Introduz conceitos fundamentais da inferência bayesiana, com ênfase em priors, verossimilhança e posteriori aplicados a modelos estatísticos.

Explora métodos computacionais e algoritmos para aproximação do posterior, incluindo abordagens de simulação e integração numérica.

Inclui exemplos práticos e exercícios que conectam teoria a problemas de modelagem e tomada de decisão sob incerteza.