Auxílio à pesquisa 16/21137-2 - Estatística computacional - BV FAPESP
Busca avançada
Ano de início
Entree

Computação Bayesiana via Métodos Geométricos e Redução de Variância.

Processo: 16/21137-2
Modalidade de apoio:Auxílio à Pesquisa - Regular
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
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
DANILEVICZ, IAN M.; EHLERS, RICARDO S.. Bayesian influence diagnostics using normalized functional Bregman divergence. COMMUNICATIONS IN STATISTICS-THEORY AND METHODS, . (16/21137-2)
DANILEVICZ, IAN M.; EHLERS, RICARDO S.. Bayesian influence diagnostics using normalized functional Bregman divergence. COMMUNICATIONS IN STATISTICS-THEORY AND METHODS, v. 51, n. 6, p. 16-pg., . (16/21137-2)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.
X

Reporte um problema na página


Detalhes do problema: