Concurso Student de Estadística Aplicada
Mediante este concurso, el departamento de Matemáticas, el Servei d'Estadística Aplicada y el Institut d'Estadística de Catalunya quieren potencial el espíritu de investigación y el gusto por la Estadística Aplicada en los estudiantes de las universidades del Estado español, así como dar a conocer el papel destacado que tiene la Estadística en la obtención de nuevos conocimientos, tanto a la comunidad universitaria como en la sociedad en general.
Bases del concurso última edición
De los trabajos presentados al XXII Concurso Student d'Estadística Aplicada:
- Bayesian analysis of compositional data: Unveiling global fishing trends
- Evaluation of the risk of liver decompensation and mortality in patients with liver cirrhosis undergoing surgery
- Examining Socio-economic Inequalities in Adolescent Health
- Impacte de la política monetària del Banc Central Europeu als països de l’Eurozona
- L’espai a una escala contínua: les equacions diferencials parcials estocàstiques i el mètode dels elements finits per a la desagregació espacial de l’ús del sòl agrícola a Europa
- Machine Learning: Bankruptcy Prediction
- Model Predictiu de Violència de Gènere
- Syndemic factors associated with poor mental wellbeing in schooled adolescents in Central Catalonia
Los miembros del Jurado del XXII Concurs STUDENT de Estadística Aplicada, han resuelto otorgar el premio Idescat al mejor trabajo de máster a:
Jorge Mestre Tomás
Estudiante del Máster Universitario en Bioestadística
Universitat de València
Por el trabajo:
Bayesian analysis of compositional data: Unveiling global fishing trends
Compositional data are vectors with nonnegative values that represent relative information, often constrained to sum to a constant. These data are common in fields like environmental science, medicine, geochemistry, and economics, where understanding component relationships is key. Traditional statistical methods can be misleading when applied to compositional data due to their unique properties, requiring specialized approaches such as Dirichlet regression and logistic-normal regression.
This work introduces compositional data and their special characteristics, focusing on Bayesian inference through the Integrated Nested Laplace Approximation (INLA) to fit a logistic-normal model with Dirichlet covariance (LNDM). We apply the LNDM to a real-world ecological case study analyzing the Sea Around Us Fishing Catch Composition in the Scotian Shelf Large Marine Ecosystem from 1950 to 2019.
Han resuelto otorgar el premio Almirall al mejor trabajo de bioestadística a:
Óscar Arrabal Aguilar
Estudiante del Grado en Estadística Aplicada
Universitat Autònoma de Barcelona
Por el trabajo:
Evaluation of the risk of liver decompensation and mortality in patients with liver cirrhosis undergoing surgery
The study evaluates the risk of liver decompensation and mortality in patients with compensated liver cirrhosis undergoing major elective surgery. It is a retrospective observational study involving 371 patients, with 177 undergoing surgery and 194 not. Using propensity score methodology and competing risks analysis, the results indicated that surgery does not significantly increase the risk of liver decompensation (adjusted HR: 0.885) or mortality (adjusted HR: 1.204). However, these findings were not statistically significant. While the study offers valuable insights, its retrospective design and potential residual confounding suggest that larger, prospective studies are necessary to better understand the risks associated with surgery in cirrhotic patients.
Han resuelto otorgar el premio SEA - Anna Espinal al mejor trabajo de grado a:
Carmen Guarner Giner
Estudiante del Grado en Ciencia de Datos
Universitat de València
Por el trabajo:
L’espai a una escala contínua: les equacions diferencials parcials estocàstiques i el mètode dels elements finits per a la desagregació espacial de l’ús del sòl agrícola a Europa
En aquest treball apliquem una estructura de modelització per aconseguir la desagregació espacial de dades agregades espacialment en àrees, provinents del projecte europeu de gestió del territori per a la sostenibilitat (LAMASUS). Específicament, es tracten les proporcions d’ús del sòl de les terres de conreu, utilitzant variables econòmiques i biofísiques com a predictors i modelitzant el procés subjacent amb una distribució Beta. Aquesta modelització possibilita la reducció d’escala d’aquelles variables susceptibles de ser representades a una dimensió espacialment contínua. Per al procediment de la reducció d’escala, se’n fa ús de l’aproximació de les equacions diferencials parcials estocàstiques (SPDE) i del mètode dels elements finits (FEM), que fonamenta la construcció d’una matriu de projecció per a la representació d’un camp aleatori gaussià markovià (GMRF) en els vèrtexs de la triangulació realitzada. L’ús de l’enfocament SPDE-FEM combinat amb l’aproximació de Laplace integrada encaixada (INLA) permet fer inferència sobre els paràmetres i hiperparàmetres d’aquest.
El Departament de Matemàtiques de la UAB, el Servei d'Estadística de la UAB y el Institut d'Estadística de Catalunya, quieren expresar su enhorabuena más efusiva a los ganadores, así cómo agradecer al resto de participantes el interés y el esfuerzo mostrado.
El acto de entrega de premios se realizó el pasado 16 de octubre de 2024, en motivo del XXIV Dia de l'Estadística a Catalunya convocado por la Societat Catalana d'Estadística y organizado por la Universitat Pompeu Fabra, donde se hizo público el nombre de los ganadores y se entregaron los premios y diplomas.