• Bayes2
  • Home
  • Aulas
  • Referências
  • Materiais
  • Trabalhos
  • GitHub

Cronograma das aulas do curso

  • 23/02 (Seg): Apresentação da disciplina. Teorema de Bayes e releitura como um problema de inferência e de classificação. Exemplos: (i) bolas na urna e (ii) questão de prova. Tabela de cálculos para obtenção de posteriori para o caso de parâmetro discreto.
    • Atividade 1: Revisar, anterar e expandir exemplos vistos em aula. Escrever um código para generalizar os cálculos dos exemplos.
    • Atividade 2: Visitar a página de exemplos de teorema de Bayes relacionada com o conteúdo da primeira aula.
    • Atividade 3: Fazer exercícios 2 e 6 da lista de questões da disciplina introdutória.
  • 25/02 (Qua): Sem aula expositiva: atividades da semana de recepção de calouros do Curso de Estatística e Ciência de Dados.
    • Atividade 1: Escolher uma distribuição de probabilidades de um parâmetro (se tiver mais que um fixe demais em algum valor). Fazer os passos da análise bayesiana básica: obter verossimilhança, definir priori, obter posteriori e preditivas (a priori e posteriori).
  • 02/03 (Seg): Discussão dos desenvolvimentos da Atividade 1 da aula de 25/02.
  • 04/03 (Qua): Taxas Bayesianas empíricas.
    • Atividade 1: Estudar exemplo 8.2 do texto do curso.
    • Atividade 2: Rodar, interpretar e discutir resultados dos comandos no script EBest.R.
  • 09/03 (Seg): Mais discussões sobre taxas bayesianas empíricas.
  • 11/03 (Qua): Computação Bayesiana por simulação. Aproximações da posteriori: discretização e aproximação normal.
    • Pré aula: arquivo1, arquivo2.
    • Atividade 1: Implementar a simulação bayesiana “direta” discutida em aula para os modelos vistos (prioris beta e triangular). Fazer para modelo de duas proporções.
    • Atividade 2: Implementar a discretização para ao menos três modelos de verossimilhança.
  • 16/03 (Seg): Aproximação da posteriori por simulação (MCMC e outros). Introdução a modelos hierárquicos.
    • Pré aula: arquivo3
  • 18/03 (Qua): Modelos hierárquicos (cont.). Simulação e exemplo de implementação em Jags e Stan.
    • Exemplo simulado em aula: Beta-binomial
    • Atividade 1: analisar dados dos acertos de lance livres
  • 23/03 (Seg): Aula cancelada devido a interrupção de energia.
  • 25/03 (Qua): Inferência no modelo normal e introdução à regressão bayesiana.
    • Comparação das abordagens de inferência para modelos de regressão
    • Atividades: Ver no final da página acima. Usar os dados de altura e peso da turma para desenvolver o modelo e pensar em diferentes prioris.
  • 30/03 (Seg): Introdução à atualização bayesiana em regressão. Análise dos dados de altura e peso da turma (ver script). Finalização dos modelos de regressão.
  • 01/04 (Qua) Prova 1.
  • 06/04 (Seg) “O falso dilema: Estatística Bayesiana vs Clássica” PDF
  • 08/04 (Qua) Atualização sequencial. Exemplo Beta-Binomial.
  • 13/04 (Seg) Demonstração da obtenção das posteriores para parâmetros de regressão com prioris normais.
  • 15/04 (Qua) Regressão múltipla.
  • 20/04 (Seg) Feriado.
  • 22/04 (Qua) Análise de Variância.
  • 27/04 (Seg) Introdução à análise bayesiana de decisão
  • 29/04 (Qua) Apresentação Anderson. Modelo logístico.
  • 04/05 (Seg)
  • 06/05 (Qua)
  • 11/05 (Seg)
  • 13/05 (Qua) Prova
  • 18/05 (Seg)
  • 20/05 (Qua) Gligor e Alan
  • 25/05 (Seg)
  • 27/05 (Qua)
  • 01/06 (Seg)
  • 03/06 (Qua) Jonathan
  • 08/06 (Seg)
  • 10/06 (Qua) Leonardo
  • 15/06 (Seg) Rafael
  • 17/06 (Qua) Luis Henrique
  • 22/06 (Seg) Alexandre e Leonardo
  • 24/06 (Qua)