Ementa:
Histograma como um estimador de máxima verossimilhança. Estatísticas do histograma. Estimação de densidades pelo método de Kernel. A escolha do parâmetro de suavização. Outros estimadores de densidade: séries ortogonais, máxima verossimilhança penalizada. O estimador de Nadaraya-Watson. O método K-nn. Técnicas de regressão não paramétrica para dados correlacionados. Conjunto de dados com out-liers: Lowess, L-suavização, R-suavização. Técnicas de regressão não paramétrica por funções de base.
Bibliografia:
Density Estimation: for statistics and data analysis. Chapman & Hall. Silverman B. W. (1986); Smoothing Techniques with implementation in S. Springer Verlag. Hardle, W.; Nonparametric Econometrics. Cambridge Press. Pagan, A. and Ullah, A.; Spline smoothing and nonparametric regression. Marcel Dekker, INC. Eubank, R. L.
Ano de Catálogo: 2018
Créditos: 4
Número de alunos matriculados: 1
Idioma de oferecimento: Português
Tipo Oferecimento: Regular
Local Oferecimento:
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 | ||||||
| 15:00 | ||||||
| 16:00 | A - IM24 | A - IM24 | ||||
| 17:00 | A - IM24 | A - IM24 | ||||
| 18:00 | ||||||
| 19:00 | ||||||
| 20:00 | ||||||
| 21:00 | ||||||
| 22:00 | ||||||
| 23:00 |