El Departamento de Matemáticas y Estadística de la Universidad Torcuato Di Tella invita al seminario sobre Uncovering Sets of Maximum Dissimilarity, a cargo de Gabriel Martos Venturini (Doctor en Ingeniería Matemática, Universidad Carlos III de Madrid; profesor investigador asistente, UTDT).

Abstract
The comparison of local characteristics of two random processes can shed light on periods of time or space at which the processes differ the most. This paper proposes a method that learns about sets with a certain volume, where the marginal attributes of two processes are less similar. The proposed methods are devised in full generality for the setting where the data of interest are themselves stochastic processes, and thus the proposed method can be used for pointing out the sets of maximum dissimilarity with a certain volume, in the contexts of functional data, time series, and point processes. The parameter functions underlying both stochastic processes of interest are modeled via a basis representation, and Bayesian inference is conducted via an integrated nested Laplace approximation. The numerical studies validate the proposed methods, and we showcase their application with case studies on criminology, finance, and medicine.

Gabriel Martos Venturini. Licenciado en Ciencias Económicas por la Universidad Nacional de Córdoba. Doctor en Ingeniería Matemática por la Universidad Carlos III de Madrid (España). Actualmente es profesor investigador asistente de la Universidad Torcuato Di Tella. Ha realizado estancias de investigación en el Politécnico de Milán, la Universidad Católica de Chile y la Universidad de Edimburgo. Sus líneas de investigación se centran en el estudio de métodos de inferencia estadística para datos funcionales y de alta dimensión, estadística computacional y métodos de aprendizaje automáticos con aplicaciones en ciencia y tecnología. Ha publicado en revistas especializadas de primer nivel, como el Journal of Statistics in Medicine y el International Journal of Forecasting, entre otras.