<div dir="ltr"><span style="font-size:12.8px">Değerli liste üyeleri,</span><div style="font-size:12.8px"><br></div><div style="font-size:12.8px"><b>9 Kasım, Perşembe</b> günü <b>16:00</b>'da MSGSÜ Matematik Bölüm Seminerinde, Sabancı Üniversitesinden <b>Sinan Yıldırım</b>, <span style="font-size:small">"</span><span style="font-size:12.8px"><i>On the Use of Penalty MCMC for Differential Privacy</i></span><span style="font-size:small">"</span><span style="font-size:12.8px"> başlıklı bir konuşma verecektik. Konuşmanın özeti aşağıdadır.</span></div><div style="font-size:12.8px"><br></div><div style="font-size:12.8px">Seminerde görüşmek üzere,</div><div style="font-size:12.8px"><span style="font-size:12.8px">Özgür Martin</span></div><div style="font-size:12.8px"><span style="font-size:12.8px"><br></span></div><div style="font-size:12.8px"><div style="font-size:12.8px"><div class="gmail-m_3589134114520385094page" title="Page 1"><div class="gmail-m_3589134114520385094layoutArea"><div class="gmail-m_3589134114520385094column"><p><b>Title:</b> On the Use of Penalty MCMC for Differential Privacy<span style="font-family:CMR17"> </span></p></div></div></div></div><div style="font-size:12.8px"><div class="gmail-m_3589134114520385094page" title="Page 1"><div class="gmail-m_3589134114520385094layoutArea"><div class="gmail-m_3589134114520385094column"><p><b>Abstract: </b>We view the penalty algorithm of Ceperley and Dewing (1999), a Markov chain Monte Carlo (MCMC) algorithm for Bayesian inference, in the context of data privacy. Specifically, we study differential privacy of the penalty algorithm and advocate its use for data privacy. We show that in the simple model of independent observations the algorithm has desirable convergence and privacy properties that scale with data size. Two special cases are also investigated and privacy preserving schemes are proposed for those cases: (i) Data are distributed among several data owners who are interested in the inference of a common parameter while preserving their data privacy. (ii) The data likelihood belongs to an exponential family. The results of our numerical experiments on the Beta-Bernoulli and the logistic regression models agree with the theoretical results. </p></div></div></div></div></div></div>