Matemáticas (plan 1983) 2024-2

Optativas de los Niveles VII y VIII, Estadística Bayesiana

Objetivo

El curso de estadística bayesiana está diseñado para que los estudiantes aprendan y se familiaricen con los conceptos claves del enfoque bayesiano así como sus aplicaciones

Temario propuesto

1. Introducción al enfoque bayesiano
2. Modelado y aprendizaje bayesiano
3. Métodos computacionales
4. Modelos de un sólo parámetro
5. Modelos de múltiples parámetros y modelos jerárquicos
6. Modelos lineales
7. Modelos dinámicos
8. Modelos de mezclas

Evaluación

La evaluación se realizará de forma continua a lo largo del semestre considerando:

1. Tareas y prácticas a realizar de forma individual (70%)
2. Una tarea examen a realizar de forma individual o en equipos de máximo 3 personas (30%)

Alguna bibliografía recomendada

1. Albert, J. (Ed.). (2009). Bayesian computation with R. New York, NY: Springer New York.
2. Bernardo, J. M., & Smith, A. F. (2009). Bayesian theory(Vol. 405). John Wiley & Sons.
3. Damien, P., Dellaportas, P., Polson, N. G., & Stephens, D. A. (Eds.). (2013). Bayesian theory and applications. OUP Oxford.
4. Gelman, A., Carlin, J. B., Stern, H. S., & Rubin, D. B. (1995). Bayesian data analysis. Chapman and Hall/CRC.
5. Ghosh, J. K., Delampady, M., & Samanta, T. (2006). An introduction to Bayesian analysis: theory and methods(Vol. 725). New York: Springer.
6. Robert, C. P. (2007). The Bayesian choice: from decision-theoretic foundations to computational implementation (Vol. 2). New York: Springer.

Página del curso

https://joseperusquia.github.io/bayesian.html

Google classroom

https://classroom.google.com/c/NjUwNTE1MTAwMjcz?cjc=y3vrqea