Modelos para Dados de Contagem com Estrutura Temporal

Capítulo 2
Modelos Dinâmicos e Métodos de
Estimação
Modelos dinâmicos bayesianos são cada vez mais utilizados na literatura para descrever
os mais variados fenômenos. A maior classe destes modelos é a classe dos modelos
lineares dinâmicos generalizados na família exponencial. Neste capítulo, serão discutidos
alguns métodos de estimação para os parâmetros dos modelos que pertencem a esta classe
especial de modelos. Começaremos com uma breve revisão sobre os principais conceitos
envolvidos no procedimento de inferência sob o enfoque bayesiano, apresentaremos alguns
aspectos sobre métodos de simulação estocástica, em particular os métodos MCMC, e
por fim, discutiremos com detalhes dois esquemas de amostragem existentes na literatura
para estimação em modelos lineares dinâmicos generalizados: o algoritmo proposto
por Gamerman (1998) e o mais recente CUBS (do inglês Conjugate Updating Backward
Sampling) proposto por Ravines et al. (2007).
2.1 Inferência Bayesiana
Nesta seção, faremos uma breve revisão sobre os principais conceitos do procedimento
de inferência sob o enfoque Bayesiano. Considere Y, uma variável aleatória ou vetor
aleatório com função de probabilidade ou função de densidade de probabilidade p(Y |
θ) em que θ é um parâmetro ou vetor paramétrico que caracteriza a distribuição de
5