| Processo: | 16/21137-2 |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Data de Início da vigência: | 01 de fevereiro de 2017 |
| Data de Término da vigência: | 31 de janeiro de 2019 |
| Área do conhecimento: | Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística |
| Pesquisador responsável: | Ricardo Sandes Ehlers |
| Beneficiário: | Ricardo Sandes Ehlers |
| Instituição Sede: | Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil |
| Assunto(s): | Estatística computacional |
| Palavra(s)-Chave do Pesquisador: | Computação Bayesiana | Hamiltonian Monte Carlo | Metropolis Langevin | redução de variância | Estatística Computacional |
Resumo
Este projeto tem por objetivo o desenvolvimento e aplicação de métodos computacionalmente intensivos que exploram a geometria de distribuições a posteriori no espaço paramétrico de modelos estatisticos sob o enfoque Bayesiano. Procura-se assim melhorar a eficiência dos métodos MCMC em computação Bayesiana já que tais estratégias em geral levam à convergência das cadeias de Markov com muito menos iterações. Estas ideias serão combinadas com técnicas de redução de variância em estimadores de Monte Carlo. Como os custos computacionais envolvidospor iteração são mais altos o custo-benefício deverá ser investigados através de estudos de simulação e análises com dados reais. Espera-se prover assim evidência empírica de que tais métodos se justificam em aplicações práticas sendo o aumento esperado no custo computacionalcompensado por uma exploração mais eficiente da distribuição a posteriori. (AU)
| Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio: |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |