ANALISIS BAYESIANO DE DATOS
SECTOR: SEMINARIO DE ESTADISTICA
AREA: PROBABILIDAD Y ESTADÍSTICA
SERIACIÓN:
PRECEDENTE : PROBABILIDAD I, PROBABILIDAD 2, ESTADÍSTICA I, ESTADÍSTICA II
Salon 104 (NUEVO EDIFICIO)
Semestre 2020-1
Horario: 19:00-20:00
Ayudante 1: Yolanda Martinez Guerrero
act.magy@hotmail.com
WhatsApp : 52 1 55 2918 6373
Objetivos:
- Conocerá la aplicación del enfoque bayesiano en el análisis de datos mediante el uso de modelos lineales.
- El alumno hará uso de herramientas de simulación para obtener resultados inferenciales.
El alumno será capaz de ajustar y diagnosticar modelos lineales
desde el enfoque bayesiano.
Temario:
INFERENCIA BAYESIANA
- Conceptos fundamentales y comparación contra los métodos estadísticos clásicos
- Distribución Inicial
- Distribución Final
- Distribución Predictiva
- Teoría de la decisión
MÉTODOS COMPUTACIONALES UTILIZADOS EN LA ESTADISTICA BAYESIANA
- Aproximación de la distribución final vía simulación.
- Algoritmo de Metropolis-Hasting.
- Algoritmo de Gibss.
- Uso de JAGS.
MODELOS LINEALES DESDE EL ENFOQUE BAYESIANO
- Regresión Lineal Bayesiana.
- Modelos Lineales Generalizados.
- Modelos Jerárquicos Lineales. (Si hay tiempo)
AVISOS:
La forma de calificar es la siguiente:
Tareas-Proyecto: 50%
Exámenes: 50%
2 o 3 examenes
No hay reposición ni Final
Los examenes se ponderarán en función de la calificación, es decir, se dará mas peso a la mejor calificación.
NOTAS:
INFERENCIA BAYESIANA
METODOS COMPUTACIONALES
REGRESION LINEAL BAYESIANA
NOTAS_DISEÑO_EXPERIMENTOS
MANUAL DE JAGS
PAPER METROPOLIS (1953)
PAPER HASTINGS (1970)
METODO METROPOLIS-HASTINGS
ASPECTOS COMPUTACIONALES
ADDING_DISTRIBUTION_JAGS
TAREAS
Tarea 1 : TAREA 1
Tarea 2 : TAREA 2
Tarea 3 : TAREA 3
Tarea 4 : TAREA 4
Tarea 5 : TAREA 5
Tarea Examen : TAREA EXAMEN
Tarea 6 : TAREA 6
Tarea 7 : TAREA 7
Tarea 8 : TAREA 8
Tarea 9 : TAREA 9
Tarea 10 : TAREA 10
Tarea Examen : TAREA EXAMEN 2
PROYECTO FINAL
PROYECTO FINAL
BASES
base_regresion.txt
ratas.csv
PROGRAMAS EN R
Programa01.R
Programa02.R
Programa03.R
Programa04.R
Programa05.R
Programa06.R
Programa07.R
GAMMA_DOS_PARAMETROS.R
Programa08.R
Programa09.R
Programa10.R
Programa11.R
Programa12.R
Programa13.R
Programa14.R
Programa15.R
Programa15_bis.R
Programa16.R
Programa17.R
Programa17_BIS.R
Programa18.R
Programa19.R
Programa20.R
Programa21.R
Programa22.R
BAYES CLASE.R
AJUSTE POLINOMIO REGRESION.R
CALIFICACIONES
Calificaciones
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