Desenvolupament de models dinàmics multivariants i la seua anàlisi mitjançant metodologia bayesiana, utilitzant mètodes de simulació MCMC. Incorporació de dependències espacials a l'estructura temporal dels models. Disseny i implementació en R d'algorismes per a la seua anàlisi, estimació i predicció.
Aplicació de tècniques d'aprenentatge automàtic per a problemes de predicció, classificació i reconeixement de patrons o tendències.
S'estudien els models conjunts de dades longitudinals i de supervivència amb objectius temporals, de supervivència o tots dos, amb especial èmfasi en objectius predictius dinàmics.
Desenvolupament de models de predicció de la distribució espacial i espaciotemporal d'espècies. S'aborda la incorporació d'incertesa en les covariables, els problemes generats pels valors absents, l'efecte del mostreig preferencial i el maneig de grans volums de dades.
S'analitzen, des de la perspectiva estadística, diferents dades financeres per a dissenyar estratègies d'inversió.
Norma ISO 17025. Desenvolupament d'eines metrològiques ad hoc, protocolostécnics, criteris d'acceptació, validació, assegurament de la qualitat, gràfics de control, incertesa, incloent programari de suport. Disseny d'experiments, optimització, simulació de futurs resultats.
El nostre grup aborda el problema de selecció de models des d'un punt de vista Bayesià Objectiu. Treballem de manera particular en l'estudi de criteris que permeten establir distribucions prèvies òptimes per a realitzar una selecció e models efectiva.
Desenvolupament de metodologies estadístiques per a detecció d'epidèmies de grip de manera ràpida i fiable. La inferència i la predicció sobre aquests models l'abordem des del paradigma Bayesià, que permet implementar modelitzacions complexes amb estructures espacials, temporals i jeràrquiques.