<div dir="ltr"><div class="gmail_quote"><div dir="ltr"><div>Prezados colegas, </div><div><br></div><div><br></div><div><div>A nossa próxima palestra ocorrerá na quarta-feira, 15 de maio, no horário das 15h30 às 17h00, Local: Laboratório de Sistemas Estocásticos (LSE), Sala I-044-B, Centro de Tecnologia - UFRJ.</div><div><br></div><div><br></div><div><b>Palestrante</b>: Mariane B. Alves (UFRJ)</div><div><b>Título</b>:  kDGLM: Eficiência computacional e escalabilidade em Modelos Dinâmicos Generalizados<br></div><div><b>Resumo</b>: Embora tenham sido introduzidos há mais de 50 anos, modelos dinâmicos e previsões bayesianas ainda são subutilizados em diversas áreas aplicadas. Um dos principais entraves é a falta de solução analítica para atualização de inferência bayesiana no  contexto de modelos dinâmicos não-lineares e/ou não-Gaussianos, implicando na necessidade de aproximações que podem ter elevado custo computacional. Apresentamos uma abordagem computacionalmente eficiente e escalável para atualização bayesiana em modelos dinâmicos generalizados, mantendo a natureza sequencial da inferência e permitindo a incorporação de novas observações, filtragem e suavização, em tempo extremamente reduzido. Demonstramos que nossas aproximações para distribuições preditivas e a posteriori são comparáveis àquelas obtidas por métodos de Monte Carlo via cadeias de Markov. A metodologia proposta está implementada no pacote kDGLM, que acomoda uma variedade de distribuições k-paramétricas para respostas indexadas pelo tempo, incluindo normal univariada e bivariada, gama, Poisson e multinomial, além de suportar componentes estruturais como tendência, sazonalidade, regressões dinâmicas, autoregressões e funções de transferência. A utilização do pacote kDGLM é ilustrada em aplicações reais nos campos da Econometria  e Epidemiologia, em que são demonstradas ainda suas funcionalidades relacionadas a monitoramento e intervenção.</div><div>Trabalho desenvolvido em colaboração com Silvaneo Vieira dos Santos Junior e Helio dos Santos Migon.</div><div><br></div><div>Mais informações podem ser encontradas no site: <a href="https://www.dme.ufrj.br/?page_id=3486" target="_blank">https://www.dme.ufrj.br/?page_id=3486</a></div><div><br></div><div>Organizadores: Maria Eulalia Vares e Widemberg S Nobre</div><div><br></div><div>Saudações, </div></div><div><br></div></div></div><div><br></div><span class="gmail_signature_prefix">-- </span><br><div dir="ltr" class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr">Maria Eulalia Vares<div>Professora Titular - Instituto de Matemática - UFRJ</div><div>Coordenadora do Programa de Pós-Graduação em Estatística</div></div></div></div><div id="DAB4FAD8-2DD7-40BB-A1B8-4E2AA1F9FDF2"><br><table style="border-top:1px solid #d3d4de"><tr><td style="width:55px;padding-top:13px"><a href="https://www.avast.com/sig-email?utm_medium=email&utm_source=link&utm_campaign=sig-email&utm_content=webmail" target="_blank"><img src="https://s-install.avcdn.net/ipm/preview/icons/icon-envelope-tick-round-orange-animated-no-repeat-v1.gif" alt="" width="46" height="29" style="width: 46px; height: 29px;"></a></td><td style="width:470px;padding-top:12px;color:#41424e;font-size:13px;font-family:Arial,Helvetica,sans-serif;line-height:18px">Não contém vírus.<a href="https://www.avast.com/sig-email?utm_medium=email&utm_source=link&utm_campaign=sig-email&utm_content=webmail" target="_blank" style="color:#4453ea">www.avast.com</a></td></tr></table><a href="#DAB4FAD8-2DD7-40BB-A1B8-4E2AA1F9FDF2" width="1" height="1"></a></div>