Métodos Bayesianos

Objectivos

O objectivo desta unidade curricular consiste na aprendizagem do paradigma bayesiano na análise estatística de dados, metodologias e técnicas computacionais para inferência, testes de hipóteses e previsão.

Caracterização geral

Código

12080

Créditos

6.0

Professor responsável

Miguel dos Santos Fonseca

Horas

Semanais - 4

Totais - A disponibilizar brevemente

Idioma de ensino

Português

Pré-requisitos

A disponibilizar brevemente

Bibliografia

1. Albert, J. (2009). Bayesian Computation with R. Spinger.
2. Bernardo J.M. & Smith, A.F.M. (1994). Bayesian theory. Wiley.
3. Congdon P (2001). Bayesian Statistical Modelling. Wiley.
4. Cowles, M.K. (2013). Applied Bayesian Statistics. With R and OpenBUGS Examples. Springer.
5. Gamerman, D. & Lopes, H.F. (2006). Markov chain Monte Carlo - stochastic simulation for Bayesian inference. 6. Chapman & Hall/CRC.
7. Gelman, A., Carlin, J.B., Stern, H.S., Rubin, D.B. (2003). Bayesian Data Analysis (2nd edition).
8. Chapman and Hall / CRC, 2003.
9. Gilks, W.R., Richardson, S. and Spiegelhalter, D. (Edts.) (1996) Markov chain Monte Carlo in Practice. Chapman and Hall/CRC.
10. Lee, P.M. (2004). Bayesian Statistics: An Introduction, 3rd edition, Arnold.
11. Turkman, M., Paulino, C., Müller, P. (2019). Computational Bayesian Statistics, Cambridge
12. Paulino, C., Turkman, M., Murteira, B., Silva, G. (2018). Estatística Bayesiana. Gulbenkian

Método de ensino

A disponibilizar brevemente

Método de avaliação

A avaliação será feita em 2 momentos:

Trabalho Individual (50% da nota) - TBA
Trabalho final individual (50% da nota) -TBA

Conteúdo

1 - O paradigma Bayesiano
2 - A distribuição a priori e métodos para a sua formulação
3 - A função verosimilhança, a distribuição a posteriori, as distribuições marginal e preditiva
4 - Inferência bayesiana
5 - Markov Chain Monte Carlo, MCMC
6 - Qualidade e seleção de modelos
7 - Modelos hierárquicos

Cursos

Cursos onde a unidade curricular é leccionada: