If the contents are not translated, you can use the automatic translator

Modelos jerárquicos Bayesianos

Programa del curso

Contacte

GRECS, UdG

marc.saez@udg.edu

Programa del curso

· Introducción a la Estadística Bayesiana. Probabilidad y teorema de Bayes, proceso de aprendizaje Bayesiano, inferencia y predicción, modelos uniparamétricos.

 

· Modelización Bayesiana. Inferencia y predicción en modelos com más de un parámetro. Modelos basados en normalidad (LM). Aproximaciones numéricas para realizar la inferencia y la predicción. Markov Chain Monte Carlo (MCMC).

 

· Introducción a los modelos jerárquicos Bayesianos y a los modelos latentes Gaussianos. Aproximación INLA para modelos latentes Gaussianos.

 

· Incorporación de efectos aleatorios independientes. Modelos Autorregresivos, modelos GAM desde la perspectiva de los modelos latentes y su aproximación con INLA.

 

· Incorporación de efectos aleatorios con estructura espacial y temporal. Modelos de autocorrelación espacial (como los de mapas de enfermedades, más conocidos como disease mapping). Geoestadística con INLA.