigilo dos dados e, ao mesmo tempo,
permitam que os dados sejam divulgados e utilizados para análises
estatísticas. Algumas abordagens utilizadas para alterar os dados antes de
publicá-los incluem agregação de dados, supressão de observações, troca de
dados, adição de ruído aleatório, e simulação de dados sintéticos. Os
métodos de imputação múltipla para simulação de dados sintéticos têm se
mostrado uma alternativa interessante para resolver esse tipo de problema,
podendo ser aplicado inclusive para localizações espaciais. O objetivo
deste trabalho é propor uma extensão para a metodologia de geração de
coordenadas geográficas sintéticas com covariáveis discretas e contínuas,
além de aplicar o método para imputação de localizações sintéticas de
indivíduos com suspeita de COVID-19 na cidade de Montes Claros, MG.

Data: February 1, 2024

Hora: 12 pm, São Paulo, Brasil (UTC/GMT -03:00)

Data: The seminar will be streamed at link https://zoom.us/j/95781336030


-- 
Hedibert Freitas Lopes, PhD
Professor of Statistics and Econometrics
INSPER - Institute of Education and Research
Rua Quatá, 300 - São Paulo, SP 04546-042 Brazil
Phone: +55 11 4504-2343
www.hedibert.org
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://lists.ime.usp.br/pipermail/abe/attachments/20240126/bd15a605/attachment.htm>