La Maestría en Estadística, junto con el Grupo de Modelos Matemáticos y Estadísticos para la Evaluación, organizan el Ciclo de Conferencias, así, compartimos, con todos aquellos interesados en participar, las sumillas de las dos ponencias que se llevarán a cabo el martes 3 de mayo, por el Mg. Luis Benites y la Mg. Rocío Maehara, ambos de la Universidad de Sao Paulo, en Brasil.
El ingreso es libre, aunque, si no formas parte de la comunidad PUCP, deberás enviar tus datos (nombre completo y DNI) al siguiente correo: m_estadistica@pucp.edu.pe, para el debido registro de ingreso al Campus PUCP.
3 de mayo de 8 p.m. a 10 p.m.
Aula N-204, en el Complejo Mac Gregor.
Conferencia 1
Título: “Modelo de regresión lineal con errores de distribución de mixtura finita de distribuciones asimétricas de colas pesadas”.
Ponente: Mg. Luis Benites, estudiante de doctorado de la Universidad de Sao Paulo, Brasil.
Resumen: Se considera la estimación de modelos de regresión cuyo término de error se distribuye como una mixtura finita de distribuciones de mixtura en la escala de la distribución normal asimétrica, la cual es una clase rica de distribuciones que contiene a las distribuciones normal asimétrica, t asimétrica, slash asimétrica y normal asimétrica contaminada como casos particulares. Este enfoque nos permite modelar datos con gran flexibilidad, ajustando simultáneamente multimodalidad, asimetría y colas pesadas. Se ha desarrollado un algoritmo EM para realizar inferencia por máxima verosimilitud de los parámetros del modelo propuesto obteniéndose expresiones analíticas para el paso E del algoritmo. Adicionalmente, los errores estándar de los estimadores por máxima verosimilitud son obtenidos como un subproducto del algoritmo. La utilidad práctica de esta nueva metodología es ilustrada con el análisis de un conjunto de datos reales y varios estudios de simulación. El algoritmo y métodos propuestos se encuentran implementados en la librería de R FMsmsnReg.
Conferencia 2
Título: “Modelamiento de percentiles extremos en la distribución Birnbaum-Saunders basada en distribuciones asimétricas de colas pesadas”.
Ponente: Mg. Rocío Maehara, estudiante de doctorado de la Universidad de Sao Paulo, Brasil.
Resumen: A pesar de que muchos trabajos se han hecho sobre la distribución Birnbaum-Saunders (BS) univariada y sus extensiones, estas aún son inadecuadas para predecir percentiles extremos y modelar datos que están altamente concentrados en la cola izquierda de la distribución. Vilca et al (2001) propusieron una distribución BS basada en la distribución normal asimétrica que era capaz de ajustar percentiles extremos inferiores muy bien. En este trabajo proponemos una extensión robusta del modelo de Birnbaum Saunders basada en las distribuciones de mixtura en la escala de una distribución normal asimétrica que son utilizadas para modelar datos asimétricos. Los modelos BS resultantes proporcionan distribuciones flexibles de colas pesadas que pueden ser utilizadas para la estimación robusta de parámetros ante la presencia de observaciones atípicas, además se realiza la implementación de un algoritmo EM para la estimación de los parámetros del modelo por el método de máxima verosimilitud. Finalmente se presentan resultados de un estudio de simulación así como una aplicación a un conjunto de datos reales.