Este curso es continuación del curso Inferencia Estadística
I. En este curso se analiza el problema general de inferencia en el caso en que no existen soluciones analíticas y es necesari utilizar técnicas de optimización, aproximaciones analíticas, métodos de integración numérica o métodos computacionalmente intensivos; se analiza el tema de predicción desde un punto de vista
clásico y desde un punto de vista Bayesiano. El plato fuerte del curso
es el modelo lineal normal y sus generalizaciones a los modelos jerárquicos
y a los modelos lineales dinámicos. Se introduce la herramienta WINBUGS y se presentan ejemplos para su uso en el análisis Bayesiano de modelos jerárquicos
Libros de Texto:
Migon, H.S y Gamerman, D. Statistical Inference: An Integrated
Approach. Arnold, London, 1998
Gelman, A., Carlin, J.B., Stern, H.S. y Rubin, D.B.: Bayesian Data Analysis.
Chapman & Hall/CRC, London, 2nd Edition, 2004
Albert, J. Bayesian Computation with R. Springer, New York, 2007