Modelos para Dados de Contagem com Estrutura Temporal

para a modelagem do conjunto de dados sob estudo. Vimos também que as estimativas
obtidas para os parâmetros deste modelo considerando o procedimento de inferência
sob o enfoque bayesiano são muito próximas das estimativas obtidas por Freeland e
McCabe (2002) que considerou o procedimento de inferência sob o enfoque clássico.
Uma das extensões que podem ser feitas neste modelo é a inclusão de uma estrutura
dinâmica na componente de chegada ν t da mesma forma que foi considerada nos modelos
dinâmicos ajustados. Ao fazer isto, deveríamos pensar também em que esquemas de
amostragem para estimação dos parâmetros de estado utilizaríamos neste caso, já que o
CUBS proposto por Ravines et al. (2007) e o algoritmo proposto por Gamerman (1998)
não são aplicáveis ao modelo PAR.
No Capítulo 4, discutimos os modelos de interesse para a modelagem da segunda
série temporal de dados reais. Estes dados correspondem ao número semanal de casos de
dengue notificados no bairro da Mangueira no município do Rio de Janeiro entre janeiro
de 2001 e junho de 2002. Para a série temporal em questão, ajustamos o modelo Poisson
dinâmico, o modelo binomial negativo dinâmico e o modelo Poisson-lognormal dinâmico
em que, para este último, consideramos duas versões, com uma delas equivalente ao
modelo binomial negativo dinâmico. Para estes modelos, consideramos também suas
versões para dados inflacionados de zeros, isto é, o modelo ZIP dinâmico, modelo ZINB
dinâmico e modelo ZIP-lognormal dinâmico. Ajustamos também para a série temporal
sob estudo o modelo PAR sem estrutura sazonal. Nesta aplicação, através do critério
da verossimilhança preditiva, vimos que o modelo Poisson dinâmico e as duas versões do
modelo Poisson-lognormal dinâmico obtiveram os melhores desempenhos com relação aos
demais modelos ajustados quanto à capacidade preditiva. Através da análise de resíduos,
observamos que os modelos ajustados, com exceção do modelo PAR, não contrariam
fortemente as hipóteses de normalidade e independência assumidas se o modelo é correto.
Novamente, para os modelos de sobredispersão, observamos que, apesar do parâmetro
de sobredispersão δ t ser não significativo para os modelos ajustados, a sobredispersão foi
significativa para alguns instantes de tempo. Com isto, podemos concluir que, apesar de
o modelo Poisson dinâmico ter obtido melhor desempenho quanto à capacidade preditiva,
não podemos descartar de vez a utilização dos modelos de sobredispersão, principalmente
127