• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Disertación de Maestría
DOI
https://doi.org/10.11606/D.55.2018.tde-05032018-163433
Documento
Autor
Nombre completo
Ana Cláudia Oliveira de Melo
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Carlos, 1999
Director
Tribunal
Andrade Filho, Marinho Gomes de (Presidente)
Achcar, Jorge Alberto
Louzada Neto, Francisco
Título en portugués
Aspectos Práticos Computacionais dos Algoritmos de Simulação MCMC
Palabras clave en portugués
Não disponível
Resumen en portugués
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.
Título en inglés
Not available
Palabras clave en inglés
Not available
Resumen en inglés
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.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2018-03-05
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2024. Todos los derechos reservados.