Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- 04-parametros-constantes:04-parametros-constantes [2022/11/24 14:12] – edição externa 127.0.0.1
+++ 04-parametros-constantes:04-parametros-constantes [2024/11/11 13:24] (atual) – paulo
@@ Linha 34: / Linha 34: @@
 Como chegamos a isso? Neste caso por meio de manipulações matemáticas. Quando isso nos leva a uma expressão de funções matemáticas conhecidas dizemos que temos uma **solução analítica** ((Isso é bem raro, em geral apenas para casos simples.)).
-Para ter uma ideia mais concreta deste processo, vamos refazer passo a passo a dedução analítica do mle da geométrica, com o auxílio de um sistema de álgebra simbólica, o [[http://ecovirtual.ib.usp.br/doku.php?id=ecovirt:roteiro:soft:tutmaxima|Maxima]]. Estes sistemas são programas que guardam muitas regras de manipulação de objetos matemáticos, como a álgebra. Com ele podemos conferir passo a passo a deduções matemáticas, mesmo sem lembrar de todos detalhes necessários em cada passagem da dedução.
+Para ter uma ideia mais concreta deste processo, vamos refazer passo a passo a dedução analítica do mle da geométrica, com o auxílio de sistemas de álgebra simbólica.  Estes sistemas são programas que guardam muitas regras de manipulação de objetos matemáticos, como a álgebra. Com ele podemos conferir passo a passo a deduções matemáticas, mesmo sem lembrar de todos detalhes necessários em cada passagem da dedução. Você tem duas opções para realizar este tutorial:
+. Em Python, usando um Jupyter notebook, com a interface online Google Colab: [[https://colab.research.google.com/github/piLaboratory/bie5781/blob/master/jupyter/MLE%20geom%C3%A9trica.ipynb|clique aqui]].
+. Executar os comandos nesta página mesmo, usando o software [[http://ecovirtual.ib.usp.br/doku.php?id=ecovirt:roteiro:soft:tutmaxima|Maxima]].
+==== Usando o Maxima ===
 Nas caixas abaixo há comandos do Maxima que são executados por um servidor remoto. Para enviar cada comando clique no botão **Evaluate** (( Você pode também instalar o Maxima em seu computador e executar estes comandos a partir deste arquivo: {{:04-parametros-constantes:mle_geometrica.wxm}} )).
@@ Linha 119: / Linha 124: @@
 </html>
+=== Extras ===
-==== Extras ====
+Veja mais notebooks de deduções analíticas de MLEs [[.:#notebooks_de_deducoes_analiticas_de_mles|aqui.]]
-Você pode conferir estes passos de dedução matemática também com um código [[https://www.python.org/|Python]], com a biblioteca de matemática simbólica [[https://www.sympy.org/pt/index.html|SymPy]], e a interface [[https://jupyter.org/|Jupyter]]. Para executar estes notebooks online, use o servidor [[https://mybinder.org/|Binder]]. Para isso:
-  - Vá para o [[https://mybinder.org/v2/gh/piLaboratory/bie5782/master?filepath=jupyter%2F|repositório Binder com os códigos]]
-  - Aguarde o repositório carregar e a máquina remota inicializar. Demora um pouco.
-  - Na aba "Files" clique em ''MLE geometrica.ipynb''. Isso abre um página com caixas de códigos e textos que os explicam ((São notebooks Jupyter. Se quiser saber mais sobre este recurso veja [[ https://jupyter.org/|aqui]] )).
-  - No menu superior clique em "Cell", e então em "All outputs" e escolha "Clear". Isso vai limpar outputs já carregados.
-  - Clique na caixa inicial de texto "Estimador de máxima verossimilhança da distribuição geométrica". Ela deve ficar destacada. A partir daí vá clicando no botão "run" para passar para as próximas caixas e ir executando os comandos.
-  - Neste repositório há também demonstrações da dedução dos MLEs da Poisson e da exponencial.
 ===== Ajuste da Geométrica =====
@@ Linha 462: / Linha 458: @@
   * Como ajustar um modelo de distribuição a dados truncados e censurados com o método de máxima verossimilhança?
-===3. Binomial com parâmetro p variável===
-Imagine um experimento de predação similar ao descrito no item 6.2.1.1. de Bolker (2008), mas que tenha duas quantidades de girinos: 10 e 100 por tanque. Como ajustar uma distribuição binomial ao número de girinos predados permitindo que a probabilidade de predação dependa do número inicial de girinos no tanque?
+===3. Dados com excesso de zeros ===
+   * Explique e exemplifique o que são dados de contagens com excesso de zeros
+   * Como ajustar um modelo de distribuição a dados com excesso de zeros com o método de máxima verossimilhança?
+===4. Binomial com parâmetro p variável===
+Imagine um experimento de predação similar ao descrito no item 6.3.1.1. de Bolker (2008), mas que tenha duas quantidades de girinos: 10 e 100 por tanque. Como ajustar uma distribuição binomial ao número de girinos predados permitindo que a probabilidade de predação dependa do número inicial de girinos no tanque? Outros detalhes sobre o sistema de estudo estão na seção 2.5.2 do livro.
@@ Linha 488: / Linha 489: @@
 ====Notebooks de deduções analíticas de MLEs====
-Nossos notebooks  interativos em Python demonstrando os passos para a dedução de alguns estimadores de máxima verossimilhança (MLEs):
+Nossos notebooks  interativos em Python demonstrando os passos para a dedução de alguns estimadores de máxima verossimilhança (MLEs). Você pode executá-los online pelo Google Colab:
+  * [[https://colab.research.google.com/github/piLaboratory/bie5781/blob/master/jupyter/MLE%20exponencial.ipynb|MLE da distribuição exponencial]]
+  * [[https://colab.research.google.com/github/piLaboratory/bie5781/blob/master/jupyter/MLE%20Poisson.ipynb| MLE da Poisson]]
+  * [[https://colab.research.google.com/github/piLaboratory/bie5781/blob/master/jupyter/MLE%20geom%C3%A9trica.ipynb|MLE da Geométrica]].
+Ou você pode ver as páginas estáticas dos mesmos códigos, já com os resultados:
-  * Você pode executar os notebooks online no servidor [[https://mybinder.org/v2/gh/piLaboratory/bie5782/master?filepath=jupyter%2F|Binder]]. Demora um pouco para carregar. As instruções passo a passo estão na seção [[04-parametros-constantes:04-parametros-constantes#extras|"Extras"]] do tutorial sobre dedução analíticas da MLE da geométrica.
-  * Ou você pode ver as páginas estáticas dos mesmos códigos, já com os resultados (mais rápido):
      * [[https://nbviewer.org/github/piLaboratory/bie5781/blob/master/jupyter/.ipynb_checkpoints/MLE%20exponencial-checkpoint.ipynb|MLE da distribuição exponencial]]
      * [[https://nbviewer.jupyter.org/github/piLaboratory/bie5782/blob/master/jupyter/MLE%20Poisson.ipynb| MLE da Poisson]]
      * [[https://nbviewer.jupyter.org/github/piLaboratory/bie5782/blob/master/jupyter/MLE%20geom%C3%A9trica.ipynb| MLE da distribuição geométrica]]
-   * [[https://github.com/piLaboratory/bie5782|Repositório dos códigos no GitHub]] (( Contibuições são bem-vindas. Envie-nos um Pull request ou informe um [[https://github.com/piLaboratory/bie5782/issues| problema ou sugestão]] ))
+Todos estes notebooks estão no [[https://github.com/piLaboratory/bie5782|Repositório da disciplina no GitHub]] (( Contibuições são bem-vindas. Envie-nos um Pull request ou informe um [[https://github.com/piLaboratory/bie5782/issues| problema ou sugestão]] ))
 === Distribuições truncadas e censuradas ===