LCE5715 - Métodos Computacionais para Inferência com Aplicações em R

Carga Horária

Docentes responsáveis
Cristian Marcelo Villegas Lobos
Marcelo Andrade da Silva

Objetivo
Apresentar e discutir os principais métodos computacionais utilizados em inferência estatística, prover complemento computacional para as disciplinas do programa, e capacitar os estudantes a desenvolver algoritmos e escrever códigos com vistas a implementações de modelos estatísticos e extensões.

Conteúdo
Ementa: Estudo de métodos computacionais com programação de algoritmos direcionados à inferência estatística.
1. Função de verossimilhança.
2. Métodos numéricos de estimação.
2.1 Método de Newton-Raphson.
2.2 Algoritmo de Escore de Fisher.
2.3 Algoritmo EM.
3. Métodos de integração numérica.
3.1 Quadratura de Gauss.
3.2 Aproximação de Laplace.
3.3 Integração Monte Carlo.
4. Simulação MCMC.
4.1 Metropolis-Hastings.
4.2 Amostrador de Gibbs.
5. Estudos de simulação em modelos estatísticos.
6 Métodos de reamostragem.
6.1 Método jackknife.
6.2 Método bootstrap.

Bibliografia
Albert, J. (2009) Bayesian Computation with R. Second Edition. New York: Springer.
Braun, W. J.; Murdoch, D. J. (2007). A First Course in Statistical Programming with R. Cambridge University Press.
EFRON, B. The Jackknife, the Bootstrap, and other resampling plans. California: Stanford Univeristy, 1980.
Gamerman, D. ; Lopes, H. F. (2006). Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference. Second Edition. London: Chapman & Hall/CRC Press.
Gelman, A; Carlin, J.; Stern, H; Dunson, D. Vehtari, A; Rubin, D. (2015). London: Chapman & Hall/CRC Press. Third Edition.
McLachlan, G.; Krishnan, T. (1996). The EM Algorithm and Extensions. John Wiley & Sons, New York.
Ribeiro Jr, P. J., Bonat, W. H., Krainski, E. T. ; Zeviani, W. M. (2012). Métodos computacionais para inferência estatística. SINAPE.
Rizzo, M. (2008). Statistical Computing with R. CRC/Chapman Hall.
Robert, C. ; Casella, G. (2010). Introducing Monte Carlo Methods with R. New York: Springer.
Robert, C. ; Casella, G. (2004). Monte Carlo Statistical Methods (2a edição). Springer.
Tanner, M. A. (1996). Tools for statistical inference methods for the exploration of posterior distributions and likelihood functions. Springer, New York.
Venables, W. N. ; Ripley, B. D. (2002) Modern Applied Statistics with S. Fourth Edition. New York: Springer-Verlag.