Imprimir

Programa

CURSO:MÉTODOS BAYESIANOS	 
TRADUCCIÓN:BAYESIAN METHODS
SIGLA:EPG4005
CRÉDITOS:05 
MÓDULOS:02	
CARÁCTER:OPTATIVO
TIPO:CÁTEDRA, LABORATORIO
CALIFICACIÓN:ESTÁNDAR
DISCIPLINA:ESTADÍSTICA
PALABRAS CLAVE:INTELIGENCIA,ARTIFICIAL,CIENCIA DE DATOS,APRENDIZAJE,SUPERVISADO,NO SUPERVISADO


I.DESCRIPCIÓN DEL CURSO 

En este curso los estudiantes analizarán los fundamentos de la inferencia Bayesiana. Para ello, el curso entrega una comparación con la Inferencia Clásica, las principales características de la Inferencia Bayesiana, y las herramientas para el cálculo y aproximación de la distribución a postertiori en modelos paramétricos.


II.RESULTADOS DE APRENDIZAJE 

1.Analizar los conceptos fundamentales de la Inferencia Bayesiana.

2.Distinguir los problemas y desafíos del modelamiento Bayesiano paramétrico.

3.Aplicar métodos Bayesianos para predicción sobre la base de modelos de regresión.


III.CONTENIDOS

1.Concepto de modelo estadístico Bayesiano y tipos.

2.Introducción a la Inferencia Bayesiana.

3.Aproximaciones numéricas para la inferencia a posteriori.


IV.ESTRATEGIAS METODOLÓGICAS 

-Clases expositivas.

-Talleres prácticos de laboratorio.


V.ESTRATEGIAS EVALUATIVAS

-Controles: 30%

-Actividades prácticas en laboratorio: 30%

-Proyecto: 40%


VI.BIBLIOGRAFÍA

Mínima

Andrew Gelman, John B. Carlin, Hal S. Stern, David B. Dunson, Aki Vehtari, Donald B. Rubin (2013), Bayesian Data Analysis, third edition. London: CRC Press.
 
 
Complementaria

Box, George y Tiao, George (1992), Bayesian inference in statistical analysis, New York Wiley.

Robert, Christian P. (2007), The Bayesian choice: from decision-theoretic foundations to computational implementation 2Ed., New York: Springer.


PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE 
FACULTAD DE MATEMÁTICAS/ ENERO 2020