Última actualización: 02/04/2019


Curso Académico: 2019/2020

Inferencia Bayesiana
(17763)
Titulación: Máster Universitario en Estadística para la Ciencia de Datos (345)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: CABRAS , STEFANO

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Obligatoria
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Materias que se recomienda haber superado
Familiarización con la estadística clásica
Competencias que adquiere el estudiante y resultados del aprendizaje.
El objetivo de esta asignatura es introducir el enfoque moderno a la estadística bayesiana, enfatizando los aspectos computacionales y las diferencias entre los métodos bayesianos y clásicos.
Descripción de contenidos: Programa
1. Conceptos de probabilidad asociados a la Estadística Bayesiana 2. Familias conjugadas de distribuciones 3. Distribuciones a priori subjetivas y objetivas 4. Métodos numéricos y MCMC 5. Estimación y contrastes de hipótesis 6. Regresión y modelos jerárquicos 7. Series temporales y previsión
Actividades formativas, metodología a utilizar y régimen de tutorías
Sesiones prácticas sobre la computación bayesiana y el uso de software bayesiano para la implementación de los algoritmos MCMC. Las clases serán principalmente orientada a practicar y verificar el aprendizaje de los conceptos ilustrados en los correspondientes cápitulos del libro. Queda al estudiante llegar a clase con los conceptos por lo menos memorizados en la única actividad de estudio/memorización demandada a fuera de la clase. Esto en la óptica coerente de la clase invertida.
Sistema de evaluación
  • Peso porcentual del Examen Final 30
  • Peso porcentual del resto de la evaluación 70
Bibliografía básica
  • Jeff Gill. Bayesian Methods A Social and Behavioral Sciences Approach Third Edition . CRC Press.
Bibliografía complementaria
  • Bolstad, W.M.. Introduction to Bayesian statistics. Wiley.
  • Box, G.E. and Tiao, G.C.. Bayesian inference in statistical analysis. Wiley.
  • Chen, M-H. Monte Carlo methods in bayesian computation. Springer.
  • Congdon, P.. Applied Bayesian modelling. Wiley.
  • D' Agostini, J.. Bayesian reasoning in data analysis : a critical introduction. World Scientific.
  • Dey, D.K. and Rao, C.R.. Bayesian thinking : modeling and computation. Elsevier.
  • Gamerman, D.. Markov chain Monte Carlo : stochastic simulation for Bayesian inference. Chapman & Hall.
  • Gilks, W., Richardson, S. and Spiegelhalter, D.J.. Markov chain Monte Carlo in practice. Chapman and Hall.
  • Robert, C.P.. The Bayesian choice : from decision-theoretic foundations to computational implementation (2nd edition). Springer.

El programa de la asignatura y la planificación semanal podrían sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.


Dirección web para más información: http://portal.uc3m.es/portal/page/portal/dpto_estadistica/personal/Stefano_Cabras