Nível:
Graduação
Nome da disciplina:
Inferência Bayesiana
Número de Créditos:
5
Oferecimento:
1º Período Letivo
Pré-requisito:
ME322
Ementa:
Distribuições a priori e posteriori. Princípios gerais da inferência bayesiana e vínculo com a inferência clássica. Conflito entre priori e posteriori. Utilidade e perda. Permutabilidade: Teorema de De Finetti. Distribuições a priori: próprias, impróprias, conjugadas, informativas e não informativas. Fator de Bayes: comparação de modelos, sensibilidade. Teste de hipóteses bayesianos e regiões de credibilidade. Métodos clássicos de aproximação: integração numérica, integração por Monte Carlo e aproximação analítica de Laplace. Amostragem bayesiana e MCMC.
Conteúdo / Programa:
Objetivo:
Introdução dos conceitos de estimação e modelagem Bayesiana.
Programa:
Teorema de Bayes
Distribuição Normal Multivariada
Distribuições a priori e a posteriori
Distribuições a priori vaga e conjugada
Estimadores Bayesianos
Miníma Informação
Distribuições preditivas
Objetivo:
Objetivo:
Introdução dos conceitos de estimação e modelagem Bayesiana.
Forma de Avaliação:
Por nota e frequência
Referência Bibliográfica:
BOX, G.E., TIAO, G.C. Bayesian Inference in Statistical Analysis, Addison-Wesley, 1973.
ZELLNER, A. An Introduction to Bayesian Inference in Econometrics, Wiley, 1971.