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: 2024
Créditos: 4
Número mínimo de alunos: 1
Número de alunos matriculados: 6
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 |