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
Exam/Tests, complemented with an applied homework component and/or oral evaluation for grades above 17 (out of 20).
Tipo
Não Estruturante
Regime
Semestral
Carga Horária
1º Semestre
5.0 h/semana
182.0 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
Exam/Tests, complemented with an applied homework component and/or oral evaluation for grades above 17 (out of 20).
Pré-requisitos
Não aplicável.
Componente Laboratorial
Não aplicável.
Princípios Éticos
Todos os membros de um grupo são responsáveis pelo trabalho do grupo. Em qualquer avaliação, todo aluno deve divulgar honestamente qualquer ajuda recebida e fontes usadas. Numa avaliação oral, todo aluno deverá ser capaz de apresentar e responder a perguntas sobre toda a avaliação.
Componente de Programação e Computação
Não aplicável.
Componente de Competências Transversais
A UC permite o desenvolvimento de competências transversais em Pensamento Crítico, Criatividade e Estratégias de Resoluções de Problemas, nas aulas, em trabalho autónomo e nas várias componentes de avaliação. A percentagem de avaliação associada a estas competências deverá ser da ordem dos 15%.
Bibliografia
Principal
C.D. Paulino, A. Amaral Turkman, B. Murteira, G.L. Silva
2ª Edição, Fundação Calouste Gulbenkian.
Computational Bayesian Statistics: An Introduction
Amaral Turkman, A., Paulino, C.D., Muller, P.
Secundária
Hierarchical Modeling and Analysis for Spatial Data
Banerjee, S., Carlin, B.P., Gelfand, A.E.
2nd Edition, Chapman and Hall/CRC Press.
Bayesian Methods for Data Analysis
3rd Edition. Chapman and Hall/CRC Press
Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference
2nd Edition. Taylor and Francis
Gelman, A., Carlin, J.B., Stern, H.S., Dunson, D.B., Vehtari, A., Rubin, D.B.
3rd Edition. Chapman and Hall/CRC Press
Ibrahim, J.G., Chen, M.H., Sinha, D.
Monte Carlo Statistical Methods