Estatística Computacional Graduação - MAD360
Objetivos do curso: desenvolver habilidades computacionais que facilitem análise de dados. O curso vai além dos algoritmos numéricos e foca nos fundamentos que permitem o desenvolvimento de algoritmos para solução de problemas estatísticos práticos.
O que será visto no curso
Geração de variáveis aleatórias: Distribuições discretas e contínuas; Distribuições multivariadas; Método da transformada inversa; Método da rejeição; SIR;
Otimização: métodos baseados em gradiente; gradiente estocástico; simulated annealing; algoritmo EM;
Integração numérica; métodos de Newton-Cotes, quadratura Gaussiana, métodos Monte Carlo; Rao-Blackwell; método de Laplace.
Programação
Semana 1 - Sobre o curso, geração de variáveis aleatórias; Variáveis discretas; Tutorial sobre o R (básico 1 e 2);
Semana 2 - Geração de variáveis aleatórias; Método da transformada inversa; Misturas; Laboratótio 1;
Semana 3 - Geração de variáveis aleatórias; método de rejeição. Laboratório 2;
Semana 4 - SIR e Slice sampler; Avaliação 1;
Semana 5 - Otimização; Métodos baseados em gradiente (estocástico); Laboratório 3;
Semana 6 - Otimização; Simulated annealing; Tutorial plots e visualização em R.
Semana 7 - Otimização; Algoritmo EM; Laboratório 4;
Semana 8 - Análise de cluster via algoritmo EM; Avaliação 2;
Semana 9 - Integração numérica; Métodos determinísticos e Método de Monte Carlo; Laboratório 5;
Semana 10 - Integração numérica; Métodos determinísticos e Método de Monte Carlo; Laboratório 6;
Semana 11 - Integração numérica; Rao-Blackwell; Métodos assintóticos; Método de Laplace. Laboratório 7;
Semana 12 - Avaliação 3; Fechamento do curso, notas.
Notícias
A seguir código para turma no google classroom, aluno matriculado no curso deve fazer a inscrição no google classroom para receber arquivos e liks das aulas síncronas online. Código da turma: 7vlbqpo.
A UFRJ decidiu pelo adiamento do início das aulas de graduação no PLE para o dia 24 de agosto. A próxima aula síncrona ocorrerá na quarta (26/08) às 9h.
Quando?
As aulas teóricas e práticas acontecem nas quartas de 8-10, e nas sextas de 10-12.
Avaliações
Avaliação 1 - 18/09/2020
Avaliação 2 - 16/10/2020
Avaliação 3 - 11/11/2020
Algumas referências
Introducing Monte Carlo Methods with R, Christian P. Robert and George Casella.
Mathematical Foundations of Data Science Using R, Frank Emmert-Streib, Salissou Moutari, and Matthias Dehmer.