Modelos para Dados de Contagem com Estrutura Temporal
Modelos para Dados de Contagem com Estrutura Temporal
Modelos para Dados de Contagem com Estrutura Temporal
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Tabela 4.2: Taxas <strong>de</strong> aceitação média dos valores propostos pelo algoritmo proposto por<br />
Gamerman (1998) <strong>para</strong> os elementos do vetor <strong>para</strong>métrico <strong>de</strong> estados <strong>para</strong> cada um dos<br />
mo<strong>de</strong>los dinâmicos ajustados.<br />
Mo<strong>de</strong>lo Taxa <strong>de</strong> Aceitação (%)<br />
Poisson Dinâmico 95,47<br />
Binomial Negativo Dinâmico 88,20<br />
Poisson-Lognormal Dinâmico (ξ = −V/2) 86,43<br />
Poisson-Lognormal Dinâmico (ξ = 0) 90,76<br />
ZIP Dinâmico 95,01<br />
ZINB Dinâmico 96,06<br />
ZIP-Lognormal Dinâmico (ξ = −V/2) 85,55<br />
ZIP-Lognormal Dinâmico (ξ = 0) 90,10<br />
Mo<strong>de</strong>lo PAR<br />
Para o mo<strong>de</strong>lo PAR <strong>de</strong>scrito na Seção 3.2, o vetor <strong>de</strong> parâmetros a ser estimado é<br />
Ψ = (λ 1 , λ, α), (4.15)<br />
Assumimos as seguintes distribuições a priori <strong>para</strong> os elementos que <strong>com</strong>põem o vetor<br />
<strong>para</strong>métrico Ψ:<br />
• <strong>para</strong> os parâmetros λ 1 e λ, assumimos a priori que<br />
λ 1 | D 0 ∼ Gama(a λ1 , b λ1 ) (4.16)<br />
e<br />
λ | D 0 ∼ Gama(a λ , b λ ), (4.17)<br />
em que a λ1 = a λ = 0, 01 e b λ1 = b λ = 0, 01;<br />
91