<div dir="ltr"><div class="gmail_default" style="font-family:arial,sans-serif;font-size:small">Corrigindo a data do Webinar do Prof. Julián Collazos.</div><div class="gmail_default" style="font-family:arial,sans-serif;font-size:small">Será em 9/12/2020 as 13hs. Detalhes abaixo.</div><div class="gmail_default" style="font-family:arial,sans-serif"><div class="gmail_default"><div><div id="gmail-m_489951400383158635gmail-m_-5682787712148636264gmail-:16d" style="font-size:0.875rem;direction:ltr;margin:8px 0px 0px;padding:0px"><div id="gmail-m_489951400383158635gmail-m_-5682787712148636264gmail-:16e" style="overflow:hidden;font-variant-numeric:normal;font-variant-east-asian:normal;font-stretch:normal;font-size:small;line-height:1.5;font-family:Arial,Helvetica,sans-serif"><div dir="ltr"><div class="gmail_default"><div><font face="arial, sans-serif">Prezados(as)</font></div><div><font face="arial, sans-serif">Gostaria de convidá-los(as) a assistir mais um seminário em Análise de Dados em Alta Dimensão. Ocorrerá às 13hs, <b>09/12/2020</b>. Os links para este seminário e a gravação do anterior (google meet e youtube) estão abaixo. Desta vez teremos como palestrante, Prof. Julian Collazos, </font>New Granada Military University, Colombia.<span style="font-family:arial,sans-serif"> </span></div><div><font face="arial, sans-serif">abs.</font></div></div><font face="arial, sans-serif"><br clear="all"></font><div><div class="gmail_default"><font face="arial, sans-serif"><font color="#ff0000"><b>Webinar 9/12/2020</b></font>: <a href="https://meet.google.com/bzx-pbva-imx" target="_blank">https://meet.google.com/bzx-pbva-imx</a></font></div><div class="gmail_default"><br></div></div></div></div></div></div></div><div class="gmail_default"><br></div><div class="gmail_default"><div dir="auto" style="font-family:Arial,Helvetica,sans-serif">Title:</div><div dir="auto" style="font-family:Arial,Helvetica,sans-serif">Functional regression models for count data applied to confirmed COVID-19 deaths.</div><div dir="auto" style="font-family:Arial,Helvetica,sans-serif"><br></div><div dir="auto" style="font-family:Arial,Helvetica,sans-serif">Abstract:</div><div dir="auto" style="font-family:Arial,Helvetica,sans-serif">In this work, some count models for response variable with excess of zeros and functional and scalar covariates are presented to model the number of deaths from coronavirus. In order to estimate and select important covariates that influence the mean number of deaths and the proportion of zero counts (no deaths), it is proposed to use a Bayesian approach with appropriate a priori distributions on the model parameters associated with functional and scalar covariates. These prioris are implemented under a structure based on regularization methods for grouped covariates such as group Lasso or group Elastic-Net. This proposed methodology is illustrated using COVID-19 data from some Brazilian cities that have been affected by the pandemic.</div><div dir="auto" style="font-family:Arial,Helvetica,sans-serif"><br></div><div style="font-family:Arial,Helvetica,sans-serif"><font color="#0000ff"><b>webinar 2/12/20</b></font>: <a href="https://youtu.be/0-FyDHsJS7g" target="_blank">https://youtu.be/0-FyDHsJS7g</a></div></div></div><font color="#888888"><br class="gmail-Apple-interchange-newline"></font><div><br></div>-- <br><div dir="ltr" class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div><div dir="ltr"><div><div>Ronaldo Dias, Ph.D.</div>Professor<div>Dept. of Statistics-IMECC, UNICAMP</div><div><a href="http://www.ime.unicamp.br/~dias" target="_blank">www.ime.unicamp.br/~dias</a></div><div><br></div></div></div></div></div></div></div>