Profesor | Antonio Soriano Flores | lu mi vi | 19 a 20 | 104 (Nuevo Edificio) |
Ayudante | ma ju | 19 a 20 | 104 (Nuevo Edificio) |
Objetivo:Mostrar al alumno la aplicación del enfoque bayesiano en el análisis de datos mediante el uso de modelos lineales.
Se hace un breve repaso del enfoque inferencial bayesiano además de proporcionar los métodos computacionales más utilizados en el ajuste de modelos lineales generalizados. (JAGS)
1. Breve Repaso de la Estadística Bayesiana
a. Conceptos fundamentales y comparación contra los métodos estadísticos clásicos
b. Inferencia Bayesiana
i. Distribución Inicial
ii. Distribución Final
iii. Distribución Predictiva
2. Métodos computacionales Bayesianos
a. Aproximación de la distribución final vía simulación
b. Algoritmo de Metropolis-Hasting
c. Algoritmo de Gibss
d. Uso de JAGS
3. Modelos Lineales desde el Enfoque Bayesiano
a. Regresión Lineal Bayesiana
b. Modelos Lineales Generalizados
c. Modelos Jerárquicos Lineales
Evaluación:
Tareas-Proyecto: 50%
Exámenes: 50%
Bibliografía:
· Gutiérrez-Peña, E. (1997). Métodos Computacionales en la Inferencia Bayesiana. Serie Monografías, Vol. 6, No. 15. Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas, Universidad Nacional Autónoma de México.
· Bernardo, J.M. y Smith, A.F.M. (1994). Bayesian Theory. Chichester: Wiley
· Gelman, A., Carlin, J.B., Stern, H.S. y Rubin, D.B. (1995). Bayesian Data Analysis. London: Chapman & Hall.
· Notas del Profesor