Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Ambos lados da revisão anterior Revisão anterior
Próxima revisão
Revisão anterior
disciplinas:lce5715-2014 [2014/08/22 16:44]
clobos [section 3]
disciplinas:lce5715-2014 [2014/11/14 22:05] (atual)
clobos
Linha 1: Linha 1:
 ====== LCE-5715 - Métodos Computacionais para Inferência com Aplicações em R  ====== ====== 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 ===== ===== Detalhes da oferta da disciplina =====
Linha 22: Linha 34:
 ===== Programa da Disciplina ===== ===== 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 ===== ===== 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. __**ATENÇÃO:​**__ arquivos/​páginas poderão atualizados durante o curso.
Linha 56: Linha 71:
 ===== Histórico das aulas ===== ===== 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 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 ===== ===== Espaço Aberto =====

QR Code
QR Code disciplinas:lce5715-2014 (generated for current page)