Princípios e Prática em Modelagem Bayesiana de Dados

PRINCÍPIOS E PRÁTICA EM MODELAGEM BAYESIANA DE DADOS.

Proponente: Paul Gerhard Kinas, Ph.D.

Carga Horária: 30 horas   Prog Pós-Grad Ambientometria   IMEF - FURG

Conteúdo:(versão 2.0)

Ementa: O fluxograma de trabalho em análise Bayesiana de dados. Construção, ajuste e apresentação de modelos Bayesianos lineares e lineares generalizados. Distribuições preditivas. Princípios e técnicas para avaliação diagnóstica de modelos Bayesianos. Comparação de modelos por critérios de informação e de validação cruzada. Ferramentas computacionais em R e Stan para simulação eficiente de incertezas. Aplicações e prática.

CONTEÚDO PROGRAMÁTICO

1. Panorama geral

2. workflow: um fluxograma de análise Bayesiana de dados

3. Repensando modelos lineares (parte 1)

4. Repensando modelos lineares (parte 2)

5. Máxima entropia e Modelos lineares generalizados

6. Modelos para dados categóricos

7. Modelos para dados de contagem

8. Modelos para dados continuos não-negativos

BIBLIOGRAFIA BÁSICA

Gelman, A.; Hill, J. & Vehtari, A. (2021) Regression and Other Stories. Cambridge University Press. 534p.

Jaynes, E.T. (2003) Probability Theory: The Logic of Science. Cambridge University Press.

Kinas, P.G. & Andrade, H.A. (2020) Introdução à Análise Bayesiana (com R). (2a. Ed.). Consultor Editorial. 251p.

McElreath, R. (2020) Statistical Rethinking: A Bayesian Course with Examples in R and Stan. (2nd Ed). Chapman&Hall/CRC. 593p.

R-LIBRARIES

rstanarm e brms

Link de acesso aor arquivos: https://drive.google.com/drive/folders/15o62B2JK497qoWv5I0AaNvCKNBHXb0Ri?usp=sharing

PGK