Data do Evento:
sexta-feira, 16 de Agosto de 2024 - 11:00
Local do evento
Sala 221
Descrição:
- Resumo: Este trabalho propõe uma regra Bayesiana baseada na mistura de uma função com massa em zero e a distribuição logística para realizar encolhimento de coeficientes de ondaletas (wavelet shrinkage) em modelos de regressão não paramétrica com erros estacionários (com comportamento de memória curta ou longa). A proposta é avaliada por meio de experimentos de Monte Carlo e ilustrada com dados reais. Estudos de simulação indicam que a precisão das estimativas diminui à medida que a quantidade de correlação aumenta. No entanto, para um dado um tamanho amostral e erros correlacionados, o desempenho da regra é praticamente o mesmo a medida que a razão sinal-ruído presente nos dados diminui, em comparação com o desempenho da regra sob erros independentes e identicamente distribuídos. Além disso, descobrimos que o desempenho da proposta é melhor do que a regra padrão por limiar suave na maioria dos cenários considerados nos estudos de simulação. Trabalho conjunto com Mauricio Zevallos, do Departamento de Estatística da UNICAMP.
- Short bio: Bacharel em Estatística e doutor em Estatística pela Universidade Estadual de Campinas. Doutorado sanduíche no Georgia Institute of Technology, EUA. Pós doutorado em Estatística na Universidade de São Paulo. Professor-doutor I (nível MS 3.1) do Departamento de Estatística da Universidade Estadual de Campinas desde 2022. Interesse nas áreas de métodos estatísticos não paramétricos com ênfase em estimação de curvas, análise de dados funcionais e ondaletas.