<div style="max-width:40em;text-align:justify;">                
                <h2 style="font-size:1.2em;">Seminario de Probabilidad y Estadística</h2>
                <h3 style="font-size:1em;">Título: <em>Análisis de series temporales: patrones ordinales</em></h3>
                <h3 style="font-size:1em;">Expositor: Nicolás Rubido <span style="font-weight:400;">(Facultad de Ciencias)</span></h3>
                <div style="font-size:1em!important;"><p class="western"><b>Resumen: </b>La habilidad creciente que poseemos para recabar más y mejores datos, nos lleva también a aunar esfuerzos para mejorar nuestra capacidad de análisis de los mismos. Por ejemplo, podemos querer saber cuántos datos de una serie temporal necesitamos para poder decir que la distribución que econtramos para sus valores es estacionaria (es decir, no varía aunque recabemos más datos). O podríamos intentar distinguir diferencias entre conjuntos de datos, y entonces preguntarnos cuántas comparaciones necesitamos para poder decir que el resultado es significativamente diferente. En cualquier caso, el método por el cuál elijamos hacer el análisis nos facilitará o complicará el trabajo. En esta charla, presentaré un método no lineal de análisis de series temporales que es conocido como el análisis por patrones ordinales (OPs). Los OPs son simples de implementar e interpretar, sus distribuciones muestran robustez en señales ruidosas, y los resultados permiten interpretaciones similares a las que muestran los métodos espectrales clásicos (como el espectro de potencia y la coherencia). En particular, mostraré resultados que hemos obtenido en el Laboratorio de Neurobiología del Sueño para caracterizar estados del ciclo vigilia-sueño por medio de medidas de EEGs intra-craneales en ratas. Mientras que los métodos clásicos no encuentran diferencias significativas entre los estados del ciclo, los OPs revelan claramente estos cambios, y notablemente, independientemente de la region cortical analizada.</p>
<p>REFS [1] J. González, M. Cavelli, A. Mondino, C. Pascovich, S. Castro Zaballa, A. Falconi, P. Torterolo, and N. Rubido, "Decreased time-series complexity distinguishes sleep dynamics from wakefulness", pre-print (2019). [2] A. Aragoneses, N. Rubido, J. Tiana-Alsina, M. C. Torrent, and C. Masoller, "Distinguishing signatures of determinism and stochasticity in spiking complex systems", Nature Sci. Rep. 3, 1778 (2013). [3] N. Rubido, J. Tiana-Alsina, M. C. Torrent, J. García-Ojalvo, and C. Masoller, "Language organization and temporal correlations in the spiking activity of an excitable laser: Experiments and model comparison", Phys. Rev. E 84, 026202 (2011). [4] J. M. Amigó, Permutation Complexity in Dynamical Systems-Ordinal Patterns, Permutation Entropy, and All That (Springer-Verlag, Berlin, 2010). [5] C. Bandt and B. Pompe, "Permutation Entropy: A Natural Complexity Measure for Time Series", Phys. Rev. Lett. 88(17), 174102(4) (2002).</p>
<p/></div>                
                <hr>
                <p style="font-size:1em;"><b>Viernes 6/9 a las 10:30</b><br>
                    <b>Salón de seminarios del piso 14, CMAT</b>
                </p>
                <p style="font-size:1em;"><b>Contacto: </b>Alejandro Cholaquidis - <a href="mailto:acholaquidis@hotmail.com">acholaquidis@hotmail.com</a></p>              
                <hr>  
                
                Más seminarios en: <a href="http://www.cmat.edu.uy/seminarios">http://www.cmat.edu.uy/seminarios</a>

            </div>