Horário
| Dia 22 – Quinta-feira
9:30h Abertura – café de boas-vindas 10:00h Luiz Eduardo da Silva Gomes 11:00h Rodrigo Barreto Alves Intervalo para almoço 12:00h-14:00h 14:00h Silvaneo V. dos Santos (online) Intervalo – 15:00h-15:30h Café 15:30h Os Egressos do PPGE/UFRJ no Mercado de Trabalho Debatedores:
Moderador: Vinicius Israel (UNIRIO) |
Dia 23 – Sexta-feira
9:30h Izabel Nolau 10:30h Bianca Mendes de Lacerda Intervalo para almoço 11:40-13:30h 13:30h Eduardo Ferioli Gomes 14:30h Karolayne Pereira Dessabato Intervalo – 15:30h-16:00h Café 16:00h Rafael de Souza Santos 17:00h Encerramento |
Resumos das palestras
- Bianca Mendes de Lacerda (Geolabor e PUC-Rio)
Título: Aplicações da Estatística na Geotecnia da Mineração
Resumo: Em decorrência dos diversos incidentes envolvendo barragens no mundo, diferentes medidas vêm sendo tomadas a fim de reduzir os riscos e aumentar a eficiência das estruturas geotécnicas. A segurança das pilhas e barragens de rejeitos é diretamente dependente da qualidade do controle tecnológico, processo que garante a aderência da construção às especificações técnicas de projeto, da confiabilidade dos ensaios de campo e de laboratório que são realizados ao longo das obras e do monitoramento constante das estruturas. Nesse contexto, busca-se por técnicas e metodologias que sejam capazes de aumentar o conhecimento sobre os parâmetros geotécnicos que ditam os comportamentos físicos e geomecânicos dos materiais, tradicionalmente descritos de forma determinística. Esta apresentação tem como objetivo explorar diferentes aplicações práticas da estatística na geotecnia da mineração, destacando seu papel na interpretação de dados, na avaliação da variabilidade dos materiais e na tomada de decisões relacionadas à qualidade e à segurança das estruturas. Entre os trabalhos apresentados, destaca-se um estudo desenvolvido a partir de dados reais de uma pilha de rejeitos de minério de ferro, que investiga a aplicação de modelos estatísticos bayesianos espaciais na estimativa de parâmetros geotécnicos em locais não ensaiados. A abordagem é comparada a métodos tradicionais de imputação estatística e técnicas de aprendizado de máquina, buscando ampliar o conhecimento sobre as propriedades dos materiais e contribuir para o aprimoramento do controle tecnológico. Os demais exemplos ilustram como ferramentas estatísticas podem auxiliar na identificação de comportamentos atípicos, na avaliação da confiabilidade dos resultados experimentais e na incorporação das incertezas inerentes aos processos de medição e caracterização geotécnica. A partir desses estudos, pretende-se demonstrar como conceitos e métodos da estatística podem ser aplicados a problemas concretos da engenharia geotécnica, evidenciando o potencial da integração entre análise de dados, conhecimento técnico e modelagem estatística para aprimorar a interpretação do comportamento dos materiais e sustentar decisões de engenharia na mineração.
- Eduardo Ferioli Gomes (IME-UFF)
Titulo: Multiple Insiders in Kyle and Back Model
Resumo: Since the seminal work of Foster and Viswanathan (1996), which extended Kyle (1985) by considering multiple insiders in a discrete-time setting, several attempts have been made to model the interaction between partially informed participants in both continuous and discrete time. In this ongoing work, we present a continuous-time setting in which each market participant extracts information about the other players from the residual demand they generate, while using their own private signal to maximize their expected profit.
- Izabel Nolau (EMap-FGV)
Título: Divide to Conquer: Nonparametric Inference for Nonstationary Spatial Point Processes
Resumo: Point pattern data often exhibit features such as abrupt changes, hotspots and spatially varying dependence in local intensity. Under a Poisson process framework, these correspond to discontinuities and nonstationarity in the underlying intensity function. These features are difficult to capture with standard modeling approaches. This work proposes a spatial Cox process model in which nonstationarity is induced through a random partition of the spatial domain, with conditionally independent Gaussian process priors specified across the resulting regions. This construction allows for heterogeneous spatial behavior, including sharp transitions in intensity. A discretization-free MCMC algorithm is developed to target the infinite-dimensional posterior distribution without approximation, thus ensuring exact inference. The random partition framework via Voronoi tessellation also reduces the computational burden associated with Gaussian process models. Spatial covariates can be incorporated to account for structured variation in intensity. The proposed methodology is evaluated through synthetic examples and real-world applications, demonstrating its ability to flexibly capture complex spatial structures. The model performs competitively, outperforming stationary and nonstationary alternatives in a variety of scenarios. Recent computational methods are used, enabling scalability to large datasets while preserving exactness.
- Karolayne Pereira Dessabato (UN Big Data Hub in Brazil)
Título: Aprendizado de máquina explicável no reconhecimento de emoções musicais usando valores de Shapley
Resumo: O Reconhecimento de Emoções Musicais (MER), área da Recuperação de Informação Musical (MIR), investiga as emoções associadas à música. Neste trabalho, abordamos o MER como uma tarefa de regressão, buscando prever o conteúdo emocional da música, representado pelas dimensões de ativação (arousal) e valência, a partir de características acústicas extraídas do sinal de áudio. Para isso, empregamos técnicas de aprendizado de máquina com ênfase em interpretabilidade. Inicialmente, treinamos um modelo de floresta aleatória no conjunto de dados DEAM (MediaEval Database for Emotional Analysis of Music) para estimar arousal e valência. Em seguida, utilizamos valores de Shapley para interpretar a contribuição de cada característica para as previsões do modelo, permitindo identificar as variáveis mais relevantes para cada dimensão emocional.
- Luiz Eduardo da Silva Gomes (ENCE-IBGE)
Título: Uma Abordagem Unificada para a Aprendizagem de Redes Bayesianas Dinâmicas
Resumo: As redes bayesianas dinâmicas (RBDs) são modelos probabilísticos que permitem representar e inferir sobre processos temporais multivariados sob incerteza. Esses modelos buscam superar as limitações dos métodos tradicionais de séries temporais, que frequentemente têm dificuldade em capturar dependências complexas no mesmo instante e ao longo do tempo, bem como padrões heterogêneos e não lineares observados em sistemas reais. Entretanto, as abordagens existentes ainda apresentam limitações na construção de uma estrutura de modelagem capaz de incorporar conjuntamente variáveis categóricas, discretas e contínuas, preservando a interpretabilidade e a coerência temporal. Este trabalho desenvolve uma ampla classe de redes bayesianas dinâmicas homogêneas e não estacionárias, fundamentada em uma abordagem unificada de modelagem dinâmica bayesiana. A estrutura proposta integra uma representação coerente de dependências que variam ao longo do tempo, procedimentos de aprendizagem sequencial e ferramentas de inferência e previsão capazes de lidar com diferentes distribuições amostrais. A metodologia é avaliada por meio de experimentos com dados sintéticos e duas aplicações empíricas: (i) avaliação do risco de incêndios florestais de curto prazo na Argélia, com base no sistema Fire Weather Index; e (ii) modelagem de longo prazo da atividade econômica, do consumo de energia por fonte e das emissões de gases de efeito estufa entre grupos de países classificados por renda pelo Banco Mundial, incluindo a avaliação probabilística das metas estabelecidas nas Contribuições Nacionalmente Determinadas (NDCs) para 2030. Os resultados demonstram a flexibilidade, a robustez e a relevância prática da metodologia em sistemas dinâmicos que operam em diferentes escalas temporais. De modo geral, a abordagem proposta amplia as redes bayesianas dinâmicas tradicionais ao oferecer uma classe unificada, interpretável e computacionalmente coerente de modelos gráficos probabilísticos dinâmicos, com contribuições diretas para a inteligência artificial explicável.
- Rafael Souza dos Santos (IM – UFRJ).
Título: Uma generalização do passeio aleatório do elefante.
Resumo: Na palestra será apresentado o passeio aleatório do elefante, que é um modelo de passeio aleatório markoviano não homogêneo entre vizinhos próximos, mas que possui incrementos não markovianos com memória de longo alcance. Posteriormente, será apresentada uma generalização introduzida em um trabalho conjunto com Cristian Coletti e Glauco Valle, na qual o mecanismo de memória do passeio é alterado e permite-se incrementos de tamanho variável. Por fim, serão discutidos alguns Teoremas do Limite Central e Funcional no contexto desses processos.
- Rodrigo Barreto Alves (IME-UERJ)
Título: Excited Random Walks under time-inhomogeneous Bernoulli Excitations
Resumo: We study a variant of the Excited Random Walk on where excitation may or may not occur according to a time-dependent probability. Given a sequence , if at time the random walk visits a site for the first time, it gains a drift in a fixed direction with probability. Otherwise, it behaves as a random walk with i.i.d. increments with a zero-mean vector. We call this model -ERW. Assuming bounded jumps and $p_n \textcolor{black}{=(\mathcal{C} n^{-\beta})\wedge 1}$, we show a series of results for the -ERW depending on the value of and on the dimension . Specifically, for every and or sufficiently large we prove a SLLN for the range, while for we prove a sub-ballistic SLLN for the process whenever the SLLN for the range holds. We also study the -ERW under diffusive scaling and we obtain a Functional Central Limit Theorem for and , or and . Finally, for and we show that the diffusively rescaled -ERW converges in distribution to a Brownian Motion plus a multiple of the square root of time.
- Silvaneo Vieira dos Santos Junior (Univ. of Texas at Austin)
Título: A Causal Framework for Evaluating Jointly Longitudinal Outcomes and Surrogate Markers: A State-Space Approach
Resumo: Marcadores substitutos (surrogate markers) são frequentemente utilizados em estudos clínicos para avaliar efeitos de tratamentos quando o desfecho de interesse é difícil ou demorado de observar. Neste trabalho, propomos um framework causal para avaliação de marcadores substitutos quando tanto o desfecho quanto o marcador são observados longitudinalmente. A abordagem utiliza modelos de espaço de estados para estimar, ao longo do tempo, a proporção do efeito do tratamento explicada pelo marcador substituto, permitindo incorporar tanto seus efeitos contemporâneos quanto efeitos persistentes de tempos anteriores. Estudamos propriedades teóricas e inferenciais do método e investigamos seu desempenho por meio de simulações. A metodologia é também aplicada a dados longitudinais de um estudo clínico de diabetes, no qual mostramos que considerar o histórico do marcador pode alterar substancialmente a avaliação de sua capacidade de explicar o efeito do tratamento. This is joint work with Layla Parast.
MESA REDONDA
Título: Os Egressos do PPGE/UFRJ no Mercado de Trabalho
Debatedores:
- Aline Araújo Nobre (Fiocruz)
- Gustavo Ferreira (IBGE)
- Patrícia Lusié Velozo da Costa (UFF)
Moderador: Vinicius Israel Pinheiro (UNIRIO)