Desde la RSME queremos visibilizar el papel de las mujeres en las matemáticas. Para ello, y aprovechando la celebración del Día de la Mujer Trabajadora, vamos a difundir semanalmente el perfil de una mujer matemática en el Boletín de la RSME. Estos perfiles han sido elegidos para una exposición, coordinada por Rosa María Pardo San Gil del departamento de Matemática Aplicada de la Universidad Complutense de Madrid, que se exhibirá en las facultades de las bibliotecas de todas las facultades españolas que cuenten con estudios de matemáticas, y queremos colaborar con su difusión.
Licenciada en Matemáticas (2012) y en Ciencias y Técnicas Estadísticas (2012) por la Universidad de Extremadura (UEx). Completó su formación en dicha universidad con el máster universitario en Investigación en Ciencias en la especialidad de Matemáticas (2013). Es miembro del grupo de investigación Procesos de Ramificación y sus aplicaciones y actualmente se encuentra en la etapa final de sus estudios de doctorado sobre Procesos de Ramificación Controlados en la UEx. Hasta la fecha, ha publicado cinco artículos, dos capítulos de libro y ha colaborado en la edición del libro Branching Processes and their Applications, volumen 219 de la serie Lecture Notes in Statistics. Fue seleccionada como representante española para participar en el 20.º European Young Statisticians Meeting (2017) y además, ha participado en la organización de los concursos Incubadora de Sondeos y Experimentos (2016) y Diviértete con la Estadística (2016-2018), así como las ediciones tercera y cuarta de los Workshops on Branching Processes and their Applications (2015, 2018).
Su investigación está centrada principalmente en el estudio procesos estocásticos y, más específicamente, en procesos de ramificación controlados. Este tipo de procesos permite modelizar la evolución de poblaciones cuyos individuos originan otros nuevos de acuerdo con leyes de probabilidad y en las que existe un mecanismo que establece el número de progenitores en cada generación. Sus contribuciones abordan el problema de la inferencia estadística de los principales parámetros del modelo y el estudio de nuevos procesos de ramificación controlados en ambiente variable que permitan modelizar una mayor variedad de situaciones.
Artículos:
- M. González, C. Minuesa e I. del Puerto. “Maximum likelihood estimation and Expectation- Maximization algorithm for Controlled Branching Processes”. Computational Statistics and Data Analysis, 93 (2016). Págs. 209-227.
- M. González, C. Minuesa e I. del Puerto. “Minimum disparity estimation in controlled branching processes”. Electronic Journal of Statistics, 11-1 (2017). Págs. 295-325.
- S. Sagitov y C. Minuesa. “Defective Galton-Watson processes”. Stochastic Models, 33-3 (2017). Págs. 451-472.
