Uma breve introdução à Estatística Matemática.
Invited speaker: Maurício Daros Andrade (University of Pennsylvania)
Abstract: O objetivo da Estatística é analisar observações e dizer o máximo sobre a fonte que as geraram. Nesse minicurso, serei matematicamente rigoroso para reformular esse objetivo e para mostrar ferramentas da Estatística que visam alcançar esse objetivo:
Estimador MVUE
Estimador Plug-in
Máxima Verossimilhança
M-estimadores
Bootstrap
Teste de Hipóteses
Intervalo de Confiança
Algumas dessas ferramentas são famosas, mas facilmente mal interpretadas – com uma linguagem matemática rigorosa, pretendo tornar mais evidente a interpretação correta. Ao desenvolver essas ferramentas, mostrarei alguns fenômenos capciosos que aparecem. Vou contrastar ao longo do minicurso a abordagem paramétrica versus a não-paramétrica. Essa abordagem não-paramétrica geralmente não é vista nos cursos introdutórios de estatística na graduação, então acredito que muitos irão apreciar isso. É uma abordagem que permite o estatístico ter suposições muito menos restringentes e obter assim métodos robustos. Além disso ela se apoia numa matemática que eu gosto muito, o que inclui Análise Funcional e Análise de Fourier. Tudo isso acima está sob o paradigma clássico da estatística, que é uma forma de enxergar a realidade. O paradigma bayesiano, em contrapartida tem outra forma de enxergar a realidade e por isso se dispõe de outra teoria estatística. Pretendo falar sobre a diferença entre esses dois paradigmas. Já ouvi muitos colegas matemáticos falarem que não tiveram um bom contato com estatística e por isso não se interessam pela disciplina. Eu simpatizo com esses colegas pois por muito tempo eu fui assim também. Acontece que a estatística que geralmente aprendemos na graduação é muito utilitária. Faz sentido, dado que a estatística é uma disciplina tão útil, mas isso pode falhar em despertar interesse em nossos corações matemáticos. Nesse minicurso quero remediar um pouquinho disso.
Sobre mim: Fiz graduação em matemática na UFMG, onde fui orientado pelo Prof. Marcelo Hilário; mestrado em Economia Matemática no IMPA; e agora estou passando pro meu segundo ano de doutorado em estatística, aqui na Universidade da Pensilvânia (EUA). Meu interesse é em regressão não paramétrica.
Dates: 17/08 and 18/08 from 8h30 a.m. to 10h a.m. on Google Meet (meet.google.com/euu-kyun-faa)
Law of large numbers and long time convergence for particle systems with branching and selection mechanisms.
Invited speaker: Matthieu Jonckheere (UBA)
Abstract: We give several examples of particle systems ranging from branching Markov processes to Fleming-Viot and N-BBM with empirical measures displaying interesting long time behaviour. We give examples of proven law of large numbers and selection principles for conservative systems (speed and/or stationary measure) and some conjectures. Applications in simulations and reinforcement learning will be also discussed.
Dates: 13/07, 16/07 and 30/07 at 9h a.m. on Google Meet (https://meet.google.com/ydd-iskk-fwj)
Introduction to the Ant Random Walk.
Invited speaker: Guilherme Reis (UFBA)
Abstract: This talk is headed to undergraduate students. We will start by introducing random walks and what are some natural questions. After that we will introduce the Ant Random Walk. Our goal is to show that the Ant RW is trapped in a cycle. Through some concrete examples we will try to see how the proof of the general case works. This is a joint work with Dirk Erhard and Tertuliano Franco.
Dates: 01/06, 03/06 and 08/06 at 9h a.m. on Google Meet
Percolação e Renormalização.
Invited speaker: Marcelo Hilário (UFMG)
Dates: 11/05, 13/05, 15/05 and 18/05, at 9h a.m. on Google Meet
Tempos de Mistura do Modelo de Curie-Weiss.
Invited speaker: Milton Jara (IMPA)
Dates: 27/04, 29/04, 01/05 and 04/05, at 9h a.m. on Google Meet