Sumário

• 1. Elementos Básicos do R
  
  • 1.1. Introdução
    
  • 1.2. Comandos do Workspace
    
  • 1.3. Instalando Pacotes
    
    • 1.3.1. Pacotes do CRAN
      
    • 1.3.2. Pacotes do GitHub e R-forge
      
    • 1.3.3. Arquivo Local
      
  • 1.4. Comando help
    
  • 1.5. Estruturas de Dados no R
    
    • 1.5.1. Vetores
      
    • 1.5.2. Matrizes
      
    • 1.5.3. Arrays
      
    • 1.5.4. Quadro de Dados
      
    • 1.5.5. Listas
      
    • 1.5.6. Fatores
      
    • 1.5.7. Datas
      
  • 1.6. Atribuição de Valores
    
    • 1.6.1. Atribuição Local
      
    • 1.6.2. Atribuição Global
      
    • 1.6.3. Atribuição Encadeada
      
  • 1.7. Tipos de Operadores
    
    • 1.7.1. Operadores Aritméticos
      
    • 1.7.2. Operadores Relacionais
      
    • 1.7.3. Operadores Lógicos
      
  • 1.8. Estruturas Condicionais
    
    • 1.8.1. if
      
    • 1.8.2. if...else
      
    • 1.8.3. ifelse
      
    • 1.8.4. switch
      
  • 1.9. Funções
    
    • 1.9.1. Funções Mínimas
      
  • 1.10. Laços de Repetição
    
    • 1.10.1. for
      
    • 1.10.2. while
      
    • 1.10.3. repeat
      
  • 1.11 Família apply
    
    • 1.11.1. apply
      
    • 1.11.2. tapply
      
    • 1.11.3. lapply
      
    • 1.11.4. sapply
      

• 2. Conceitos de Números Pseudoaleatórios
  
  • 2.1. Introdução
    
  • 2.2. Método da Transformação Inversa
    
    • 2.2.1. Função Quantil
      
    • 2.2.2. Geração de Números Pseudoaleatórios
      
  • 2.3. Método da Rejeição
    
  • 2.4. Testes de Verificação
    

• 3. Processos de Otimização Numérica
  
  • 3.1. Introdução
    
  • 3.2. Otimização Numérica
    
  • 3.3. Métodos Numéricos
    
    • 3.3.1. Método da Bisseçcção
      
    • 3.3.2. Método de Newton-Raphson
      
    • 3.3.3. Recozimento Simulado (Simulated Annealing)
      
    • 3.3.4. Algoritmo Genético
      
  • 3.4. Otimizadores no Ambiente R
    
    • 3.4.1. optim
      
    • 3.4.1. lp
      
    • 3.4.1. solve.QP
      
    • 3.4.1. lm
      
    • 3.4.1. nls
      
    • 3.4.1. ga
      
    • 3.4.1. maxLik
      
    • 3.4.1. fitdist
      

• 4. Método Monte Carlo
  
  • 4.1. Introdução
    
  • 4.2. Definição do Método de Monte Carlo
    
  • 4.3. Simulação Método de Monte Carlo
    
  • 4.4. Técnicas de Redução de Variância
    
    • 4.4.1. Amostragem por Importância
      
    • 4.4.2. Amostragem Antitética
      
    • 4.4.3. Variáveis de Controle
      

• 5. Método Bootstrap
  
  • 5.1. Introdução
    
  • 5.2. Princípio Plug-in
    
  • 5.3. Amostra Bootstrap
    
  • 5.4. Replicação Bootstrap
    
  • 5.5. Estimador Bootstrap
    
  • 5.6. Estimativa Bootstrap do Erro-Padrão
    
  • 5.7. Viés e Erro Quadrático Médio no Bootstrap
    
  • 5.8. Bootstrap Paramétrico
    
  • 5.9. Intervalos de Confiança via Bootstrap
    

• 6. Método Jackknife
  
  • 6.1. Introdução
    
  • 6.2. Amostras Jackknife
    
  • 6.3. Replicação Jackknife
    
  • 6.4. Pseudovalor Jackknife
    
  • 6.5. Estimativa do Erro-Padrão via Jackknife
    
  • 6.6. Estimativa do Viés via Jackknife
    
  • 6.7. Intervalos de Confiança Jackknife
    
  • 6.8. Aplicações Jackknife
    

• 7. Métodos de Cadeia de Markov Monte Carlo
  
  • 7.1. Introdução
    
  • 7.2. Cadeias de Markov
    
    • 7.2.1. Cadeias de Markov em Tempo Discreto
      
    • 7.2.2. Cadeias de Markov em Tempo Contínuo
      
  • 7.3. Algoritmo Metropolis-Hastings
    
  • 7.4. Amostrador de Gibbs
    

• Referências Bibliográficas

Cinlar, Erhan. 2013. Introduction to Stochastic Processes. Courier Corporation.

Dobrow, Robert P. 2016. Introduction to Stochastic Processes with R. John Wiley & Sons.

Hoel, Paul G, Sidney C Port, e Charles J Stone. 1986. Introduction to Stochastic Processes. Waveland Press.

Lawler, Gregory F. 2018. Introduction to Stochastic Processes. Chapman; Hall/CRC.

Markov, Andrei Andreevich. 1906. «Rasprostranenie zakona bol’shih chisel na velichiny, zavisyaschie drug ot druga». Izvestiya Fiziko-matematicheskogo obschestva pri Kazanskom universitete 15 (135-156): 18.

Meyn, Sean P, e Richard L Tweedie. 2012. Markov Chains and Stochastic Stability. Springer Science & Business Media.