Inferência (Mestrado)
Conteúdo do curso
Conteúdo do curso
Semana 1 Introdução ao problema de inferência; Família paramétrica; Família exponencial e curvada; Família locação-escala; Complexidade/parsimônia/Navalha de Occam; Distância entre distribuições.
Semana 1 Introdução ao problema de inferência; Família paramétrica; Família exponencial e curvada; Família locação-escala; Complexidade/parsimônia/Navalha de Occam; Distância entre distribuições.
Semana 2 e 3 Amostra aleatória; Função de verossimilhança; Informação de Fisher; Função escore; Suficiência; Teorema de Bayes; Permutabilidade;
Semana 2 e 3 Amostra aleatória; Função de verossimilhança; Informação de Fisher; Função escore; Suficiência; Teorema de Bayes; Permutabilidade;
Semana 4 e 5 Distribuições a priori; Prioris subjetivas; Prioris conjugadas; Prioris hierárquicas; Prioris de referência e Jeffreys.
Semana 4 e 5 Distribuições a priori; Prioris subjetivas; Prioris conjugadas; Prioris hierárquicas; Prioris de referência e Jeffreys.
Semana 6 e 7 Teoria da decisão; Método dos momentos; Máxima verossimilhança; Estimadores de Bayes; EM; Avaliação e comparação de estimadores.
Semana 6 e 7 Teoria da decisão; Método dos momentos; Máxima verossimilhança; Estimadores de Bayes; EM; Avaliação e comparação de estimadores.
Semana 8 e 9 Teste da razão de verossimilhança; Teste Bayesiano; Avaliação dos testes; Comparação de modelos; Complexidade/parsimônia/Navalha de Occam.
Semana 8 e 9 Teste da razão de verossimilhança; Teste Bayesiano; Avaliação dos testes; Comparação de modelos; Complexidade/parsimônia/Navalha de Occam.
Semana 10 e 11 Intervalos clássicos; Intervalos Bayesianos; Tamanho e cobertura.
Semana 10 e 11 Intervalos clássicos; Intervalos Bayesianos; Tamanho e cobertura.
Semana 12 e 13 Aproximações assintóticas; Testes assintóticos; Intervalos assintóticos.
Semana 12 e 13 Aproximações assintóticas; Testes assintóticos; Intervalos assintóticos.
Semana 14 e 15 Previsão clássica; Previsão Bayesiana; Previsão no modelo normal.
Semana 14 e 15 Previsão clássica; Previsão Bayesiana; Previsão no modelo normal.
Código do classroom
Código do classroom
5boftoq
Os alunos devem entrar em contato pelo classroom para serem incluídos no grupo.
As informações do curso serão enviadas pelo classroom.
Horário e sala da aulas
Horário e sala da aulas
As aulas ocorrerão as segundas, quartas e sextas de 13-15h nas salas B106A (2ª e 4ª), B108B (6ª).
Provas
Provas
Prova 1: 3/6/22
Prova 2: 22/7/22
Bibliografia
Bibliografia
Migon, H. S. and Gamerman, D. (1999). Statistical Inference.
Gamerman, D. and Migon, H. S. and Louzada, F. (2014). Statistical Inference. 2nd edition
Casella, G. and Berger, R. (2006). Statistical Inference (2a Ed.).
Thomson Learning.