Cristian Villegas & Roseli A. Leandro & Eduardo E. Ribeiro Jr Departamento de Ciências Exatas - ESALQ, USP
Com o aumento da complexidade dos modelos empregados na análise de dados, a inferência considerando-se a abordagem bayesiana tem sido cada vez mais utilizada em diferentes áreas de pesquisa. Com o objetivo facilitar o ensino-aprendizagem da estatística bayesiana, cada dia mais necessário, propõe-se este minicurso, que irá explorar conceitos básicos tais como: distribuição a priori (informativas e não informativas), função de verossimilhança, distribuição a posteriori, e técnicas de amostragem Metropolis-Hastings e amostrador de Gibbs, com a utilização do pacote R de código aberto R shiny (http://www.shiny.rstudio.com) para elaboração de interfaces interativas. O Shiny fornece uma estrutura elegante, poderosa e estimulante para criar aplicativos web sem requerer conhecimento em HTML, CSS ou JavaScript, propiciando a melhoria no processo de ensino-aprendizado. Nesse minicurso serão abordados modelos lineares, lineares generalizados e não lineares sob a perspectiva bayesiana, com aplicações envolvendo dados reais de estudos experimentais. Os recursos pra criação de interfaces interativas serão disponibilizados em um pacote R para que possam ser utilizados i) por estudantes ou entusiastas em estatística bayesiana, para o aprendizado; e ii) por docentes ou responsáveis por cursos de estatística bayesiana, como ferramenta complementar para o ensino.
- Apresentação do pacote Shiny para elaboração de aplicativos web com R (1h15min)
- O que é o Shiny e o pacote ;
- Estrutura para implementação de aplicativos;
- Exemplos;
- Disponibilização web de aplicativos.
- Ensino-aprendizagem de inferência bayesiana com Shiny (1h45min)
- Distribuições a priori, função de verossimilhança, a distribuição posteriori e distribuição preditiva utilizando distribuições a priori conjugadas;
- Algoritmos de amostragem;
- Exemplos.
- Auxílio de recursos interativos na análise de dados sob a perspectiva bayesiana (1h)
O curso é destinado a estudantes, professores e profissionais interessados em inferência bayesiana e exige apenas conhecimentos básicos da linguagem R e de inferência bayesiana.