Disciplina

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

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

Estatística Bayesiana

C.D. Paulino, A. Amaral Turkman,  B. Murteira, G.L. Silva

2018

2ª Edição, Fundação Calouste Gulbenkian.


Computational Bayesian Statistics: An Introduction

Amaral Turkman, A., Paulino, C.D., Muller, P.

2019

Cambridge University Press


Secundária

Hierarchical Modeling and Analysis for Spatial Data

Banerjee, S., Carlin, B.P., Gelfand, A.E.

2014

2nd Edition, Chapman and Hall/CRC Press.


Bayesian Methods for Data Analysis

Carlin, B.P., Louis, T.A.

2008

3rd Edition. Chapman and Hall/CRC Press


Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference

Gamerman, D., Lopes, H.F.

2006

2nd Edition. Taylor and Francis


Bayesian Data Analysis

Gelman, A., Carlin, J.B., Stern, H.S., Dunson, D.B., Vehtari, A., Rubin, D.B.

2014

3rd Edition. Chapman and Hall/CRC Press


Bayesian Survival Analysis

Ibrahim, J.G., Chen, M.H., Sinha, D.

2001

Springer-Verlag


Monte Carlo Statistical Methods

Robert C.P., Casella G.

2004

2nd Edition, Springer