Carga horária da disciplina: 8 horas/aula

Professor(es) em 2024-2

Turma 11

Professor: Ivair Ramos Silva - e-mail Horários: Segunda-feira (15h20 - 17h00) Quarta-feira (15h20 - 17h00)

Objetivos

Ementa

Geração de números aleatórios, Métodos gráficos para alisamento univariado e multivariado, Identificação de estruturas em informações empíricas, Estimação de funções empíricas, Métodos Monte Carlo para Inferência Estatística, Aleatorização amostral, Métodos Bootstrap, Inferência estatística para densidade amostral e relações multivariadas.

Conteúdo Programático

- Conteúdo programático:
-
- Parte I – Geração de números aleatórios
- - Aleatoriedade de números pseudoaleatórios
- - Geração de variáveis aleatórias não uniformes
- - O método da aceitação/rejeição por Cadeias de Markov
- - Geração de variáveis aleatórias multivariadas
- - Geração de números aleatórias com base na amostra
-
- Parte II - Métodos gráficos para alisamento univariado e multivariado
- - Alisamento e desenho de curvas
- - Visualizando variáveis conjuntamente
-
- Parte III - Identificação de estruturas empíricas
- - Transformações
- - Medidas de similaridade e dissimilaridade
-
- Parte IV- Estimação de funções empíricas
- - Abordagens gerais para estimação de funções
- - Propriedades de estimadores de funções
-
- Parte V- Métodos Monte Carlo para Inferência Estatística
- - Testes Monte Carlo
- - Testes Monte Carlo sequenciais
- - Teste Monte Carlo Empírico (Bootstrap paramétrico)
- - Intervalos de Confiança Monte Carlo
-
- Parte VI- Aleatorização amostral
- - Métodos aleatorizados
- - Validação cruzada para alisamento e ajuste de modelos
- - Métodos Jeckknife
-
- Parte VII- Métodos Bootstrap
- - Bootstrap para Correção de vício
- - Estimador Booststrap para a variância
- - Testes Bootstrap
- - Intervalos de confiança Bootstrap
-
- Parte VIII- Inferência estatística para densidade amostral e relações multivariadas
- - Métodos paramétricos
- - Métodos não-paramétricos (histograma, núcleo-estimador, séries ortogonais)

Bibliografia

- Bibliografia básica:
-
        - 1- GENTLE, J.E. Computational Statistics. Springer; 2009.
        -
        - 2- CASELLA, G.; BERGER, R.L. Inferência estatística. São Paulo: Cengage Learning, 2010.
-
        - 3- LAW, A.M.; KELTON, D.W. Simulation Modeling and Analysis. McGrawHill, 1991.

Bibliografia complementar

- 1- ROSS, S.M. Simulation (Statistical Modeling and Decision Science). Academic Press, 1996.
                -
        - 2- MOOD, A.; GRAYBILL, F.; BOES, D. Introduction to the theory of statistics. 3. ed. Singapore: MacGraw Hill, 1974.
        - 3- BICKEL, P. J.; DOKSUM, K. A.. Mathematical Statistics: Basic Ideas and Selected Topics, Vol I, Prentice Hall; 2. ed., 2000.
        - 4- DUDEWICZ, E. J.; MISHRA, S. W.. Modern Mathematical Statistics. New York: Editora John Wiley & Sons, 1988.