Iain Johnstone en el coloquio ICMAT- UAM
El próximo coloquio ICMAT-UAM será «Random matrices in statistics: testing in spiked models«, impartido por el profesor del Departamento de Estadística de la Universidad de Standford (EE.UU), Iain Johnstone. Johnstone ha hecho importantes contribuciones al campo del procesado de imagenes en sus trabajos de aplicaciones de wavelets para la reducción de ruido en señales e imágenes. En esta conferencia, que tendrá lugar el viernes 7 de marzo a las 11:30, en el Aula 520 del Módulo 17 del Departamento de Matemáticas de la Universidad Autónoma de Madrid, hablará del que ha sido su campo de investigación a partir del año 2000: las matrices aleatorias, y sus aplicaciones a la estadística.
Iain Johnstone, investigador de la Universidad de Standford, obtuvo importantes resultados en lo 90 sobre las aplicaciones de waveltes para la reducción de ruido en procesos de señales e imágenes. También ha colaborado en aplicaciones a la medicina (cardiología y cáncer de próstata). A partir del año 2000 se dedicó al estudio de la las matrices aleatorias en problemas de Estadística. Éste será el tema del que hablará en «Random matrices in statistics: testing in spiked models«, dentro del programa conjunto de coloquios ICMAT-UAM. Será el viernes 7 de marzo a las 11:30, en el Aula 520 del Módulo 17 del Departamento de Matemáticas de la Universidad Autónoma de Madrid.
Iain Johnstone nació en Melbourne (Australia) en 1956. Se graduó en Matemáticas en 1977 en la Australian National University, y posteriormente realizó su tesis doctoral en Estadística en 1981 en la Universidad de Cornell bajo la dirección de Lawrence D. Brown; su tesis se tituló: Admissible Estimation of Poisson Means, Birth–Death Processes and Discrete Dirichlet Problems. Es profesor en la Universidad de Stanford desde 1981, en su Departamento de Estadística.
Su trabajo ha sido reconocido con varios premios, como los Guggenheim Fellow y Sloan Fellow. Ha sido presidente del Institute of Mathematical Statistics. Consiguió las mdella Guy de Bronce en 1995, y de nuevo en 2010 (esta segunda vez de plata) concedidas por la Royal Statistical Society. Es miembro de la American Academy of Arts and Sciences y de la National Academy of Sciences.
Abstract de la conferencia:
Principal components analysis is a staple of multivariate statistical analysis. Viewed as the study of the eigenvalues of a sample covariance matrix, it is an important example for random matrix theory. The talk will explore the interplay between these two subjects by focusing on covariance matrices which are drawn from low rank perturbations of a scaled identity matrix. Such models arise in settings as diverse as nance, genetics and signal processing. Brief examples will be given. We give an overview of some results of several people on estimating and testing in settings with both weak and strong signals.
Más información:
http://www.icmat.es/events/week