Estadística Bayesiana

Acreditable al Doctorado en Estadística y Maestría en Estadística Aplicada

DOCENTE: Dra. Márcia D´Elia Branco.

DESTINATARIOS: Estudiantes de doctorado y maestría con conocimientos sobre Probabilidad e Inferencia estadística.

DÍAS: 18, 21, 22 y 23 de marzo de 2016.

HORARIO:  de 9 a 12hs y de 14 a 17hs.

LUGAR: Facultad de Ciencias Económicas y Estadística U.N.R.
                Oroño 1261 - Rosario

ARANCEL:
• Para  profesionales que no ejerzan la docencia $3800.
• Para docentes de Universidades Públicas  que no pertenezcan a la UNR $2800.
• Docentes de la UNR sin cargo. (no incluye material impreso).

Becarios de CONICET y ANPCyT 10% de descuento.
Becarios de CONICET y ANPCyT admitidos a los doctorados de FCEyE sin cargo. (no incluye material impreso).
FORMAS DE PAGO: consultar con Asociación Cooperadora en el horario de atención al 4802785, o al correo cobranza-cooperadora@fcecon.unr.edu.ar

ORGANIZA: Secretaría de Posgrado y Formación Continua.

OBJETIVOS
El razonamiento bayesiano proporciona un enfoque probabilístico a la inferencia. Está basado en la suposición de que las cantidad de interés son gobernadas por distribuciones de probabilidad y que se pueden tomar decisiones óptimas razonando sobre estas probabilidades junto con los datos obtenidos. Este enfoque está siendo utilizado en multitud de campos de investigación y está influenciando a la mayoría de los métodos estadísticos clásicos de análisis de datos.
El empleo de los métodos bayesianos en la investigación científica requiere de la definición previa de las distribuciones iniciales. Este curso pretende introducir las bases matemáticas y probabilísticas que han dado lugar al desarrollo de este enfoque en los métodos estadísticos inferenciales, definiendo las distribuciones iniciales, explorando las distribuciones finales y predictivas que se deducen de ellas y analizando su utilización en problemas de estimación.
También se considerará el uso de los programas R y BUGS para implementación de las inferencias y aplicaciones.

CONTENIDOS
1. Revisión de contenidos básicos del pensamiento bayesiano: el teorema de Bayes; distribuciones a priori y a posteriori; conjugación e intervalos de credibilidad.
2.  Métodos de Monte Carlo y el uso del programa BUGS.
3.  Comparación de modelos y pruebas de hipótesis.
4. Modelos de regresión con errores normales.
5. Modelos de regresión con errores no normales.
6. Regresión con respuestas binarias.
7. Aplicación: La teoría de respuesta al ítem.