Lineas Generales de Concentración y Investigación

Estadística

Areas de Investigation

• Aprendizaje Automático

El aprendizaje automático nació dentro de la inteligencia artificial como un conjunto de herramientas para ayudar en las tareas computacionales utilizando bases de datos. En las últimas dos décadas, esta área ha ampliado su alcance y ha comenzado a utilizarse en las más variadas áreas del conocimiento humano. Actualmente, el aprendizaje automático consta de dos áreas principales: aprendizaje supervisado (que consiste en hacer predicciones para futuras observaciones) y aprendizaje no supervisado (que consiste en aprender más sobre la estrutura de los datos). El PIPGEs ha trabajado en esta línea principalmente en los siguientes temas: inferencia y desarrollo de redes complejas, incorporación de sesgo de selección en modelos de apendizaje automático, cuantificación, uso de métodos de aprendizaje automático para inferencia estadística, aplicaciones al derecho, biología, física y otras áreas del conocimiento.

• Inferencia Estadística

Dado ele aspecto central de la inferencia estadística, esta área se relaciona con varias subáreas específicas. Varias de estas subáreas son investigadas en el PIPGEs. Por ejemplo análisis de supervivencia y confiabilidad, métodos bayesianos, modelos de variables latentes, series de tiempo, fundamentos de estadística...

• Modelos de Regresión

Tienen una importancia destacada en el campo de la Estadística. Los profesores del PIPGEs que trabajan en esta línea desarrollan trabajos sobre modelos lineales y no lineales (incluyendo modelos mixtos), en temas como análisis de datos longitudinales, análisis de supervivencia y confiabilidad, modelos con errores variables, modelos de variables latentes, modelos para datos discretos, modelos para datos limitados, modelos de puntaje crediticio, series temporales y teoría de respuesta al ítem. Las investigaciones desarrolladas en el PIPGEs se basan tanto en métodos frecuentistas como bayesianos e incluyen métodos de diagnóstico para evaluar diferentes aspectos de los modelos propuestos.

• Probabilidad y Procesos Estocásticos

Esta línea de investigación se ha fortalecido en los últimos años en el programa,  a través de la investigación sobre temas teóricos y aplicados. Los aspectos más destacados, por ejemplo, son la investigación sobre cálculo estocástico y aplicaciones (finanzas, fijación de precios de activos y cobertura), sistemas de partículas y percolación; modelaje estocástico de sistemas complejos; teoremas asintóticos en procesos estocásticos especiales; algoritmos de simulación y modelos no markovianos.