- Análisis Bayesiano de series temporales multivariantes. Desarrollo de modelos dinámicos multivariantes y su análisis mediante metodología bayesiana, utilizando métodos de simulación MCMC. Incorporación de dependencias espaciales a la estructura temporal de los modelos. Diseño e implementación en R de algoritmos para su análisis, estimación y predicción.
- Modelos de selección de carteras de inversión. Desarrollo de modelos de selección de carteras, en los que la incertidumbre sobre el rendimiento se describe mediante distribuciones de posibilidad y credibilidad. Análisis multiobjetivo del problema de selección, buscando aproximaciones a la frontera de Pareto mediante algoritmos evolutivos.
- Modelización con datos composicionales. Desarrollo de modelos con datos composicionales. En entornos como la biologia, la economia o la geologia, es habitual trabajar con vectores de datos cuyas componentes recogen la contribución relativa de diferentes partes en relación a un total, consiguiéndose muestras composicionales. Se trabajará en el progreso de la modelización estadística de los datos composicionales, en su aplicación y en su fundamentación matemática
- Mapeo de enfermedades. Desarrollo de modelos jerárquicos bayesianos para el estudio de la variabilidad geográfica de enfermedades y su evolución temporal con el objetivo de ayudar en la toma de decisiones y en el desarrollo de programas de vigilancia.
Líneas de investigación:
