Nesta palestra vamos considerar algumas classes especiais de passeios aleatórios não Markovianos. Considerando o comportamento assintótico relativo a propriedades como recorrência e transiência, balisticidade, Lei dos Grandes Números e Teorema do Limite Central, vamos mostrar que nessas classes o comportamento dos passeios especiais pode ser bastante diferente do comportamento dos usuais passeios aleatórios sobre Z^d com incrementos IID. As principais classes consideradas serão os passeios geradores de árvores, os passeios aleatórios excitados e os passeios aleatórios com auto repulsão por arestas direcionadas.

Slides aqui

The bridge approach for regularization of coefficients in regression models uses L_alpha norm, with alpha > 0 , to define a penalization on large values of the regression coefficients. Particular cases include the Lasso and Ridge penalizations. In Bayesian models, the penalization is enforced by a prior distribution on the coefficients. Although MCMC approaches are available for Bayesian bridge regression, they can be very slow for large datasets, especially in high dimensions. This paper develops an implementation of Automatic Differentiation Variational Inference for Bayesian inference on semi-parametric regression models with bridge penalization. The non-parametric effects of covariates are modeled by B-splines. The proposed inference procedure allows the use of small batches of data at each iteration (due to stochastic gradient based updates), therefore drastically reducing computational time in comparison with MCMC. Full Bayesian inference is preserved so joint uncertainty estimates for all model parameters are available. A simulation study shows the main properties of the proposed method and an application to a large real dataset is presented.

Slides aqui

Mais detalhes

Diante de recorrentes situações de perdas e danos, o risco paulatinamente se revela como categoria fundamental para o planejamento do território; nos trópicos e em um contexto de mudanças climáticas, o risco climático torna-se peremptório para o estabelecimento de estratégias de desenvolvimento e expansão da área habitada pelo homem. A palestra apresentará resultados de pesquisas voltados para a emergência e reemergência de riscos climáticos no estado do Rio de Janeiro a partir de 2 exemplos: as chuvas intensas e extremas e a Dengue, demonstrando a situação de ambos os objetos na fronteira do conhecimento, demandando uma abordagem inter e multidisciplinar. Além de subsídios fundamentais à formulação de políticas públicas, os resultados almejam demonstrar o papel da Universidade e ciência na formulação de propostas de adaptação e mitigação para o estado.

Slides aqui

In this study, we introduce a flexible dynamic non-linear indirect genetic effects model (dnIGE) to describe the dynamics of infectious diseases transmission and predict the genetic effects on susceptibility and infectivity. The methodology includes a covariance structure on the distribution of genetic and environmental effects of susceptibility and infectivity and uses Bayesian inference to estimate the genetic effects and heritabilities associated with these traits. We also analyze the impact of different experimental designs in the accuracy of estimates using syntethic data sets.
Joint work with Milena Nascimento Lima e Osvaldo Anacleto

Desde o trabalho pioneiro de Helmholtz (1867) conjectura-se que o cérebro realiza seleção estatística de modelos, atribuindo modelos probabilísticos a sequências de estímulos e fazendo inferência estatística para aprender, classificar e prever eventos futuros. Em linha com esta proposta, estudos anteriores já haviam identificado assinaturas eletrofisiológicas associadas a ações iminentes e de aprendizagem de sequências no cérebro humano. Recentemente, resultados que apoiam a conjectura de que o cérebro identifica efetivamente a estrutura da cadeia que gera uma sequência de eventos foram obtidos pela nossa equipe de pesquisa. Sabemos agora como identificar algumas classes de modelos probabilísticos utilizados pelo cérebro para armazenar regularidades estatísticas em sequências de eventos. Um exemplo das classes às quais nos referimos são as árvores de contexto probabilísticas introduzidas por Rissanen (1983) no âmbito da compressão de dados. Neste seminário, discutirei a abordagem teórica e experimental associada à aprendizagem estatística desenvolvida pelo nosso grupo. Apresentarei um conjunto de novos dados eletrofisiológicos e comportamentais (Hernández et al., 2021; Cabral-Passos et al., 2024: Hernández et al., no prelo), buscando estabelecer uma relação formal entre a aprendizagem de sequências estruturadas de eventos aleatórios e suas assinaturas no cérebro.