[ABE-L] Ciclo de Palestras do DEST-IME-UFBA

[Lizandra Castilho Fabio]

Estimados,


Gostaríamos de convidá-los a acompanhar a nova edição do Ciclo de Palestras
do DEST-IME-UFBA com a utilização de palestras *onlines*. Com o intuito de
fortalecer a pesquisa no departamento de estatística da UFBA e também
promover a difusão do conhecimento na comunidade estatística brasileira,
propomos a utilização de uma plataforma online para viabilizar a
participação de pesquisadores de diferentes universidades brasileiras e
internacionais, sem o custo da viagem até Salvador.


O professor *Dani Gamerman*, do IM/UFRJ, fará a primeira palestra nesse
formato no dia *02 de junho*, *sexta-feira, às 11hs*. O link para
acompanhar a palestra é


https://www.youtube.com/channel/UCC96Rmc3qKEYkKk187IcLdA/live


E todos que estiverem acompanhando de forma online poderão enviar dúvidas
pelo chat da transmissão, pois as perguntas serão repassadas para o Prof.
Dani.


*Título*: Time varying extreme pattern with dynamic models - Dani Gamerman,
IM/UFRJ.


*Resumo*: This talk is concerned with the analysis of time series data with
temporal dependence through extreme events. This is achieved via a model
formulation that considers separately the central part and the tail of the
distributions, using a two component mixture model. Extremes beyond a
threshold are assumed to follow a generalized Pareto distribution (GPD).
Temporal dependence is induced by allowing to GPD parameter to vary with
time. Temporal variation and dependence is introduced at a latent level via
the novel use of dynamic linear models (DLM). Novelty lies in the time
variation of the shape of the resulting distribution. These changes in
limiting regimes as time changes reflect better the data behaviour, with
important gains in estimation and interpretation. The central part follows
a nonparametric, mixture approach. The uncertainty about the threshold is
explicitly considered. Posterior inference is performed through Markov
Chain Monte Carlo (MCMC) methods. A variety of scenarios can be entertained
and include the possibility of alternation of presence and absence of a
finite upper limit of the distribution for different time periods.
Simulations are carried out in order to analyze the performance of our
proposed model. We also apply the proposed model to financial time series:
returns of Petrobras stocks and Bovespa index. Results show advantage of
our proposal over currently entertained models such as stochastic
volatility, with improved estimation of high quantiles and extremes. Joint
work with Fernando Nascimento and Hedibert Lopes.



*Minicurrílo*: O Prof. Dani Gamerman é graduado em Engenharia Mecânica pelo
IME em 1980, Mestre em Estatística pelo IMPA em 1983 e Doutor em
Estatística pela Universidade de Warwick em 1987. Professor Titular da UFRJ
desde 1996, Bolsista de pesquisa do CNPq desde 1987. Autor dos livros Monte
Carlo Markov Chain: Stochastic Simulation for Bayesian Inference, publicado
pela Chapman and Hall em 1997 (1a. edição) e em 2006 (2a. edição, com
Hedibert F. Lopes) e Statistical Inference: an Integrated Approach (com
Helio S. Migon), publicado pela Arnold em 1999, além de livros nacionais.
Atualmente tem suas atividades de pesquisas em modelos dinâmicos,
estatística espacial, análise de sobrevivência, teoria de extremos, TRI,
simulação estocástica, econometria e inferência Bayesiana.



Essa atividade tem coordenação de *Lizandra C. Fabio* (
lizandra.fabio em ufba.br) e *Bruno Santos* (brunorsantos em ufba.br), caso
queiram enviar comentários ou sugestões sobre as palestras.
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <https://lists.ime.usp.br/archives/abe/attachments/20170529/c7b98968/attachment.html>