Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Instituto de Matemática e Estatística
 
Estatística
 
Disciplina: MAE0302 - Inferência Bayesiana
Bayesian Inference

Créditos Aula: 4
Créditos Trabalho: 0
Carga Horária Total: 60 h
Tipo: Semestral
Ativação: 01/01/2022 Desativação:

Objetivos
Apresentar e discutir os fundamentos da inferência estatística bayesiana.
 
 
 
Docente(s) Responsável(eis)
1125881 - Luís Gustavo Esteves
3667837 - Victor Fossaluza
 
Programa Resumido
Introduzir o conceito de probabilidade subjetiva e o procedimento bayesiano de atualização de incertezas. Apresentar a abordagem bayesiana para  problemas usuais de inferência estatística: estimação pontual e por região e testes de hipóteses.
 
 
 
Programa
1.	Probabilidade subjetiva.
2.	Permutabilidade, teorema de De Finetti.
3.	O método Bayesiano: verossimilhança, distribuição a priori, distribuição a posteriori.
4.	Distribuições conjugadas.
5.	Qualidade de uma inferência: inferência como um problema de decisão.
6.	Estimação pontual.
7.	Estimação por região: intervalos de credibilidade, intervalos centrais e regiões de máxima probabilidade posterior (HPD).
8.	Testes de hipóteses: probabilidade a posteriori, fator de Bayes, teste de Jefreys, teste genuinamente bayesiano (FBST) e teste de significância adaptativo.
9.	Predição.
 
 
 
Avaliação
     
Método
Aulas e exercícios.
Critério
Média ponderada de provas e exercícios.
Norma de Recuperação
Média ponderada entre prova de recuperação e média do semestre.
 
Bibliografia
     
1.	DeGroot, M. H., & Schervish, M. J. (2012). Probability and statistics. Pearson Education.
2.	O’Hagan, A. (1994). Kendall's Advanced Theory of Statistics - Vol 2: Bayesian Inference. London: Edward Arnold.
3.	Lindley, D. V. (2013). Understanding uncertainty. John Wiley& Sons.
4.	Lindley, D. V. (1988). Making Decisions, 2nd ed. London: John Wiley.
5.	Kadane, J. B. (2011). Principles of uncertainty. Chapman and Hall/CRC.
6.	P. G. Kinnas, H. A. Andrade (2010). Introdução à Análise Bayesiana (com R). Porto Alegre: Editora maisQnada.
7.	Albert, J. (2009). Bayesian Computation with R. Springer Science & Business Media.
8.	Marin, J. M., & Robert, C. (2007). Bayesian core: a practical approach to computational Bayesian statistics. Springer Science & Business Media.
9.	Lee, P. M. (2012). Bayesian statistics: an introduction. John Wiley.
10.	Press, S. J. (1989). Bayesian statistics: principles, models, and applications. New York: Wiley.
11.	Berry, D. A. (1996). Statistics: a Bayesian perspective. Belmont, CA: Duxbury Press.
12.	Migon, H. S., Gamerman, D., & Louzada, F. (2014). Statistical inference: an integrated approach. Chapman and Hall/CRC.
 

Clique para consultar os requisitos para MAE0302

Clique para consultar o oferecimento para MAE0302

Créditos | Fale conosco
© 1999 - 2024 - Superintendência de Tecnologia da Informação/USP