Planeación del curso de Estadística bayesiana.

Profesor: J Andrés Christen, oficina K226, jac at cimat.mx

Tarea 1: la definimos a mediados de marzo, dos semanas para entregarla.

Examen 1: Al entregar la tarea 1.

Tarea 2: dos semanas antes de terminar el curso y al final del curso.

Examen 2: Al entregar la tarea 2.

PDF con la presentación actualizada del curso:

Temario del curso y organización por las sesiones a impartir:

Introducción-motivación y álgebra del análisis conjugado modelo normal y regresión lineal:

Sesiones 1, 2, 3 y 4) .

Fundamentos:

Sesiones 5, 6 y 7) .

Estimación puntual y teoría de decisiones:

Sesiones 8 y 9)

Análisis conjugado, ejemplos:

Sesión 10)

Regresión lineal:

Sesiones 11 y 12)

Teorema de representación de de Finetti:

Sesión 13)

Teoría asintótica y consistencia de la inferencia bayesiana:

Sesión 14)

Elementos de aproximación de Laplace, SIR, y MCMC:

Sesiones 15, 16, 17)

MCMC y ejemplos análisis no-conjugado y modelos jerárquicos:

Sesiones 18, 19 y 20)

UQ bayesiana:

Sesiones 21, 22 y 23)

Sesión 24) Análisis de datos usando el modelo de depredador-presa de Lokta-Volterra:

Sesión 25) Análisis de referencia, inpartada por ...: 08/05.

Temas selectos:

Sesión 26) Comparación de modelos.

Sesión 27) Redes bayesianas.

Posibles temas selectos:

Análisis de cadenas de MCMC.

¿como se pone la a priori?.

Predicción en series de tiempo.

Bayesiana no parametrica, impartida por (por confirmar).

Exposiciones alumnos de doctorado(*)

(*) Los alumnos de maestría tienen que asistir