Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças
Aqui você vê as diferenças entre duas revisões dessa página.
| Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior Próxima revisão Ambos lados da revisão seguinte | ||
|
disciplinas:ce227-2016-01:historico [2016/03/30 22:22] paulojus |
disciplinas:ce227-2016-01:historico [2016/04/28 16:48] paulojus |
||
|---|---|---|---|
| Linha 25: | Linha 25: | ||
| | 28/03 Seg |Discussão sobre Cap 2 do texto do curso. |Exercícios do Capítulo | | | | | 28/03 Seg |Discussão sobre Cap 2 do texto do curso. |Exercícios do Capítulo | | | | ||
| | 30/03 Seg |Discussão sobre Cap 3 do texto do curso (prioris). |Exercícios do Capítulo | | | | | 30/03 Seg |Discussão sobre Cap 3 do texto do curso (prioris). |Exercícios do Capítulo | | | | ||
| + | | 04/04 Seg |Inferência (bayesiana e não bayesiana) sobre o parâmetro variância de uma distribuição normal (com média fixa). Revisão conceitual e comparações. |{{:disciplinas:ce227:ce227-av01.pdf|arquivo discutido em aula}} | | | | ||
| + | | 06/04 Qua |desenvolver análises análogas às vistas na última aula para algum outro modelo com 1 parâmetro (excluindo da binomial ou algum dos parâmetros da normal) | | | | | ||
| + | | 11/04 Seg |Discussão das análises feitas pelos participantes do curso. Modelos com mais de um parâmetro - ideais fundamentais. Distribuições posterioris marginais, conjuntas e condicionais. |Cap 4 do material do curso | | | | ||
| + | | 13/04 Qua |Resumos da posteriori |Cap 5 do material do curso | |Preparar material para discussão sobre FBST | | ||
| + | | 18/04 Seg |Predição Bayesiana |Cap 6 do material do curso | |[[#18/04|Ver abaixo]] | | ||
| + | | 20/04 Qua |Testes FBST - parte 1/2 | | | | | ||
| + | | 25/04 Qua |Testes FBST - parte 2/2 e revisão/dúvidas para prova | | | | | ||
| + | | 27/04 Qua |1a prova | | | | | ||
| === 29/02 === | === 29/02 === | ||
| Linha 41: | Linha 49: | ||
| Propor e implementar algorítimos para discretização da posteriori e amostragem via métodos a rejeição e MCMC. | Propor e implementar algorítimos para discretização da posteriori e amostragem via métodos a rejeição e MCMC. | ||
| + | === 18/04 === | ||
| + | Considere o modelo de verossimilhança <latex>[Y|\mu, \sigma^2] \sim N(\theta, \sigma^2)</latex> e a priori <latex>\tau = 1/\sigma^2 \sim Ga(a, b)</latex>. Mostre como obter a densidade: \\ <latex>[Y|\theta, a, b] = \frac{\Gamma((n/2)+a)}{\pi^{n/2} \Gamma(a) (\sum_i (x_i - \theta)^2 + 2b)^{(n/2)+a}}</latex>. \\ Como este resultado pode ser interpretado? | ||
