Club of Statistical Journals Review
El Club of Statistical Journals Review es un espacio académico dedicado a la presentación y discusión de artículos de investigación en estadística, sin restricción de época, enfoque o temática. Los artículos revisados pueden ser históricos, prácticos o teóricos, permitiendo así una visión amplia de la disciplina.El objetivo es generar un espacio colaborativo donde el estudio individual se transforma en aprendizaje colectivo.
2025-10-13
14:50hrs.
14:50hrs.
Bladimir Morales. Pontificia Universidad Católica de Chile
An approach to spatial survival data
Sala 3
Abstract:
Survival analysis is a well-established statistical discipline that has been extensively studied due to its applicability in various fields, including medicine, engineering, and economics. The existing literature on this field has explored different approaches, highlighting assumptions of independence as well as temporal and spatial correlations. This paper presents a model for spatial survival data with right-censoring. The estimation process in the proposed model is carried out in two steps. In the first step, the parameters of the regression model are estimated using a baseline hazard function from the Weibull model. In the second step, the spatial correlation structure is estimated using a composite likelihood model that incorporates the geographical dependencies between the observations. A simulation study is conducted to validate the consistency and accuracy of the proposed estimation process. Finally, the model is applied to a real dataset of acute leukemia patients, whose observations are spatially distributed.
An approach to spatial survival data
Sala 3
Abstract:
Survival analysis is a well-established statistical discipline that has been extensively studied due to its applicability in various fields, including medicine, engineering, and economics. The existing literature on this field has explored different approaches, highlighting assumptions of independence as well as temporal and spatial correlations. This paper presents a model for spatial survival data with right-censoring. The estimation process in the proposed model is carried out in two steps. In the first step, the parameters of the regression model are estimated using a baseline hazard function from the Weibull model. In the second step, the spatial correlation structure is estimated using a composite likelihood model that incorporates the geographical dependencies between the observations. A simulation study is conducted to validate the consistency and accuracy of the proposed estimation process. Finally, the model is applied to a real dataset of acute leukemia patients, whose observations are spatially distributed.
2025-09-29
14:50hrs.
14:50hrs.
Ignacio Betancourt. Pontificia Universidad Católica de Chile
Item Parameter Estimation Via Marginal Maximum Likelihood and an EM Algorithm: A Didactic (Harwell, Baker 1988)
Sala 3
Abstract:
La psicometría desarrolla métodos cuantitativos para la medición de rasgos humanos latentes como la habilidad, inteligencia o autopercepción. Junto con la teoría clásica de los tests, una de sus principales ramas teóricas comprende los modelos de Teoría de Respuesta al Ítem (IRT), los cuales se asocian principalmente con la evaluación individual e incorporan aspectos intangibles como la habilidad de sujetos, dificultad de los ítems y su discriminación. Desde que estos modelos fueron propuestos y desarrollados en la década de 1960 la estimación de sus parámetros ha planteado diversos desafíos, tanto teóricos como computacionales. Uno de los principales métodos de estimación ha sido el propuesto por Bock y Aitkin (1981), que corresponde a una adaptación del algoritmo EM de Dempster, Laird y Rubin (1977) a este contexto. Este artículo revisa en detalle dicha metodología, analizando sus fundamentos teóricos y comparándola con otros métodos de estimación, siguiendo la exposición didáctica presentada por Harwell et al. (1988).
Item Parameter Estimation Via Marginal Maximum Likelihood and an EM Algorithm: A Didactic (Harwell, Baker 1988)
Sala 3
Abstract:
La psicometría desarrolla métodos cuantitativos para la medición de rasgos humanos latentes como la habilidad, inteligencia o autopercepción. Junto con la teoría clásica de los tests, una de sus principales ramas teóricas comprende los modelos de Teoría de Respuesta al Ítem (IRT), los cuales se asocian principalmente con la evaluación individual e incorporan aspectos intangibles como la habilidad de sujetos, dificultad de los ítems y su discriminación. Desde que estos modelos fueron propuestos y desarrollados en la década de 1960 la estimación de sus parámetros ha planteado diversos desafíos, tanto teóricos como computacionales. Uno de los principales métodos de estimación ha sido el propuesto por Bock y Aitkin (1981), que corresponde a una adaptación del algoritmo EM de Dempster, Laird y Rubin (1977) a este contexto. Este artículo revisa en detalle dicha metodología, analizando sus fundamentos teóricos y comparándola con otros métodos de estimación, siguiendo la exposición didáctica presentada por Harwell et al. (1988).
2025-09-22
14:50hrs.
14:50hrs.
Bryan Tobar. Pontificia Universidad Católica de Chile
Comparing composite likelihood methods based on pairs for spatial Gaussian random fields
Sala 3
Abstract:
El núcleo de la estadística espacial radica en el modelamiento de las funciones de covarianza, especialmente cuando se trabaja con datos Gaussianos. Sin embargo, este enfoque se vuelve impracticable cuando el número de observaciones es demasiado grande. Por ello, en este estudio se analizan alternativas computacionalmente más eficientes de la verosimilitud, que mantienen una eficiencia estadística razonable. En particular, se considera la Verosimilitud Compuesta Ponderada (Weighted Composite Likehood) bajo tres tipos de modelos de covarianza, y se compara su desempeño con otro método conocido como reducción gradual (Tapered Likehood).
Comparing composite likelihood methods based on pairs for spatial Gaussian random fields
Sala 3
Abstract:
El núcleo de la estadística espacial radica en el modelamiento de las funciones de covarianza, especialmente cuando se trabaja con datos Gaussianos. Sin embargo, este enfoque se vuelve impracticable cuando el número de observaciones es demasiado grande. Por ello, en este estudio se analizan alternativas computacionalmente más eficientes de la verosimilitud, que mantienen una eficiencia estadística razonable. En particular, se considera la Verosimilitud Compuesta Ponderada (Weighted Composite Likehood) bajo tres tipos de modelos de covarianza, y se compara su desempeño con otro método conocido como reducción gradual (Tapered Likehood).
2025-09-08
14:50hrs.
14:50hrs.
Fabián Gómez. Pontificia Universidad Católica de Chile
The discriminative functional mixture model for a comparative analysis of bike sharing systems
Por confirmar
Abstract:
Functional data analysis is a branch of statistics that, instead of dealing with discrete data as in classical statistical analysis, focuses on continuous data that are modeled as functions. One area that has been explored in the last decade concerns the clustering of functional data with the aim of determining clear patterns or behaviors in a high-dimensional context. This work studies the implementation of a functional mixture discriminant model (FDM) with parameters estimated through a functional extension of the EM (FEM) algorithm, with the objective of performing clustering for subsequent analysis. First, a simulation study is carried out to evaluate the model’s ability to correctly classify observations in contexts where the data are smooth and also when they are not, achieving good classifications in both cases. Then, an application is performed using data of bike sharing systems, comparing models fitted with different numbers of clusters and selecting the best one using AIC and BIC criteria.
The discriminative functional mixture model for a comparative analysis of bike sharing systems
Por confirmar
Abstract:
Functional data analysis is a branch of statistics that, instead of dealing with discrete data as in classical statistical analysis, focuses on continuous data that are modeled as functions. One area that has been explored in the last decade concerns the clustering of functional data with the aim of determining clear patterns or behaviors in a high-dimensional context. This work studies the implementation of a functional mixture discriminant model (FDM) with parameters estimated through a functional extension of the EM (FEM) algorithm, with the objective of performing clustering for subsequent analysis. First, a simulation study is carried out to evaluate the model’s ability to correctly classify observations in contexts where the data are smooth and also when they are not, achieving good classifications in both cases. Then, an application is performed using data of bike sharing systems, comparing models fitted with different numbers of clusters and selecting the best one using AIC and BIC criteria.
Contáctenos
Edificio Rolando Chuaqui, Campus San Joaquín. Avda. Vicuña Mackenna 4860, Macul, Chile.Teléfono (+56) 95504 4511.
Formulario de Contacto