Workshop_AEB

Workshop en memòria de l'Anna Espinal

El 28 de novembre de 2019 vam celebrar un acte en memòria de la Dra Anna Espinal, que va traspassar el passat 16 d'agost. 

La Dra Anna Espinal era llicenciada en matemàtiques (UAB) i Doctora en Ciències Econòmiques (UPF), fet que va propiciar, conjuntament amb la seva personalitat, la seva constant implicació en la promoció de la estadística en un àmpli ventall d'àmbits. Tots els què vàrem coneixer-la erem conscients de la seva contagiosa alegria i la seva passió per l'Estadística. 

Anna Espinal Berenguer
Coordinadora Àrea de Recerca Servei d'Estadística Aplicada
Professora associada del Departament de Matemàtiques UAB
Membre del Grup de Recerca Advanced Stochastic Modelling
Membre del Grup de Recerca en Anàlisi eStadística de Supervivència
Membre de BIOSTATNET
Socia fundadora de la Societat Catalana d'Estadística

 

En aquest acte vàrem repassar algunes contribucions fetes tant en l'àmbit de la recerca, la consultoria i docència. 

Volem agraïr a tots els conferenciats Llorenç Badiella, Malu Calle, Lupe Gómez, Marcel Lamana, Pere Puig, Sebastian Pina, Isabel Serra, Carles Serrat i Ana Vázquez, i a tots els assistents la seva participació a la jornada!

Sebastian Pina va ser estudiant de doctorat industrial co-tutelat per l'Anna Espinal i membres de l'IFAE i AIA. Ens va presentar una part del seu treball de doctorat.

Análisis de datos del detector SuperFGD usando Graph Neural Networks
El experimento T2K estudia el fenómeno físico de las oscilaciones de neutrinos, y está formado por dos detectores: el detector cercano ND280 y el detector lejano SuperK. Con tal de adquirir nuevas propiedades de las partículas, se actualizará una componente del ND280 con un nuevo detector, el SuperFGD. En esta charla explicaremos cómo se está asistiendo al análisis de datos proveniente de dicho detector usando Graph Neural Networks, una estructura de red neuronal pensada para datos con estructura de grafo, y mostraremos los primeros resultados.

Ana Vázquez companya del SEA. Ens va presentar algunes contribucions del seu treball final de màster que va ser co-tutelat per l'Anna Espinal (SEA-UAB) i l'Olga Julià de la UPC.

Models de resposta binària i dades de supervivència
En l'anàlisi de la supervivència l'objectiu és analitzar el temps fins un esdeveniment d'interès. Normalment aquest temps s'assumeix que prové d'una variable aleatòria contínua. Tot i que, per diverses raons, pot ser que tinguem un temps mesurat en una escala discreta. Que el temps sigui una variable discreta, fa que es puguin produir empats, és a dir, que hi hagi més d’un individu amb el mateix temps.
En aquest treball es comparen diferents models per estimar l’efecte de les covariants quan el temps és discret: El model de Cox amb diferents metodologies per tractar empats i els models de resposta binària amb link logit i cloglog.

Isabel Serra va presentar-nos una part del treball co-dirigit conjuntament amb l'Anna Espinal de la Patricia Paredes, així com, algunes anècdotes conviscudes.

La supervivència dels extrems en un món complex
-Com analitzes els valors extrems?
-Mirant la cua.
-Això mateix fem a supervivència... mirem les cues.
Així començàvem a endinsar-nos en el redescobriment de tècniques entre la teoria de valors extrems i la teoria de la supervivència. La finalitat: donar resposta a reptes que ens arribaven del món dels sistemes complexos. Farem un recorregut de com un estadístic entra al món dels sistemes complexos i us explicaré com ho va fer ella. Una pregunta que es repeteix a la literatura dels sistemes complexos és la d'identificar el rang lliure d'escala en una mesura física que s'observa dins un sistema complex. La resposta ha estat el mètode LIKLOGCO que la Patricia Paredes publicarà properament juntament amb nosaltres.

Marcel Lamana ens va presentar una part del seu treball final de grau que va ser tutelat per l'Anna Espinal.

Mètodes per a la representació de corbes de supervivència ajustades
Traçar corbes de supervivència a partir de l'estimador de Kaplan i Meier limita l'anàlisi del temps fins al event a una relació univariant. Aquest fet, impedeix la representació adequada de la supervivència de dades biomèdiques observacionals quan mantenen desbalancejos en covariables confusores. Presentem una revisió teòrica de diferents mètodes d'estimació de corbes de supervivència que permeten ajust per covariables i acompanyem el recull amb una proposta d'avaluació dels diferents mètodes basada en dades simulades.

Lupe Gómez, Malu Calle i Carles Serrat vàren realitzar una presentació tant d'alguns treballs i vivències amb l'Anna Espinal. Tots ells formen part del GRASS.

De la censura en un interval a la supervivència multivariant amb l'Anna Espinal
Des que l'any 1995 a Sevilla vàrem constituir el GRASS: Grup de Recerca en Anàlisi eStadística de Supervivència, s'han treballat i discutit molts temes, alguns des de fases embrionàries, altres més madurs, alguns teòrics, altres més aplicats. Als seminaris del GRASS l'Anna va gaudir i ens va fer gaudir amb les seves aportacions i formes originals d'encarar els problemes que sempre afegien punts d'aprofundiment i controvèrsia molt interessants. En aquesta presentació recordarem alguns d'aquests moments per després centrar-nos en dos dels temes en els que vam treballar plegats: Models de regressió amb covariants censurades en un interval i els models de supervivència multivariant.

Pere Puig va presentar-nos un artícle que havien escrit conjuntament amb l'Anna Espinal i el Sergio Baena, així com, algunes anècdotes.

Exploring the randomness of mentally generated head–tail sequences
It is well known that people deviate from randomness as they attempt to mentally generate head–tail sequences as randomly as possible. This deviation from randomness is quantified by an excess of repetitions or alternations between successive responses more than would be expected by chance. We conducted an experiment in which a sample of students was asked to mentally simulate a sequence as if it is produced by a fair coin. We propose several models based on Markov chains for analysing the dynamic of head–tail outcomes in these sequences. First, we explore observed Markov chains and suggest some practical solutions to reduce the number of parameters. However, there is a need for more sophisticated models, and in this case, we propose latent Markov models and mixture of Markov chains to analyse these head–tail sequences. A generalization of the so-called mixture transition distribution (MTD) model is also considered.

Llorenç Badiella va fer l'acte de clausura, en el qual va explicar vivències conviscudes amb l'Anna Espinal.

Fotos

 

 

 

 

Campus d'excel·lència internacional U A B