- 04/08 (Seg): Apresentação da disciplina. Paradigmas para inferência (frequentista, verossimilhança, bayesiano).
- Atividade: revisar o Teorema de Bayes como preparação para próxima aula.
- 07/08 (Qui): Discussão do questionário. Revisões conceituais - Teorema de Bayes.
- Atividade 1: fazer cálculos (“na mão” e no R) dos problemas mostrados nos slides. Escrever uma função para calcular o vpp e vpn. Reproduzir cálculos e gráficos mostrados nos slides com sua função.
- Atividade 2: criar uma base de dados que reproduza o exemplo do teste de diagnóstico. A base deve ter 10.000 dados e o resultado de três exames com as mesmas características.
- 11/08 (Seg): extendendo o Teorema de Bayes, informações do teorema baseadas em dados, introdução ao Naïve Bayes.
- Atividade 1: Separar o arquivo do conjunto de dados do 3 variáveis classificadores (testes) visto em aula em conjuntos de treino e teste. Usar os resultados do conjunto de treino para prever as observações do conjunto de teste. Veja separação dos conjuntos no (final) do arquivo de comandos para todos usarmos a mesma semente de gerador aleatório.
- Atividade 2: analisar com naïve Bayes os dados de Titanic.
- 14/08 (Qui) Tópicos adicionais sobre o Naïve Bayes. Classificadoras contínuas. Códigos e pacotes.
- *Atividade 1: Estudar e rodar códigos do arquivo de comandos para classificação com classificadores contínuas.
- Atividade 2: Baseando-se nos exemplos anteriores, escrever código de naïve Bayes para um problema com uma classificadora categórica e uma contínua. Use este arquivo de dados. Separar conjunto de treino com 75% das observações usando semente seet.seed(2025).
- *Atividade 3: Compare resultados de naïve Bayes obtidos até aqui com os obtidos com o uso do pacote “naivebayes”.
- 18/08 (Seg): Semana Acadêmica.
- 21/08 (Qui): Semana Acadêmica.
- 25/08 (Seg): Revisitando cálculos do teorema de Bayes em quatro exemplos: teste diagnóstico, questão em exame, problema de Monty Hall, bolas na urna. Gráficos de priori, verossimilhança (padronizada) e posteriori no problema das bolas na urna. Generalizações.
- Atividade: Revisitar a solução dos problemas vistos em aula. Revisitar usando formato de solução visto em aula e notação \(Y\) e \(\theta\) os problemas do Capítulo 1 do material do curso. Implementar computacionalmente os cálculos de todos problemas, incluindo fazer gráficos de prioris, verossimilhanças e posterioris.
- 28/08 (Qui): Exemplos do Teorema de Bayes. Do discreto para o contínuo: generalizando o exemplo da proporção de canhotos.
- 01/09 (Seg): Ainda mais um exemplo de parâmetro discreto. Inferência Bayesiana para a proporção de uma distribuição binomial.
- 04/09 (Qui): Do discreto para o contínuo, Modelos Binomial-Beta e Poisson-Gamma. Derivação da obtenção da posteriori.
- 08/09 (Seg): Feriado.
- 11/09 (Qui): Dedução das expressões da posteriori, marginal (preditiva a priori) e preditiva (a posteriori) para proporção de uma binomial. Ilustrações computacionais: (i) gráficos de priori, verossimilhança e posteriori. Gráficos de preditivas (priori e posteriori). (ii) aproximação por simulação dos resultados analíticos (arquivo de comandos.
- 15/09 (Seg): Dúvidas e resultados para modelo Poisson-Gamma.
- 18/09 (Qui): Prova 1.
- 22/09 (Seg): Discussão da prova.
- 25/09 (Qui): Evento:2SS. Sem aula expositiva. Ver scripts para próxima aula em Materiais.
- 29/09 (Seg): Aproximações para posteriori: discretização, aproximação de Laplace (Gaussiana) e reparametrização.
- 02/10 (Qui): Revisão aula anterior agora com modelo Poisson. MCMC: programação de caso simples e alguns pacotes para MCMC.
- 06/10 (Seg): Resolução em sala de questão semelhante à questão 1 da prova.
- 09/10 (Qui): Princípio da verossimilhança, prioris impróprias, representações de ignorância, priori de Jeffreys, prioris de mistura.
- 13/10 (Seg): Sem aula expositiva. Atividade: ler e preparar capítulo 4 para discussão próxima aula.
- 16/10 (Qui): Transformações/reparametrizações: ilustrações de como prioris em uma escala (parametrização) implicam em prioris equivalentes e outras escalas. Ver script.
- 20/10 (Seg): Obtenção de priori de Jeffreys em alguns casos. Ilustração da invariância sob reparametrização: obtenção por transformação de variáveis e por reparametrização do modelo, ambas levando ao mesmo resultado. Modelos com dois parâmetros: modelo normal com prioris independentes de Jeffreys: obtenção da conjunta, condicionais e marginais. Relações com inferência frequentista.
- 23/10 (Qui): Sem aula expositiva
- 27/10 (Seg): Modelos com 2 parâmetros. Exemplos.
- 30/10 (Qui): Estudos para avaliação. Sem aula expositiva
- 03/11 (Seg): Prova 2.
- 06/11 (Qui): Discussão e resolução da Prova 2.
