Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNP – UNIVERSIDADE POTIGUAR BACHARELADO EM ESTATÍSTICA ACADÊMICO: EBERSON COSTA DELLAS DISCIPLINA: ANÁLISE BAYESIANA DE DADOS PROVA A5 – N2 – MÉTODOS DE GERAÇÃO DE NÚMEROS 01 - Leia o trecho a seguir: “A Aproximação de Laplace é um método analítico para aproximar integrais usando máximos globais. Tal aproximação é muito utilizada atualmente na Inferência Bayesiana para o cálculo de momentos a posteriori, densidade preditiva e densidade a posteriori marginal”. JORGE, L. F. Posteriori exata e aproximada da Confiabilidade via Aproximação de Laplace das distribuições Gama Exponenciada e Weibull. 2019. Dissertação (Mestrado em Matemática Aplicada e Computacional) – Faculdade de Ciências e Tecnologia de Presidente Prudente, UNESP, Presidente Prudente, 2019. p. 83. Disponível em: https://repositorio.unesp.br/bitstream/handle/11449/183024/jorge_lf_me_prud.pdf?sequence=3&isAllowed=y. Acesso em: 05 abr. 2022. Com base no trecho apresentado, analise as asserções a seguir e a relação proposta entre elas: I. É utilizada a inferência bayesiana em campos latentes gaussianos através da aplicação do método. PORQUE: II. Realizam aproximações de Laplace encaixadas e integradas para casos com determinada especificidade. A respeito dessas asserções, assinale a alternativa correta. As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. 02 - Para o seu desenvolvimento, o método de Monte Carlo via cadeia de Markov utiliza a estimativa de parâmetros. Para isso, é necessário que ele realize o cálculo da função de verossimilhança, sendo, desse modo, possível a avaliação de sua probabilidade e distribuição. Considerando o que está sendo apontado acima, justifica-se que o método de Monte Carlo via cadeias de Markov tem a função de: Reduzir a incerteza em relação aos problemas estatísticos. 03 - Considerando que a amostragem deverá ser selecionada de modo a possibilitar a determinação da probabilidade de modelos amostrais que serão analisados, assinale a alternativa que apresenta informações sobre teste de hipóteses em tabelas de contingência bidimensionais. O teste de simetria e o teste de homogeneidade são análises que testam a independência de amostras. 04 - Leia o trecho a seguir. “Suponha que se tenha um método eficiente para simular uma variável aleatória com função massa de probabilidade {qj , j ≥ 0}. Pode-se usar essa variável como a base para simular uma variável da distribuição tendo função massa de probabilidade {pj, j ≥ 0}. Primeiro, gera-se uma variável aleatória Y com função massa de probabilidade {qi} e então aceita-se este valor simulado com uma probabilidade proporcional a pY /qY.” PAULA, R. de. Método de Monte Carlo e aplicações. 2014. Monografia (Bacharelado em Matemática) — Universidade Federal Fluminense, Volta Redonda, 2014. p. 46. Disponível em: https://app.uff.br/riuff/bitstream/handle/1/4180/RenatoRicardoDePaula%202014- 2.PDF;jsessionid=05D49F5035D8EE140E187AE530924053?sequence=1. Acesso em: 6 maio 2022. Considerando as informações do texto, bem como a utilização do método de rejeição e aceitação, é correto afirmar que tal método serve para: Gerar números aleatórios de distribuição de probabilidades. https://repositorio.unesp.br/bitstream/handle/11449/183024/jorge_lf_me_prud.pdf?sequence=3&isAllowed=y#_blank https://app.uff.br/riuff/bitstream/handle/1/4180/RenatoRicardoDePaula%202014-2.PDF;jsessionid=05D49F5035D8EE140E187AE530924053?sequence=1#_blank https://app.uff.br/riuff/bitstream/handle/1/4180/RenatoRicardoDePaula%202014-2.PDF;jsessionid=05D49F5035D8EE140E187AE530924053?sequence=1#_blank 05 - Leia o trecho a seguir. “O uso de modelos de simulação estocástica possibilita a condução de experimentos “what if” e testes de “stress” pela mudança nas hipóteses fundamentais, permitindo a identificação das forças que direcionam os resultados e a análise de sensibilidade destes frente a uma particular hipótese.” BHERING, J. W. S. Simulação estocástica em Plano de Contribuição Definida. 2005. Dissertação (Mestrado em Estatística) — Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2005. p. 44. Disponível em: http://www.pg.im.ufrj.br/teses/Estatistica/Mestrado/102.pdf. Acesso em: 6 maio 2022. Com relação ao modelo de simulação estocástica, analise as alternativas a seguir e marque a correta. A simulação estocástica reproduz, de forma numérica, uma data que pode haver variação, aleatoriamente, obtendo diferentes resultados. 06 - Leia o trecho a seguir: “Processos de Markov descrevem a evolução de sistemas dinâmicos aleatórios sem memória. Mais precisamente, considere um espaço de estados com um número finito (ou enumerável) de elementos.” OLIVEIRA, A. S. L.; RIBEIRO, T. S. G.; SILVA, F. B. Cadeia de Markov: modelo probabilístico e convergência das distribuições de probabilidade. Paulista de Matemática, Bauru, v. 11, p. 50, dez. 2017. Disponível em: https://www.fc.unesp.br/Home/Departamentos/Matematica/revistacqd2228/v11a04ic-cadeia-de-markov-modelo.pdf. Acesso em: 26 abr. 2022. Considerando as informações do texto sobre a cadeia de Markov, é correto afirmar que: Trata-se de um processo estocástico, cuja evolução probabilística se dá com o passar do tempo. 07 - Leia o trecho a seguir: “Quando tem-se um evento que varia ao longo do tempo, assumindo diferentes características, vem o interesse em saber a probabilidade da transição entre esses estágios, uma doença, por exemplo. Na primeira visita ao médico, o paciente não apresenta sintomas, já, na segunda, os sintomas estão exageradamente avançados. Ou seja, ele transitou de um estágio inicial para um mais avançado sem ser percebida a mudança. E os outros estágios intermediários da doença? Quando se deu a transição para os estágios iniciais? Como prever tais transições, sendo que o tempo exato de ocorrência é desconhecido?” POVOROZNEK, J. L.; GARCIA, J. A. M. Modelos markovianos multi-estados. Orientador: Profa. Dra Silvia Emiko Shimakura. 2008. Trabalho de Conclusão de Curso (TCC) (Bacharelado em Estatística) - Universidade Federal do Paraná, Curitiba, 2008, p. 1. Disponível em: http://www.leg.ufpr.br/lib/exe/fetch.php/disciplinas:ce229:tcc2008_julio_jeferson.pdf. Acesso em: 26 abr. 2022. Considerando o que está apontado acima, justifica-se que a cadeia de Markov em dois estágios é utilizada para: Analisar os conjuntos dos estados discretos infinitos e finitos. 08 - Leia o trecho a seguir. “O método de rejeição apresenta o inconveniente de ter que ser extremamente cuidadoso na seleção da densidade g no caso de distribuições com caudas pesadas. Esse problema não se dá com o método do quociente de uniformes”. SCHUTZ, D.C. Comparação entre algoritmos geradores das distribuições normal, qui-quadrado, F de Snedecor e t de Student através da simulação. 2012. Monografia (Bacharelado em Estatística) — Universidade Federal do Rio Grande do Sul, Porto Alegre, 2012. p. 38. Disponível em: https://www.lume.ufrgs.br/bitstream/handle/10183/60380/000862439.pdf?sequence=1. Acesso em: 7 maio 2022. Considerando o que está apontado acima, o método do quociente de uniformes, ou método da razão uniforme, refere-se ao: http://www.pg.im.ufrj.br/teses/Estatistica/Mestrado/102.pdf#_blank https://www.fc.unesp.br/Home/Departamentos/Matematica/revistacqd2228/v11a04ic-cadeia-de-markov-modelo.pdf#_blank http://www.leg.ufpr.br/lib/exe/fetch.php/disciplinas:ce229:tcc2008_julio_jeferson.pdf#_blank https://www.lume.ufrgs.br/bitstream/handle/10183/60380/000862439.pdf?sequence=1#_blank Método de geração de números aleatórios, com base em função integrável positiva. 09 - Leia o trecho a seguir. “Em inversão de dados, inúmeras soluções que não são geologicamente plausíveis podem surgir a partir de um conjunto de dados, mesmo com dados relativamente livres de ruído. Isto ocorre pois no método de inversão não regularizadabusca-se modelos que satisfaçam os dados, independentemente da possibilidade de existência física destes modelos. A geologia fornece dicas de modelos plausíveis: modelos simples, regulares, com variações abruptas somente onde há estruturas como interfaces, falhas, etc.” ROCHA JÚNIOR, D.C. Inversão linearizada com regularização para obtenção de velocidades intervalares. 2013. Trabalho de Conclusão de Curso (Bacharelado em Geofísica) — Universidade Federal da Bahia, Salvador, 2013. p. 10. Disponível em: http://www.cpgg.ufba.br/gr- geof/geo213/trabalhos-graducao/Daniel-Rocha.pdf. Acesso em: 7 maio 2022. Com base no excerto apresentado, avalie as afirmações a seguir. I. O método de inversão aproximada é usado para situações com simulações complicadas. II. O método de inversão aproximada é usado para realizar o cálculo do máximo, exceto do mínimo. III. O método de inversão aproximada é usado em situações com probabilidade univariada. IV. O método de inversão aproximada é usado somente com a utilização do log-concavidade. É correto o que se afirma em: I e III, apenas. 10 - Leia o trecho a seguir: “O algoritmo de método de Metropolis-Hastings (MH) é a principal generalização de Amostragem Metrópole de Rejeição Adaptativa (ARMS, sigla em inglês). Ele permite que a distribuição proposta assuma qualquer forma, sendo necessário apenas que g(x) possua, ao menos, o mesmo suporte que f(x). Assim, g é desenvolvido a partir de ARMS, podendo ser dado por uma uniforme, uma normal e assim por diante.” FIRMINO, P. R. A. Método adaptativo de Markov Chain Monte Carlo para manipulação de modelos bayesianos. Orientador: Enrique López Droguett. 2009. Tese (Doutorado em Engenharia de Produção) - Universidade Federal de Pernambuco, Recife, 2009, p. 35. Disponível em: https://repositorio.ufpe.br/bitstream/123456789/4950/1/arquivo3632_1.pdf. Acesso em: 27 abr. 2022. Com base no apresentado, analise as asserções a seguir e a relação proposta entre elas. I. O algoritmo de Metropolis-Hastings refere-se a um método de Monte Carlo para a identificação de amostras aleatórias. PORQUE: II. Este algoritmo é usado para as amostragens simples e indiretas, as quais apresentam baixo número de dimensões. A respeito dessas asserções, assinale a opção correta. A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. http://www.cpgg.ufba.br/gr-geof/geo213/trabalhos-graducao/Daniel-Rocha.pdf#_blank http://www.cpgg.ufba.br/gr-geof/geo213/trabalhos-graducao/Daniel-Rocha.pdf#_blank https://repositorio.ufpe.br/bitstream/123456789/4950/1/arquivo3632_1.pdf#_blank
Compartilhar