Presentaremos distintos métodos de estimación no-paramétrica para la densidad con soporte compacto o dominio con geometría que puede ser compleja. Veremos como se fue afectado la calidad de estimadores clásicos al borde del dominio. En particular se propondrá un nuevo estimador basados en polinomios locales para estimar la densidad en un punto x. Veremos que este estimador puede adaptarse a distintas geometrías y que tiene propiedades optímales en términos del error cuadrático medio y de la regularidad de la función a estimar. Compararemos este método al método sparr que es una alternativa popular para la estimación de densidad en dominios a geometría complicada.
La medición constituye uno de los pilares fundamentales de la ciencia psicológica, pero también uno de sus conceptos más debatidos. Aunque las prácticas psicométricas se han sofisticado notablemente durante el último siglo, persisten desacuerdos fundamentales respecto de qué significa realmente medir, qué condiciones deben cumplirse para justificar una afirmación de medición y en qué medida la medición psicológica es comparable con la medición en las ciencias físicas. Esta presentación ofrece una actualización del estado actual de estos debates, revisando el desarrollo histórico del concepto de medición desde la psicofísica y la redefinición operacionalista de Stevens hasta los enfoques contemporáneos provenientes de la metrología, la filosofía de la ciencia y la psicometría. Se discutirán los principales desafíos conceptuales, incluyendo la objeción de la cantidad, la naturaleza de los atributos psicológicos, la justificación epistemológica de las inferencias de medición, el papel de los valores y del contexto sociocultural, y las oportunidades y desafíos que plantean la inteligencia artificial y los nuevos enfoques dinámicos de medición. Finalmente, se presentarán marcos conceptuales recientes que buscan integrar distintas tradiciones filosóficas y ofrecer una comprensión más amplia y rigurosa de la medición en las ciencias humanas.
This study analyzes several dice games that originated in North and South America, including Tasholiwe, Chuncana, and Yole, as described by anthropologists Stewart Culin, Erland Nordenskiold, and Raúl Martín Crovetto. The study focuses on the relationship between the point values assigned to the outcomes and their probabilities. The author argues that the rules of these games require an understanding of probability principles and statistical evaluation based on relative frequencies.
Este estudio analiza varios juegos de dados originarios de América del Norte y del Sur, entre ellos el Tasholiwe, el Chuncana y el Yole, tal como los describen los antropólogos Stewart Culin, Erland Nordenskiold y Raúl Martín Crovetto. El estudio se centra en la relación entre los valores asignados a los resultados y sus probabilidades. El autor sostiene que las reglas de estos juegos requieren una comprensión de los principios de la probabilidad y una evaluación estadística basada en frecuencias relativas.
In this study we considered five generalizations of the standard Weibull distribution with three parameters to describe the baseline hazard in the survival part of the joint model framework. The proposed distributions were the gamma-Weibull, exponentiated Weibull, generalized Weibull, Marshall-Olkin-Weibull and generalized power Weibull distribution, which can handle with complex forms like constant, increasing, decreasing, bathtub and upside-down shapes. We used these distributions to study the first stage of spontaneous labour aiming to evaluate the time to c-section delivery. Particularly, were considered information about cervical dilatation, as time-dependent in the longitudinal part of the joint model, and others clinical variables as well as previous parity, comorbidity or pre pregnancy complications, if the woman was referred from another health facility and membranes status. As we are considering non nested models, we selected the best distribution using information based criterion methods like AIC and BIC, and with the appropriated model we make predictions about the survival probability, which is the complementary probability of c-section, and investigate the impact of the cervical dilatation evolution and others variables in the C-section outcome.
Keywords: joint modelling; labour modeling; longitudinal process; model selection; survival process; weibull generalizations.
La reciente segunda vuelta de las elecciones presidenciales en Perú (2026) constituye una motivación concreta para revisar críticamente las herramientas estadísticas utilizadas en la detección de fraude electoral. Este trabajo se inscribe en ese contexto, no con el objetivo de emitir un veredicto, sino de problematizar los marcos analíticos desde los cuales tales veredictos suelen construirse.
La detección de fraude electoral se ha desarrollado a partir de una amplia gama de propuestas estadísticas que, pese a su diversidad, comparten un supuesto central: la existencia de una clean election, caracterizada por un proceso generador de datos ideal frente al cual se evalúan desviaciones de elecciones particulares. Este marco no solo orienta el análisis, sino que también tiende a encerrar la discusión dentro de los límites del propio modelamiento estadístico, dificultando la incorporación de otras perspectivas y formas de escrutinio.
Tanto las principales críticas a este enfoque como un replanteamiento de la pregunta central provienen, significativamente, desde fuera de esta tradición. En particular, el informe de la Comisión de Venecia (2018) propone abandonar la pregunta “¿es esta elección fraudulenta?” y reemplazarla por una más operativa: “¿cuál es la tasa mínima de fraude necesaria para cambiar el resultado electoral?”. Este desplazamiento evita la dependencia de un modelo ideal previo y abre el análisis a escenarios concretos de intervención.
A partir de lo que denominamos Estadística Constructivista, proponemos una metodología que construye explícitamente los eventos de interés para caracterizar esta pregunta y responderla sin recurrir a supuestos estructurales sobre cómo “debería” comportarse una elección. En este sentido, el enfoque es agnóstico: no representa conocimiento experto ni información contextual específica del país en términos de supuestos no empíricos.
En la segunda parte de la discusión, evaluamos la incorporación de supuestos adicionales —habitualmente defendidos en nombre del “realismo” o del conocimiento experto—. Mostramos que estos no mejoran los resultados obtenidos en la fase agnóstica y que, en algunos casos, los debilitan.
Este seminario/simposio busca abrir la discusión más allá de sus fronteras habituales. Está diseñado como un espacio de intercambio y confrontación, donde distintos actores —académicos y no académicos— puedan cuestionar tanto los resultados como los supuestos que los sostienen.
Trabajo conjunto con Matthis Dartevelle y Sebastien Van Bellegem (UC Louvain, Bélgica).
How did endogeneity problems arise? What is exogeneity? Is exogeneity really important for statistical modeling? In this joint seminar–symposium, I will offer some answers to these questions in order to discuss them with you.
The proliferation of large-scale geospatial data from sources such as satellite remote sensing and cellular phone networks has created a need for new statistical methods capable of handling massive datasets and complex spatial domains, as classical techniques often face prohibitive computational burdens and restrictive assumptions. In this talk, I discuss recent advances that directly address some of these challenges, primarily through the development of a scalable model that reduces computational complexity from cubic to near-linear in the number of observations. Further, we explore some of its applications. Beyond scalability, progress has been made in tailoring methods for complex domains by defining a process using appropriate distance metrics. The synthesis of these scalable and geometrically aware methods empowers practitioners to extract meaningful insights from vast and intricate spatial data. Again, we revisit applications in other spatial domains. FAPEMIG and CNPq partially funded these works.This is a joint work with Carlos Gonzáles, Dipak K. Dey, Harvard Rue, Heitor Ramos, Lucas Godoy, Lucas Michelin, Jun Yan and Zaida Quiroz
Imperfect repairs (IRs) are widely applicable in reliability engineering since most equipment is not completely replaced after failure. In this sense, it is necessary to develop methodologies that can describe failure processes and predict the reliability of systems under this type of repair. One of the challenges in this context is to establish reliability models for multiple repairable systems considering unobserved heterogeneity associated with systems failure times and their failure intensity after performing IRs. Thus, in this work, frailty models are proposed to identify unobserved heterogeneity in these failure processes. In this context, we consider the arithmetic reduction of age (ARA) and arithmetic reduction of intensity (ARI) classes of IR models, with constant repair efficiency and a Power-Law Process (PLP) distribution to model failure times and a univariate Gamma distributed frailty by all systems failure times. Classical inferential methods are used to estimate the parameters and reliability predictors of systems under IRs. An extensive simulation study is carried out under different scenarios to investigate the suitability of the models and the asymptotic consistency and efficiency properties of the maximum likelihood estimators. Finally, we illustrate the practical relevance of the proposed models on a real data set of sugarcane harvesters.
Joint work with: Éder S. Brito, Vera L. D. Tomazella, Paulo H. Ferreira, Francisco Louzada Neto, Oilson A. Gonzatto Junior.