CEAUL

Meta-Analysis and Hierarchical Models in Data Analysis and Prior Construction

Por Prof. Robert Weiss (Dep. Biostatistics, Fielding School of Public Health, University of California at Los Angeles - UCLA)

Ler mais acerca de Meta-Analysis and Hierarchical Models in Data Analysis and Prior Construction

Classificações Internas de 3.º Período às Disciplinas dos CCH - Será que cada Disciplina tem o seu Próprio "ADN"?

Por Luísa Canto e Castro Loura (Direção-Geral de Estatísticas da Educação e Ciência, Portugal).

Ler mais acerca de Classificações Internas de 3.º Período às Disciplinas dos CCH - Será que cada Disciplina tem o seu Próprio "ADN"?

O poder da interdisciplinaridade

Novos mapas de risco de incêndios florestais para 2018 resultam de um trabalho conjunto entre engenheiros florestais, estatísticos e climatólogos.

Ler mais acerca de O poder da interdisciplinaridade

Regression Type Models for Extremal Dependence

Por Miguel de Carvalho (University of Edinburgh - UK).

Ler mais acerca de Regression Type Models for Extremal Dependence

Modelling Spatial Extreme Events

Por Jonathan Tawn (Lancaster University - UK).

Ler mais acerca de Modelling Spatial Extreme Events

Quantifying overall (Cross-)correlation in High-Dimensional omics data

Por Claus-Dieter Mayer (Biomathematics & Statistics Scotland (BioSS), Aberdeen).

Ler mais acerca de Quantifying overall (Cross-)correlation in High-Dimensional omics data

Um Novo Método para Deteção de Outliers no Modelo de Equações

Por Manuela Miranda (CIDMA, Universidade de Aveiro).

Ler mais acerca de Um Novo Método para Deteção de Outliers no Modelo de Equações

Fitting geostatistical and spatial point process models to spatial survey data

The course will cover methods for fitting geostatistical and spatial point process models to data obtained from surveys on which the whole region or population of interest is observed, as well as surveys on which observations are available only in a spatial sample from the region of interest, and surveys on which members of the population of interest are missed with some unknown probability. Inference for this last class of surveys will focus on distance sampling surveys.