• 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
 
 
Dissertação de Mestrado
Documento
Autor
Nome completo
Ana Cláudia Oliveira de Melo
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 1999
Orientador
Banca examinadora
Andrade Filho, Marinho Gomes de (Presidente)
Achcar, Jorge Alberto
Louzada Neto, Francisco
Título em português
Aspectos Práticos Computacionais dos Algoritmos de Simulação MCMC
Palavras-chave em português
Não disponível
Resumo em português
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 em inglês
Not available
Palavras-chave em inglês
Not available
Resumo em inglês
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.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2018-03-05
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2018. Todos os direitos reservados.