Disciplina
Estatística Bayesiana Aplicada
Área
Área Científica de Probabilidades e Estatística > Probabilidades e Estatística
Activa nos planos curriculares
MMA 2006 > MMA 2006 > 2º Ciclo > Perfis > Probabilidades e Estatística Matemática > Probabilidades e Estatística > Estatística Bayesiana Aplicada
MMAC 2021 > MMAC 2021 > 2º Ciclo > Área Principal > Áreas de Especialização > Área de Especialização em Probabilidade e Estatística > Área Científica de Probabilidades e Estatística > Estatística Bayesiana Aplicada
MECD2019 > MECD2019 > 2º Ciclo > Opções > Estatística Bayesiana Aplicada
Nível
Exame final escrito ponderado com trabalhos práticos, motivados pela análise de um conjunto de dados reais.
Tipo
Não Estruturante
Regime
Semestral
Carga Horária
1º Semestre
4.0 h/semana
154.0 h/semestre
Objectivos
Introduzir métodos bayesianos analíticos e computacionais (métodos de Monte Carlo tradicionais e iterativos com base em cadeias de Markov), com destaque para a sua profusa aplicação a problemas práticos envolvendo variados modelos estatísticos.
Programa
Introdução aos conceitos fundamentais da Estatı́stica Bayesiana. Métodos de Monte Carlo clássicos e baseados em cadeias de Markov: algoritmos Gibbs e Metropolis-Hasting. Algoritmo de aproximações de Laplace encaixadas e integradas. Estimação e predição. Seleção e comparação de modelos. Aplicações a variados problemas estatı́sticos: Análise de modelos lineares generalizados. Análise de dados categorizados. Análise de fiabilidade e de sobrevivência. Análise de dados espaciais e temporais.
Metodologia de avaliação
Exame final escrito ponderado com trabalhos práticos, motivados pela análise de um conjunto de dados reais.
Pré-requisitos
Componente Laboratorial
Princípios Éticos
Componente de Programação e Computação
Componente de Competências Transversais
Bibliografia
Principal
Bayes and Empirical Bayes Methods for Data Analysis
Chapman & Hall/CRC Press, London
C.D. Paulino, A. Amaral Turkman, B. Murteira, G.L. Silva
Fundação Calouste Gulbenkian, Lisboa, 2 a edição.
Bayesian Methods for Data Analysis
3rd Edition. Chapman and Hall/CRC, London
Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference
2nd Edition. Taylor and Francis, London
A. Gelman, J.B. Carlin, H.S. Stern, D.B. Dunson, A. Vehtari, D.B. Rubin
3rd Edition. Chapman and Hall/CRC, Lon- don
Secundária
2nd Edition. Wiley, Chichester
Bayesian Methods for Nonlinear Classification and Regression
D.G.T. Denison, C.C. Holmes, B.K. Mallick, A.F.M. Smith
Markov Chain Monte Carlo in Practice
W.R. Gilks, S. Richardson, D.J. Spiegelhalter,
Chapman and Hall/CRC Press, London
Reliability and Risk: A Bayesian Perspective
J.G. Ibrahim, M.H. Chen, D. Sinha
Bayesian Models for Categorical Data
Hierarchical Modeling and Analysis for Spatial Data
S. Banerjee, B.P. Carlin, A.E. Gelfand
2nd Edition. Chapman and Hall/CRC Press, London.
Applied Bayesian Forecasting and Time Series Analysis
Chapman and Hall/CRC Press, London
Spatial and Spatio-temporal Bayesian Models with R-INLA