[ABE-L] Convite: Seminário DEST/UFMG em 22/10/2021.

[Vinicius Mayrink]

Caros,

Na próxima sexta-feira (*22 de outubro*, às *13:30h*) o ciclo de Seminários
do *Departamento de Estatística da UFMG* terá a apresentação de *Wagner H.
Bonat*.

Wagner é professor do Departamento de Estatística da UFPR e obteve o grau
de Doutor em Matemática e Ciência da Computação pela *University of
Southern Denmark* (Dinamarca). Suas principais áreas de pesquisa são:
modelos multivariados, estimação de funções, matemática estatística,
modelos lineares generalizados, estatística computacional e a linguagem R.
Um foco do seu trabalho é estender a classe de modelos lineares
generalizados para lidar com múltiplas variáveis respostas.

O seminário será transmitido ao vivo pelo canal do Youtube "Seminários DEST
- UFMG <https://www.youtube.com/channel/UCoZC2_pME9ca_-Hx4djd60w>".

Att,
Vinícius Mayrink

*********** Título e Resumo ***********

Wagner Hugo Bonat (Departamento de Estatística, UFPR).

*Multivariate covariance generalized linear models with applications in R.*

In this talk I will present a recent proposed framework for non-normal
multivariate data analysis called multivariate covariance generalized
linear models (McGLMs), designed to handle multivariate response variables,
along with a wide range of temporal and spatial correlation structures
defined in terms of a generalized Kronecker product. The models take
non-normality into account in the conventional way by means of a variance
function, and the mean structure is modelled by means of a link function
and a linear predictor. The covariance structure is modelled by means of a
covariance link function combined with a matrix linear predictor involving
known matrices. The models are fitted using an efficient Newton scoring
algorithm based on quasi-likelihood and Pearson estimating functions, using
only second-moment assumptions. McGLMs provide a unified approach to a wide
variety of different types of response variables and covariance structures,
including multivariate extensions of repeated measures, time series,
longitudinal, spatial and spatio-temporal data. Furthermore, I present the
computational implementation in R through the package mcglm. Illustrations
include mixed models, longitudinal data analysis, spatial models for areal
data, models to deal with mixed outcomes and multivariate models for count
data using the Poisson-Tweedie distribution.

-- 
*Vinícius D. Mayrink*
*Professor Associado - Departamento de Estatística*

*ICEx, Universidade Federal de Minas Gerais*
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://lists.ime.usp.br/pipermail/abe/attachments/20211015/52097649/attachment.htm>