Informa??es da Disciplina

 Preparar para impressão 
Júpiter - Sistema 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

Créditos | Fale conosco
© 1999 - 2020 - Superintendência de Tecnologia da Informação/USP