Disciplina: MÉTODOS COMPUTACIONAIS EM ESTATÍSTICA

Disciplina ministrada pelo professor Paulo Cerqueira dos Santos Junior, da Faculdade de Estatística da Universidade Federal do Pará.

EMENTA

1. Simulação Estocástica: Geração de variáveis aleatórias; Métodos de aceitação e rejeição; Otimização Numérica: Algoritmo EM; Simulated annealing.

2. Métodos aproximados de inferência: Aproximação de Laplace; Amostragem por importância; Integração de Monte Carlo.

3. Método de Monte Carlo via Cadeias de Markov: Amostrador de Gibbs; Algoritmo de Metropolis e Metropolis Hastings; Diagnósticos de convergência e Cálculo da Distribuição Marginal: MCMC com saltos reversíveis; Comparação de modelos.

Bibliografia

1. Rizzo, M.L., & Rizzo, M.L. Statistical Computing with R, Second Edition (2nd ed.). Chapman and Hall/CRC, 2019.

2. Gamerman, D. e Lopes,H. F. Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference, Second Edition. Chapman & Hall, 2006.

3. Givens, G. H. e Hoeting, J. A. Computational Statistics (Wiley Series in Computational Statistics), 2012.

4. Robert, C.P. and Casella, G. Monte Carlo Statistical Methods. Springer, 2004.

5. Santos, C. C. Métodos Computacionais Aplicados à Estatística: Implementação no Software R, Relatório técnico, Série Ensino, Dest-UFMG, 2022.