SIGAA - Sistema Integrado de Gestão de Atividades Acadêmicas

Resumo do Componente Curricular

Dados Gerais do Componente Curricular
Tipo do Componente Curricular:	DISCIPLINA
Unidade Responsável:	PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS CLIMÁTICAS (12.83)
Código:	CLI2018
Nome:	SIMULAÇÃO ESTOCÁSTICA
Carga Horária Teórica:	60 h.
Carga Horária Prática:	0 h.
Carga Horária Total:	60 h.
Pré-Requisitos:
Co-Requisitos:
Equivalências:
Excluir da Avaliação Institucional:	Não
Matriculável On-Line:	Sim
Horário Flexível da Turma:	Não
Horário Flexível do Docente:	Sim
Obrigatoriedade de Nota Final:	Sim
Pode Criar Turma Sem Solicitação:	Não
Necessita de Orientador:	Não
Exige Horário:	Sim
Permite CH Compartilhada:	Não
Quantidade de Avaliações:	1
Ementa/Descrição:	Princípios da Simulação Estocástica. Geração de Variáveis Aleatórias. Introdução ao Pensamento Bayesiano. Modelos Uni-Paramétricos. Modelos Multiparamétricos. Computação Bayesiana. Modelagem Hierárquica. Comparação de Modelos. Modelos de Regressão. Métodos Computacionalmente Intensivos: Monte Carlo via Cadeias de Markov (MCMC); Bootstrap e Jackknife; Amostrador de Gibbs. Simulated Annealing e Algoritmos EM (Expectation Maximization).
Referências:	Albert, J., Bayesian computation with R. Baltimore, Springer, 2007. Bernardo, J. M. e Smith, A. F. M., Bayesian Theory. New York: Wiley, 1994. Box, G. E. P. e Tiao, G. C., Bayesian Inference in Statistical Analysis. Wiley Classics Library ed. Wiley-Interscience, 1992. Davison, A. C. and Hinkley, D. V., Bootstrap Methods and their Application. Cambridge University Press, 1997. Efron, B. (1979). Bootstrap Methods: Another Look at the Jack-Knife. Annals of Statistics 7, 26, 1979. Gamerman, D., Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference. Texts in Statistical Sciences. Chapman and Hall, London, 1997. Green, P. J., Reversible Jump MCMC Computation and Bayesian Model Determination. Biometrika 82, 732, 1995. Johnson, N. L., Kotz, S. e Balakrishnan, N., Continuous Univariate Distributions (2nd ed.), Volume 1. New York: John Wiley, 1994. Johnson, N. L., Kotz, S. e Balakrishnan, N., Continuous Univariate Distributions (2nd ed.), Volume 2. New York: John Wiley, 1995. Johnson, N. L., Kotz, S. e Kemp, A. W., Univariate Discrete Distributions (2nd ed.), New York: John Wiley, 1992. Migon, H. S. e Gamerman, D., (1999). Statistical Inference: An Integrated Approach. Cambridge: Edward Arnold, 1999. O'Hagan, A., Bayesian Inference, Volume 2B. Cambridge: Edward Arnold, 1994. Robert, C. P. e Casella, G. Monte Carlo Statistical Methods. New York: Springer-Verlag, 1999. Nota: Nas aulas práticas do curso será utilizado o programa estatístico R, que é gratuito e de código aberto, que pode ser obtido em: http://www.rproject.org/.

<< Voltar