Estadística Bayesiana 2024-II

Acerca del curso

Este curso de estadística bayesiana está diseñado para que los estudiantes aprendan y se familiaricen con los conceptos claves del enfoque bayesiano así como con algunas de sus aplicaciones.

Temario propuesto

En este curso nos enfocaremos (principalmente) en los siguientes temas.

• Introducción al enfoque bayesiano
• Modelado y aprendizaje bayesiano
• Métodos computacionales
• Modelos de un sólo parámetro
• Modelos de un múltiples parámetros y modelos jerárquicos
• Modelos lineales
• Modelos dinámicos
• Modelos de mezclas
• Estadística bayesiana no paramétrica

Calificación

La calificación final estará conformada por

• Tareas y prácticas (70%) a realizarse de forma individual o en equipos de máximo 3 personas.
• Tarea examen (30%) a realizarse de forma individual o en equipos de máximo 3 personas.

Bibliografía recomendada

• Albert, J. (Ed.) (2009). Bayesian computation with R. New York, NY: Springer New York.
• Bernardo, J. M., & Smith, A. F. (2009). Bayesian theory (Vol. 405). John Wiley & Sons, Ltd.
• Damien, P., Dellaportas, P., Polson, N. G., & Stephens, D. A. (Eds.). (2013). Bayesian theory and applications. OUP Oxford.
• Gelman, A., Carlin, J. B., Stern, H. S., & Rubin, D. B. (1995). Bayesian data analysis. Chapman and Hall/CRC.
• Ghosh, J. K., Delampady, M., & Samanta, T. (2006). An introduction to Bayesian analysis: theory and methods (Vol. 725). New York, NY: Springer New York.
• Robert, C. P. (2007). The Bayesian choice: from decision-theoretic foundations to computational implementation (Vol. 2). New York: Springer.
• Robert, C. P., & Casella G. (1999). Monte Carlo Statistical Methods (Vol. 2). New York: Springer.

Presentaciones

Introducción a la estadística bayesiana

Códigos

Los códigos que se vean a lo largo del curso se pueden checar en este repositorio.

Tareas

Tarea 1

Tarea 2

Tarea 3

Tarea Examen

Datos

SMSSpams.txt

T3ejercicio1.txt

transplantesCorazon.txt

Sensores.txt

galaxias.txt