ME705

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.