Aproximações de distribuições marginais a posteriori utilizando o método INLA
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/93248 |
Resumo: | O uso da Estatística Bayesiana vem se tornando cada vez mais frequente, isso pois os modelos são mais intuitivos e em alguns casos apenas modelos Bayesianos obtêm sucesso (modelos de Teoria da Resposta ao Item por exemplo). O grande problema surge quando não se pode derivar analiticamente os resultados, o que ocorre para a maioria dos modelos. Para driblar esta barreira, os métodos mais difundidos foram os métodos de simulação MCMC (sigla em inglês de Markov Chain Monte Carlo, que significa Monte Carlo via Cadeias de Markov). O grande contraponto destes métodos é o tempo computacional demandado, que por vezes torna a análise de modelos mais complexos demasiadamente demorada. Neste sentido o método INLA, que é um método determinístico, surge como uma solução para os problemas pois, quando comparado com os métodos de simulação obtém resultados muito satisfatórios e com um tempo computacional mais viável, o que facilita a prática da Estatística Bayesiana. O principal objetivo deste trabalho é iniciar o leitor no método tanto nos princípios básicos teóricos quando na parte computacional. No presente trabalho utilizamos alguns exemplos para ilustrar os resultados matemáticos em que o método INLA se baseia. Além disto, apresenta-se um breve tutorial com alguns comandos para executar o método já implementado no pacote R-INLA do software R. Durante este trabalho foi possível observar que a matemática inserida no método é complexa e que os resultados são bastante satisfatórios, tanto quando comparados com resultados exatos (quando disponíveis) como quando comparados com resultados via MCMC. Também foi possível perceber que a utilização do pacote R-INLA ébastante simples e o tempo computacional gasto para geração dos resultados é mais baixo do que o tempo computacional gasto em métodos de simulação. |
id |
UFRGS-2_e634b07cc0550bdf103b92dfd4037117 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/93248 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Azevedo, Douglas Roberto MesquitaLeotti, Vanessa Bielefeldt2014-04-11T01:52:27Z2013http://hdl.handle.net/10183/93248000915161O uso da Estatística Bayesiana vem se tornando cada vez mais frequente, isso pois os modelos são mais intuitivos e em alguns casos apenas modelos Bayesianos obtêm sucesso (modelos de Teoria da Resposta ao Item por exemplo). O grande problema surge quando não se pode derivar analiticamente os resultados, o que ocorre para a maioria dos modelos. Para driblar esta barreira, os métodos mais difundidos foram os métodos de simulação MCMC (sigla em inglês de Markov Chain Monte Carlo, que significa Monte Carlo via Cadeias de Markov). O grande contraponto destes métodos é o tempo computacional demandado, que por vezes torna a análise de modelos mais complexos demasiadamente demorada. Neste sentido o método INLA, que é um método determinístico, surge como uma solução para os problemas pois, quando comparado com os métodos de simulação obtém resultados muito satisfatórios e com um tempo computacional mais viável, o que facilita a prática da Estatística Bayesiana. O principal objetivo deste trabalho é iniciar o leitor no método tanto nos princípios básicos teóricos quando na parte computacional. No presente trabalho utilizamos alguns exemplos para ilustrar os resultados matemáticos em que o método INLA se baseia. Além disto, apresenta-se um breve tutorial com alguns comandos para executar o método já implementado no pacote R-INLA do software R. Durante este trabalho foi possível observar que a matemática inserida no método é complexa e que os resultados são bastante satisfatórios, tanto quando comparados com resultados exatos (quando disponíveis) como quando comparados com resultados via MCMC. Também foi possível perceber que a utilização do pacote R-INLA ébastante simples e o tempo computacional gasto para geração dos resultados é mais baixo do que o tempo computacional gasto em métodos de simulação.application/pdfporEstatistica bayesianaCadeias de MarkovSoftware estatísticoAproximações de distribuições marginais a posteriori utilizando o método INLAinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática. Departamento de EstatísticaPorto Alegre, BR-RS2013Estatística: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT000915161.pdf.txt000915161.pdf.txtExtracted Texttext/plain112130http://www.lume.ufrgs.br/bitstream/10183/93248/2/000915161.pdf.txt132d1daabb2189f529f43eb58411f884MD52ORIGINAL000915161.pdf000915161.pdfTexto completoapplication/pdf1213370http://www.lume.ufrgs.br/bitstream/10183/93248/1/000915161.pdfd7d43a1e5ddae5768a0faa6c26e58204MD51THUMBNAIL000915161.pdf.jpg000915161.pdf.jpgGenerated Thumbnailimage/jpeg1452http://www.lume.ufrgs.br/bitstream/10183/93248/3/000915161.pdf.jpg0c46ea0881eec74fad746e2b7c07b4acMD5310183/932482019-01-17 04:24:45.645335oai:www.lume.ufrgs.br:10183/93248Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2019-01-17T06:24:45Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Aproximações de distribuições marginais a posteriori utilizando o método INLA |
title |
Aproximações de distribuições marginais a posteriori utilizando o método INLA |
spellingShingle |
Aproximações de distribuições marginais a posteriori utilizando o método INLA Azevedo, Douglas Roberto Mesquita Estatistica bayesiana Cadeias de Markov Software estatístico |
title_short |
Aproximações de distribuições marginais a posteriori utilizando o método INLA |
title_full |
Aproximações de distribuições marginais a posteriori utilizando o método INLA |
title_fullStr |
Aproximações de distribuições marginais a posteriori utilizando o método INLA |
title_full_unstemmed |
Aproximações de distribuições marginais a posteriori utilizando o método INLA |
title_sort |
Aproximações de distribuições marginais a posteriori utilizando o método INLA |
author |
Azevedo, Douglas Roberto Mesquita |
author_facet |
Azevedo, Douglas Roberto Mesquita |
author_role |
author |
dc.contributor.author.fl_str_mv |
Azevedo, Douglas Roberto Mesquita |
dc.contributor.advisor1.fl_str_mv |
Leotti, Vanessa Bielefeldt |
contributor_str_mv |
Leotti, Vanessa Bielefeldt |
dc.subject.por.fl_str_mv |
Estatistica bayesiana Cadeias de Markov Software estatístico |
topic |
Estatistica bayesiana Cadeias de Markov Software estatístico |
description |
O uso da Estatística Bayesiana vem se tornando cada vez mais frequente, isso pois os modelos são mais intuitivos e em alguns casos apenas modelos Bayesianos obtêm sucesso (modelos de Teoria da Resposta ao Item por exemplo). O grande problema surge quando não se pode derivar analiticamente os resultados, o que ocorre para a maioria dos modelos. Para driblar esta barreira, os métodos mais difundidos foram os métodos de simulação MCMC (sigla em inglês de Markov Chain Monte Carlo, que significa Monte Carlo via Cadeias de Markov). O grande contraponto destes métodos é o tempo computacional demandado, que por vezes torna a análise de modelos mais complexos demasiadamente demorada. Neste sentido o método INLA, que é um método determinístico, surge como uma solução para os problemas pois, quando comparado com os métodos de simulação obtém resultados muito satisfatórios e com um tempo computacional mais viável, o que facilita a prática da Estatística Bayesiana. O principal objetivo deste trabalho é iniciar o leitor no método tanto nos princípios básicos teóricos quando na parte computacional. No presente trabalho utilizamos alguns exemplos para ilustrar os resultados matemáticos em que o método INLA se baseia. Além disto, apresenta-se um breve tutorial com alguns comandos para executar o método já implementado no pacote R-INLA do software R. Durante este trabalho foi possível observar que a matemática inserida no método é complexa e que os resultados são bastante satisfatórios, tanto quando comparados com resultados exatos (quando disponíveis) como quando comparados com resultados via MCMC. Também foi possível perceber que a utilização do pacote R-INLA ébastante simples e o tempo computacional gasto para geração dos resultados é mais baixo do que o tempo computacional gasto em métodos de simulação. |
publishDate |
2013 |
dc.date.issued.fl_str_mv |
2013 |
dc.date.accessioned.fl_str_mv |
2014-04-11T01:52:27Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/93248 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000915161 |
url |
http://hdl.handle.net/10183/93248 |
identifier_str_mv |
000915161 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/93248/2/000915161.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/93248/1/000915161.pdf http://www.lume.ufrgs.br/bitstream/10183/93248/3/000915161.pdf.jpg |
bitstream.checksum.fl_str_mv |
132d1daabb2189f529f43eb58411f884 d7d43a1e5ddae5768a0faa6c26e58204 0c46ea0881eec74fad746e2b7c07b4ac |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224463331622912 |