Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1093/ije/dyg255
1er Semestre
Probabilidad e inferência 12
Modelos lineales 8
2do Semestre
Aprendizagem de Maquina I 8
3er Semestre
4to Semestre
Estatística Avançada I 8
Nr. De crédito: 8
Carga horaria:
Contenidos:
Nr. de Créditos: 2
Carga Horária:
Conteúdo:
O curso consiste de palestras ministradas por docentes do MAE e especialistas convidados, sobre
temas de interesse em pesquisa básica, aplicações e historia da Probabilidade e da Estatística
além de tópicos relacionados com a definição e elaboração de projetos de pesquisa.
Disciplina MAE5904
Aprendizagem estatística em altas dimensões
Nr. de Créditos: 8
Carga Horária:
Conteúdo:
1- Introdução à aprendizagem estatística supervisionada.
2- Modelos lineares para regressão e classificação.
4- O método LASSO e o problema de seleção de variáveis.
5- Avaliação e seleção de modelos.
4- Método de k-vizinhos mais próximos, máquinas de vetores suporte e redes neurais.
5- Método “bagging", florestas aleatórias e método "boosting".
9- Modelos gráficos.
10- Aprendizagem não supervisionada.
Disciplina MAP5918
Aprendizagem de Máquinas I
Nr. de Créditos: 8
Carga Horária:
Conteúdo:
Disciplina MAE5704
Técnicas Computacionais em Probabilidade e Estatística I
Nr. de Créditos: 8
Carga Horária:
Conteúdo:
1. Análise exploratória de dados (uni e multivariados): medidas de posição, dispersão, assimetria, medidas robustas,
medidas bivariadas, associação entre variáveis, identificação de outliers, transformação de variáveis, gráficos.
2. Modelos de Regressão Linear, Regressão Resistente e Métodos de Suavização.
3. Simulação estocástica: métodos de inversão, rejeição, composição e métodos de reamostragem.
4. Otimização numérica: Newton-Raphson, scoring, quase-Newton.
5. Algoritmo EM.
6. "Bootstrap" e "Jacknife".
7. Métodos de Monte Carlo e Quadraturas Gaussianas.
Disciplina MAE5870
Análise de Séries Temporais
Nr. de Créditos: 8
Carga Horária:
Disciplina MAE5834
Estatística Avançada I
Nr. de Créditos: 8
Carga Horária:
Conteúdo:
1. Modelos estatísticos clássicos e bayesianos; modelos paramétricos, não paramétricos e semi-paramétricos.
2. Suficiência, suficiência mínima, completa, ancilaridade; famílias exponenciais de distribuições; informação de Fisher e
Kullback-Leibler.
3. Formulação do problema de decisão estatística; estimadores ótimos, admissibilidade.
4. Estimadores não-viesados de variância mínima, de máxima verossimilhança, bayesianos e robustos; intervalos de
confiança e credibilidade.
5. Formulação geral do problema do teste de hipóteses; lema de Neyman-Pearson e testes UMP. Teste da razão de
verossimilhanças.
6. Fator de Bayes, eliminação de parâmetros de incômodo, quantidade pivotal, p-valor.
Disciplina MAE5871
Análise Espectral de Séries Temporais
Nr. de Créditos: 8
Carga Horária:
Conteúdo:
1. Conceitos básicos: processos estocásticos e séries temporais, série estacionárias, função de autocovariância e
espectro.
2. Análise de Fourier para funções periódicas e não periódicas, a integral de Fourier.
3. Análise espectral de processos estacionários: relação entre espectro e função de autocovariância, o teorema de Wiener-
Kintchine. Representação espectral.
4. Análise espectral bivariada: função de covariância cruzada, espectro cruzado, coerência e fase.
5. Filtros lineares e não-lineares, espectro de amplitude e de fases. 6. Estimação do espectro: a transformada de Fourier
finita e o periodograma, estimadores suavizados
7. Análise espectral prática: aliasing, resolução e largura de faixa, escolha da janela espectral, a FFT, tendências e
ajustamento sazonal, estimadores auto-regressivos.
8. Espectros mistos e testes para priodicidades.
9. Outras análises: Walsh-Fourier e de Ondaletas.
Disciplina MAE5882
Modelagem em Séries Temporais Financeiras
Nr. de Créditos: 8
Carga Horária:
Conteúdo:
1. Retornos, fatos estilizados em séries financeiras.
2. Modelos lineares univariados. Raízes unitárias.
3. Modelos não lineares univariados. Modelos da família ARCH.
4. Valor em risco (VaR).
5. Modelos lineares multivariados. Modelo VAR.
6. Modelos multivariados da família ARCH.
7. Modelos de memória longa.
8. Análise de dados de alta freqüência.
9. Cointegração e modelos de correção de erros.
10. Análise de dependência e cópulas.