MI 612

Métodos Não Paramétricos para Estimação de Curvas e Superfícies
Material Para Leitura


Ementa: O histograma. Histograma como um estimador de máxima verossimilhança. Estatísticas do histograma. Estimação de densidades pelo método de Kernel. Estatísticas do estimador po Kernel. A escolha do parâmetro de suavização. Outros estimadores de densidade: séries ortogonais, máxima verossimilhança penalizada. O estimador de Nadaraya-Watson. O método K-nn. Técnicas de regressão não paramétrica para dados correlacionados. Conjunto de dados com outliers: Lowess, L-suavização, R-suavização. Técnicas de regressão não paramétrica por funções de base.
Aulas: Segundas e Quartas as 16hs.
Bibliografia Recomendada:
Leituras recomendadas:
Avaliações
Primeira Avaliação em 29/04/2024.
Segunda Avaliação em 26/06/2024.
Poderão haver outras avaliações para compor a Primeira e a Segunda avaliações.





Softwares: R A linguagem R pode ser obtida gratuitamente de  www.R-project.org




Alguns sites de interesse:
http://www.stats.gla.ac.uk/steps/glossary/nonparametric.html
http://turnbull.mcs.st-and.ac.uk/~history/BiogIndex.html
http://www.morris.umn.edu/~sungurea/introstat/history/indexhistory.shtml


Sugestão de leitura para o teste de Wilcoxon Breve_leitura_wilcoxon
Breve introducao a Lowess






Pode-se obter gratuitamente Acrobat para ler arquivos PDF em www.adobe.com/products/acrobat/readstep.html

Outras leituras serão recomendadas durante o decorrer do curso.