<html><head><style type='text/css'>p { margin: 0; }</style></head><body><div style='font-family: times new roman,new york,times,serif; font-size: 12pt; color: #000000'>Prezados bom dia, Segue para divulgação ... %%%%%%%%%% Curso: Métodos estatísticos para a análise de conectividade neuralProfessor: Daniel Yasumasa Takahashi, University of Princeton Compreender como as várias áreas do cérebro humano interagem de forma dinâmica é um dos principais desafios da neurociência. Vários métodos de análise de séries temporais multivariadas já foram utilizados para tentar descrever essa interdependência entre essas áreas usando sinais biológicos. Explicar como funcionam alguns desses métodos é o principal objetivo do curso Métodos estatísticos para a análise de conectividade neural, que acontecerá com apoio do Programa Interinstitucional de Pós-graduação em Estatística USP/UFScar (PIPGES) no ICMC-USP, em São Carlos, de 11 a 13 de novembro, das 9 às 12h15. Gratuito, o curso é composto por seis aulas, cada uma com duração de uma hora e meia, e será ministrado por Daniel Yasumasa Takahashi, da Universidade de Princeton. Não é necessário que o aluno tenha conhecimento prévio sobre neurociência nem sobre análise de séries temporais, mas é preciso ter conhecimentos básicos de análise multivariada e uma base sólida de álgebra linear. Confira, a seguir, a programação completa do curso e a bibliografia indicada. Para se inscrever, basta preencher o formulário eletrônico disponível nesse link: http://icmc.usp.br/e/30b36. Programação Terça-feira (11/11) 1º aula (9h às 10h30) – Introdução a algumas questões científicas em neurociência e abordagens clássicas. 2º aula (10h45 às 12h15) – Breve introdução à análise de séries temporais estacionárias de segunda ordem e sua representação espectral. Quarta-feira (12/11) 3º aula (9h às 10h30) - Definição e propriedades da Coerência Parcial Direcionada e Coerência Direcionada com ênfase na teoria da informação e sua relação com a causalidade de Granger. 4º aula (10h45 às 12h15) - Alguns resultados assintóticos para inferência estatística usando Coerência Parcial Direcionada e Coerência Direcionada. Quinta-feira (13/11) 5º aula (9h às 10h30) - Vários exemplos de aplicação e introdução ao pacote estatístico. 6º aula (10h45 às 12h15) – Discussão. Bibliografia: 1) Partial directed coherence: a new concept in neural structure determination Biological cybernetics, v. 84, p. 463-474, 2001 Baccalá, L.A. and Sameshima K. 2) Connectivity Inference via Partial Directed Coherence Journal of Applied Statistics, v. 34, p. 1259-1273, 2007. Takahashi, D.Y; Baccalá, Luiz Antonio; Sameshima, Koichi. 3) Frequency domain connectivity identification: An application of partial directed coherence in fMRI. Human Brain Mapping, v. 30, p. 452-461, 2009. Sato, João Ricardo; Takahashi, D.Y; Arcuri, S. M.; Sameshima, Koichi; Morettin, Pedro Alberto; Baccalá, Luiz Antonio. 4) Information theoretic interpretation of frequency domain connectivity measures. Biological Cybernetics, v.103, p. 463-469, 2010. Takahashi, D.Y., Baccalá, L.A. and Sameshima K. %%%%%%%%%%%%%% Um abraço, <div>Pablo Martín Rodríguez Professor Doutor (MS-3) Department of Applied Mathematics and Statistics, ICMC-USP C.P. 668 - São Carlos, SP, Brazil - CEP 13560-970 </div> </div></body></html>