Divulgação de Seminários ESALQ/USP (fwd)

["Clarice G.B. Demetrio" <clarice@carpa.ciagri.usp.br>]

O PPG Estatística e Experimentação Agronômica, ESALQ/USP convida
todos os interessados para o Ciclo de Seminários:

***
Combinação de Preditores Para Dados de Sobrevivência
Francisco Louzada-Neto
DEs, Universidade Federal de São Carlos
Dia: 06/02/2007      Horário: 11:00 Horas
***

***
"Estatística na Genética e Genômica - Revisão e Perspectivas"

a ser proferido pela Profa Dra. Júlia Pavan Soller (IME/USP,SP)

as 14:00 horas no dia 07/02/07 no LAB B, Depto de Ciências Exatas


***
Influência Local sob Parâmetros Restritos
Gilberto A. Paula
Instituto de Matemática Estatística - USP
Dia: 08/02/2007      Horário: 11:00 Horas
***

***
Detectando clusters emergentes  no espaço e tempo
Renato Assunção
(DE-UFMG )
Dia: 08/02/2007    Horário: 14:00 Horas
***

***
Modelos hierárquicos e dinâmicos: uma abordagem Bayesiana.
José Almagro
(Presidente da Bayes Forescast   Sistemas de Atenção Dinâmica Ltda)
Dia: 08/02/2007  Horário: 16:00 Horas
***


Todos os seminários serão realizados na sala 311 do Depto de Ciências
Exatas, Pavilhão da Engenharia ,ESALQ/USP.

Saudações, Roseli.


********
Resumos:
********
Combinação de Preditores Para Dados de Sobrevivência
Francisco Louzada-Neto
DEs, Universidade Federal de São Carlos
Dia: 06/02/2007      Horário: 11:00 Horas


    O conceito de combinação de preditores aparece na área de mineração de
dados, onde uma grande quantidade de dados está disponível para
análise, relacionado à possibilidade de geração de modelos ou
classificadores múltiplos para predição ou classificação. A idéia
principal consiste em combinar as predições de vários modelos em uma
predição única. Nesta apresentação discutimos diferentes metodologias
de combinação de preditores no contexto de análise de sobrevivência.
Dados reais ilustram a aplicação da metodologia.

Influência Local sob Parâmetros Restritos
Gilberto A. Paula
Instituto de Matemática Estatística - USP
Dia: 08/02/2007      Horário: 16:00 Horas

O método de influência local proposto por Cook (1986) é bastante conhecido
na área de diagnóstico de influência e tem sido largamente aplicado na
área de modelagem estatística. Todavia, no desenvolvimento do cálculo da
curvatura normal os parâmetros são assumidos irrestritos e a extensão não
é direta para casos em que os parâmetros são restritos em igualdades ou
desigualdades. Neste seminário derivamos a curvatura normal sob parâmetros
restritos em igualdades lineares com extensões para o caso de
desigualdades lineares. Usando uma função penalizada apropriada derivamos
incialmente a curvatura normal para o caso de igualdades lineares e
através do uso das condições de Kuhn-Tucker estendemos os cálculos para o
caso de desigualdades lineares. Em particular, derivamos a curvatura
normal restrita sob alguns esquemas de perturbação para modelos lineares
generalizados e fazemos conexão com a metodologia de alavancagem. Três
exemplos ilustrativos serão apresentados.
*************************************************************************
Detectando clusters emergentes  no espaço e tempo
Renato Assunção
(DE-UFMG )
Dia: 08/02/2007    Horário: 14:00 Horas

Eventos espaço-temporais com coordenadas (x, y, t) são monitorados
continuamente. A densidade dos eventos é bastante  variável, tanto no
espaço quanto no tempo. Em certo momento desconhecido τ, um cluster
relativamente pequeno começa a emergir. Sua localização é desconhecida. O
objetivo é fazer um alarme soar logo após τ mas evitando
que ele soe desnecessariamente.
Neste artigo, nós propomos um sistema de alarme que não requer a
especificação do padrão espacial ou temporal. Ele é baseado  num método de
martingalas. Nós damos os detalhes teóricos e o algoritmo correspondente.
Nós também fornecemos uma  ilustração do uso prático do nosso sistema.
*************************************************************************
Modelos hierárquicos e dinâmicos: uma abordagem Bayesiana.
José Almagro
(Presidente da Bayes Forescast   Sistemas de Atenção Dinâmica Ltda)
Dia: 08/02/2007  Horário: 16:00 Horas

Bayes Forecast é uma empresa que desenvolve modelos preditivos massivos
relacionados às operações, aos clientes e aos mercados das organizações,
esses modelos são o núcleo dos Sistemas de Atenção Dinâmica que produzem
micro-decisões de forma reiterada e contínua.  Os modelos são armazéns do
conhecimento que permitem entender e apoiar decisões estratégicas. Neste
trabalho apresenta-se um exemplo de modelagem hierárquica e dinâmica,
utilizando a abordagem Bayesiana, de um caso de estudo para empresa de
telefonia.