Seminario. 19-01-2022



Seminario



Fecha: 19-01-2022

Lugar: Salón de Graos (Facultade de Matemáticas) e Online

Información detallada:


12:00- 12:45

Testing long–range dependence in functional time series
María Dolores Ruíz Medina
Universidad de Granada


16:00- 16:45

Estadística versus aprendizaje automático: Dos visiones complementarias para el análisis de datos
Concha Bielza
Universidad Politécnica de Madrid

Abstract: (Testing long–range dependence in functional time series) - Salón de Grados e Online
Long Range Dependence (LRD) in functional sequences is characterized in the spectral domain under suitable conditions. Particularly, multifractionally integrated functional autoregressive moving averages processes can be introduced in this framework. The convergence to zero in the Hilbert-Schmidt operator norm of the integrated bias of the periodogram operator is proved. Under a Gaussian scenario, a weak–consistent parametric estimator of the long–memory operator is then obtained by minimizing, in the norm of bounded linear operators, a divergence information functional loss. Based on this loss operator, suitable statistics for goodness–of–fit tests can be formulated as an alternative to Cramér-von Mises type tests, well suited for white noise testing against short–range dependence in functional time series (see, e.g., Zhang, 2016).

Abstract: (Estadística versus aprendizaje automático: Dos visiones complementarias para el análisis de datos) - Online
La estadística y el aprendizaje automático tienen como objetivo analizar datos para transformarlos en modelos computacionales de los que obtener conocimiento y predicciones. Ambas son disciplinas que han experimentado muchos cambios y son actualmente las tecnologías principales de la ciencia de datos. Se expondrán las diferencias, semejanzas y complementariedad, en aspectos tales como las hipótesis, selección y validación de modelos o la selección de subconjuntos de variables. Se pondrá énfasis en la interpretabilidad de los modelos para conseguir decisiones más confiables. Servirán de apoyo varios ejemplos principalmente de neurociencia.