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