Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- disciplinas:lce5715-2014 [2014/08/22 16:44] – [section 3] clobos
+++ disciplinas:lce5715-2014 [2014/11/14 22:05] (atual) – clobos
@@ Linha 1: / Linha 1: @@
 ====== LCE-5715 - Métodos Computacionais para Inferência com Aplicações em R  ======
+O objetivo da disciplina é apresentar e discutir os principais métodos computacionais utilizados em inferência estatística. Prover complemento computacional para disciplinas do programa. Capacitar participantes a desenvolver algoritmos e escrever códigos com vistas a implementações de modelos e extensões não contempladas em implementações de software.
+====== Programa Analítico ======
+  - Programação da função de verossimilhança para variáveis discretas, contínuas ou misturas.
+  - Programação do algoritmo de Newton Raphson.
+  - Programação do algoritmo Scoring de Fisher.
+  - Programação do algoritmo do tipo EM.
+  - Programação do algoritmo Gauss-Newton.
+  - Métodos de aproximação de integrais Monte Carlo, Boostraping.
+  - Exploração numérica da verossimilhança, verossimilhanças perfilhadas e marginais.
+  - Métodos para modelos com efeitos aleatórios.
+  - MCMC – Monte Carlo via Cadeias de Markov.
 ===== Detalhes da oferta da disciplina =====
@@ Linha 22: / Linha 34: @@
 ===== Programa da Disciplina =====
-Por enquanto verifique o conteúdo [[https://uspdigital.usp.br/janus/componente/catalogoDisciplinasInicial.jsf?action=3&sgldis=LCE5715|na página dadisciplina no sistema JANUS]].
+Por enquanto verifique o conteúdo [[https://uspdigital.usp.br/janus/componente/catalogoDisciplinasInicial.jsf?action=3&sgldis=LCE5715|na página da disciplina no sistema JANUS]].
 */
@@ Linha 40: / Linha 52: @@
 ===== Materiais do Curso =====
-  * {{:disciplinas:lce5715-2014:01-02-apresentacao-verossimilhanca.pdf|Slides da 1a aula}}
+  * {{:disciplinas:lce5715-2014:01-02-apresentacao-verossimilhanca.pdf|Slides da 1a e 2a aulas}} (Verossimilhança)
-  * A acrescentar
+    - Arquivo de comandos: {{:disciplinas:lce5715-2014:exponencial.r|exemplo da exponencial}}
+    - Texto sobre {{:disciplinas:lce5715-2014:gamma.pdf|inferência na distribuição Gamma}}
+  * {{:disciplinas:lce5715-2014:03-apresentacao-regressao.pdf|Slides da 3a aula}} (regressão)
+    - [[http://www.tandfonline.com/doi/full/10.1080/02664763.2014.922168#.VB9mFCVKaXo|Link para artigo da //count-gamma//]] e veja também a página de [[publications:papercompanions:zeviani-jas2014|complementos online do artigo]] (se não conseguir acesso acima veja [[http://arxiv-web3.library.cornell.edu/abs/1312.2423|uma versão preliminar do texto.]])
 __**ATENÇÃO:**__ arquivos/páginas poderão atualizados durante o curso.
@@ Linha 56: / Linha 71: @@
 ===== Histórico das aulas =====
 Veja aqui o [[disciplinas:lce5715-2014:historico|histórico das aulas]] do curso com os conteúdos abordados e as atividades sugeridas a cada semana de aulas
+  - (15 de Agosto) Paradigma para inferência. Visão frequêntista, bayesiana. Função de verossimilhança, desvio e verossimilhança relativa. Exemplos.
+  - (22 de Agosto) Teste da razão de verossimilhanças. Algoritmo  de Newton Raphson com um e mais parâmetros. Reparametrização.
+  - (29 de Agosto) Programação do algoritmo de NR para as distribuições Poisson, Exponencial, Normal com variância conhecida e gamma com um parâmetro conhecido. Discussão do valor inicial e critérios de convergência. Derivadas numéricas no R.
+  - (5 de Setembro) Programação do algoritmo de NR para a distribuição Exponencial Potência com um parâmetro conhecido. Gráfico da densidade e do logaritmo da função de verossimilhança. Derivadas numéricas no R. Comparar as contas feitas a mão com os resultados feitos usando deriv3 no R. Mostramos que a distribuição Exponencial Potência é um caso particular da distribuição normal.
+  - (19 de Setembro) Função de verossimilhança perfilhada (exemplo com a distribuição gamma). Teste de Wald e aproximação quadrática do logaritmo da função de verossimilhança. Intervalos de confiança com base no logaritmo da função de verossimilhança e função desvio. Processo Poisson não homogêneo.
+  - (26 de Setembro) Foram estudadas duas parametrizações da distribuição beta. Com isto, estimamos os parâmetros do modelo usando BFGS e L-BFGS-B dentro da função optim() no R. Além disso, foram feitas as curvas de níveis (contornos) e o gráfico de superfície da função de log-verossimilhança para as duas parametrizações.
+  - (3 de Outubro) Programação do modelo AR(1), usando a distribuição normal univariada considerando todas as observações (a primeria v.a. possui normal com outros parâmetros), sem a primeira observação (expressão fechada para o EMV de rho). Finalmente usamos a distribuição normal multivariada para ajustar o parâmetro do modelo AR(1). Comparar os resultados anteriores com as funções arima e ar do R.
+  - (10 de Outubro) Modelos de regressão com efeitos aleatórios. Conceitos gerais (Função de Verossimilhanca Marginal). Alguns modelos particulares Modelo Poisson com intercepto aleatório e Modelo beta com efeitos aleatórios. Integração numérica (Laplace, Quadatura Gaussiana, Monte Carlo).
+  - (17 de Outubro) Exercícios sobre o comando integrate() do R com a distribuição Exponencial, Normal e Poisson. Cálculo de integrais conhecidas, probabilidades acumuladas. Comparamos as funções do R com o comando integrate(). Foram estudadas algumas ideias de como construir o logaritmo da função de verossimilhança marginal para o modelo normal com efeito aleatório normal e o modelo Poisson com efeito aleatório normal, tudo isso usando o comando integrate do R.
+  - (24 de Outubro) Exercícios sobre Quadratura de Gauss Hermite usando as funções ghq (library(glmmML)) e gauss.quad (library(statmod)) do R. Cálculo de integrais conhecidas. Comparamos a Quadratura de Gauss Hermite com o comando integrate() do R. Estimação de parâmetros para o logaritmo da função de verossimilhança marginal para o modelo normal com intercepto aleatório e o modelo Poisson com intercepto aleatório.
+  - (31 de Outubro) Estudo sobre as distribuições Birnbaum-Saunders, Gumbel, Slash, Pareto e Gaussiana Inversa.
+  - (7 de Novembro) Apresentação de seminários.
+  - (14 de Novembro) Estimação de parâmetros para o logaritmo da função de verossimilhança marginal para o modelo normal com intercepto aleatório e o modelo Poisson com intercepto aleatório usando a aproximação de Laplace.
+  - (21 de Novembro) Não haverá aula.
+  - (28 de Novembro) Curso Geert (Modelos Mistos).
+  - (5 de Dezembro) Seminários.
 ===== Espaço Aberto =====

Diferenças

Navegação

Busca

Ferramentas

QR Code