| Data | Conteúdo | Atividades Propostas |
| 31/05 | Introdução os curso. Informações sobre o curso. Uma revisão de inferência estatística: verossimilhança e Bayesiana. Noções básicas: Simulação. Bootstrap. Algorítmo E-M. MCMC. | Ler e preparar para apresentação Cap 1 e 2 das notas do curso, programar em alguma linguagem os conceitos do capítulo, incluindo: estimação de  por simulação (quadrado/circulo e agulha de Buffon) e geração de números aleatórios por diferentes métodos. |
| 07/06 | Simulação: exemplos de estimação de e códigos dos participantes. Relações com métodos de simulação para inferência estatística. Simulação de v.a: v.a. discretas, discretização de distribuições contínuas e discretização com interpolação linear. Simulação direta por transformada integral de probabilidades  . Amostragem por rejeição. Introdução e integração Monte Carlo. | Comparar a performance e eficiência das rotinas de estimação de . Fundamentar por argumentos de probabilidades o ex da agulha de Buffon. Mostrar o por que (fundamentação) a amostragem por rejeição funciona. Escrever programas/funções para gerar v.a. contínua pelos diferentes métodos. Preparar o tópico de métodos de integração: aproximações (Simpson, Q.G., Laplace, etc) e integração Monte Carlo. Preparar exemplos com cada um resolvido pelos diferentes métodos. |
| 14/06 | Integração: aproximações numéricas e de Monte Carlo. Amostragem por importância. Aplicações em modelos estatísticos | |
| 21/06 | Integração: Aproximação de Laplace e aplicações. Inferência por aproximação de integrais em modelos hierárquicos/efeitos aleatórios | Script de PJ sobre quadraturas e um desafio! Completar o script nas partes indicadas (e pensem em outros exemplos, situacoes etc). |
| | aulas continuaram mas deixamos de atualizar esta página… | |