J'ai entrepris mon doctorat dans le cadre d'un accord conjoint entre l'Universidade Federal de Minas Gerais (UFMG, Brésil) et l'Université Paris-Saclay (France). L'objectif de mon doctorat était d'étendre l'utilisation de la régression quantile aux données longitudinales. J'ai développé deux packages utilisant les langages R et C++, qui sont disponibles sur le Comprehensive R Archive Network (CRAN).
J'ai rejoint l'équipe EpiAgeing-CRESS en 2023 pour travailler sur les aspects méthodologiques des données d'accéléromètre mesurant l'activité physique et le sommeil et leurs associations avec la démence. Ces données peuvent être analysées comme des séries temporelles et mon projet de recherche actuel consiste à appliquer les séries temporelles et les méthodes d'apprentissage automatique aux processus biologiques stochastiques.
Intérêts de recherche
- Données longitudinales
- Langages R et C++
- Séries temporelles
- Maladie d'Alzheimer et maladies apparentées
- Accéléromètre
- Machine learning
- Régression quantile
Publications clés
- Danilevicz IM, Ehlers RS. Bayesian influence diagnostics using normalized functional Bregman divergence. Communications in Statistics - Theory and Methods, 2022; 51(6):1637-1652.
Voir la publication - Patrocinio PF, Reisen VA, Bondon P, Monte EZ, Danilevicz IM. Computational Economics, 2023.
Voir la publication - Danilevicz IM, Bondon P, Reisen VA, Serpa FS. A longitudinal study of the influence of air pollutants on children. A robust multivariate approach. Journal Applied Statistics, 2023 (accepted).
Voir la publication
