Você está aqui: Página Inicial / Disciplinas / EST110 - O Modelo de Processos Gaussianos e suas Aplicações

EST110 - O Modelo de Processos Gaussianos e suas Aplicações

Número de Créditos: 2 / Carga Horária: 30
Ementa:
1. Introdução aos Processos Gaussianos.
2. Aplicações em Estatística Espacial.
3. Aplicações em Aprendizado de Máquina.
4. Modelos Computacionais: Introdução e Modularização.
5. Modelos Computacionais: Planejamento de Experimentos.
6. Modelos Computacionais: Calibração e Validação.
Bibliografia:
1. Rasmussen, C.E. and Williams, C.K.I. (2006). Gaussian Processes for Machine Learning. MIT Press.
2. Stein, M. L. (1999). Interpolation of spatial data: some theory for kriging. Springer.
3. Sacks, J.; Welch, W. J.; Mitchell, T. J.; Wynn, H. P. (1989). Design and Analysis of Computer Experiments. Statistical Science, 4, 409-423.
4. Kennedy, M. C. and O'Hagan, A. (2001). Bayesian calibration of computer models (with discussion). Journal of the Royal Statistical Society B, 63, 425-464.
5. Liu, F., Berger, J., Bayarri, M.J. (2009). Modularization in Bayesian Analysis, with Emphasis on Analysis of Computer Models. Bayesian Analysis, 4, 119-150.
6 - Bayarri, M. J.; Berger, J. O.; Paulo, R.; Sacks, J.; Cafeo, J. A.; Cavendish, J.; Lin, C. H. and Tu, J. (2007b). A framework for validation of computer models. Technometrics, 49, 138-154.
7 - Berger, J. O., De Oliveira, V. and Sans o, B. (2001). Objective Bayesian analysis of spatially correlated data. J. Amer. Statist. Assoc., 96, 1361-1374.
8 - Gelfand A. E., Schmidt, A., Banerjee S. and Sirmans C. F. (2004) Nonstationary multivariate process modelling through spatially varying coregionalization (with discussion). Test, 13, 1-50.
Área de Concentração:
Estatística