Los modelos estadísticos forman un conjunto de herramientas que permiten estudiar relaciones entre variables aleatorias. Las formas más simples de esas relaciones son lineales, y por muchos años la clase de los modelos lineales ha sido utilizada para describir tales relaciones.

Sin embargo, la necesidad de estudiar fenómenos más complejos y el creciente avance computacional, ha generado el desarrollo de nuevos modelos estadísticos que dan más flexibilidad a la relación funcional entre las variables involucradas. Es así como nace, por ejemplo, la clase de los modelos lineales generalizados que incluye los principales modelos estadísticos, tales como: modelos lineales clásicos, modelos de Poisson, modelos con respuesta Gama, modelos Logísticos, modelos con respuesta Binomial negativa, modelos mixtos generalizados, entre otros.

La flexibilidad y aplicabilidad de esta clase de modelos en distintas áreas de investigación le ha permitido posicionarse como una herramienta fundamental en todo proceso de modelación.

La linea de modelacion estadistica incluye todas las formas de modelar sobre un fenómeno en particular, por ejemplo: series de tiempo, modelos lineales y no- lineales. Y las formas de inferir: no-parametrica, parametrica, bayesiana, y técnicas de machine learning. De este modo, esta línea involucra todas esas subáreas.

Algunas de las temáticas relacionadas a esta línea de investigación que son abordadas por los académicos del Instituto o pertenecientes a los claustros de postgrado son:

• Inferencia estadística.
• Regresión con errores en las variables.
• Modelos lineales generalizados.
• Modelación semi-paramétrica.
• Estadística espaciotemporal.
• Series de tiempo.
• Modelos flexibles para valores extremos.
• Bioestadística.
• Estadística bayesiana.
• Muestreo.
• Machine Learning.
• Astroestadística.

 

Trabajo interdisciplinario con diferentes áreas del conocimiento, astronomía, cambio climático, sistemas.