bayesiana e vnculo com a inferncia clssica: principio da verossimilhana, uso sequencial da regra de Bayes, suficincia, ancilaridade, no identificabilidade.
Exame (E) dia 13/07 (segunda)
3. Estimao: Utilidade e perda.
Permutabilidade: Teorema de De Finetti. 4. Prioris: prprias, imprprias, conjugadas, informativas e no informativas. 5. Comparando Modelos: Fator de Bayes: comparao de modelos, sensibilidade. 6. Teste de hipteses bayesianos e regies de credibilidade. 7. Mtodos Numricos: Mtodos clssicos de aproximao: integrao numrica, integrao por Monte Carlo e aproximao analtica de Laplace. Amostragem bayesiana e MCMC (Markov Chain Monte Carlo Methods). Referncias: 1. Robert Christian, P. (1994). The Bayesian Choise. Springer. New York. 2. Press James, S. (1989). Bayesian Statistics: Principles, Models, and Applications. John Wiley & Sons. New York. 3. O Hagan Anthony (1994). Kendalls Advanced Theory of Statistics, Volume 2B. Bayesian Inference. John Wiley & Sons. New York.
Mdia sem exame(M): M = (40 P1 +
60P2)/100 Se 5,0 M, aluno aprovado. Caso Contrario, aluno para exame.
Atendimento: Segundas das 16 as 18 hs, sala 207-IMECC