[ABE-L] Seminários do Programa de Pós-graduação em Estatística da UFPE: Rafael Izbicki - UFSCar (17/06 - 16h00) (17/06)

['Pablo Martin Rodriguez' via abe-l@ime.usp.br]

Boa tarde a todos(as),

O tradicional Ciclo de Seminários do Programa de Pós-graduação em
Estatística da UFPE inicia suas atividades com transmissão online via *Google
Meet*.

A agenda completa de seminários confirmados pode ser acessada pelo site:

https://sites.google.com/view/seminarios-ppge-ufpe.

Segue a informação da próxima palestra (o link será divulgado na página no
dia do seminário):

*Dia e hora: *17/06 (16h00)

*Título:* Flexible distribution-free conditional predictive bands.

*Palestrante:* Rafael Izbicki - UFSCar.

*Resumo:* Conformal methods create prediction bands that control average
coverage assuming solely i.i.d. data. Besides average coverage, one might
also desire to control conditional coverage, that is, coverage for every
new testing point. However, without strong assumptions, conditional
coverage is unachievable. Given this limitation, the literature has focused
on methods with asymptotic conditional coverage. In order to obtain this
property, these methods require strong conditions on the dependence between
the target variable and the features. We introduce two conformal methods
based on conditional density estimators that do not depend on this type of
assumption to obtain asymptotic conditional coverage: Dist-split and
CD-split. While Dist-split asymptotically obtains optimal intervals, which
are easier to interpret than general regions, CD-split obtains optimal size
regions, which are smaller than intervals. CD-split also obtains local
coverage by creating prediction bands locally on a partition of the
features space. This partition is data-driven and scales to
high-dimensional settings. In a wide variety of simulated scenarios, our
methods have better control of conditional coverage and have a smaller
length than previously proposed methods.

*Sobre o palestrante:* Bacharel e Mestre em Estatística pela Universidade
de São Paulo, Rafael é PhD em Estatística pela Carnegie Mellon University
(2014). Atualmente é Professor Adjunto da UFSCar- Universidade Federal de
São Carlos. Tem experiência na área de Probabilidade e Estatística, com
ênfase em Machine Learning (aprendizado de máquina), Bioestatística,
Astroestatística, Fundamentos da Estatística, Inferência Bayesiana,
Inferência Não Paramétrica e Inferência em Dados com Alta Dimensionalidade.
Mais informações: http://www.rizbicki.ufscar.br
<https://www.google.com/url?q=http%3A%2F%2Fwww.rizbicki.ufscar.br&sa=D&ust=1592418067100000&usg=AOvVaw3p7m-zBK3CJgpJ0RLJEerh>
(Fonte: Currículo Lattes).

Favor de avisar a possíveis interessados(as)!

Um abraço
Pablo M. Rodriguez
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <https://lists.ime.usp.br/archives/abe/attachments/20200612/d6d048d7/attachment.html>