Ementa: Método de Bayes Empírico. Regressão ridge. Modelos lineares generalizados. Árvores de regressão. Análise de sobrevivência. Algoritmo EM. Jacknife. Bootstrap. Validação Cruzada. Erro de predição. Inferência Bayesiana Objetiva.
Bibliografia:
Computer Age Statistical Inference: https://web.stanford.edu/~hastie/CASI_files/PDF/casi.pdf
An Introduction to Statistical Learning. https://link.springer.com/book/10.1007/978-1-4614-7138-7 and http://faculty.marshall.usc.edu/gareth-james/
Statistical Learning with Sparsity. https://web.stanford.edu/~hastie/StatLearnSparsity_files/SLS_corrected_1.4.16.pdf
Aulas:
Segundas as 14hs: http://meet.google.com/fin-xchb-yuq
Quartas: as 14hs: http://meet.google.com/mjp-tzpt-ddc
Avaliações
Primeira Avaliação em 27/09/2021 as 14hs.
Segunda Avaliação em 22/11/2021 as 14hs.
Exame: 15/12/2021 as 14hs
Softwares: R A linguagem R pode ser obtida gratuitamente de www.R-project.org
Pode-se obter gratuitamente Acrobat para ler arquivos PDF em www.adobe.com/products/acrobat/readstep.html