Workshop_AEB

Workshop en memoria de Anna Espinal

El 28 de noviembre de 2019 celebramos un acto en memoria de la Dra Anna Espinal, que traspasó el pasado 16 de agosto.

La Dra Anna Espinal era licencia en matemáticas (UAB) y Doctora en Ciencias Económicas (UPF), hecho que va propició, conjuntamente con su personalidad, su constante implicación en la promoción de la estadística en un amplio abanico de ámbitos. Todos los que la conocimos, éramos conscientes de su contagiosa alegría y su pasión por la Estadística.

Anna Espinal Berenguer
Coordinadora Área de Investigación Servei d'Estadística Aplicada
Profesora asociada del Departament de Matemàtiques UAB
Miembro del Grupo de Investigación Advanced Stochastic Modelling
Miembro del GRupo de Investigación en Análisis eStadística de Supervivencia
Miembro de BIOSTATNET
Socia fundadora de la Societat Catalana d'Estadística

 

En este acto repasamos algunas contribuciones hechas tanto en el ámbito de la investigación, la consultoría y docencia.

Queremos agradecer a todos los conferenciantes Llorenç Badiella, Malu Calle, Lupe Gómez, Marcel Lamana, Pere Puig, Sebastian Pina, Isabel Serra, Carles Serrat y Ana Vázquez, y a todos los asistentes su participación a la jornada!

Sebastian Pina fue estudiante de doctorado industrial co-tutelado por Anna Espinal y miembros del IFAE y AIA. Nos presentó una parte de su trabajo de doctorado.

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 compañera del SEA. Nos presentó algunas contribuciones de su trabajo final de máster que fue co-tutelado por Anna Espinal (SEA-UAB) y 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 presentó una parte del trabajo co-dirigido conjuntamente con Anna Espinal de la estudiante Patricia Paredes, así como, algunas anécdotas convividas.

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 nos presentó una parte de su trabajo final de grado que fue tutelado por 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 y Carles Serrat realizaron una presentación de algunos trabajos y vivencias con Anna Espinal. Todos ellos forman parte 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 nos presentó un artículo que habían escrito conjuntamente con Anna Espinal y Sergio Baena, así como, algunas anécdotas.

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 hizo el acto de clausura, en el cual explicó algunas vivencias convividas con Anna Espinal.

Fotos

 

 

 

 

Campus d'excel·lència internacional U A B