XXIII Concurs Student d’Estadística Aplicada

XXIII CONCURS STUDENT D’ESTADÍSTICA APLICADA

    El dilluns 20 d’octubre de 2025 es va celebrar la resolució del XXIII Concurs Student d’Estadística Aplicada.
Els treballs finalistes van ser:

• add2compareGroups. Ampliació del paquet de R compareGroups
• Análisis comparativo de las características determinantes de los precios de venta y alquiler y su impacto en la rentabilidad inmobiliaria en Barcelona
• Arquitectures socials del temps: Anàlisi de l’associació entre factors socioeconòmics i l’ús del temps
• Distance-based Dimensionality Reduction for Big Data
• Extension and implementation of bootstrap-based approaches for inference on the total deviation index
• Gender-based violence across seven countries: A Machine Learning approach
• Log-Concavitat. Aplicacions en Real-Time Computing
• Optimizing dynamic predictions from joint models for multivariate longitudinal and time-to-event data via super learning approach
• The Impact of Formations on Football Matches Using Double Machine Learning

PREMI IDESCAT AL MILLOR TREBALL DE MÀSTER

Els membres del Jurat van resoldre atorgar el premi Idescat al millor treball de màster a l’Anna Felip Badia, estudiant del Màster Universitari en Estadística i Investigació Operativa (UPC-UB) pel treball ‘Extension and implementation of bootstrap-based approaches for inference on the total deviation index‘.

Abstract: The total deviation index (TDI) is an unscaled statistical measure used to evaluate the deviation between paired quantitative measurements when assessing agreement between different raters. It describes a boundary such that a large specified proportion of the differences in paired-measurements are within the boundary. The inference of the TDI involves the estimation of a 100(1 − α)% upper bound, where α is the significance level. Already existing methodologies for TDI estimation and inference include both parametric (Choudhary, Escaramís et al.) and non-parametric approaches (Choudhary, Perez-Jaume and Carrasco). In this work, the goals are to propose and evaluate new bootstrap-based approaches for inference on the TDI in the method of Perez-Jaume and Carrasco and to implement the existing and new methodologies in an R package. We apply all methodologies to a real-world dataset and we also conduct a simulation study to assess their performance. We conclude that, under skewed data, agreement should be assessed via the non-parametric methods.

PREMI ALMIRALL AL MILLOR TREBALL DE BIOESTADÍSTICA

Els membres del Jurat van resoldre atorgar el premi Almirall al millor treball de bioestadística a l’Arnau Garcia Fernández, estudiant del Màster Universitari en Estadística i Investigació Operativa (UPC-UB) pel treball ‘Optimizing dynamic predictions from joint models for multivariate longitudinal and time-to-event data via super learning approach‘.

Abstract: In health research, longitudinal biomarkers and time-to-event outcomes are often of interest. Joint models (JMs) have become a valuable tool for simultaneously analyzing such data and producing dynamic, individualized predictions. However, extending them to multiple longitudinal outcomes is computationally demanding due to the high number of random effects and parameters. This work explores super learning, an ensemble method that combines several prediction algorithms to obtain an optimal forecast. Using both simulation studies and a real-world case study, we show that combining univariate JMs through super learning produces dynamic predictions comparable to those of a multivariate JM, while substantially reducing computational demands. This work provides a replicable and methodologically rigorous framework for deriving dynamic predictions in complex settings. All simulation studies and case analyses are fully reproducible, with openly accessible code and publicly available data in R.

PREMI SEA AL MILLOR TREBALL DE GRAU

Els membres del Jurat van resoldre atorgar el premi SEA al millor treball de grau a l’Andreu Arcas Martínez, estudiant del Grau d’Estadística Aplicada (UAB) pel treball ‘Arquitectures socials del temps: Anàlisi de l’associació entre factors socioeconòmics i l’ús del temps’.

Abstract: L’organització del temps al llarg del dia està profundament condicionada per múltiples factors estructurals. Tot i que nombroses recerques han examinat les desigualtats en l’ús del temps per raó de gènere, són escassos els estudis que integren altres eixos d’estratificació social o que aborden l’anàlisi de l’ús del temps des d’una perspectiva seqüencial. En aquest projecte, utilitzo dades de l’American Time Use Survey (ATUS) i la Current Population Survey (CPS) de l’any 2023 per a complir un doble objectiu: d’una banda, classificar els patrons d’ús del temps en clústers mitjançant Anàlisi de Seqüències (SA) i Mixtures de Models de Màrkov Ocults (MHMM); de l’altra, emprant models multinomials, analitzar l’associació d’aquests clústers amb variables indicadores de l’estratificació social. Aquest estudi revela associacions significatives entre variables socioeconòmiques i patrons d’ús del temps i mostra així com, més enllà de l’evident rellevància del gènere, altres eixos d’estratificació social també configuren de manera significativa l’ús del temps. A més, demostra l’aplicabilitat de diverses eines estadístiques avançades per a l’anàlisi sociològica de l’ús del temps.