Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças
Aqui você vê as diferenças entre duas revisões dessa página.
| Ambos lados da revisão anterior Revisão anterior | |||
|
disciplinas:ce227-2018-01:historico [2018/06/12 15:52] paulojus |
disciplinas:ce227-2018-01:historico [2019/11/04 11:52] (atual) paulojus |
||
|---|---|---|---|
| Linha 81: | Linha 81: | ||
| === 26/02 === | === 26/02 === | ||
| - Completar problemas propostas nas aulas anteriores após as discussões em aula | - Completar problemas propostas nas aulas anteriores após as discussões em aula | ||
| - | - Escrever um código para o Exemplo da Poisson (2.3 do material), que permita desenhas as funções e avaliar efeitos de prioris e dados | + | - Escrever um código para o Exemplo da Poisson (2.3 do material), que permita desenhar as funções e avaliar efeitos de prioris e dados |
| - Ler e resolver exercícios do Capítulo 2 da apostila | - Ler e resolver exercícios do Capítulo 2 da apostila | ||
| Linha 170: | Linha 170: | ||
| === 09/04 === | === 09/04 === | ||
| - Fazer um código (com operações matriciais) para os cálculos do Exemplo 1. O código deve permitir definir diferentes prioris e verossimilhanças. Experimentar com valores diferentes do exemplo. | - Fazer um código (com operações matriciais) para os cálculos do Exemplo 1. O código deve permitir definir diferentes prioris e verossimilhanças. Experimentar com valores diferentes do exemplo. | ||
| - | - Especificar valores para os hiperparâmetros p e q no Exemplo 2 e simular um conjunto de dados. Obter a posteriori e maginais. Fazer gráficos conjuntos e marginais da priori e posteriori. | + | - Especificar valores para os hiperparâmetros //p// e //q// no Exemplo 2 e simular um conjunto de dados. Obter a posteriori e maginais. Fazer gráficos conjuntos e marginais da priori e posteriori. |
| - No Exemplo 3 obter a marginal <latex>[\sigma^2|y]</latex> e a posteriori condicional <latex>[\mu|\sigma^2,y]</latex> | - No Exemplo 3 obter a marginal <latex>[\sigma^2|y]</latex> e a posteriori condicional <latex>[\mu|\sigma^2,y]</latex> | ||
| - Ainda no exemplo 3 definir os hiperparâmetros de obter uma simulação de dados do modelo | - Ainda no exemplo 3 definir os hiperparâmetros de obter uma simulação de dados do modelo | ||
| Linha 290: | Linha 290: | ||
| ## | ## | ||
| ## A estratégia de Gibbs é alternar as simulações entre **as distribuições condicionais** | ## A estratégia de Gibbs é alternar as simulações entre **as distribuições condicionais** | ||
| - | ## o que "parece" errado ,as provouse que a cadeia de valores assim simulados **converge** para a distribuição conjunta | + | ## o que "parece" errado ,as provou-se que a cadeia de valores assim simulados **converge** para a distribuição conjunta |
| ## [\mu|\sigma^2, y] \sim {\rm N}(\overline{y}, \sigma^2/n) | ## [\mu|\sigma^2, y] \sim {\rm N}(\overline{y}, \sigma^2/n) | ||
| ## [\sigma^2|\mu, y] \sim {\rm IG}(\frac{n}{2}, \frac{2}{A}) | ## [\sigma^2|\mu, y] \sim {\rm IG}(\frac{n}{2}, \frac{2}{A}) | ||
| Linha 309: | Linha 309: | ||
| sigma2.simG[1] <- 100 | sigma2.simG[1] <- 100 | ||
| - | {for(i in 2:N){ | + | { |
| + | for(i in 2:N){ | ||
| A <- with(dados, SQ + n*(mu.simG[i-1]-m)^2) | A <- with(dados, SQ + n*(mu.simG[i-1]-m)^2) | ||
| sigma2.simG[i] <- with(dados, 1/rgamma(1, shape=n/2, scale=2/A)) | sigma2.simG[i] <- with(dados, 1/rgamma(1, shape=n/2, scale=2/A)) | ||
| Linha 341: | Linha 342: | ||
| === 23/04 === | === 23/04 === | ||
| - | - Implementar modelo semelhante ao visto em aula porém com <math>log(lambda ~Normal). (ver detalhes na versão revisada do Cap 8 do material do curso. | + | - Implementar modelo semelhante ao visto em aula porém com <math>log(lambda ~Normal)</math>. (ver detalhes na versão revisada do Cap 8 do material do curso. |
| - Implementar a regressão linear via algoritmo de Gibbs. Usar dados simulados de uma regressão linear simples. Incluir amostras da preditiva no algoritmo | - Implementar a regressão linear via algoritmo de Gibbs. Usar dados simulados de uma regressão linear simples. Incluir amostras da preditiva no algoritmo | ||
| - Código para o modelo visto em aula:<code R> | - Código para o modelo visto em aula:<code R> | ||
| Linha 398: | Linha 399: | ||
| === 07/05 === | === 07/05 === | ||
| - | - *Atividade 1* (individual ou duplas) Buscar algum pacote do R ou outro programa que permita obter os resultados (analíticos) vistos até aqui no curso. Evitar coincidẽncias entre os escolhidos | + | - **Atividade 1** (individual ou duplas) Buscar algum pacote do R ou outro programa que permita obter os resultados (analíticos) vistos até aqui no curso. Evitar coincidẽncias entre os escolhidos |
| - | - *Atividade 2* (individual ou duplas) Buscar algum pacote do R ou outro programa que permita obter por simulação resultados pera os exemplos vistos até aqui no curso. Evitar coincidẽncias entre os escolhidos | + | - **Atividade 2** (individual ou duplas) Buscar algum pacote do R ou outro programa que permita obter por simulação resultados pera os exemplos vistos até aqui no curso. Evitar coincidẽncias entre os escolhidos |
| - | - *Atividade 3* (individual ou duplas) Utilizar o recurso visto na Atividade 2 para analizar algum modelo/exemplo não visto no curso. Evitar coincidẽncias entre os escolhidos | + | - **Atividade 3** (individual ou duplas) Utilizar o recurso visto na Atividade 2 para analizar algum modelo/exemplo não visto no curso. Evitar coincidẽncias entre os escolhidos |
| === 14/05 === | === 14/05 === | ||
