|
MCIE - Métodos Computacionais para Inferência Estatística |
Plano de aulas
Semana 1
- Introdução a verossimilhança.
- Verossimilhança como objeto de inferência estatística.
- Definições e construção da função de verossimilhança.
- Tópicos em cálculo diferencial.
- Exercícios: Derivadas e aproximação em série de Taylor.
Semana 2
- Inferência estatística em termos da função de verossimilhança.
- Estimação pontual, intervalar e teste de hipóteses.
- Questões computacionais.
- Inferência no modelo ar1 Link.
- Tópicos em Álgebra linear.
- Exercícios: Verossimilhança Parte I.
Semana 3
- Parametrização e reparametrização.
- Método delta.
- Revisando conceitos e exemplo distribuição exponencial Link.
- Solução de sistemas lineares.
- Exercícios: Verossimilhança Parte I.
Semana 4
- Verossimilhança para dois parâmetros.
- Verossimilhança condicional e perfilhada.
- Aproximação quadrática em 2D.
- Solução de sistemas não-lineares e otimização.
- Exercícios: Verossimilhança Parte II.
Semana 5
- Revisando resultados assintóticos.
- Seleção de exercícios para avaliação.
- Exercícios: Verossimilhança Parte II.
Semana 6
- Verossimilhança para mais de um parâmetro (continuação e exemplos).
- Modelos de regressão e exemplos.
- Divisão dos trabalhos de final da disciplina.
Semana 7
- Modelos de regressão (continuação).
- Modelos com efeitos aleatórios.
Semana 8
- Modelos com efeitos aleatórios (continuação).
- Caso de estudo: Beta misto.
- Paradigmas de inferência.
- Introdução à inferência Bayesiana.
Semana 9
- Modelos generalizados mistos com efeito espacial.
- Apresentação preliminar dos projetos.
Semana 10
- Tópicos adicionais: Data clone.
- Apresentação dos projetos finais.
| MCIE - Métodos Computacionais para Inferência Estatística | Prof. Wagner Hugo Bonat | Prof. Paulo Justiniano Ribeiro Jr |
