Programação

Veja abaixo a programação completa do 3º EPEI.
Confira aqui as biografias dos palestrantes.

As atividades ocorrerão no Auditório Jacy Monteiro, Bloco B, do IME-USP, nos dias 27 e 28 e na manhã do dia 29. As atividades da tarde do dia 29 serão realizadas na sala B-16.

Horário	27/11 (Quarta)	28/11 (Quinta)	29/11 (Sexta)
9:00 – 9:30	Miguel Abadi (IME-USP) Estruturas de Grafos em Processos Aleatórios	Frederico Zanqueta Poleto (MAPFRE) Um estatístico no mercado de trabalho	Júlia Maria Pavan Soler (IME-USP) Redução de dimensionalidade em espaços estruturados
9:30 – 10:00
10:00 – 10:30	Café e Sessão de Pôsteres	Café	Café
10:30 – 11:00		William Amorim (Curso-R) Minicurso: Desenvolvendo Pacotes em R	Oficina com o médico Bruno Coelho (FM-USP) Falemos de Resiliência: Enfrentando Dificuldades e Reconhecendo Oportunidades
11:00 – 11:30	Conferências dos alunos do Programa de Pós-Graduação em Estatística do IME-USP Hugo Harada – doutorando José Augusto Sartori Junior – mestrando Lucas de Oliveira Prates – mestrando Morgan Florian Thibault André – doutorando Simone Bega Harnik – doutoranda
11:30 – 12:00
12:00 – 12:30
12:30 – 13:00		Almoço	Almoço
13:00 – 13:30	Almoço
13:30 – 14:00
14:00 – 14:30	Hedibert Freitas Lopes (Insper) Bayesian Generalizations of the Integer-Valued Autoregressive Model	Renata Brunelli (Itaú Unibanco) Modelagem de Risco de Crédito e Finanças	Bruno Ramos dos Santos (Ufes) Noncrossing Structured Additive Multiple-Output Bayesian Quantile Regression
14:30 – 15:00
15:00 – 15:30	Lurdes Yoshiko Tani Inoue (University of Washington) What lies beneath the observed data	Kim Samejima (UFBA) Algumas Medidas Causais para Séries Temporais	Fabio Marcellus Lopes (PUC de Valparaíso) Competição no Modelo dos Sapos
15:30 – 16:00

Miguel Abadi (IME-USP)
Estruturas de Grafos em Processos Aleatórios
Na atualidade, muitos problemas em diversas áreas da ciência são modelados por grafos aleatórios. A Teoria de Grafos é o âmbito clássico para o estudo dessas estruturas. Questões relacionadas a grau, diâmetro, caminhos mais curtos, muitas vezes são respondidas de forma empírica. Nesta palestra, mostramos como construir grafos que são estruturas subjacentes de processos estocásticos discretos e
apresentamos resultados analíticos que descrevem as características acima referidas.

Conferências dos alunos do Programa de Pós-Graduação em Estatística

Hugo Harada – doutorando
Equivalência da Análise Longitudinal de Dados Multidimensionais por meio da Teoria da Resposta ao Item e de Modelos de Equações Estruturais
A Teoria da Resposta ao Item (TRI) e Modelos de Equações Estruturais (MEE) são técnicas bastante difundidas de mensuração de variáveis latentes por meio da observação de indicadores categóricos. A equivalência das duas metodologias em estudos transversais utilizando o modelo ogiva normal de dois parâmetros está bem estabelecida na literatura. Neste trabalho, procura-se estender a equivalência dessas metodologias em modelos longitudinais multidimensionais buscando explorar e comparar propriedades de ajuste e implementação computacional das duas técnicas envolvidas. Encaminhamentos são então apresentados para propor modelos longitudinais cuja equivalência entre a TRI e MEE possa ser estabelecida.

José Augusto Sartori Junior – mestrando
Identifiability Analysis of Dynamic Models Using Data Cloning
The main focus of this talk will be on the application of the data cloning algorithm for gathering evidence of unidentifiability in a nonlinear dynamic model with flexible distributional assumptions. Data Cloning is an algorithm for frequentist inference in latent variable statistical models. However, its idea is Bayesian in nature: assign prior distributions to all model parameters and, through Markov Chain Monte Carlo methods, sample from the joint posterior distribution given some data.  The catch is the original data set is cloned many times and the prior distribution is updated with the cloned data. Under some regularity conditions, one of which is model identifiability, the posterior distribution is approximately multivariate normal as the number of clones grows large. Its mean vector is the maximum likelihood estimate of the parameters and the inverse of their estimated Fisher information matrix its covariance matrix up to a known proportionality constant.

Lucas de Oliveira Prates – mestrando
Change Point Detection for Binary Data
In time series analysis, change point detection consists in estimating the times in which the probability distribution changes. Under the assumption that the data is Bernoulli distributed, the problem can be seen as estimating the time in which the parameter changes. We will present estimation methods based on penalized likelihood and some of their properties such as consistency. We will also discuss an application to the identication of regions of homozygosity in SNP arrays.

Morgan Florian Thibault André – doutorando
Metastability in a Stochastic System of Spiking Neurons
Metastability in the brain is a subject that has been increasingly discussed in the field of neuroscience during the last decades. It is also a recurrent notion in statistical mechanics and it can be seen as the tendency of a system to stay out of equilibrium for a long and unpredictable time before finally falling into the stable state. In this talk we present a model of spiking neurons which was introduced by P. Ferrari, A. Galves, E. Locherbach and I. Grigorescu in 2018 and which has been previously proven to be subject to a phase transition. There is two regimes, called respectively sub-critical and super-critical, in which the system has two qualitatively different behavior. We show that this system is metastable in the sub-critical regime. We also show that in the super-critical regime the system has a behavior which in some sense the contrary of metastable: it is almost deterministic.

Simone Bega Harnik – doutoranda
Influence of Outliers and Robustness on Skewed Models
In this presentation, I will talk about the area of skewed distributions and robustness and how it came to be my research theme. The development of statistical models capable of dealing with asymmetry and different levels of kurtosis had great impulse with Azzalini’s seminal paper about the skew-normal distribution. The author proposed a general mechanism that produces valid distributions with skewness and heavier or lighter tails than the normal distribution, in the univariate or multivariate settings. Because of these good properties, distributions that are built in this fashion have been applied in analysis from different fields, such as public policies, education, health, economics, among others. The skew-t distribution, in particular, is an exponent, and its robustness to outliers has been advocated by different authors. By making use of the influence function, we show that apart from the qualities, the skew-t has some limitations as regards accommodating outliers. I will also talk a little about the opportunities for an internship during the graduate course, the difficulties abroad, the differences and similarities that I experienced between our program and the King Abdullah University of Science and Technology (Kaust) program.

Hedibert Freitas Lopes (Insper)
Bayesian Generalizations of the Integer-Valued Autoregressive Model
We develop two Bayesian generalizations of the Poisson integer-valued autoregressive model. The AdINAR(1) model accounts for overdispersed data by means of an innovation process whose marginal distributions are finite mixtures, while the DP-INAR(1) model is a hierarchical extension involving a Dirichlet process, which is capable of modeling a latent pattern of heterogeneity in the distribution of the innovation rates. The probabilistic forecasting capabilities of both models are put to test in the analysis of crime data in Pittsburgh, with favorable results. This is joint work with Helton Graziadei and Paulo Marques.

Lurdes Yoshiko Tani Inoue (University of Washington)
What lies beneath the observed data
The traditional disease natural history model assumes that at its onset, the disease is asymptomatic and progresses to a symptomatic phase. The basic model and other simple extensions have been broadly utilized to study the natural history of many cancers and to develop screening recommendations. In this talk, we revisit these models and consider Bayesian model extensions to further accommodate patient heterogeneity. We present results from simulation studies and, as time permits, results from a case-study and examine the impact of patient heterogeneity on setting screening policies.

Frederico Zanqueta Poleto (MAPFRE)
Um estatístico no mercado de trabalho
Experiências de uma trajetória profissional particular nos ramos bancário, securitário, consultoria e de tecnologia da informação serão compartilhadas. O relato abrangerá exemplos de problemas que a estatística tem sido usada, casos em que o estatístico tem uma contribuição diferenciada, habilidades que o mercado busca, desafios aplicados e não técnicos.

William Amorim (Curso-R)
Minicurso: Desenvolvendo Pacotes em R
Pacotes são uma ótima solução para organizar, documentar e compartilhar códigos em R. Neste minucurso, vamos aprender como utilizar o RStudio e os pacotes devtools, usethis e roxygen2 para desenvolver pacotes de maneira simples, rápida e bem estruturada.

Renata Brunelli (Itaú Unibanco)
Modelagem de risco de crédito e finanças
Será apresentada a modelagem de parâmetros de perda esperada (PD, EAD e LGD) e seus desafios, além da nova regulamentação IFRS9, que entrou em vigor no ano passado, e foi tema de muitas discussões por todo o mercado (pd lifetime e modelos forward looking).

Kim Samejima (UFBA)
Algumas Medidas Causais para Séries Temporais
Diferente do contexto de planejamento de experimentos e suas formas de aleatorização, em séries temporais há uma dificuldade intrínseca à sua estrutura para se identificar relações causais. Dentre as diversas definições para causalidade, a causalidade de Granger é bastante utilizada para séries temporais. Nesta palestra, apresentaremos algumas medidas causais para séries temporais no domínio de frequências e de ondaletas, a relação de algumas delas com a causalidade de Granger e apresentaremos aplicações destas medidas em dados de neurociência.

Júlia Maria Pavan Soler (IME-USP)
Redução de dimensionalidade em espaços estruturados
Técnicas de redução de dimensionalidade em dados com observações independentes, de maneira geral, estão bem estabelecidas. Mas, e quanto a observações dependentes, como é o caso de dados agrupados em famílias, que são comuns em Genética? Considerarei diferentes soluções a este problema na classe de análises supervisionadas e não-supervisionadas, bem como em modelos de grafos probabilísticos.

Bruno Ramos dos Santos (Ufes)
Noncrossing Structured Additive Multiple-Output Bayesian Quantile Regression
ModelsQuantile regression models are a powerful tool for studying different points of the conditional distribution of univariate response variables. Their multivariate counterpart extension though is not straightforward, starting with the definition of multivariate quantiles. In this talk, we propose a flexible Bayesian quantile regression model when the response variable is multivariate, where we are able to define a structured additive framework for all predictor variables. We build on previous ideas considering a directional approach to define the quantiles of a response variable with multiple-outputs and we define noncrossing quantiles in every directional quantile model. We define a Markov Chain Monte Carlo (MCMC) procedure for model estimation, where the noncrossing property is obtained considering a Gaussian process design to model the correlation between several quantile regression models. We illustrate the results of these models using two data sets: one on dimensions of inequality in the population, such as income and health; the second on scores of students in the Brazilian High School National Exam, considering three dimensions for the response variable. This is a joint work with Thomas Kneib.

Fábio Marcellus Lopes (PUC de Valparaíso)
Competição no Modelo dos Sapos
Nesta palestra vou falar um pouco da minha passagem pela pós-graduação em Estatística do IME-USP, e de um modelo conhecido como modelo dos sapos. Nas últimas duas décadas esse modelo e suas variantes tem atraído muita atenção. Boa parte desse sucesso deve-se a contribuições de alguns professores e alunos que passaram pela pós-graduação em Estatística do IME-USP.
Esse modelo é um sistema de partículas que em sua versão mais simples pode ser descrito da seguinte maneira: um grafo tem seus vértices ocupados por partículas que podem estar ativas ou adormecidas. Cada partícula ativa desempenha um passeio aleatório simples no grafo. Quando uma partícula ativa entra em contato com uma partícula adormecida, esta é ativada e também passa a realizar, de maneira independente, um passeio aleatório pelo grafo.
Nesta oportunidade, vou introduzirei uma nova variante desse modelo, na qual existem duas equipes de partículas ativas, as azuis e as vermelhas, que competem para recrutar as partículas adormecidas para suas respectivas equipes. Nesse modelo as partículas de cada equipe realizam passeios aleatórios preguiçosos a tempo discreto, ou seja, a cada instante de tempo, cada partícula ativa lança independentemente uma moeda para decidir se salta ou se permanece no mesmo local. Assumimos que partículas de uma mesma equipe tenham moedas similares (honestas ou não). Os recrutamentos ocorrem da seguinte maneira, quando uma partícula de uma equipe salta sobre um vértice contendo partículas adormecidas, todas essas partículas são ativadas e recrutadas para a sua equipe (regras de desempate também são consideradas para os casos em que partículas das duas equipes saltem ao mesmo tempo sobre um mesmo vértice). Apresentarei alguns resultados e conjeturas para esse modelo em Zd, em particular, estudaremos o evento em que cada uma das equipes possa recrutar infinitas partículas. Esse é um trabalho em conjunto com Mia Deijfen e Timo Hirscher.