- 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.
- 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.
- 18/03 (Qua): Modelos hierárquicos (cont.).
Simulação e exemplo de implementação em Jags e Stan.
- 23/03 (Seg): Aula cancelada devido a interrupção de
energia.
- 25/03 (Qua): Inferência no modelo normal e
introdução à regressão bayesiana.
- 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.
