1. CONICET
  2. Comunidad CONICET
  3. LILIANA MARIA FORZANI
Comunidad CONICET
FORZANI, LILIANA MARIA

Investigadora superior

Especialidad
ANALISIS - ESTADISTICA
Disciplina Científica
Matemática
Tema
Big data: Partial Least Squares, su estadistica y aplicaciones
Lugar de Trabajo
FACULTAD DE INGENIERIA QUIMICA
Depende de
  • UNIVERSIDAD NACIONAL DEL LITORAL
Ver más información Ver menos información
Dirección:
SANTIAGO DEL ESTERO 2829 - Santa Fe - Argentina
Resumen Información suministrada por el agente en SIGEVA
Mi plan de investigación en estadística se concentra fundamentalmente en: datos funcionales y reducción suficiente de dimensiones. En el contexto de datos funcionales se estudian, bajo diferentes modelos, propiedades asintóticas de nuevas propuestas de estimación para la función de regresión Además, para el contexto de regresión lineal funcional se estudia consistencia en espacios de Sobolev apropiados asi como tambien la aproximación finito dimensional a espacios funcionales. En el campo de la... Mi plan de investigación en estadística se concentra fundamentalmente en: datos funcionales y reducción suficiente de dimensiones. En el contexto de datos funcionales se estudian, bajo diferentes modelos, propiedades asintóticas de nuevas propuestas de estimación para la función de regresión Además, para el contexto de regresión lineal funcional se estudia consistencia en espacios de Sobolev apropiados asi como tambien la aproximación finito dimensional a espacios funcionales. En el campo de la reduccion suficiente de dimensiones, se investiga resultados asintoticos para prediccion al caso que el número de predictores sea mayor que el tamano de muestra con o sin penalización. También se estudian propuestas para generalizar los resultados existentes a diferentes escenarios: reducciones no-lineales, variables aleatorias distribuidas elipticamente, observaciones no independientes y datos funcionales. Por otra parte se diseñan algoritmos eficientes para la estimacion de una funcion de regresion convexa y para aproximar densidades log-concavas.
Ver más Ver menos
Líneas de Investigación

Analisis armonico gaussiano

Ciencias naturales y exactas

  • Matemáticas
  • Matemática pura

Reduccion suficiente de dimensiones

Ciencias naturales y exactas

  • Matemáticas
  • Estadística y probabilidad
Capacidades Tecnológicas

1 - Electrónica, TICs y telecomunicaciones

1.4 - Multimedia

  • 1.4.5 - Filtrado de información, semántica, estadística
Palabras Clave
non-parametric statisticsestadistica no parametricareduccion suficiente de dimensionesfunctional data analysisdatos funcionalessufficient dimension reduction
Formación Académica

1983 - 1988

Licenciada en Matemática Aplicada

UNIVERSIDAD NACIONAL DEL LITORAL

Cargando sección Producción CyT...
Cargando sección Oferta Tecnológica...
Contacto
Enviar Mensaje