<div dir="ltr">Caros,<br><br>Na próxima sexta-feira (<i><font color="#ff0000">16 de julho, às 13:30h</font></i>) o ciclo de Seminários do <i>Departamento de Estatística da UFMG</i> terá a apresentação de <b>Marina Silva Paez</b>. <br><br>Marina é Doutora em Estatística pela UFRJ e, atualmente, Professora Associada do DME - IM/UFRJ. Suas linhas de pesquisa de interesse são: Estatística Espacial, Inferência Bayesiana e Séries Temporais. <br><br>O seminário será transmitido ao vivo pelo canal do Youtube "<i><a href="https://www.youtube.com/channel/UCoZC2_pME9ca_-Hx4djd60w">Seminários DEST - UFMG</a></i>":<br><br>Att,<br>Vinícius Mayrink<br><br><b>********** Título e Resumo **********<br></b><br>Marina Silva Paez (DME - UFRJ, Rio de Janeiro)<br><br><i>Anisotropia através de deformação espacial em diferentes modelos geoestatísticos espaço-temporais.</i><br><br>Neste seminário irei apresentar diferentes classes de modelos geostatísticos que lidam com anisotropia por meio de processos de deformação. Em suma, a ideia do procedimento de deformação espacial consiste em fazer uma transformação de R² em R² que mapeia as coordenadas geográficas da região de interesse S (possivelmente anisotrópica) para um novo espaço latente D (isotrópico por construção). A 1ª proposta é a de um modelo geoestatı́stico para fenômenos espaço-temporais univariados que não são estacionários e exibem observações atípicas. Propomos a modelagem através de um processo t-Student para descrever dados com caudas pesadas, com componentes espaciais e temporais separáveis. A variação no tempo é incorporada através de modelos dinâmicos e a componente puramente espacial assume dependência através da especificação de uma função de correlação espacial. Lidamos com a anisotropia através de deformação espacial de Sampson e Guttorp (1992), e, uma vez que adotamos o paradigma Bayesiano, nos baseamos na abordagem de Schmidt e O'Hagan (2003). A 2ª proposta trata de modelos espaço-temporais multivariados. Nos baseamos na modelagem proposta por Paez et al. (2008) que apresenta uma classe de modelos dinâmicos hierárquicos para observações matriz-variadas (no caso a matriz considera as dimensões espaço e tempo). Modelos dinâmicos são mais uma vez propostos para tratar de variações temporais. Com o objetivo de relaxar a hipótese de isotropia assumida no referido trabalho, a presente pesquisa propõe uma extensão para o trabalho de Paez et al. (2008) que permite acomodar superfícies anisotrópicas. A inferência, como já mencionado, é feita sob o ponto de vista Bayesiano, e propomos o uso do MCMC para amostrar da distribuição a posteriori dos parâmetros dos modelos. As modelagens são inicialmente testadas para dados simulados e posteriormente aplicadas a conjuntos de dados ambientais. Colaboradores: Fidel E. C. Morales, Dimitris Politis, Jacek Leskow e Rodrigo Bulhões.<br clear="all"><div><br></div>-- <br><div dir="ltr" class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div dir="ltr"><div dir="ltr"><i><font color="#999999">Vinícius D. Mayrink</font></i><div><i><font color="#999999">Professor Associado - Departamento de Estatística</font></i></div><div><i><font color="#999999">ICEx, Universidade Federal de Minas Gerais<br></font></i></div></div></div></div></div></div>