Portal do Ementário

Proporcionar aos alunos o conhecimento teórico-prático de métodos numéricos de otimização e integração e técnicas de reamostragem enfatizando suas aplicações nas inferências frequentista e bayesiana.

Decomposições matriciais; Resolução de sistemas de equações lineares e não-lineares; Otimização numérica; Estimação: métodos dos momentos, máxima verossimilhança; mínimos quadrados lineares e não-lineares; Bootstrap e validação cruzada para problemas Integração numérica e aplicações em estatística Bayesiana.

GENTLE, James E. Elements of computational statistics. [New York]: Springer, 2002. xviii, 420 p. JAMES, Gareth et al. An Introduction to statistical learning: with applications in R. New York: Springer, 2013. xiv, 426 p.  RUBINSTEIN, Reuven Y.; KROESE, Dirk P. Simulation and the Monte Carlo method. 2nd ed. Hoboken, N.J.: John Wiley, 2008. xvii, 345 p.

EFRON, Bradley; TIBSHIRANI, Robert. An introduction to the bootstrap. Boca Raton, Fla.: Chapman & Hall, 1994. xvi, 436 p. HASTIE, Trevor; TIBSHIRANI, Robert; FRIEDMAN, Jerome. The elements of statistical learning: data mining, inference,   and prediction. 2nd ed. New York, N.Y.: Springer, 2009. xxii, 745p. MORETTIN, P. A. & SINGER, J. Estatística e Ciência de Dados. LTC; 1ª edição. 2022. PROTTER, Philip E. Stochastic integration and differential equations. 2nd ed. Berlin: Springer, 2004. xiii, 419 p. ROSS, Sheldon M. Simulation. 4th ed. Amsterdam: Boston: Elsevier Academic Press, 2006. xiii, 298 p. TORGO, Luís. Data mining with R: learning with case studies. Boca Raton, Fla.: CRC Press: Chapman & Hall, 2011. xv,   289 p.