[ABE-L] Seminários da disciplina MATF04 (área de concentração em Estatística no Mestrado em Matemática da UFBA)

[Paulo C Rodrigues]

Prezados Colegas,

Na próxima sexta, dia 22, entre as 11h00 e as 12h00, irá decorrer no
Laboratório 143 do Instituto de Matemática e Estatística da Universidade
Federal da Bahia, a apresentação dos seminários referentes à disciplina
MATF04, referente à área de concentração em Estatística do mestrado em
Matemática. Os palestrantes, titulos e resumos são os seguintes:

=====================================================
*Título*: Modelos Com Respostas Distais: Uma Abordagem Bayesiana
*Mestranda*: Gilmara Santos Bispo

*Orientadora*: Profa.Dra. Leila Amorim (DEST/UFBA)
*Co-Orientadora*: Profa. Dra. Lilia Costa (DEST/UFBA)

*Resumo*: Métodos com abordagem frequentista têm sido recentemente
propostos para estimação de efeitos latentes em desfechos distais (Lanza et
al., 2013; Asparouhov e Muthén, 2014).  Em problemas deste tipo é de
interesse avaliar o efeito de variáveis não observadas, geralmente
provenientes do uso de análise de classes latentes (Latent Class Analysis,
LCA, em inglês) em variáveis respostas observadas, que podem ser binárias,
de contagem ou contínuas. As estratégias recentes consideram modelagem
simultânea da classe latente e o seu efeito no desfecho distal através do
uso de regra de Bayes a partir dos resultados de LCA com covariáveis (Lanza
et al., 2013) ou a incorporação dos erros de mensuração obtidos no LCA
diretamente na modelagem com o desfecho distal (Asparouhov e Muthén, 2014).
Neste trabalho vamos propor uma estratégia alternativa para estimação de
efeitos latentes em desfechos distais usando uma abordagem de inferência
bayesiana. Estudos de simulação são conduzidos para avaliar a performance
do método proposto e compará-lo com métodos existentes. Ilustração destas
metodologias é realizada com uso de dados do ENADE (Exame Nacional de
Desempenho dos Estudantes) e de suporte social em estudo epidemiológico
sobre asma infantil.

=====================================================
*Título*: Redes Bayesianas: algoritmos para estimação de estruturas
*Mestrando*: Davi Vieira Barbosa

*Orientador*: Prof. Dr. Anderson Ara (DEST/UFBA)
*Co-orientador*: Prof. Dr. Paulo Henrique Ferreira Silva (DEST/UFBA)

*Resumo*: Redes Bayesianas (Pearl, 1988) são modelos grafos que têm por
objetivo representar a distribuição de probabilidade conjunta de um
determinado grupo de variáveis através de um grafo acíclico
dirigido/direcionado (Direct Acyclic Graph – DAG). Neste sentido, diversas
abordagens são propostas na literatura para estimar a estrutura de Redes
Bayesianas utilizando-se de dados observados. Este trabalho tem como
objetivo de apresentar e comparar os algoritmos de estimação da estrutura
PC (Spirtes et. al, 2000), PC Stable (Colombo e Maathuis, 2014), baseados
em propriedades de d-separação, bem como os algoritmos MBS-IGain e
Exhaustive-IGain (Zeng et al., 2016), baseados em métricas de ganho de
informação. Os algoritmos serão exemplificados utilizando dados reais
relativos à análise de crédito.
=====================================================

Contamos com a presença de todos.
Um abraço,
Paulo.

----------------------------------------------------------------------------------------------------
----------
Paulo Canas Rodrigues
*Assistant Professor*, Federal University of Bahia <http://ufba.br>, Brazil
*Research Director*, CAST <https://research.uta.fi/cast/>, University of
Tampere, Finland
*President*, Brazilian Region of the International Biometric Society
<http://www.rbras.org.br>
*Vice-Coordinator*, Specialization in Data Science and Big Data
<http://ecd.ufba.br>
*Past-Chairman*, Latin American Regional Section (LARS) of the IASC
<http://iasc-isi.org>
*Council Member*, International Statistical Institute <https://isi-web.org/>
*Council Member,* International Society for Business and Industrial
Statistics <http://www.isbis-isi.org/>

CV Lattes: http://lattes.cnpq.br/0029960374321970
Web: http://sites.google.com/site/paulocanas/
----------------------------------------------------------------------------------------------------
----------
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <https://lists.ime.usp.br/archives/abe/attachments/20190220/0f3288d1/attachment.html>