Fecha: Miércoles 14 de diciembre. 16:00 hrs
Ubicación: Sala Taller, 4° Piso, Departamento de Estadística.

Expone: Dr. Rodrigo Salas ( Esta dirección electrónica esta protegida contra spam bots. Necesita activar JavaScript para visualizarla ) del Departamento de Ingeniería Biomédica de la Universidad de Valparaíso.

Título Conferencia:
"El aprendizaje computacional y sus aplicaciones a la minería de datos"

Resumen:
El aprendizaje computacional es un nuevo paradigma de modelos empíricos que nace a finales del siglo XX como resultado del importante avance que experimentó las tecnologías de la información y de la necesidad de desarrollar nuevas técnicas de análisis de datos. En esta presentación se explorará algunas de las teorías más importantes que sustentan esta área del conocimiento, así como también se revisarán alguna de las técnicas más exitosas en el análisis de los datos. Finalmente se mostrarán algunas aplicaciones en el ámbito de la Minería de Datos.

Esperamos contar con su valiosa participación.

Fecha: Miércoles 7 de Diciembre 16:00 hrs

Ubicación: Sala Taller, 4° Piso, Departamento de Estadística.

Expone: Claudio Aguilar B., del Instituto Nacional de Estadítica, INE, Chile.

Título:

"Metodología Censo 2012"

Resumen:

En el mundo, los países están utilizando diversas metodologías para la realización de los censos. En general se habla de censos de dos tipos: los tradicionales, que corresponde al levantamiento en terreno a través de preguntas directas a la población; y los mixtos, donde cada país utiliza diferentes combinaciones entre registros administrativos y encuestas (con muestras y no censos) para realizar las mediciones de población y vivienda. Es así como nos encontramos con los países nórdicos, que no realizan censos y utilizan solamente registros administrativos; con países europeos y casi todos los países desarrollados que utilizan metodologías mixtas y los países de Latinoamérica, donde se continúan realizando los censos tradicionales. Dentro del método tradicional de levantamiento de los Censos, que corresponde al levantamiento en terreno y a través de preguntas directas a la población, se distinguen dos modalidades de censo: Censo de hecho y Censo de derecho. El objetivo de esta conferencia es presentar la metodología del CENSO en Chile en el año 2012 mostrando las ventajas y desventajas de cada modalidad de censo y presentar el cuestionario CENSAL destacando los principales cambios.

Fecha: Miércoles 30 de Noviembre. 16:00 hrs
Ubicación: Sala 4° Piso, Departamento de Estadística.

Conferencista: Dr. (C) Marco Riquelme Alamos, Universidad de Sao Paulo, Sao Paulo, Brasil.

Título:

"Modelos mixtos con errores en las variables"

Resumen:

El modelo lineal mixto ha sido utilizado con frecuencia en el análisis de datos agrupados y longitudinales. Este modelo tiene una gran aplicabilidad en diversas áreas de investigación como agricultura, ingeniería y economía (Diggle et al. 1994). La importancia de estos modelos se explica por la flexibilidad que ofrecen para modelar la correlación entre e intra-unidades muestrales y la capacidad de modelar datos balanceados y no balanceados. Las variables independientes en los modelos estadísticos son a menudo medidas con error (Fuller, 1987; Carroll et al., 1995). Los estimadores de máxima verosimilitud, ignorando los errores de medición son por lo general inconsistentes (por ejemplo, Stefanskie Carroll, 1987).

Por lo tanto, bajo el contexto anterior es importante investigar la combinación de efectos aleatorios y errores de medición en los modelos lineales. Así, en este trabajo son propuestos específicamente dos nuevos modelos llamados: M1: Modelo lineal mixto con errores elípticos en las variables y M2: Modelo estructural simétrico con intercepto aleatorio. En este estudio, desarrollamos para el modelo M1 el método de estimación de escore corregido propuesto por Nakamura (1990) y para el modelo M2 usamos un enfoque jerárquico utilizando las distribuciones de mezcla de escala normal (Osorio et al., (2009)) e implementamos el algoritmo EM para obtener las estimaciones de máxima verosimilitud de los parámetros de interés. Se presenta también un estudio de simulación para evaluar el desempeño de los estimadores.

Referencias

• Carroll, R. J., Ruppert, D. and Stefanski, L. A. (1995). Measurement error in nonlinear models. Chapman and Hall, London.
• Diggle, P. J., Liang, K. T. and Zeger, S. L. (1994). Analysis of longitudinal data. Clarendon Press, Oxford.
• Fuller, W. A. (1987). Measurement error models. Wiley, New York.
• Nakamura, T. (1990). Corrected score function for errors-in-variables models: Methodology and application to generalized linear models. Biometrika, 77, 127-137.
• Osorio, F., Paula, G. A. and Galea, M. (2009). On estimation and influence diagnostics for the Grubbs’ model under heavy-tailed distributions. Computational Statistics and Data Analysis, 53, 1249-1263.
• Stefanski, L. A. and Carroll, R. J. (1987). Conditional scores and optimal scores in generalized linear measurement error models. Biometrika, 74, 703-716.