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 [2014/10/03 17:57]
clobos
disciplinas:lce5715-2014 [2014/11/14 22:05] (atual)
clobos
Linha 78: Linha 78:
   - (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.   - (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.   - (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.
    
  

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