CE-315 - Estatística Bayesiana

Informações sobre a oferta da disciplina

• Curso: Estatística e Ciência de Dados

• Período: segundo semestre de 2026

• Professor Responsável: Paulo Justiniano Ribeiro Jr.

• Horários e Locais:

  • Qui, 19:00 - 20:30h, Lab A
  • Sex, 20:45 - 22:30h, Lab A
  • Horários de atendimento do professor (sala do LEG):
    • Quartas, quintas e sextas, 17:00 - 19:00 (preferenciais).
    • Outros horários podem ser agendados previamente por email.
  • Horários de atendimento do monitor Gligor (sala do LEG ou de monitoria)
    • Segunda-feira: 16h - 19h
    • Terça-feira: 17h - 19h
    • Quinta-feira: 18h - 19h

• Frequência: de acordo com as normas da Universidade, mínimo de 75%

• A Nota na disciplina será dada pela média de avaliações e trabalhos/apresentações.

  • Critérios para aprovação:
    • Frequência de pelo menos 75% e nota igual ou acima de 70 → Aprovação sem Exame Final.
    • Frequência de pelo menos 75% e Nota entre 40 e 70 → Exame Final.
    • Média entre Nota e Exame Final igual ou acima de 50 → Aprovação.
    • Nota inferior a 40 ou presença inferior a 75% → Reprovação.
    • Média entre Nota e Exame Final inferior a 50 → Reprovação.
  • Notas das avaliações

• Resolução 22/25 - CEPE - Calendário para o ano de 2026

• Datas para atividades da disciplina:

  • 03/08: Primeiro dia letivo do semestre.
  • 03-07/08: Semana acadêmica do Curso.
  • 02/10: Data final para cancelamento de matrícula.
  • 19-23/10: SIEPE
  • 05/12: Último dia letivo.
  • 07-11/12: Período de exames finais.

• Provas

  • 10/09 Prova 1. Materiais (páginas scripts) vistos até aqui. Texto caps 1, 2 e 4 (exceto 2.6.3-4). - 25/09 Prova 1 complementar (opcional). Idem anterior e toda matéria vista até 18/09.
  • 06/11 Prova 2
  • 27/11 Prova 3

• Feriados/recessos:
  • 07-08/09 (seg,ter)
  • 12/10 (seg)
  • 28/10 (qua)
  • 02/11 (seg)
  • 15/11 (dom)
  • 20/11 (sex)

Programa/objetivos da disciplina

1. Introdução à inferência Bayesiana.
2. Atualização Bayesiana.
3. Especificação de prioris.
4. Problemas com múltiplos parâmetros.
5. Resumindo informação a posteriori.
6. Predição.
7. Propriedades assintóticas.
8. Outros tópicos.
9. Computação Bayesiana.
10. Aplicações.

Conhecimento prévio

• É esperado que participantes tenham cursado/tenham conhecimento sobre:
  • Probabilidade 2
  • Inferência Estatística
  • Estatística Computacional
  • Regressão