0

Aprenda Métodos de Simulação Computacional Estocástica com Estatística Bayesiana com Exemplos Biológicos em R.

O que você aprenderá

  • Estatística Bayesiana
  • Processos Estocásticos
  • Re-Amostragem por Importância
  • Algoritmo de Kinas
  • Métodos de Simulação Estocástica
  • Cadeias de Markov
  • Método de Monte Carlo
  • Entropia Relativa à Uniformidade

Requisitos 

Descrição

Este curso, indicado para iniciantes em Estatística Bayesiana, amplia a abrangência do uso da Análise Bayesiana de Dados de forma irrestrita, permitindo simular qualquer tipo de comportamento probabilístico.

Durante o curso você vai aprender métodos de simulação estocástica: Introdução aos Processos Estocásticos; Método de Monte Carlo; Cadeias de Markov; Re-Amostragem por Importância; Distribuições Posteriores e muito mais!

Para quem é este curso:

  • Pesquisadores (PhD, Doutores, Mestres), Cientistas de Dados, Profissionais/Estudantes de Humanas, Biológicas e Exatas.

Incluído no Curso

  • 5 horas de vídeo aulas
  • 15 Recursos para download
  • Acesso total vitalício
  • Acesso no dispositivo móvel e desktop
  • Certificado de conclusão com link para autenticação

Condições de Pagamento*

Parcelamos em até 10x no cartão de crédito ou à vista no boleto bancário, pelo sistema PagSeguro.

Após realizado o pagamento o aluno terá até 7 dias para desistir do curso ou antes de concluir o primeiro módulo (o que vencer primeiro). Caso o aluno desista do curso será reembolsado em até 30 dias com o valor integral, menos 4% referente às taxas administrativas.

* Para alunos residentes fora do Brasil emitimos ordem de pagamento pelo sistema PayPal. Para mais informações enviar mensagem para financeiro@metodosexatos.com.br

Professor responsável

andre santosAndré L.M.F. Santos

Matemático/Estatístico com Mestrado em Eng. de Produção.

Profissional com mais de 20 anos de experiência no setor acadêmico e corporativo.

Atualmente, faz doutorado em Marketing, pesquisando métodos quantitativos para otimização de investimento em meios digitais.

Currículo do Curso

INTRODUÇÃO
ABSE – 001 Apresentação 00:10:04
ABSE – 002 Metodologia 00:06:04
ABSE – 003 Processos & Ferramentas 00:05:40
ABSE – 004 Agenda e objetivos 00:02:49
ABSE – 005 Introdução 00:00:00
ABSE – 006 Dualidade entre Distribuição & Amostra 00:04:25
ABSE – 007 Integração de Monte Carlo 00:10:49
ABSE – 008 Métodos Indiretos para Amostras de Distribuições Posteriores 00:03:33
INTRODUÇÃO AOS PROCESSOS ESTOCÁSTICOS
ABSE – 009 Definição Processos Estocásticos 00:05:27
ABSE – 010 Classificação dos Processos Estocásticos 00:02:44
ABSE – 011 Estados de Processos Estocásticos 00:02:59
ABSE – 012 Cadeias de Markov a Tempo Discreto 00:08:05
ABSE – 013 Matriz de Transição 00:08:00
ABSE – 014 Aplicação Cadeias de Markov 00:11:13
ABSE – 015 Atividade – Cadeias de Markov 00:03:39
ABSE – 016 Solução Atividade – Cadeias de Markov 00:07:40
ABSE – 017 Solução Atividade – Cadeias de Markov no R 00:07:52
ABSE – 018 Considerações sobre Processos Estocásticos 00:06:09
RE-AMOSTRAGEM POR IMPORTÂNCIA
ABSE – 019 Densidade de Probabilidade g(θ) e peso w(θ) 00:07:54
ABSE – 020 Algoritmo de Re-Amostragem por Importância 00:06:12
ABSE – 021 Entropia Relativa à Uniformidade 00:03:26
ABSE – 022 Exemplo – Contraceptivo RU 486 00:05:46
ABSE – 023 Re-Amostragem por Importância no R 00:10:39
ABSE – 024 Ajuste do Modelo no R 00:13:21
ABSE – 025 Entropia Relativa à Uniformidade no R 00:04:23
ABSE – 026 Resultados 00:15:05
ABSE – 027 SIR – Metodologia & Processos Essenciais 00:11:23
MONTE CARLO COM CADEIAS DE MARKOV
ABSE – 028 Método de Monte Carlo – Introdução 00:03:22
ABSE – 029 Características do Método de Monte Carlo (MMC) 00:03:53
ABSE – 030 Exemplo prático do Algoritmo do MMC 00:03:15
ABSE – 031 Demonstração do MCCM na Ornitologia 00:08:36
ABSE – 032 Probabilidades Condicionais 00:03:50
ABSE – 033 Diagrama da Trajetória Migratória 00:09:24
ABSE – 034 Matriz de Transição do Processo Migratório das Aves 00:05:06
ABSE – 035 Solução para Matriz de Transição & Grafo no R 00:06:17
ABSE – 036 Produto Matricial 00:05:31
ABSE – 037 Distribuição Estacionária (DE) 00:11:25
ABSE – 038 Aproximação da DE com C.Markov com Espaço de Estado Discreto 00:06:54
ABSE – 039 Modelo no R para Markov com Espaço de Estado Discreto 00:07:21
ABSE – 040 Algoritmo de Metropolis-Hastings 00:03:33
ABSE – 041 Programas WinBUGS e JAGS 00:04:59
EXERCÍCIOS COMPLEMENTARES
QABSE01 Ilimitado
QABSE02 Ilimitado
QABSE03 Ilimitado
QABSE04 Ilimitado
QABSE05 Ilimitado
ABSE – 042 Exercício 06 00:09:40
ABSE – 043 Exercício 07 00:15:00

Course Reviews

N.D

0
1 ratings
  • 5 stars0
  • 4 stars0
  • 3 stars0
  • 2 stars0
  • 1 stars0
  1. sarley2606197517 de agosto de 2020 at 14:28Responder

    Sarley. Silva curso de excelente qualidade, nível de aplicações elevado e professor didáctico.. .

Related Courses

91 ALUNOS INSCRITOS

Cursos Relacionados

Melhores Classificados

Revisões do Curso

  • Introdução à Bioestatística com Computação Científica

    Excelente 5

    Muito bem explicado.
    Ramiro Nery de Souza
  • Curso Estatística Descritiva

    Muito bom! 4

    O conteúdo é muito bem explicado em um ritmo que, mesmo quem não tem muita experiência em estatística pode acompanhar. Pra quem já tem experiência, pode ser muito básico, mas é sempre bom rever os conceitos.
    Fábio Baum
  • Planejamento de Estudos Estatísticos

    Parabéns

    Muito bom. Foi possível aprender diversos conceitos.
    LeonardoFelipedasChagas
  • Pré-cálculo I

    Excelente 5

    Curso muito bom, está ajudando muito há relembrar os conceitos matemáticos.
    guilhermevfc
  • Computação Científica com R

    5

    Adorei o curso! A explicação é objetiva, o professor realiza a prática através de exemplos no Rstudio. Estão de parabéns! Gostei bastante!
    Angélica Rodrigues de Lima
  • Computação Científica com R

    5

    O curso é excelente para quem está iniciando ou até mesmo quem ficou muito tempo sem contato com a ferramenta e precisava relembrar alguns conceitos básicos. O André segue uma didática muito boa.
    AndersonAlmeida
Métodos Exatos © Direitos reservados.