Está en la página 1de 3

Maestria en

Estadistica

ESCUELA DE
POSGRADO

Introduccin a Inferencia Bayesiana usando WinBUGS

Horario
Profesor

: Sbado 22 y Domingo 23 de Agosto


: Dr. Cristian Bayes
Mg. Enver Tarazona

Requisitos

: Ninguno

1. Sumilla
Se presenta una introduccin a la inferencia basada en el enfoque bayesiano. Durante
el taller se discutirn los principios bsicos de la inferencia bayesiana, la estimacin de
parmetros y su aplicacin en distintas reas considerando modelos lineales usando
mtodos computacionales basados en simulacin bajo MCMC en BUGS.
2. Objetivos de aprendizaje

Aplicar procedimientos de anlisis estadsticos basados en inferencia


bayesiana para el anlisis exploratorio de datos.

Identificar y aplicar computacionalmente diversos mtodos de estimacin


estadstica frecuentistas y bayesianos.

Identificar, aplicar y desarrollar programas para uso de modelos estadsticos


usando R y BUGS (OpenBUGS y WinBUGS).

3. Contenido

Captulo I: Fundamentos de Inferencia Bayesiana


a. El Teorema de Bayes
b. Distribucin a priori, verosimilitud y distribucin a posteriori.
c. Distribuciones a priori conjugadas.
d. Computacin bayesiana: Mtodos MCMC

Captulo II: Modelos uniparamtricos y multiparamtricos


a. Estimacin - Enfoque frecuentista.
b. Inferencia bayesiana: Estimadores puntuales e intervalos de credibilidad
(HPD)
c. Distribucin predictiva a posteriori
d. Aplicaciones

Captulo III: Aplicaciones


1

ESCUELA DE
POSGRADO

Maestria en
Estadistica

a. Modelos de regresin lineal mltiple


b. Modelos lineales generalizados
i. Modelos de respuesta binaria
ii. Modelos para datos de conteo
iii. Modelos para datos positivos
4. Metodologa
El taller se desarrollar con clases expositivas del profesor presentando conceptos,
tcnicas y aplicaciones durante las cuales se mostrarn aplicaciones de los conceptos
aprendidos usando BUGS (WinBUGS y OpenBUGS). Se promover la participacin
activa del alumno durante la clase, opinando o aplicando los conocimientos en la
solucin de problemas que se planteen.

5. Bibliografa

Albert, J. (2007). Bayesian Computation with R. Springer-Verlag New York


Inc.

Bolstad, W. M. (2007), Introduction to Bayesian Statistics, 2nd ed. New


York: John Wiley & Sons.

Carlin, B. and Louis, T. A. (2000), Bayes and Empirical Bayes Methods for
Data Analysis, 2nd ed. London: Chapman & Hall.

Congdon, P. (2003), Applied Bayesian Modeling, New York: John Wiley &
Sons.

Congdon, P. (2006), Bayesian Statistical Modeling, 2nd ed. New York: John
Wiley & Sons.

Congdon, P (2010) Applied Bayesian Hierarchical Methods, Chapman &


Hall/CRC.

Cowles, M. (2013) Applied Bayesian Statistics. With R and OpenBUGS


Examples. New York: Springer.

Gelman, A., Carlin, J. B., Stern, H. S., y Rubin, D. B. (2004), Bayesian Data
Analysis, 3rd ed. London: Chapman & Hall.

Lunn, D., Jackson, C., Best, N., Thomas, A. y Spiegelhalter, D. (2013). The
BUGS Book. A practical Introduction to Bayesian Analysis. Boca Raton:
Chapman & Hall/CRC
2

ESCUELA DE
POSGRADO

Maestria en
Estadistica

Ntzoufras, I. (2009). Bayesian Modeling Using WinBUGS. Wiley Series in


Computational Statistics, Hoboken, USA

6. Cronograma

Da/Hora
Sbado 22 de Agosto
8:30 10 am
10:00 a. m. 10:30 a. m.
10:30 a. m. 12:00 m.
12:00 m. 1:30 p. m.
1:30 p. m. 3:00 p. m.
3:00 p. m. 3:30 p. m.
3:30 p. m. 5:00 p. m.
Domingo 23 de Agosto
8:30 a. m. 10 a. m.
10:00 a. m. 10:30 a. m.
10:30 a. m. 12:00 m.

Tema o captulo
Captulo I
Break
Captulo I
Almuerzo
Capitulo II
Break
Capitulo II
Capitulo III
Break
Captulo III