No dia 17 de junho de 2026, Mark Steel, Professor de Estatística na University of Warwick, irá lecionar um minicurso sobre Incerteza e Ponderação Bayesiana de Modelos. O curso destina-se a investigadores e a estudantes de mestrado e doutoramento.
No dia seguinte, 18 de junho, o Professor Steel apresentará também um seminário de investigação integrado nos Research Seminars in Mathematics Applied to Economics and Management, organizados pelo CEMAPRE.
Sala: Anfiteatro Novo Banco, 4.º piso, edifício Quelhas 6
Horário: 10h00–12h00 e 14h00–16h00
A participação é gratuita, mediante inscrição prévia.
Mark Steel é Professor de Estatística na University of Warwick, tendo sido Presidente do Departamento de Estatística entre 2014 e 2018. Os seus interesses de investigação centram-se na Estatística Bayesiana e Econometria, tanto na sua componente teórica como nas suas aplicações. Trabalha em diversas áreas, sendo atualmente os seus principais focos de interesse a ponderação bayesiana de modelos, a modelação causal e a inferência em modelos com variáveis latentes. Até ao momento, publicou mais de 100 artigos em revistas internacionais e em actas de importantes conferências de aprendizagem automática, tendo reunido mais de 14 600 citações no Google Scholar.
Recentemente, Mark Steel desempenhou as funções de Editor-Chefe da revista Bayesian Analysis e integrou anteriormente os conselhos editoriais de outras revistas de referência em Estatística e Econometria, como o Journal of the Royal Statistical Society, Series B, o Journal of Business and Economic Statistics e o Journal of Econometrics. Desempenhou ainda várias funções na International Society for Bayesian Analysis (ISBA) e na Royal Statistical Society.
Sobre o Curso: “Incerteza e ponderação bayesiana de modelos”
Neste minicurso, serão introduzidas as ideias fundamentais associadas à incerteza de modelos e às formas de a abordar, através de métodos tradicionais de seleção de modelos e através da ponderação bayesiana de modelos (Bayesian Model Averaging — principal foco do curso).
Serão abordados, de forma sucinta, os fundamentos da inferência bayesiana e dos métodos de simulação Monte Carlo baseados em cadeias de Markov (MCMC). Será explicado o enquadramento geral da ponderação bayesiana de modelos, discutindo-se com algum detalhe a sua implementação em modelos de regressão linear normal com incerteza quanto à inclusão das covariáveis. No caso da regressão linear gaussiana, o principal desafio numérico consiste em explorar eficientemente um espaço de modelos muito vasto. Um algoritmo de amostragem Metropolis básico (MC³) revela-se frequentemente muito eficaz para problemas com até cerca de 2^100 modelos.
Uma aplicação a dados de crescimento económico entre países ilustrará as ideias principais e demonstrará o tipo de resultados que esta análise pode proporcionar.
Numa extensão do modelo de regressão padrão, será também considerada a situação — bastante comum em aplicações nas ciências sociais — em que um ou mais regressores de um modelo de regressão linear gaussiana podem ser endógenos (ou afetados por fatores de confundimento não observados), invalidando as propriedades estatísticas habituais. Será analisada uma solução baseada em variáveis instrumentais, permitindo simultaneamente incerteza de modelo relativamente aos regressores e variáveis instrumentais a incluir. Serão discutidas brevemente aplicações no âmbito do crescimento económico de países e ao retorno da escolaridade.
Por fim, serão apresentados alguns exemplos de software e outros recursos computacionais de acesso gratuito que podem ser utilizados para implementar a ponderação bayesiana de modelos a conjuntos de dados da preferência dos participantes.