<div dir="ltr"><div style="padding:20px 0px 0px;font-size:0.875rem;font-family:Roboto,RobotoDraft,Helvetica,Arial,sans-serif"><span style="font-family:Arial,Helvetica,sans-serif;font-size:small">Prezados,</span><br></div><div><div id="gmail-m_-1039247224609206762gmail-m_6284964338369420402gmail-m_-6257645238032018263gmail-m_-5378602272881849176gmail-m_8250150167311829629gmail-m_4401263143051372013gmail-:14x" style="direction:ltr;margin:8px 0px 0px;padding:0px"><div id="gmail-m_-1039247224609206762gmail-m_6284964338369420402gmail-m_-6257645238032018263gmail-m_-5378602272881849176gmail-m_8250150167311829629gmail-m_4401263143051372013gmail-:14y" style="overflow:hidden;font-variant-numeric:normal;font-variant-east-asian:normal;font-stretch:normal;line-height:1.5"><div dir="ltr"><div><br>dando continuidade ao Ciclo de Palestras do Programa de Pós-Graduação em Estatística do IM-UFRJ, <b>na próxima 4a feira, 27/01/21, às 15:30</b>, teremos a palestra da professor:</div><div><a style="color:rgb(51,51,51);font-size:13px;padding:10px 0px;display:inline"><span style="line-height:24px;margin:0px"><font face="arial, sans-serif"><b><br></b></font></span></a></div><div><font face="arial, sans-serif"><b>Marcos de Oliveira Prates (UFMG)</b></font></div><div><b><br></b></div><div><font face="arial, sans-serif"><b>Título: </b></font>Spatial Confounding Beyond Generalized Linear Mixed Models: Extension to Shared Components and Spatial Frailty Models<div><font face="arial, sans-serif"><br></font></div></div><div><div><div><font face="arial, sans-serif"><b>Resumo: </b></font>Spatial confounding is defined as the confounding between the fixed and spatial random effects in generalized linear mixed models (GLMMs). It gained attention in the past years, as it may generate unexpected results in modeling. We introduce solutions to alleviate the spatial confounding beyond GLMMs for two families of statistical models. In the shared component models, multiple count responses are recorded at each spatial location, which may exhibit similar spatial patterns. Therefore, the spatial effect terms may be shared between the outcomes in addition to specifics spatial patterns. Our proposal relies on the use of modified spatial structures for each shared component and specific effects. Spatial frailty models can incorporate spatially structured effects and it is common to observe more than one sample unit per area which means that the support of fixed and spatial effects differs. Thus, we introduce a projection-based approach for reducing the dimension of the data. An R package named "RASCO: An R package to Alleviate Spatial Confounding" is provided. Cases of lung and bronchus cancer in the state of California are investigated under both methodologies and the results prove the efficiency of the proposed methodology.</div><div style="outline:none;padding:10px 0px;width:22px;margin:2px 0px 0px">-----<br></div><div><br></div><div>A palestra ocorrerá remotamente, via Google Meets. Segue o link para o acesso a sala: <a href="http://meet.google.com/ruv-ruxx-ehg" rel="noreferrer noopener" target="_blank">meet.google.com/ruv-ruxx-ehg</a> . A sala será aberta sempre 10 minutos antes do início de cada sessão.<br></div></div><div></div></div><p align="justify" style="margin-bottom:0.35cm;line-height:14.95px;direction:ltr">Contamos com a presença de vocês. </p><div><div>Acompanhem a atualização da programação do nosso ciclo de palestras no sitio  <a href="http://www.dme.ufrj.br/" rel="noreferrer noreferrer noreferrer" target="_blank">www.dme.ufrj.br</a> opção Atividades subopção Ciclo de Palestras. Para ver palestras anteriores, se inscreva no nosso canal <a href="https://www.youtube.com/channel/UCoLTqHW20Ne1qFYL2xYJOcg/featured" rel="noreferrer" target="_blank">Ciclo de Palestras Estatística UFRJ </a>!</div></div></div></div></div></div><font color="#888888"><font color="#888888"><div><br></div></font></font><div><br></div>-- <br><div dir="ltr" class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div><i><span style="font-family:arial,sans-serif">Kelly C. M. Gonçalves</span></i></div><div><i><span style="font-family:arial,sans-serif">Professora Adjunta III</span></i></div><div><i><span style="font-family:arial,sans-serif">Departamento de Métodos Estatísticos</span></i></div><div><i><span style="font-family:arial,sans-serif">Universidade Federal do Rio de Janeiro</span></i><br></div></div></div></div>