- INSTRUMENTO Fondo Clemente Estable
- BENEFICIARIO Leonardo Fabian Moreno Romero : Facultad de Ciencias Económicas y de Administración
- DEPARTAMENTO Montevideo
- SUBSIDIO UYU 1200000
- FECHA DE INICIO 01.04.2023
- DURACIÓN 30 meses
- AÑO CONVOCATORIA 2022
- CÓDIGO FCE_3_2022_1_172289
- FASE CERRADO
- ESTADO Terminado
En el proyecto abordaremos diferentes problemas de estadística en espacios complejos, con énfasis en el desarrollo teórico y sus aplicaciones a datos reales. Por espacios complejos nos referimos, en su forma más general, a espacios métricos. Esto incluye como casos particulares importantes la estadística en datos funcionales, y la estadística en variedades. En este contexto nos centraremos en la estimación de conjuntos, la inferencia conforme, el estudio de las propiedades geométricas de los métodos de agrupamiento y técnicas de muestreo para datos complejos. La estimación de conjuntos busca estimar funcionales de un conjunto desconocido S (por ejemplo su volumen, su perímetro, etc) a partir de una muestra de puntos asociada de alguna forma con S. En el proyecto se propondrán nuevos estimadores de estos funcionales, teniendo presente la geometría de S. Se aborda también el problema de la construcción de bandas de confianza en modelos de regresión estadística cuando la salida se encuentra en espacios no euclidianos (por ejemplo una variedad Riemanniana), mediante inferencia conforme. El objetivo de la inferencia conforme es encontrar bandas o conjuntos de confianza, libres de distribución para la predicción de un nuevo valor. Estos conjuntos se construyen sin imponer hipótesis sobre la distribución conjunta de las variables de entrada y salida del modelo, y se desarrollaron hasta ahora cuando la salida está en un espacio euclidiano finito o infinito dimensional. Un objetivo del trabajo es por tanto extrapolar estas metodologías cuando los datos se encuentran sobre variedades. Por último, el proyecto incursionará en estadística sobre espacios euclidianos, pero de alta o infinita dimensión. Se estudiarán las propiedades geométricas de los conjuntos obtenidos al aplicar diferentes métodos de agrupamiento en espacios de alta dimensión y espacios funcionales.
En los últimos años ha aumentado mucho la cantidad de datos complejos y muy diversos, y eso exige nuevas herramientas para poder analizarlos de forma confiable. Ese fue uno de los principales desafíos de este proyecto. En ese marco, se lograron avances importantes en varias líneas de trabajo. Se desarrolló un nuevo método robusto de agregación, pensado para combinar información de manera estable incluso cuando los datos presentan valores atípicos o comportamientos poco usuales. También se amplió la inferencia conforme a problemas de regresión en espacios geométricos más generales, se propusieron nuevas formas de medir qué tan lejos está un conjunto de ser convexo, se construyó un estimador corregido de una propiedad geométrica llamada standardness y se introdujo el concepto de alcance polinomial junto con una forma de estimarlo a partir de datos. Estos desarrollos se estudiaron tanto desde el punto de vista teórico como mediante simulaciones y aplicaciones con datos reales, mostrando su utilidad en distintos contextos. Además, el proyecto impulsó nuevas metodologías de clasificación no supervisada, fortaleciendo una línea de investigación que ya venía desarrollándose y abriendo nuevas posibilidades de trabajo futuro. Por otra parte, los resultados no quedaron restringidos al ámbito de la investigación. El proyecto promovió activamente su difusión en congresos y jornadas científicas, y también incluyó actividades de divulgación y vinculación con otros sectores, como la industria y estudiantes de educación media. En conjunto, el proyecto contribuyó a fortalecer las capacidades nacionales en metodología estadística y en su aplicación a problemas actuales cada vez más complejos.