Aspectos Práticos Computacionais dos Algoritmos de Simulação MCMC
Autor(a) principal: | |
---|---|
Data de Publicação: | 1999 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://doi.org/10.11606/D.55.2018.tde-05032018-163433 |
Resumo: | Os algoritmos de simulação de Monte Carlo em cadeia de Markov (MCMC) têm aplicações em várias áreas da Estatística, entre elas destacamos os problemas de Inferência Bayesiana. A aplicação destas técnicas no entanto, exige uma análise teórica da distribuição a posteriori para assegurar a convergência. Devido ao alto grau de complexidade de certos problemas, essa análise nem sempre é possível. O objetivo deste estudo é destacar estas dificuldades e apresentar alguns aspectos práticos computacionais que podem auxiliar na solução de problemas de inferência Bayesiana. Entre estes ressaltamos os critérios de seleção de amostras, o uso de técnicas de diagnósticos de convergência e métodos de estimativas. |
id |
USP_a4fde7bbc37afc29842d00b9366d5597 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-05032018-163433 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis Aspectos Práticos Computacionais dos Algoritmos de Simulação MCMC Not available 1999-12-22Marinho Gomes de Andrade FilhoJorge Alberto AchcarFrancisco Louzada NetoAna Cláudia Oliveira de MeloUniversidade de São PauloCiências da Computação e Matemática ComputacionalUSPBR Não disponível Not available Os algoritmos de simulação de Monte Carlo em cadeia de Markov (MCMC) têm aplicações em várias áreas da Estatística, entre elas destacamos os problemas de Inferência Bayesiana. A aplicação destas técnicas no entanto, exige uma análise teórica da distribuição a posteriori para assegurar a convergência. Devido ao alto grau de complexidade de certos problemas, essa análise nem sempre é possível. O objetivo deste estudo é destacar estas dificuldades e apresentar alguns aspectos práticos computacionais que podem auxiliar na solução de problemas de inferência Bayesiana. Entre estes ressaltamos os critérios de seleção de amostras, o uso de técnicas de diagnósticos de convergência e métodos de estimativas. The algorithms of Monte Cano Markov Chain simulation have application in many areas of statistics, among them we highlight the Bayesian inference problem. The application of these technics however, demands a theoretical analysis of the posterior distribution to assure the convergence. Because of the high complexity levei of certain problems, this analysis is not always possible the purpose of this study is to underline this difficulties and present some practical computational aspects that may help in the solution of the Bayesian inference problems. Among them we emphasize sample selection, convergence diagnostics and parameter inference by central limit theorem. https://doi.org/10.11606/D.55.2018.tde-05032018-163433info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T18:14:50Zoai:teses.usp.br:tde-05032018-163433Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-12-22T12:09:13.622636Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.pt.fl_str_mv |
Aspectos Práticos Computacionais dos Algoritmos de Simulação MCMC |
dc.title.alternative.en.fl_str_mv |
Not available |
title |
Aspectos Práticos Computacionais dos Algoritmos de Simulação MCMC |
spellingShingle |
Aspectos Práticos Computacionais dos Algoritmos de Simulação MCMC Ana Cláudia Oliveira de Melo |
title_short |
Aspectos Práticos Computacionais dos Algoritmos de Simulação MCMC |
title_full |
Aspectos Práticos Computacionais dos Algoritmos de Simulação MCMC |
title_fullStr |
Aspectos Práticos Computacionais dos Algoritmos de Simulação MCMC |
title_full_unstemmed |
Aspectos Práticos Computacionais dos Algoritmos de Simulação MCMC |
title_sort |
Aspectos Práticos Computacionais dos Algoritmos de Simulação MCMC |
author |
Ana Cláudia Oliveira de Melo |
author_facet |
Ana Cláudia Oliveira de Melo |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Marinho Gomes de Andrade Filho |
dc.contributor.referee1.fl_str_mv |
Jorge Alberto Achcar |
dc.contributor.referee2.fl_str_mv |
Francisco Louzada Neto |
dc.contributor.author.fl_str_mv |
Ana Cláudia Oliveira de Melo |
contributor_str_mv |
Marinho Gomes de Andrade Filho Jorge Alberto Achcar Francisco Louzada Neto |
description |
Os algoritmos de simulação de Monte Carlo em cadeia de Markov (MCMC) têm aplicações em várias áreas da Estatística, entre elas destacamos os problemas de Inferência Bayesiana. A aplicação destas técnicas no entanto, exige uma análise teórica da distribuição a posteriori para assegurar a convergência. Devido ao alto grau de complexidade de certos problemas, essa análise nem sempre é possível. O objetivo deste estudo é destacar estas dificuldades e apresentar alguns aspectos práticos computacionais que podem auxiliar na solução de problemas de inferência Bayesiana. Entre estes ressaltamos os critérios de seleção de amostras, o uso de técnicas de diagnósticos de convergência e métodos de estimativas. |
publishDate |
1999 |
dc.date.issued.fl_str_mv |
1999-12-22 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://doi.org/10.11606/D.55.2018.tde-05032018-163433 |
url |
https://doi.org/10.11606/D.55.2018.tde-05032018-163433 |
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.publisher.none.fl_str_mv |
Universidade de São Paulo |
dc.publisher.program.fl_str_mv |
Ciências da Computação e Matemática Computacional |
dc.publisher.initials.fl_str_mv |
USP |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade de São Paulo |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1794502478035681281 |