Você está aqui: Página Inicial / Disciplinas / EST104 - Inferência Bayesiana

EST104 - Inferência Bayesiana

Número de Créditos: 7 / Carga Horária: 105
Ementa:
1. Discussão sobre os fundamentos das metodologias estatísticas frequentista e bayesiana.
2. Conceitos básicos do paradigma bayesiano: Teorema de Bayes, distribuições de probabilidades a priori e a posteriori.
3. Distribuições a priori subjetivas, de Jeffreys, hierárquicas e famílias conjugadas.
4. Introdução à Teoria das Decisões: funções de perda, análise de decisão a posteriori, estimadores paramétricos de Bayes.
5. Testes de hipóteses bayesianos.
6. Modelos Hierárquicos. Métodos de Monte Carlo via Cadeias de Markov (MCMC): amostrador de Gibbs e algoritmo de Metrópolis-Hastings.
7. Aplicação dos métodos MCMC na estimação de tamanhos populacionais.
Bibliografia:
1. BERGER, J.O. Statistical Decision Theory and Bayesian Analysis. 2nd ed. Springer-Verlag. 1985.
2. CONGDON, P. Applied Bayesian Modelling. John Wiley & Sons, 2003.
3. GAMERMAN, D. & LOPES, H.F. Markov Chain Monte Carlo. Chapman & Hall, 2006.
4. GELMAN, A.; CARLIN, J. B.; STERN, H.S.; RUBIN, D.B. Bayesian Data Analysis. 2nd ed. Chapman & Hall, 2004.
5. OHAGAN, A. Bayesian Inference. Kendalls Advanced Theory of Statistics, vol. 2B. Arnold, London, 1994.
6. PAULINO, C.D.; TURKMAN, M.A.A. & MURTERA, B. Estatística Bayesiana. Fundação Calouste Gulbenkian – Lisboa, 2003.
Área de Concentração:
Estatística