Diario da 鶹
Jane-Ling Wang, Irène Gijbels e Juan Carlos Escanciano participan nun tribunal de tese
O grupo SiDOR recibe tres expertos internacionais en anlise de supervivencia e estatstica e economa non paramétrica
Juan Carlos Pardo, Juan Carlos Escanciano, Jane-Ling Wang, Irène Gijbels, Wenceslao Gonzlez (USC) e Jacobo de Ua
Irène Gijbels durante o seu relatorio
Jane-Ling Wang é profesora distinguida do Departamento de Estatstica na Universidade de California en Davis
De Ua eGijbels
Investigadores do grupo SIDOR ((Statistical Inference, Decision and Operations Research) reúnense este mércores na 鶹 cos expertos internacionais en anlise de supervencia e estatstica e economa non paramétrica Jane-Ling Wang, Irène Gijbels e Juan Carlos Escanciano, no que os membros do grupo consideran “unha interaccin moi importante cara consecucin dos obxectivos do proxecto MECANOS4, desenvolvido por SiDOR e financiado por el Ministerio de Ciencia, Innovacin y Universidades, baixo da direccin de Jacobo de Ua y Juan Carlos Pardo”. MECANOS4 integra nove doutores de SiDOR que, xunto a un elenco de colaboradores externos, traballan durante el trienio 2024-2027 nos tpicos de anlisis de supervivencia, datos de alta dimensin, anlisis ROC, contrastes de bondade de axuste e modelos de regresin complexa, explican os investigadores do grupo, recoecido como Grupo de Referencia Competitiva pola Xunta de Galicia.
Membros dun tribunal de tese
Jane-Ling Wang, profesora distinguida do Departamento de Estatstica na Universidade de California en Davis, EE.UU e experta en anlise de supervivencia, datos funcionais e Machine Learning;xunto a Irène Gijbels, catedrtica no Departamento de Matemticas da KU Leuven, Bélxica, referente mundial en métodos de estatstica non paramétrica; e Juan Carlos Escanciano, catedrtico do Departamento de Economa da Universidad Carlos III de Madrid, recoecido experto en econometra non paramétrica e contrastes de bondade de axuste, participan este mércores no tribunal da tese que presenta Adrin Lago, titulada The k-sample problem for truncated and censored data, dirixida por Juan Carlos Pardo e Jacobo de Ua. A tese resolve o problema da comparacin de k grupos cando a informacin estatstica encntrase censurada ou truncada, algo moi frecuente na anlise de supervivencia, un mbito da estatstica de suma importancia en estudios econmicos, clnicos e de fiabilidade industrial.
As mesmo as profesoras Wang y Gijbels aproveitaron a súa presenza na 鶹 para impartir conferencias abertas comunidade universitaria sobre as súas temticas de traballo.