Conferencia del Prof. Dr. D. David Conesa Guillén

Título: Modelización espacio-temporal aplicada: Revisiting Bayesian hierarchical models, a tool to approach many highly complicated real systems
Ponente: David Conesa Guillén
Date: 20/10/2015 12:00 h
Lugar: Sala de Seminarios, Edificio Torretamarit
Resumen:
En esta charla revisaremos una de las herramientas más importantes del Análisis Bayesiano, los Modelos Jerárquicos Bayesianos. Este tipo de modelos se han hecho muy populares cuando se tiene que hacer frente a ciertas situaciones reales, como los que aparecen en ómica, en Epidemiología, donde puede ser normal tener decenas o cientos de miles de variables a analizar. Los Modelos Jerárquicos Bayesianos se han utilizado de forma frecuente, pero se hacen necesarios cuando existen ciertas situaciones complejas, debido a su capacidad para tratar dichas situaciones. Así mismo, mostraremos algunos de los enfoques numéricos (los métodos de simulación como MCMC, o aproximaciones de Laplace, como INLA), y, finalmente, presentaremos algunos ejemplos de aplicaciones con diversos ajustes prácticos.
Breve Bio:
David Conesa Guillén es Profesor Titular del departamento de Estadística e Investigación Operativa en la Universitat de València. Ha publicado numerosos artículos sobre modelización Bayesiana, es editor de las dos revistas españolas de estadística: SORT y TEST. Actualmente ostenta el cargo de Presidente de la Sociedad Española de Biometría. Ha impartido cursos sobre esta temática tanto en universidades nacionales como extranjeras.
Title: Spatio-temporal modelling applied: Revisiting Bayesian hierarchical models, a tool to approach many highly complicated real systems
Speaker: David Conesa Guillén
Date: 20/10/2015 12:00h
Location: Sala de Seminarios, Edificio Torretamarit
Abstract
In this talk, we will review one of the most important tools of Bayesian analysis, namely the Bayesian hierarchical models. This kind of models are becoming so popular when one has to deal with many real situations such as those appearing in the omics fields, Epidemiology, where it can be natural to have tens or hundreds of thousands of variables to be analysed. Bayesian hierarchical models have been used largely but now they have become kind of necessary in all those practical complex situations because of their ability to deal with them. After reviewing the models, we will show some of the numerical approaches that have been introduced to deal with them (simulation methods such as MCMC, or Laplace approximations, such as INLA), and finally some examples of their applications in various practical settings will be presented.
Brief Bio:
David Conesa Guillén is Associate Professor at Department of Statistics and Operations Research at the University of Valencia. He has published numerous articles on Bayesian modelling, he has taught courses on this subject both domestic and foreign universities and is editor of the two Journal of Statistics in Spain: SORT and TEST. Currently, he holds the position of President of the Spanish Region of the International Biometric Society.