Ciclo de Palestras – Primeiro Semestre de 2017

As palestras ocorrerem no Auditório do Laboratório de Sistemas Estocásticos (LSE), sala I-044b, as 15:30 h, a menos de algumas exceções devidamente indicadas.

Lista completa (palestras previstas para datas futuras podem sofrer alterações)

There has been considerable advances in understanding the properties of the LASSO procedure in sparse high-dimensional models. Most of the work is, however, limited to the independent and identically distributed setting whereas most time series extensions consider independent and/or Gaussian innovations. Kock and Callot (2016, Journal of Econometrics) derived equation-wise oracle inequalities for Gaussian vector autoregressive models. We extend their work to a broader set of innovation processes, by assuming that the error process is non-Gaussian and conditionally heteroskedastic. It is of particular interest for financial risk modeling and covers several multivariate-GARCH specifications, such as the BEKK model, and other factor stochastic volatility specifications. We apply this method to model and forecast large panels of daily realized volatilities.

Título a ser anunciado
Marina S. Paez (UFRJ)
Título a ser anunciado
Mariane B. Alves (UFRJ)

Aprendizado não-supervisionado com divergências de Bregman
Heudson Mirandola (UFRJ)

O principal objetivo desta palestra é falar de geometria da informação. Falaremos de métricas Riemannianas, conexões duais e divergências. A fim de entendermos as principais diferenças do que já é feito usualmente em machine learning, aplicaremos esses conceitos a técnicas clássicas de clusterização.

Reconstruções filogenéticas usam a matemática para entender a evolução das espécies
Claudia Russo (UFRJ)

A evolução das espécies é o processo pelo qual as espécies se modificam ao longo do tempo. A evolução inclui os processos evolutivos, tais como seleção natural, acaso, migração e mutação, que são as forçam que modificam as características das populações naturais. Tais modificações ocorrem em última análise nos genes, chamadas de mutações, e podem ser bem descritas matematicamente. Assim, o uso de modelos matemáticos nos estudos evolutivos resultaram em um poder discriminatório entre hipóteses filogenéticas alternativas. A consequência desse poder discriminatório é termos hoje um conhecimento previsto por Darwin, que é o conhecimento de árvores filogenéticas bem sustentadas estatisticamente para a maior parte dos grupos da diversidade biológica.

Com o avanço do uso do computador nas últimas décadas, testes aplicados por computador tem gradualmente substituído os testes tradicionais com papel e caneta para estimar a habilidade de um indivíduo. Uma tarefa central em testes adaptativos informatizados (TAI) é selecionar um novo item para a distribuição posteriori atualizada da habilidade. Na abordagem Bayesiana, o objetivo é selecionar o item mais adequado minimizando a variância a posteriori. Entretanto, calcular a variância a posteriori é uma tarefa com alta demanda computacional. A solução presente na literatura é minimizar a variância a posteriori apenas

para os primeiros itens do TAI. Após alguns itens, quando o cálculo da variância a posteriori começa a ficar lento, usamos um critério mais rápido e menos preciso. Neste trabalho, propomos uma nova abordagem que consiste de duas etapas: primeiro, cria-se um conjunto de itens usando um critério mais rápido contudo menos preciso e, então, usando escolhemos o item que minimiza a variância dentro deste conjunto. Nós elucidamos esta abordagem para o modelo logístico unidimensional da Teoria de Resposta ao Item dentro
de uma abordagem Bayesiana comparando a performance com os critérios Bayesianos mais usados na prática via estudo de simulação, em que observamos que a nova abordagem tem menor erro quadrático e vício. Além disso, a nova abordagem é a mais rápida entre todos os critérios Bayesianos analisados.

No tratamento de câncer, o termo hipertermia é frequentemente utilizado quando calor é aplicado para tornar os tumores mais vulneráveis a outros tipos de terapia, tais como radioterapia e quimioterapia. Simulações computacionais dos fenômenos de hipertermia devem ser realizadas sob os efeitos de incertezas nos dados de entrada do problema, como geometria e propriedades físicas. Ao mesmo tempo, avanços tecnológicos recentes permitem medições da temperatura interna de tecidos, as quais também contêm incertezas. As informações fornecidas pelo modelo matemático e pelas medições podem então ser conectadas, para melhor previsão das variáveis dependentes, através da solução de problemas de estimativa de estado dentro de uma abordagem Bayesiana. Neste seminário serão apresentados resultados de problemas inversos ligados à medição da temperatura de tecidos, tanto pelo Método de Monte Carlo com Cadeias de Markov (MCMC), quanto por Filtro de Kalman, bem como a estimativa do campo de temperatura e termos fonte de calor no tratamento de câncer por hipertermia, utilizando Filtros de Partículas. São também apresentados resultados com Filtros de Partículas e Técnicas de Computação Bayesiana Aproximada (ABC) para o crescimento de células tumorais e para a transmissão iônica em neurônios.

 

Título a ser anunciado
Glauco Valle (UFRJ)
Título a ser anunciado
Leandro P. R. Pimentel (UFRJ)

Given n independent, identically distributed copies of a random vector, one is interested in estimating the expected value. Perhaps surprisingly, there are still open questions concerning this very basic problem in statistics. In this talk we are primarily interested in non-asymptotic sub-Gaussian estimates. We introduce the “median-of-means tournament” and show its optimal behavior. We apply the estimates for statistical learning and regression function estimation problems. This talk is based on joint work with Shahar Mendelson.

Vivemos numa era em que a disponibilidade e acesso a dados não tem precedentes. Apesar disso, lacunas substanciais persistem. Além disso, nem todos os dados disponíveis têm a qualidade necessária para seu uso seguro em muitas aplicações.

Metodologia estatística fornece a orientação essencial necessária para obter dados atuais, relevantes, precisos e custo-efetivos. Ela também guia a arte e a ciência de extração de conhecimento dos dados para apoiar a tomada de decisões.

Vou rever as muitas maneiras em que os métodos estatísticos são usados para obter, combinar, processar, analisar, disseminar e arquivar dados no campo das estatísticas públicas e oficiais. Vou também discutir como os métodos estatísticos são usados para medir qualidade e para alcançar níveis especificados de precisão ao estimar quantidades de interesse.

Conventional and unconventional monetary policy with frictions
Susan Schommer (UERJ)

We consider the effects of interest-rate policy in a general equilibrium model of asset pricing and risk sharing with endogenous collateral constraints. In order to analyze conventional monetary policy (central-bank control of the riskless nominal interest rate) we consider that there is an arbitrarily given predetermined price level for the non-durable good in the initial period; but it may not be realistic to suppose that we can choose any monetary policy we like without the anticipation of that policy having had an effect on the way that prices were set. Hence we consider a second model, in which the non-durable good price and supply commitments are endogenized (modeled as being chosen before agents learn the period 0 state of the world). Here we consider uncertainty (different possible states of the world) in the first period, but assume that the values of non-durable price and supply commitments are chosen prior to the realization of the state, and so are the same for all states in the first period. We examine through numerical examples how the welfare-maximizing choice of interest-rate policy (in each state in the first period) is different depending on the severity of collateral constraints.

As diferenças teóricas na economia e as implicações para política econômica
Esther Dweck (UFRJ)

Para alguns autores o século XX foi o fim das grandes certezas na História das Ciências, o fim da era da inocência. Na Economia, infelizmente, chegamos ao século XXI sem que as grandes certezas fossem minimamente abaladas, ainda que empiricamente não tenham qualquer sustentação. A Crise de 2008/2009 levou a um intenso debate e economistas renomados foram chamados ao Congresso Americano para explicar por que não foram capazes de prever a Grande Crise. As ciências sociais, em geral, carecem de um método comum e aceito por todos de refutação de teorias o que permite a coexistência de teorias antagônicas para explicar os fenômenos. No entanto, da mesma forma que os argumentos teóricos, as implicações derivadas para política econômica são igualmente antagônicas. Na palestra, será apresentado um referencial teórico e metodológico distinto do mainstream econômico e serão discutidas as diferentes implicações para política econômica, procurando trazer a análise para a atual situação da economia brasileiras e as propostas alternativa existentes.

Chain Event Graphs model selection using Non-Local Priors
Rodrigo A. Collazo (CASNAV/Marinha do Brasil)

In this talk I will present a Chain Event Graph (CEG) model and three new families of non-local priors (NLPs) designed to be applied specifically to discrete processes defined through trees. CEGs have been a useful class of graphical model specially to capture context-specific conditional independences. Being built from a tree a CEG has a huge number of free parameters that makes the class extremely expressive but also very large. In order to search the massive CEG model space it is often necessary to a priori specify those models that are most likely to be useful. Most applied BF selection techniques use local priors. However, recent analyses of BF model selection in other contexts have suggested that the use of such prior settings tends to choose models that are not sufficiently parsimonious. To sidestep this phenomenon, NLPs have been successfully developed. These priors enable the fast identification of the simpler model when it really does drive the data generation process. It also enables us to propose a framework for CEG model selection which looks both robust and computationally efficient. The efficacy of this method has been tested in two extensive computational experiments. The first of these examples uses survey data concerning childhood hospitalisation. The second much larger example selects between competing models of prisoners’ radicalisation in British prisons. This presentation will be based on Collazo & Smith (2016), A new family of non-local priors for Chain Event Graph model selection, Bayesian Analysis, 11-4, pp. 1165-1201.

Problemas Típicos e Sugestões de Soluções no Escritório de Bioestatística
Anotnio C. M. Ponde de Leon (IMS/UERJ)

Título a ser anunciado
Thaís C. O. Fonseca (UFRJ)

Título a ser anunciado
Fernando A. S. Moura (UFRJ)

Nesta palestra pretendo apresentar a metodologia estatística aplicado a área de medicina e como fazer a integração entre médicos e estatísticos. Tentarei desmistificar o uso inadequado, automatizado e indiscriminado de métodos estatísticos na pesquisa médica. Dar uma visão geral introdutória de métodos estatísticos modernos, como “Machine Learning”, que contribuem para o conhecimento médico.

Título a ser anunciado
João B. M. Pereira (UFRJ)

Título a ser anunciado
Kelly C. M. Gonçalves (UFRJ)

A Estrutura a Termo desempenha um papel relevante no cenário econômico e a forma da curva de taxa de juros traz uma ideia da atividade econômica atual, além de fornecer informação relevante para prever possíveis mudanças nas taxas futuras. Neste trabalho apresentam-se formas de se estender o modelo básico de Nelson e Siegel (NS), com o objetivo de aprimorar seu ajuste e previsão, analisando os principais fatos estilizados presentes nas taxas de juros de títulos e identifica-se a ligação entre a estrutura a termo e a conjuntura macroeconômica corrente. O processo de inferência da classe de modelos trabalhada é realizado sobre o paradigma Bayesiano. Um algoritmo baseado em simulações de Monte Carlo via Cadeias de Markov (MCMC) é proposto.

Título a ser anunciado
Dani Gamerman (UFRJ)

Título a ser anunciado
Carlos A. Abanto-Valle (UFRJ)

In this talk I will present a fully Bayesian model for actuarial claims reserving consistent with the guidelines provided by the Swiss Solvency Test, the Swiss regulatory directive. This model is, then, used to compute the company’s overall actuarial reserve, which, in a second stage, must be allocated to its individual lines of business. To compute the quantities involved in the process of allocation of capital to sub-units I will present a recently developed algorithm based on (pseudo-marginal) Sequential Monte Carlo methods. Joint work with Gareth W. Peters (UCL), Pavel Shevchenko (Macquarie) and Mario Wuthrich (ETH).