Rubén Zamar
Rubén Zamar - University of British Columbia (CANADÁ)
Ruben Zamar se graduó en Contabilidad Pública en la Universidad de Córdoba (Argentina) en 1973. Recibió el Máster en Estadística en el Centro Interamericano de Enseñanza Estadística, OAS (Chile) en 1977, el Máster en Matemáticas en la Universidad Federal de Pernambuco (Brasil) en 1981, y el Doctorado en Estadística por la Universidad de Washington (EE.UU.) en 1985.
Ruben Zamar es Catedrático de Estadística en la Universidad British Columbia (Canadá) desde 2001. Ha sido editor asociado de varias revistas científicas de Estadística entre las que se cuentan Annals of Statistics, Journal of the American Statistical Association and Test. Ha publicado más de 60 artículos en revistas científicas de Estadística y conferencias.
Ruben Zamar ha dirigido o codirigido diez tesis doctorales y ha supervisado a un gran número de estudiantes de Máster. Sus intereses investigadores incluyen temas como la robustez, la estadística computacional, la minería de datos, el procesamiento de imágenes y el análisis de conglomerados.
Estancia en la UC3M: DEPARTAMENTO DE ESTADÍSTICA
Proyecto: Será desarrollado en colaboración con los profesores Peña, Romo, Berrendero y Viladomat.
En Peña, Viladomat y Zamar (2012) se propone un nuevo enfoque para el análisis de conglomerados basado en el cálculo de medianas repetidas multivariantes de puntos vecinos. En ese trabajo se probaron algunas buenas propiedades matemáticas del método (como, por ejemplo, la convergencia hacia puntos atractores situados cerca de las modas) en el caso univariante. Nuestra intención es extender ahora estos resultados al caso multidimensional. Además, proyectamos diseñar una versión escalable del algoritmo que pueda aplicarse a grandes conjuntos de datos.
Los profesores Peña y Zamar comparten un interés común en problemas de robustez bayesiana; la idea de que los métodos bayesianos deben ser robustos tanto respecto de la contaminación en los datos como respecto a cambios en la distribución a priori. Para discutir este problema, Peña, Zamar y Yan (2009) han desarrollado un método bayesiano robusto para el modelo de regresión lineal, el cual es resistente a la presencia de datos atípicos y puntos palanca (high leverage points). Proyectamos extender este enfoque a otras situaciones como, por ejemplo, estimación multivariante de posición y dispersión, regresión no lineal o análisis de series temporales multivariantes.
En colaboración con el profesor Romo, se estudia el problema de análisis de conglomerados dispersos en conjuntos de datos de alta dimensión, en los que el número de variables es muy alto, incluso posiblemente superior al número de observaciones. En este contexto es razonable y conveniente seleccionar un número relativamente pequeño de variables para llevar a cabo el análisis. Creemos, al igual que Witten y Tibshirani (2010), que la selección de las variables produce mejores resultados cuando se lleva a cabo simultáneamente al propio procedimiento de análisis de conglomerados. Muchos grandes conjuntos de datos contienen datos atípicos y otros tipos de contaminación. Queremos desarrollar métodos robustos y dispersos de análisis de conglomerados que se comporten bien ante la presencia de datos atípicos o datos perdidos, y además sean escalables al aumentar el número de variables y el de observaciones.
Fecha de estancia: OCT 12 - ABR 13
Conferencias
Ponente: Profesor Dr. Ruben Zamar
Título: A natural robustification of the ordinary instrumental variables estimator
Fecha: 15 de Marzo a las 13:00h
Lugar: Aula 17.2.75 (Campus de Getafe)
