| Fot: Agência UFRJ de Notícias |
 |
|
Christian Robert (presidente da Society for Bayesian Analysis), |
O Instituto de Matemática (IM) da Universidade Federal do Rio de Janeiro (UFRJ) promoveu o “Workshop em Inferência Bayesiana”, nesta sexta-feira, com a presença de convidados vindos de universidades dos Estados Unidos, Itália e França. Organizado pelo Departamento de Pós-graduação em Estatística, o evento discutiu o tema principal através de diversas palestras.
O workshop teve início com uma cerimônia solene de abertura, presidida pelo reitor, professor Aloísio Teixeira, que ressaltou a importância do IM para a universidade. “Além de possuir linhas de pesquisa e ensino próprias, o instituto é referência para as demais unidades, pois oferece disciplinas fundamentais a diversos outros cursos”, afirmou.
Junto com o reitor, compuseram a mesa de abertura a vice-diretora do Instituto de Matemática, professora Valcir Santos, e os coordenadores do Programa de Estatística e organizadores do evento, Dani Gamerman e Alexandra Schmidt.
Alexandra deu as boas vindas aos convidados ressaltando a característica produtiva do Programa de Estatística da UFRJ, que aproveitou o último dia do ano bissexto para trazer à universidade pesquisadores internacionalmente reconhecidos. “Desejo a todos um dia especialmente produtivo”, declarou.
Um dia produtivo, aliás, é o que esperava a venezuelana Nora Monsaleve, professora de Estatística da Universidade Centroccidental Lisandro Alvarado (UCLA). Tendo vindo ao Brasil para participar de um curso de verão sobre Inferência Bayesiana na Universidade de São Carlos, Nora fez questão de vir ao Rio para conferir o workshop da UFRJ. “Espero encontrar novas pesquisas e poder aplicá-las”, explicou.
Uma das palestras apresentadas durante o encontro foi “Métodos Bayesianos para Seleção Variável”, proferida pela professora norte-americana Marina Vannucci, da Universidade de Rice. Vannucci falou sobre métodos para seleção de variável Bayesiana para alta dimensão de dados, começando por modelos de regressão linear para, então, chegar a modelos de classificação. Ao tratar de modelos para sobrevivência de dados, ela mostrou exemplos de genomas, com foco nos estudos de análise de DNA.
Métodos Bayesianos são as bases para o estudo das probabilidades das causas desconhecidas a partir de acontecimentos observados, ou seja, sobre a probabilidade condicional. A estratégia Bayesiana usa o conhecimento prévio sobre o fenômeno para formular uma probabilidade a priori a respeito dos estados e para formular uma função de verossimilhança, que relaciona esses estados com as observações do fenômeno.