Marcela Svarc

Marcela Svarc es Profesora Asociada del departamento de Matemática. Es licenciada en Ciencias Matemáticas de la Universidad de Buenos Aires (2001) y Doctora de la Universidad de Buenos Aires en Cs. Matemáticas (2006) y es Investigadora Adjunta en el Conicet.

Se incorporó a la Universidad de San Andrés en el año 2001 y fue asistente hasta el hasta el año 2007 y Profesora Adjunta hasta el año 2015. Ha dictado cursos de estadística y matemática. Tiene trabajos publicados en prestigiosas journals entre ellos Journal of the American Statistical Association, Computational Statistics and Data Analysis y Journal of Multivariate Analysis

Investigación en curso

Mi área principal de trabajo es en la interfase entre la estadística matemática y la estadística computacional, así como el desarrollo de nuevas técnicas estadísticas aplicadas a problemas de datos reales. En particular métodos de análisis de datos multivariados en alta dimensión y de datos funcionales (infinito dimensionales). Mi plan de trabajo se centra principalmente en el estudio de tres problemas que describo brevemente a continuación.

Junto a B. Ana Justel, proponemos un criterio de clusters secuencial para datos funcionales, que se base simultáneamente en la información que brindan las funciones y sus primeras y segundas derivadas. Como subproducto no solamente se obtiene la conformación de la conformación de los clusters sino además las características más relevantes para determinar su conformación.

Junto a María Edo y Walter Sosa, estamos estudiando el problema de definir clase media en forma multivariada. Proponemos una nueva definición de cuantiles multivarido que satisfaga condiciones naturales de monotonía fundamentales para el problema estudiado. Mostramos que la propuesta es consistente. Por otra parte, introducimos un criterio de selección de variables para este problema. Ilustramos el comportamiento de la metodología propuesta para Argentina en el período 2004-2014.

Junto a Ricardo Fraiman y Yanina Gimenez, proponemos métodos de selección de variables para diversos problemas multivariados, entre ellos, componentes principales y regresión. Mostramos que los métodos propuestos son consistentes.