Estatistica computacional

Avisos

Próxima aula de monitoria: 29/08/2014 08:00 (exercício em aula a ser entregue em 01/09/2014)

Aulas no LSE.

Horário das aulas: segundas e quartas as 10:00 no lse (sala I-044b).

Atendimento da monitora: sexta 10-12

Aulas

  1. aula 1

  2. aula 2

  3. aula 2 continuação

  4. aula 3

  5. aula 4

  6. aula 5

  7. aula 6

  8. aula 7

  9. aula 8

  10. aula 9

  11. aula 10

  12. aula 11

  13. aula 12

  14. aula 13

  15. aula 14

Listas de exercícios

  1. Matriz esparsa: texto e lista

  2. SIR: texto e lista (entrega no dia 21/07/14)

  3. Integração de Monte Carlo: lista (entrega no dia 28/07/14)

  4. Aproximações assintóticas: lista e texto (entrega no dia 11/08/14) Texto 1 - Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations, H. Rue, S. Martino and N. Chopin, JRSS-B (2009). Texto 2 - http://www.r-inla.org

  5. MCMC - Texto 1 - Understanding the Metropolis Hastings Algorithm; Texto 2 - Weak convergence and Optimal scaling of random walk metropolis algorithms

  6. MCMC - Texto - A general framework for the parametrization of hierarchical models

Ementa

  1. Solução de sistemas lineares: métodos de decomposição de matrizes.

  2. Problemas de otimização sem restrições e maximização de funções.

  3. Geração de variáveis aleatórias.

  4. Integração por Monte-Carlo.

  5. Métodos de quadratura e aproximações de Laplace.

  6. Simulação estocástica via cadeias de Markov.

Algumas referências

  1. Thisted, R. A. (1986). Elements of Statistical Computing. Chapman & Hall;

  2. Golub, G.H. e Van Loan, C.F. (1996). Matrix computations;

  3. Yuichi Mori (Editor), J.E. Gentle and Wolfgang HSrdle (Authors). Handbook of Computational Statistics;

  4. Gamerman, D. (1997). Markov Chain Monte Carlo. Chapman & Hall;

  5. Robert, C.P. and Casella, G. (2004). Monte Carlo Statistical Methods. Springer.