Jupiterweb

Informações da Disciplina

Preparar para impressão

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

Instituto de Ciências Matemáticas e de Computação

Matemática Aplicada e Estatística

Disciplina: SME0806 - Estatística Computacional

Computational Statistics

Créditos Aula:	4
Créditos Trabalho:	2
Carga Horária Total:	120 h
Tipo:	Semestral
Ativação:	01/01/2014	Desativação:

Objetivos

Estudar técnicas computacionais utilizadas na solução de problemas de Estatística.

Study computational techniques used in the solution of statistical problems.

Programa Resumido

Estimação robusta. Números pseudo-aleatórios e aplicações. Métodos de reamostragem. Otimização numérica. Métodos de Monte Carlo com cadeias de Markov. Regressão robusta.

Robust estimation. Pseudo-random numbers and applications. Resampling methods. Numerical Optimization. Markov chain Monte Carlo methods. Robust regression.

Programa

1. Medidas robustas de locação e dispersão. 2. Geração de números pseudo-aleatórios e aplicações. 3. Métodos de reamostragem: "bootstrap" e "jacknife". 4. Otimização numérica: métodos de Newton-Raphson, escore de Fisher e quase-Newton. 5. O algoritmo EM. 6. Métodos de Monte Carlo com cadeias de Markov: o amostrador de Gibbs e o algoritmo de Metropolis-Hastings. 7. Noções de regressão robusta.

1. Robust measures of location and scale. 2. Pseudo-random numbers and applications. 3. Resampling methods: bootstrap and jacknife. 4. Numerical optimization: Newton-Raphson methods, Fisher score and quasi-Newton methods. 5. The EM algorithm. 6. Markov chain Monte Carlo methods: the Gibbs sampler and the Metropolis-Hastings algorithm. 7. Notions of robust regression.

Avaliação

Método

Aulas expositivas teóricas e aulas práticas em Laboratório.

Critério

Média ponderada das notas de provas e trabalhos práticos.

Norma de Recuperação

Número de provas: no mínimo uma (01) e no máximo duas (02) provas.
Critério de aprovação: a nota final (MF) do aluno que realizou provas de recuperação dependerá da média do semestre (MS) e da média das provas de recuperação (MR), como segue:
• MF = 5 se 5 <= MR <= (10 - MS)
• MF = (MS + MR) / 2 se MR > (10 - MS)
• MF = MS se MR< 5

Bibliografia

Livros Texto:
-	BUSTOS, O.; FRERY, A. “Simulação Estocástica: Teoria e Algoritmos”. São Paulo: Associação Brasileira de Estatística, 1992.
-	ROSS, S. “Simulation”. 4a ed., Oxford: Elsevier Academic Press, 2006. 

Bibliografia Complementar:
-	FRERY, A.; CRIBARI-NETO, F. “Elementos de Estatística Computacional Usando Plataformas de Software Livre”. Rio de Janeiro: 25º Colóquio Brasileiro de Matemática, SBM, 2005.
-	TANNER, M.A. “Tools for Statistical Inference”. 3ª ed., New York: Springer, 1996.
-	THISTED, R.A. “Elements of Statistical Computing”. Boca Raton: Chapman & Hall/CRC, 1988.

Clique para consultar os requisitos para SME0806

Clique para consultar o oferecimento para SME0806