| Semana | Fecha | Unidad | Temas | Lectura sugerida | Otras actividades |
|---|---|---|---|---|---|
| 1 | 11 de marzo | 1 | • Presentación de la materia • Probabilidad • Regla de Bayes • Inferencia bayesiana • Distribución a priori, función de verosimilitud y distribución a posteriori • Modelos conjugados |
• McElreath (2020): Capítulos 1 y 2 • Kruschke (2014): Capítulos 1, 4, 5 y 6 • Johnson, Ott, y Dogucu (2022): Capítulos 1, 3, 4, 5 y 8 |
|
| 2 | 18 de marzo | 1, 2 | • Continuación de modelos conjugados • Modelos de varios parámetros |
• Gelman et al. (2013): Capítulo 3 | |
| 3 | 25 de marzo | 2 | • Nociones de Teoria de Decisión Bayesiana | ||
| 4 | 1 de abril | 3 | • Limitaciones del enfoque analítico • Simulaciones • Aproximación mediante grilla • Introducción al cómputo bayesiano • Markov-chain Montecarlo • Metropolis-Hastings |
• Johnson, Ott, y Dogucu (2022): Capítulos 6 y 7 • McElreath (2020): Capítulo 3 • Kruschke (2014): Capítulo 7 |
Presentación TP1 (3-abr) |
| 5 | 8 de abril | 3 | • Metropolis-Hastings • Diagnósticos • Hamiltonian Montecarlo |
• Johnson, Ott, y Dogucu (2022): Capítulo 7 • Kruschke (2014): Capítulo 7 |
|
| 6 | 15 de abril | 3 | • Programación probabilística • Stan • Diagnósticos • Visualizaciones • Hamiltonian Montecarlo • Paquete rstan |
• Kruschke (2014): Capítulo 14 • Lambert (2018): Capítulo 15 |
Entrega TP1 (17-abr) |
| 7 | 22 de abril | 4 | • Modelos lineales • Paquetes brms y rstanarm |
• Johnson, Ott, y Dogucu (2022): Capítulo 9 • McElreath (2020): Capítulo 4 • Gelman y Hill (2006): Capítulos 3 y 4 • Gelman, Hill, y Vehtari (2021): Capítulos 6, 7 y 8 |
Presentación TP2 (24-abr) |
| 8 | 29 de abril | • Trabajo TP2 | |||
| 9 | 6 de mayo | 4 | • Regularización • Selección de modelos • Criterios de información • Validación cruzada • Sobreajuste y subajuste |
• Gelman, Hill, y Vehtari (2021): Capítulo 11 • Johnson, Ott, y Dogucu (2022): Capítulo 10 • McElreath (2020): Capítulo 7 |
Entrega TP2 (8-may) |
| 10 | 13 de mayo | • Repaso | Parcial (17-may) | ||
| 11 | 20 de mayo | 5 | • Regresión logística | • Gelman, Hill, y Vehtari (2021): Capítulo 13 • Gelman y Hill (2006): Capítulo 5 • Johnson, Ott, y Dogucu (2022): Capítulo 13 |
Presentación TP3 (22-may) |
| 12 | 27 de mayo | 5 | • Regresión Poisson | • Johnson, Ott, y Dogucu (2022): Capítulo 12 • Gelman y Hill (2006): Capítulo 6 • Gelman, Hill, y Vehtari (2021): Capítulo 15 |
Recuperatorio (31-may) |
| 13 | 3 de junio | 5 | • Enfoque multinivel • Modelos jerárquicos • Shrinkage de parámetros |
• Kruschke (2014): Capítulo 9 • Johnson, Ott, y Dogucu (2022): Capítulos 15 y 16 • McElreath (2020): Capítulo 13 • Gelman y Hill (2006): Capítulo 11 |
Entrega TP3 (5-jun) Presentación TP Final (5-jun) |
| 14 | 10 de junio | 5 | • Modelos lineales jerárquicos • Variación en el intercepto • Variación en la pendiente • Problemas de estimación |
• Johnson, Ott, y Dogucu (2022): Capítulo 17 • Gelman y Hill (2006): Capítulos 12 y 13 |
|
| 15 | 17 de junio | Entrega TP Final (17-jun) Defensa TP |
|||
| 16 | 24 de junio | Defensa TP |
Calendario
Referencias
Gelman, Andrew, John B. Carlin, Hal S. Stern, David B. Dunson, Aki Vehtari, y Donald B. Rubin. 2013. Bayesian Data Analysis. 3rd edition. Chapman; Hall/CRC.
Gelman, Andrew, y Jennifer Hill. 2006. Data Analysis Using Regression and Multilevel-Hierarchical Models. 1st edition. Cambridge University Press.
Gelman, Andrew, Jennifer Hill, y Aki Vehtari. 2021. Regression and Other Stories. 1st edition. Cambridge University Press. https://users.aalto.fi/~ave/ROS.pdf.
Johnson, Alicia A., Miles Q. Ott, y Mine Dogucu. 2022. Bayes Rules! An Introduction to Bayesian Modeling. 1st edition. Chapman; Hall/CRC. https://www.bayesrulesbook.com/.
Kruschke, John. 2014. Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan. 2nd edition. Academic Press.
Lambert, Ben. 2018. A Student’s Guide to Bayesian Statistics. 1st edition. SAGE Publications Ltd.
McElreath, Richard. 2020. Statistical Rethinking: A Bayesian Course with Examples in R and Stan. 2nd edition. Chapman; Hall/CRC.