<div dir="ltr"><div class="gmail_quote"><br><br><div style="font-size:10pt;font-family:Verdana,Geneva,sans-serif">
<p style="text-align:center"><img src="cid:15105819335a09a6add02a0401360183@unb.br" alt="" width="597" height="51"></p>
<p class="m_-855394295557859100western" align="center"><span style="font-size:14pt"><b>O Programa de Pós-Graduação em Estatística convida para:</b></span></p>
<p class="m_-855394295557859100western" align="center"> </p>
<p class="m_-855394295557859100western"> </p>
<p class="m_-855394295557859100western" align="center"><span style="color:#ffffff;font-size:14pt"><span><b>PALESTRA</b></span></span></p>
<p class="m_-855394295557859100western" align="center"><span style="font-size:14pt"><b><span style="color:#000000"><u>“</u></span></b><span style="color:#000000"><span><u><b>Inferência em Processos Estocásticos Contaminados”</b></u></span></span></span></p>
<p class="m_-855394295557859100western" align="center"> </p>
<p class="m_-855394295557859100western" align="center"><span style="font-size:14pt"><b>Palestrante: </b></span></p>
<blockquote class="m_-855394295557859100western"><span style="font-size:14pt"><span style="color:#000000"><span>Denise Duarte Scarpa Magalhães Alves (UFMG) </span></span></span></blockquote>
<p class="m_-855394295557859100western" align="center"> </p>
<p class="m_-855394295557859100western" align="center"> </p>
<p class="m_-855394295557859100western"><span style="font-size:14pt"><span><b>DATA: </b></span><span style="color:#000000"><span>16/11</span></span><span style="color:#000000"><span>/2017</span></span><span style="color:#000000"><span> </span></span><span>(quinta-feira)</span></span></p>
<p class="m_-855394295557859100western"><span style="font-size:14pt"><span><b>HORÁRIO: </b></span><span>14:00h</span></span></p>
<p class="m_-855394295557859100western" align="justify"><span style="font-size:14pt"><span><b>LOCAL: </b></span><span style="color:#000000"><span>Sala Multiuso (A1-7/76)</span></span><span style="color:#000000"><span> </span></span></span></p>
<p class="m_-855394295557859100western" align="center"> </p>
<p class="m_-855394295557859100western" align="center"><span style="font-family:'Times New Roman',serif;font-size:14pt"><span><b>Resumo</b></span></span></p>
<p class="m_-855394295557859100western" align="center"> </p>
<p class="m_-855394295557859100western" style="text-align:justify" align="justify"><span style="font-size:12pt"><span style="color:#000000"><span style="font-family:'Times New Roman',serif"><span>Este trabalho aborda a questão de inferir se uma amostra observada de um processo estocástico foi contaminada ou não por um ruído aleatório. Trata também da estimação desse ruído e da lei original do processo. Quando o processo original, não contaminado, é uma cadeia de Markov esses modelos são conhecidos na literatura como Cadeias de Markov Oculdas (HMM). A questão que queremos responder é: dada uma amostra observada de um processo estocástico é possível saber se esta amostra está contaminada por algum ruído aleatório? Através dessa amostra contaminada é possível mensurar o grau de contaminação dessa amostra? E ainda descobrir a verdadeira fonte aleatória da qual os dados originais foram gerados?</span></span></span></span></p>
<p class="m_-855394295557859100western" style="text-align:justify" align="justify"><span style="font-size:12pt"><span style="color:#000000"><span style="font-family:'Times New Roman',serif"><span>Analisamos o problema considerando que o processo oculto original pertence a uma grande classe de processos, onde a ordem de dependência no passado não é fixa, mas variável de acordo com a informação do passado. Esses modelos são conhecidos como Cadeias de Markov de Alcance Variável (VLMC).</span></span></span></span></p>
<p class="m_-855394295557859100western" style="text-align:justify" align="justify"><span style="font-size:12pt"><span style="color:#000000"><span style="font-family:'Times New Roman',serif"><span>O processo resultante da contaminação de uma VLMC por um ruído aletório é chamado Modelo de Markov Oculto com Alcance Variável ( VLHMM). Descrevemos alguns desses VLHMM's e apresentamos estimadores consistentes para os parâmetros dos modelos estudados, onde a simplicidade desses modelos nos permite aplicar um algoritmo EM para obter os estimadores.</span></span></span></span></p>
<p class="m_-855394295557859100western" style="text-align:justify" align="justify"><span style="font-size:12pt"><span style="color:#000000"><span style="font-family:'Times New Roman',serif"><span>Além disso, apresentamos um estudo de sensibilidade dos estimadores para verificar o comportamento dos estimadores propostos na medida em que o nível de contaminação aumenta.</span></span></span></span></p>
<p class="m_-855394295557859100western" style="text-align:justify" align="justify"><span style="font-size:12pt"><span style="color:#000000"><span style="font-family:'Times New Roman',serif"><span>Como aplicação da nossa metodologia a dados reais, realizamos uma análise de um banco de dados do Laboratório de Neurodinâmica da Visão da UFMG.</span></span></span></span></p>
<p><br></p>
<p><br></p>
<p><span style="color:#000000;background-color:#99ccff;font-family:'arial black',sans-serif;font-size:12pt"><b> VEJA OS PRÓXIMOS SEMINÁRIOS: <a style="background-color:#99ccff;color:#000000" href="http://www.pgest.unb.br/seminarios" target="_blank">http://www.pgest.<wbr>unb.br/seminarios</a> </b></span></p><span class="HOEnZb"><font color="#888888">
<div>-- <br>
<div class="m_-855394295557859100pre" style="margin:0;padding:0;font-family:monospace">Programa de Pós-Graduação em Estatística<br> Universidade de Brasília<br> <a href="http://www.pgest.unb.br" rel="noreferrer" target="_blank">www.pgest.unb.br</a><br> Telefone: (61) 3107-3697</div>
</div>
</font></span></div>
</div><br></div>