Teoria Bayesiana
Este curso aborda os principais conceitos e resultados da teoria Bayesiana.
Conteúdo do curso
Semana 1 - Introdução: história, inferência frequentista, Bayesiana e fiducial, modelo Bayesiano; Simetria, independência condicional, permutabilidade; Teorema de De Finetti;
Semana 2 - Teorema de De Finetti; Modelos paramétricos, Teorema de Bayes, prioris impróprias; Discussao 1;
Semana 3- Estatísticas suficiente (sentido clássico e Bayesiano), princípio da suficiência, algoritmo ABC; Família exponencial; Discussão 2;
Semana 4 - Informação de Fisher e Kullback-Leibler; Prioris de Jeffreys;
Semana 5 - Prioris: Famílias conjugadas; Discussão 3;
Semana 6 - Avaliação 1;
Semana 7 - Teoria da decisão e estimadores de Bayes; Discussão 4 (gabarito da prova);
Semana 8 - Teoria da decisão e regras minimax; Teste de hipóteses Bayesianos: fator de Bayes;
Semana 9 - Discussão 4 (lista 3); Prioris não informativas: Referência (Bernardo);
Semana 10 - Discussão artigo; Modelos hierárquicos;
Semana 11 - Bayes empírico;
Semana 12 - Avaliação 2.
Referências
Statistical decision theory and Bayesian analysis, J. O. Berger, second Edition, Springer-Verlag.
Theory of Statistics, Mark J. Schervish, Springer.
The Bayesian choice: From Decision-Theoretic Foundations to Computational Implementation, C. Robert, second edition, Springer.
Bayesian Theory, Bernardo and Smith, Wiley.
O que será visto no curso
De Finetti’s Theorem;
Bayesian models; Predictive distributions;
Conjugate priors, invariant, Jeffreys and reference priors;
Maximum Entropy principle;
Information (Fisher and Kullback-Leibler);
Confidence Intervals and Hypothesis Testing;
Decision theory;
Bayes Factors, g-priors, and Model Selection;
Hierarchical models and Laplace approximation;
Empirical Bayes;
Contato
O link da turma no google classroom é https://classroom.google.com/c/NTg5MDAwNTY4MjI1?cjc=lcdcmxn. Todos os alunos devem participar no google classroom.