123904 - Estatística Computacional |
Período da turma: | 26/02/2024 a 26/02/2026
|
||||
|
|||||
Descrição: | 1. Simulação de variáveis (vetores) aleatórias: números pseudoaleatórios, métodos de inversão, aceitação-rejeição, mudança de variáveis e método de superposição.
2. Métodos de Monte Carlo: integração de MC e amostragem por importância. 3. Métodos estatísticos baseados em reamostragem: Bootstrap, Jacknife, validação cruzada e permutação. 4. Métodos de Monte Carlo via Cadeias de Markov: amostrador de Gibbs, Metrópolis-Hastings. 5. Otimização numérica: gradiente descendente, Newton-Raphson, scoring, quase-Newton, Algoritmo EM (Expectation Maximization), Recozimento Simulado (Simulated Annealing). Bibliografia Complementar 1. Robert, C.P. & Casella, G. (2004). Monte Carlo Statistical Methods. Springer. 2. Asmussen, S., & Glynn, P. W. (2007). Stochastic Simulation: Algorithms and Analysis (Vol. 57). Springer Science & Business Media. 3. Frey, A. &Cribari-Neto, F. (2005). Elementos de Estatística Computacional usando plataformas de software Livre, 25o. Colóquio Brasileiro de Matemática, IMPA. 4. Gamerman, D.; Lopes, H. F. Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference, 2nd. edition. 2a. ed. Londres: Chapman & Hall/CRC, 2006. v. 1. 336p. 5. Efron, B. & Tibshirani (1993). An introduction to the Bootstrap. Chapman and Hall. 6. Thisted, R. A. (2017). Elements of statistical computing: Numerical computation. Routledge. 7. Tanner, M. (1996). Tools for Statistical Inference. Chapman and Hall. 8. McLachlan, G.J. and Krishnan, T. (2008) The EM algorithm and extentions, John Wiley and Sons, 2nd edition. |
||||
Carga Horária: |
60 horas |
||||
Tipo: | Optativa | ||||
Vagas oferecidas: | 50 | ||||
Ministrantes: |
Anatoli Iambartsev |
voltar |
Créditos © 1999 - 2024 - Superintendência de Tecnologia da Informação/USP |