**25/03/09 - 15:30h** Ciclo de Palestras Pós Graduação em Estatística UFRJ

["Alexandra M. Schmidt" <alex@im.ufrj.br>]

Caros, 

Dando continuidade ao Ciclo de Palestras do Programa de Pós-Graduação em
Estatística do IM-UFRJ, nesta 4a feira, 25/03/09, 
as 15:30h teremos a palestra do 

Professor Paulo S. Lucio (UFRN)
Título: Uma alternativa computacional-Bayesiana para a recuperação de 
informação demográfica via algoritmo ?EM?  

O resumo segue abaixo. 

Contamos com a presenca de voces.

Acompanhem a atualizacao do programa do nosso ciclo de palestras  no sitio
www.dme.ufrj.br opcao Atividades subopcao Ciclo de Palestras.

Atenciosamente,

Alexandra

Ps.: Desculpem-me pela eventual duplicação da postagem desta mensagem.


Título: Uma alternativa computacional-Bayesiana para a recuperação de 
informação demográfica via algoritmo ?EM? 

Resumo
Um dos grandes problemas enfrentados por Sistemas de Informação de Saúde é a 
ocorrência de subnotificações de nascimentos e óbitos (e doenças), que ainda 
hoje em algumas regiões do país, como a Norte e a Nordeste, são 
preocupantes.  Outro fator limitativo é a existência de um número razoável de 
nascimentos que somente são registrados em anos posteriores (registro 
atrasado de nascimento).  Estes problemas trazem como conseqüência, 
imprecisões nas estimativas, diminuindo/ou aumentando, sobremaneira, as taxas 
de mortalidade (ou incidência de doenças), não porque a área tenha realmente 
menor/ou maior risco, e sim pelo fato dos óbitos e/ou nascimentos 
(ou doenças) não serem registrados na sua totalidade. Acrescida a esta 
problemática, depara-se, em vários municípios brasileiros, com elevado número 
de óbitos por causas desconhecidas ou mal-definidas, as quais passam a ocupar 
lugar de destaque dentre as principais causas de morte, não refletindo a 
realidade dos padrões de mortalidade desses municípios. Assim, este seminário 
tem como objetivo apresentar uma alternativa para inferir sobre os números de 
casos (nascimentos, óbitos ou doenças) em uma determinada população, a partir 
de uma amostra com dados incompletos. Nesse intuito, e com este propósito, 
será apresentado de forma suscinta o algoritmo EM, ("Expectation 
Maximization") bastante citado na literatura bayesiana contemporânea. Uma 
forma particular deste algoritmo é 
obtida quando a distribuição de referência pode ser expressa como casos 
especiais pertencente à família exponencial generalizada. Após simular a 
população, será coletada uma amostra, no qual será obtida uma estimativa do 
verdadeiro número de casos ou ocorrências, em seguida, será empregado um 
método de reamostragem Bootstrap, com a finalidade de medir a variabilidade e 
o erro Monte Carlo e, a partir deste, criar intervalos de credibilidade 
para o parâmetro de interesse, implementando todas as simulações com o 
software estatístico R. 


-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*
Alexandra Mello Schmidt, PhD
Professora Adjunta
Instituto de Matemática - UFRJ
Departamento de Métodos Estatísticos
Caixa Postal 68530 Rio de Janeiro - RJ 
CEP:21.945-970 Brasil
Tel: 0055 21 2562 7505 Ramal (Extension) 204
Fax: 0055 21 2562 7374

http://www.dme.ufrj.br/~alex
-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*
There is no time to lose. Cash your dreams before they slip away. 
Lose your dreams and you lose your mind.