Modelos para Dados de Contagem com Estrutura Temporal

de cada modelo a fim de obter a distribuição a posteriori e a partir dela realizar todo
o processo de estimação. Obteremos amostras desta distribuição a posteriori por meio
de métodos de simulação estocástica, particularmente utilizaremos os métodos de Monte
Carlo via cadeias de Markov (MCMC na sigla em inglês).
A estimação dos parâmetros de um modelo dinâmico é um grande desafio. Devido
ao fato do próprio modelo induzir uma correlação entre estes parâmetros, torna-se
difícil a obtenção de amostras independentes destes. Há diferentes propostas na literatura
sugerindo diferentes maneiras de se obter amostras da distribuição a posteriori
dos parâmetros de modelos dinâmicos. Entre as mais recentes está o CUBS (do inglês
Conjugate Updating Backward Sampling), proposto por Ravines et al. (2007). Neste estudo,
é nosso interesse também discutir a metodologia desenvolvida por Ravines et al.
(2007) aplicada na estimação de parâmetros de modelos dinâmicos para séries temporais
de contagens e investigar seu desempenho, em especial para os modelos dinâmicos de
mistura.
Organização da Dissertação
No Capítulo 2, faremos uma breve revisão sobre estimação e sobre procedimento
de inferência sob o enfoque bayesiano. Discutiremos também métodos de simulação
estocástica, particularmente métodos MCMC. Em seguida faremos uma breve revisão
sobre modelos dinâmicos e detalharemos os esquemas de amostragem utilizados neste
estudo para estimação de parâmetros de modelos dinâmicos, em especial o CUBS.
Já no Capítulo 3, apresentaremos os modelos de interesse para dados de contagem com
estrutura temporal, descreveremos algumas ferramentas de comparação e diagnóstico de
modelos e faremos uma aplicação a dados reais. Freeland e McCabe (2002) ajustaram
para o conjunto de dados em questão um modelo Poisson autoregressivo com estrutura
sazonal e consideraram o procedimento sob o enfoque clássico. Neste capítulo,
ajustaremos este mesmo modelo para este mesmo conjunto de dados reais considerando
o procedimento de inferência sob o enfoque bayesiano.
Em seguida, no Capítulo 4, começaremos discutindo modelos dinâmicos para dados
de contagem inflacionados de zeros e logo após faremos uma aplicação a dados reais
3