Seminario de Postgrado en Estadística

Los Seminarios de Postgrado en Estadística se llevan a cabo los días martes a las 14.15hrs. en la sala 3 de la Facultad de Matemáticas UC. Son una instancia para compartir intereses de investigación entre estudiantes y profesores. 
2016-12-13
14.15hrs.
Karol Santoro. Estudiante Doctorado en Estadística, UC
Modelos Con Errores de MediciOn Usando Distribuciones Normales de Dos Partes
Sala 3, Facultad de Matemática UC
2016-12-06
14.15hrs.
Felipe Elorrieta. Estudiante Doctorado Estadística, UC
A Machine Learned Classifier For Rr Lyrae In The Vvv Survey
Sala 3, Facultad de Matemática UC
2016-11-29
14.15hrs.
Luis GutiErrez. Departamento de Estadística, Universidad Católica de Chile
Enfoques Bayesianos Para el Analisis Estadistico de la Forma de los Objetos
Sala 3, Facultad de Matemática UC
2016-11-22
14.15hrs.
Giovanni Motta. Departamento de Estadística, Universidad Católica de Chile
Semi-Parametric Dynamic Factor Models For Non-Stationary Time Series
Sala 3, Facultad de Matemática UC
Abstract:

A novel dynamic factor model is introduced for multivariate non-stationary time series. In a previous work, we have developed asymptotic theory for a fully non-parametric approach based on the principal components of the estimated time-varying covariance and spectral matrices. This approach allows both common and idiosyncratic components to be non-stationarity in time. However, a fully non-parametric specification of covariances and spectra requires the estimation of high-dimensional time-changing matrices. In particular when the factors are loaded dynamically, the non-parametric approach delivers time-varying filters that are two-sided and high-dimensional. Moreover, the estimation of the time-varying spectral matrix strongly depends on the chosen bandwidths for smoothing over frequency and time. As an alternative, we propose a new approach

in which the non-stationarity in the model is due to the low-dimensional latent factors. We distinguish between the (double asymptotic) framework where the dimension of the panel is large, and the case where the cross-section dimension is finite. For both scenarios we provide identification conditions, estimation theory, simulation results and applications to real data.

2016-11-15
14.15hrs.
Tamara Fernandez. Department Of Statistics, University Of Oxford
Gaussian Processes For Survival Analyis
Sala 3, Facultad de Matemática UC
Abstract:
We introduce a non-parametric Bayesian model for Survival data which places a function of a Gaussian process as prior over the hazard function. This model is based on the "Sigmoidal Gaussian Cox Process" proposed by Adams, Murray and Mackay. Exact inference in this model is made feasible by using a data augmentation scheme based on Poisson thinning studied by Rao and Teh. The inference mechanism can be easily modified to incorporate censoring and covariates. Additionally, we study properties of the prior, in particular we provide general conditions to ensure that our prior defines proper Survival functions almost surely and we show that such conditions limit the flexibility of the model. Furthermore, under the appropriate assumptions we prove posterior consistency on the real line. Finally, we provide some simulations to exhibit the performance of our model in practice.

Esta presentacion esta basada los siguientes trabajos,
https://arxiv.org/pdf/1611.00817v1.pdf  NIPS 2016

https://arxiv.org/pdf/1611.02335v1.pdf  
Unpublished draft paper
2016-11-08
14.15hrs.
Luz Adriana Pereira. Estudiante Doctorado en Estadística, UC
Costos de Garantía Para Un Sistema K de N Bajo Aproximación de Caja Negra y Física
Sala 3, Facultad de Matemática UC
Abstract:
Se comparan y estudian vía simulación los efectos del nivel de información sobre los procesos de costos de garantía y sus distribuciones, para un sistema coherente de componentes iid en una estructura k de N, cuando los procesos de falla/reparo son observados bajo la aproximación de caja negra vs. la aproximación física. La política de garantía considerada corresponden a la política tipo reparación/sustitución gratuita (FRW) con renovación. El modelo de falla estudiado sigue el modelo de falla general BBS. Las comparaciones de los procesos de costos y sus distribuciones bajo las dos aproximaciones citadas son realizadas a través de pruebas estadísticas para igualdad distribucional, hallándose diferencias estadísticas importantes.
2016-10-25
14.15hrs.
Jorge GonzÁlez. Departamento de Estadística, Universidad Católica de Chile
Back To The Future: The Delorean Meets Statistics
Sala 3, Facultad de Matemática UC
2016-10-20
14.30hrs.
Bastian Galasso-Díaz. Estudiante Doctorado en Estadística, UC
Bayesian Flexible Modeling For Families Of Random Densities
Sala 5, Facultad de Matemáticas UC
2016-09-27
14.15hrs.
Natalia Venegas. Doctorado Estadística, Pontificia Universidad Católica
Comparación de Métodos de Medición Con Un Gold-Standard
Sala 3, Facultad de Matemática UC
2016-09-13
14.15hrs.
Jose Quinlan . Pontificia Universidad Católica de Chile
Parsimonious Hierarchical Modeling Using Repulsive Distributions
Sala 3, Facultad de Matemáticas UC
2016-09-06
14.15hrs.
Cesar Ojeda. Pontificia Universidad Católica de Chile
Prueba de Eficiencia Débil en el Mercado Accionario Colombiano
Sala 3, Facultad de Matemáticas UC
Abstract:
Este trabajo prueba la hipótesis de eficiencia débil al comprobar la hipótesis de martingala en diferencias en los retornos del Índice General de la Bolsa de Valores de Colombia, IGBC. Se considera una estructura de dependencia condicional de primer orden mediante el modelo autoregresivo fraccionalmente  integrado de medias móviles, ARFIMA, y de segundo orden con el modelo hiperbólico asimétrico potencial autorregresivo condicionalmente heterocedástico, HYAPARCH, el cual captura todos los hechos estilizados encontrados en la investigación empírica. Los resultados rechazan la hipótesis de eficiencia débil al mostrar que el proceso generador de los retornos parece obedecer a un modelo autorregresivo fraccionalmente integrado, ARFI, en media condicional y a un hiperbólico asimétrico autorregresivo condicionalmente 
heterocedástico, HYAGARCH, en varianza condicional.
 
2016-08-23
14.15hrs.
Rodrigo Rubio. Estudiante Doctorado en Estadística, UC
Similary-Based Clustering For Stock Market Extremes
Sala 3 , Facultad de Matemática UC
Abstract:
The analysis of the magnitude and dynamics of extreme losses in a stock market is essential from an investors viewpoint. An important question of applied interest is: “How to group into different categories, stocks which are more similar from the viewpoint of those features?”.In this talk we discuss methods of similarity-based clustering for statistics of heteroscedastic extremes which allow us to assemble stocks that are more similar from the viewpoint of the scedasis and/or tail index.

Keywords: Families of scedasis densities; Heteroscedastic extremes; London stock exchange; Similarity-based clustering; Tail index.
2016-07-04
Leonidas Espinoza. P. Universidad Católica de Chile
Presentación de Su Trabajo de Magister en Estadístcia
Sala 3 de la Facultad de Matemáticas a las 14:15 Hrs.
2016-06-20
Guido del Pino. P. Universidad Católica de Chile
Statistical Inference Through Pivots: a Unified View
sala 3 de la Facultad de Matemáticas a las 14.15 Hrs.
2016-06-13
Julio Avila. P. Universidad Católica de Chile
Medidas de Dependencia Extrema Variantes en el Tiempo
Sala 3 de la Facultad de Matemáticas a las 14:15 Hrs.
2016-04-12
Claudio Henriquez. P. Universidad Católica de Chile
Análisis de Sensibilidad Local en Funciones de Inferencia
Sala 3 de la Facultad de Matemáticas a las 14.15hrs.
2016-04-05
Fernando Quintana.. P. Universidad Católica de Chile
Semiparametric Bayesian Regression Via Potts Model
Sala 3 de la Facultad de Matemáticas a las 14:15 hrs.
2015-04-21
Edgardo Dörner Yaksic
Métodos Monte Carlo en Radioterapia
Sala 3 - Facultad de Matemáticas - 17:00 Hrs.
2014-12-19
Catalina Vallejos. University Of Cambridge.
Objective Bayesian Survival Analysis Using Shape Mixtures Of Log-Normal Distributions
Sala 3 - Facultad de Matemáticas -
2014-11-28
Ignacio Inostroza Quezada. Universidad de los Andes.
Aprendizaje Bayesiano, Estructura de Redes y Difusión de Innovaciones
Sala 3 - Facultad de Matemáticas - 17:00 Hrs.