Fundamentos de Inferencia Bayesiana
2do Cuatrimestre 2017
Horarios
Jueves de 13 a 17hs
Programa
- Repaso de probabilidad. Ideas de estadística clásica.
- Fundamentos: teorema de Bayes en un nuevo contexto.
- Ejemplos sencillos: binomiales, gaussianas.
- Modelos gráficos, modelos jerárquicos.
- Ejemplos más complejos de modelado.
- Algoritmos de muestreo. Markov Chain Monte Carlo. Algoritmo de Metropolis-Hastings.
- Modelado bayesiano de la cognición humana.
Bibliografía
- Gelman et al.: Bayesian Data Analysis
- MacKay: Information Theory, Inference, and Learning Algorithms
- Jaynes: Probability Theory: The Logic of Science
- Barber: Bayesian Reasoning and Machine Learning
- Hacking: An Introduction to Probability and Inductive Logic
- Wagenmakers & Lee: A Course in Bayesian Graphical Modeling for Cognitive Science