Ementa:
Distribuições a priori e posteriori. Princípios gerais da inferência bayesiana e vínculo com a inferência clássica. Conflito entre priori e posteriori. Utilidade e perda. Permutabilidade: Teorema de De Finetti. Distribuições a priori: próprias, impróprias, conjugadas, informativas e não informativas. Fator de Bayes: comparação de modelos, sensibilidade. Teste de hipóteses bayesianos e regiões de credibilidade. Métodos clássicos de aproximação: integração numérica, integração por Monte Carlo e aproximação analítica de Laplace. Amostragem bayesiana e MCMC.
Ano de Catálogo: 2017
Créditos: 4
Número de alunos matriculados: 68
Idioma de oferecimento: Português
Horários/Salas:
Docentes:
Reservas:
Hora | Segunda | Terça | Quarta | Quinta | Sexta | Sábado |
---|---|---|---|---|---|---|
07:00 | ||||||
08:00 | ||||||
09:00 | ||||||
10:00 | ||||||
11:00 | ||||||
12:00 | ||||||
13:00 | ||||||
14:00 | A - CB11 | A - CB14 | ||||
15:00 | A - CB11 | A - CB14 | ||||
16:00 | ||||||
17:00 | ||||||
18:00 | ||||||
19:00 | ||||||
20:00 | ||||||
21:00 | ||||||
22:00 | ||||||
23:00 |