Fundamentos Estatísticos para Inferência Seletiva

• Processo: 24/18134-8
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de dezembro de 2024
• Data de Término da vigência: 31 de maio de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Aluísio de Souza Pinheiro
• Beneficiário: Luan Portella da Silva
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 23/02538-0 - Séries temporais, ondaletas, dados de alta dimensão e aplicações, AP.TEM
• Assunto(s): Dados de alta dimensão Análise de ondaletas
• Palavra(s)-Chave do Pesquisador: Dados de alta dimensão | Ondaletas | triagem de variáveis | Wavelets | Estatística Não-Paramétrica

Resumo

A atual era dos grandes conjuntos de dados e dos métodos de inteligência artificial oferece perspectivas de avanços tecnológicos substanciais para as próximas décadas. Entretanto, extrair informações relevantes de grandes volumes de dados e depende de algoritmos rápidos e confiáveis. Dois exemplos nessa linha são a seleção de variáveis para modelos estatísticos e a determinação estatística da dinâmica temporal de dados seriados. A primeira tarefa consiste em discriminar quais variáveis são ruído e quais variáveis possuem um sinal de interesse, enquanto a segunda tenta determinar a dinâmica temporal basal de conjuntos de dados. O desafio em contextos modernos é realizar tais tarefas em meio a um grande conjunto de dados, o que pode ser alcançado por métodos espectrais (Fourier e ondaletas) rápidos.