Tabela de conteúdos

CE-709 1o trimestre de 2009

Dia ConteúdoAtividades Computacional
12/03 Introdução ao curso.
Princípios de Inferência por verossimilhança 		Preparar uma apresentação do conteúdo do Cap.1 de AzzaliniVer abaixo
19/03 Teoria de verossimilhança para modelos com um parâmetro
26/03 Revisão estudos e discussão dos participantes
02/04 estimação numérica: Newton-Rapson, Testes de hipótese sob o ponto de vista de verossimilhança. Introdução a problemas com mais de um parâmetro
09/04 Problemas com múltiplos parâmetros. Função de verossimilhança e inferência. Aproximação quadrática. IC's aproximados e pela verossimilhança. Relações entre inferências: veros. relativa, <m>chi2</m>, AIC e BIC. Perfis de verossimilhança: motivação e intuição. Uma discussão dos algorítimos implementados de Newton-Rapson(i) Escrever resumo de resultados da função Gama
(ii) estudar procedimentos numéricos para uso no Newton-Rapson em casos em que U e I não são disponíveis analiticamente (iii) obter gráficos de contorno de verossimilhanças de dois parâmetros colocando no memso gráfico os contornos originais e da aproximação quadrática
(iv) obter para diferentes modelos multiparamétricos gráficos comparativos de verossimilhanças condicionais (ficando o(s) outro(s) parâmetro(s) no MLE) e perfis de verossimilhança (ver exercícios em listas complementares) 		Programar o Newton-Rapson com exemplos para diferentes distribuições.
16/04 Discussão sobre os exercícios das listas adicionais do curso
AS AULAS CONTINUARAM MAS DEIXAMOS DE ATUALIZAR ESTA PÁGINA…

Atividades Computacionais

  1. para 12/03:
    1. reproduzir e fornecer código R para todas as figuras do Cap 1 de Azzalini
    2. escrever uma função em R que faça o gráfico da função de verossimilhança:
      • para uma distribuição de Poisson,
      • para a distribuição binomial,
      • para distribuição exponencial,
      • para distribuição de pareto (fixar <m>x_{0} = 5</m>),
      • para distribuição normal com <m>sigma^2 = 1</m> fixo.
  2. para 09/04
    1. Programar algorítio de Newton-Rapson para os seguintes casos:
      • distribuição de Poisson,
      • distribuição binomial,
      • distribuição exponencial,
      • distribuição normal com variância conhecida
      • distribuição gamma
    2. Obter IC e testes de hipóteses para
      • distribuição exponencial
      • distribuição de Poisson
      • distribuição normal com variancia igual a 1
      • parâmetros de regressão (<latex>\beta_0</latex> e <latex>\beta_1</latex>)
  3. para 16/04
    • preparar aula sobre verossimilhança perfilhada
    • começar a resolver as listas adicionais incluindo soluções computacionais.
    • refletir sobre os conceitos envolvidos e a “mensagem” de todos os exercícios das listas adicionais (mesmo que nao completamente resolvidos)

Material

Material inicial:

Exercícios relacionados aos materiais do curso

  1. Lista 1
  2. Lista 2
  3. Lista 3
  4. Lista 4

Exercícios adicionais

  1. Lista adicional 01 (com exemplo de solução)
  2. Lista adicional 02
  3. Lista adicional 03
  4. Lista adicional 04
  5. Lista adicional 05 (com exemplo de solução)
  6. Lista adicional 06

Atividades adicionais

  1. Post da r-help