Aspectos Práticos Computacionais dos Algoritmos de Simulação MCMC

Detalhes bibliográficos
Autor(a) principal: Ana Cláudia Oliveira de Melo
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

Registros relacionados