Resolució XVIII Concurs Student

Dels treballs presentats al XVIII Concurs Student d'Estadística Aplicada:

  • Estimación no paramétrica de la densidad en el plano: Evolución de la concentración de los nidos de avispa velutina entre 2016 y 2018 en Galicia
  • Modelització de dinàmica d'epidèmies: El model SIR en el cas de la COVID-19
  • Modelos bayesianos SEEIR con estructura de edad y género para el análisis de enfermedades de contagio
  • Anàlisi Bayesiana de mixtures de Poisson amb dades de Biodosimetria
  • Anàlisi poligènica per avaluar l'impacte de diferents perfils de risc genètic en l'estructura cerebral
  • Telomere length and Alzheimer's disease endophenotypes: a Mendelian Randomization study

 

Els membres del Jurat del XVIII Concurs STUDENT d'Estadística Aplicada, han resolt atorgar el premi Idescat al millor treball de màster a:

Alba Bernabeu Atanasio

Estudiant del Màster Universitari en Bioestadística
Universitat de València

Pel treball:

Modelos bayesianos SEEIR con estructura de edad y género para el análisis de enfermedades de contagio

La epidemiología estudia la distribución y los factores de riesgo de enfermedades en humanos o animales. Históricamente, el interés en epidemias ha sido una prioridad, ya que millones de personas morían por su causa. Hoy en día, este interés no ha disminuido, pues hay enfermedades que son persistentes en la población, como la varicela.
Presentamos un modelo estocástico bayesiano susceptible-expuesto-infeccioso-recuperado (SEEIR) en tiempo discreto estructurado por edad y género para comprender la transmisión de la varicela en la Comunidad Valenciana, España. El modelo propuesto tiene en cuenta tanto la mezcla heterogénea de individuos en la población como la estocasticidad inherente en la transmisión de la enfermedad.
El análisis bayesiano del modelo nos permite calcular la distribución posterior de los parámetros del modelo y la distribución predictiva posterior de la incidencia de la varicela, lo que facilita el cálculo de pronósticos puntuales e intervalos de predicción.

premi Idescat

 

 

Han resolt atorgar el premi Almirall al millor treball de bioestadística a: 

Sandra Cobo Ollero

Estudiant del Grau en Estadística Aplicada
Universitat Autònoma de Barcelona

Pel treball:

Anàlisi Bayesiana de mixtures de Poisson amb dades de Biodosimetria

En aquest treball analitzaré dades de dosimetria. El comportament d'aquestes dades quan la radiació és homogènia es pot descriure mitjançant una distribució de Poisson.
La dosimetria de la radiació és l'estimació de la dosi absorbida en teixits i materials com a resultat de l'exposició del pacient a la radiació ionitzant.

Els casos que tractarem seran modelitzables mitjançant mixtures finites de distribucions de Poisson, i tot el treball estarà realitzat seguint la metodologia de l'estadística bayesiana.
L'objectiu que ens plantegem té moltes aplicacions pràctiques perquè també estimarem el nombre de components de les mixtures que formen les mostres d'estudi.

Per aconseguir l'objectiu un element molt important és dissenyar un algoritme òptim que sigui capaç de separar les mixtures de les dades. La metodologia utilitzada en el treball es basa en mètodes MCMC, en particular l'algoritme de Gibbs.

premi Almirall

 

 

Han resolt atorgar el premi SEA - Anna Espinal al millor treball de grau a:

María Bugallo Porto

Estudiant del Grau en Matemàtiques
Universidade de Santiago de Compostela

Pel treball:

Estimación no paramétrica de la densidad en el plano: Evolución de la concentración de los nidos de avispa velutina entre 2016 y 2018 en Galicia

En este trabajo se abordará el problema de estimar no paramétricamente una densidad bidimensional, lo cual permite detectar regiones en el plano con alta concentración de datos. Este aspecto es muy importante en diversas aplicaciones, como ocurre en epidemiología, ya que permite detectar regiones donde se concentran los enfermos y compararlas con las correspondientes de la población no enferma.

Mostraremos la utilidad del estimador histograma y del estimador tipo núcleo bidimensional para la estimación no paramétrica de un conjunto de datos reales. Estos datos corresponderán con la posición de nidos de avispa velutina en Galicia entre los años 2016 y 2018, por lo que son de gran interés biológico y socio-económico. El objetivo será estimar la densidad conjunta de los datos en los tres años de muestreo, compararla, analizar su evolución temporal y extraer conclusiones sobre la misma.

premi_sea.jpg

 

 

El Servei d'Estadística de la UAB i l'Institut d'Estadística de Catalunya, volen expressar la seva enhorabona més efusiva als guanyadors, així com agrair a la resta de participants l'interès i l'esforç mostrat.

L'acte d'entrega de premis es va realitzar de forma virtual el passat 20 d'octubre de 2020, en motiu del XX Dia de l'Estadística a Catalunya convocat per la Societat Catalana d'Estadística i organitzat per l'Idescat, on es va fer públic el nom dels guanyadors.

 

Campus d'excel·lència internacional U A B