<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'><p><font size="3">Prezados bom dia,</font></p><p><br></p><p><font size="3">Segue para divulgação ...</font></p><p><br></p><p><font size="3">%%%%%%%%%%<br></font></p><p><font size="3"><br></font></p><p><font size="3">Curso: Métodos estatísticos para a análise de conectividade neural</font></p><p><font size="3">Professor: <font color="#000000"><i>Daniel Yasumasa Takahashi, University of Princeton</i></font></font></p><p><font size="3"><br></font></p><p><font size="3">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 <span style="font-size: 14px;">com apoio do</span> 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.</font></p><p><font size="3"><br></font>
</p><p style="text-align: justify;"><font size="3">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 <span class="Object" id="OBJ_PREFIX_DWT558_com_zimbra_date">ter</span> conhecimentos
básicos de análise multivariada e uma base sólida de álgebra linear.</font></p><p style="text-align: justify;"><font size="3"><br></font></p><p>
</p><p style="text-align: justify;">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.</p><p style="text-align: justify;">
</p><p style="text-align: justify;">
<strong><br></strong></p><p style="text-align: justify;"><strong>Programação</strong></p><p style="text-align: justify;"><br>
</p><p style="text-align: justify;"><span class="Object" id="OBJ_PREFIX_DWT559_com_zimbra_date">Ter</span>ça-feira (11/11)</p><p style="text-align: justify;">
1º aula (9h às 10h30) – Introdução a algumas questões científicas em neurociência e abordagens clássicas.</p><p style="text-align: justify;">
2º aula (10h45 às 12h15) – Breve introdução à análise de séries
temporais estacionárias de <span class="Object" id="OBJ_PREFIX_DWT560_com_zimbra_date">segunda</span> ordem e sua representação espectral.</p>
<p style="text-align: justify;"><br></p><p style="text-align: justify;"><span class="Object" id="OBJ_PREFIX_DWT561_com_zimbra_date">Quarta</span>-feira (12/11)</p><p style="text-align: justify;">
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.</p><p style="text-align: justify;">
4º aula (10h45 às 12h15) - Alguns resultados assintóticos para
inferência estatística usando Coerência Parcial Direcionada e Coerência
Direcionada.</p>
<p style="text-align: justify;"><br></p><p style="text-align: justify;"><span class="Object" id="OBJ_PREFIX_DWT562_com_zimbra_date">Quinta</span>-feira (13/11)</p><p style="text-align: justify;">
5º aula (9h às 10h30) - Vários exemplos de aplicação e introdução ao pacote estatístico.</p><p style="text-align: justify;">
6º aula (10h45 às 12h15) – Discussão.</p>
<p style="text-align: justify;"><br></p><p style="text-align: justify;">Bibliografia:<br></p><p style="text-align: justify;"><br>
</p><p style="text-align: justify;">1) Partial directed coherence: a new concept in neural structure determination</p><p style="text-align: justify;">
Biological cybernetics, v. 84, p. 463-474, 2001</p><p style="text-align: justify;">
Baccalá, L.A. and Sameshima K.</p>
<p style="text-align: justify;"><br></p><p style="text-align: justify;">2) Connectivity Inference via Partial Directed Coherence</p><p style="text-align: justify;">
Journal of Applied Statistics, v. 34, p. 1259-1273, 2007.</p><p style="text-align: justify;">
Takahashi, D.Y; Baccalá, Luiz Antonio; Sameshima, Koichi.</p>
<p style="text-align: justify;"><br></p><p style="text-align: justify;">3) Frequency domain connectivity identification: An application of partial directed coherence in fMRI.</p><p style="text-align: justify;">
Human Brain Mapping, v. 30, p. 452-461, 2009.</p><p style="text-align: justify;">
Sato, João Ricardo; Takahashi, D.Y; Arcuri, S. M.; Sameshima, Koichi; Morettin, Pedro Alberto; Baccalá, Luiz Antonio.</p>
<p style="text-align: justify;"><br></p><p style="text-align: justify;">4) Information theoretic interpretation of frequency domain connectivity measures.</p><p style="text-align: justify;">
Biological Cybernetics, v.103, p. 463-469, 2010.</p><p style="text-align: justify;">
Takahashi, D.Y., Baccalá, L.A. and Sameshima K.</p><br>%%%%%%%%%%%%%%<br><br>Um abraço,<br><br><div><span></span>Pablo Martín Rodríguez<br>Professor Doutor (MS-3)<br>Department of Applied Mathematics and Statistics, ICMC-USP<br>C.P. 668 - São Carlos, SP, Brazil - CEP 13560-970<span></span><br></div><br></div></body></html>