Modelos para Dados de Contagem com Estrutura Temporal
Modelos para Dados de Contagem com Estrutura Temporal
Modelos para Dados de Contagem com Estrutura Temporal
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
3.1.3 Mo<strong>de</strong>lo Poisson-Lognormal Dinâmico<br />
Consi<strong>de</strong>re novamente Y 1 , . . . , Y T , contagens <strong>de</strong> um <strong>de</strong>terminado fenômeno. Supomos<br />
que as variáveis aleatórias Y t , <strong>para</strong> t = 1, . . . , T , são condicionalmente in<strong>de</strong>pen<strong>de</strong>ntes e<br />
seguem uma distribuição <strong>de</strong> Poisson <strong>com</strong> média λ ⋆ t , isto é,<br />
Y t | λ ⋆ t , ∼ P oi(λ ⋆ t ). (3.10)<br />
Assumiremos que o parâmetro λ ⋆ t varia no tempo através <strong>de</strong> uma estrutura dinâmica<br />
similar à vista em (3.2) e uma distribuição a priori <strong>para</strong> o parâmetro µ 0 da mesma forma<br />
que a vista em (3.3). A diferença na estrutura dinâmica <strong>de</strong> λ ⋆ t é a inclusão <strong>de</strong> um erro<br />
aleatório normal na equação vista em (3.2a), isto é, a estrutura dinâmica agora é da<br />
forma<br />
log(λ ⋆ t ) = µ t + ν t , ν t ∼ N(ξ, V ) (3.11a)<br />
µ t = µ t−1 + ω t , ω t ∼ N(0, W ). (3.11b)<br />
Da equação em (3.11a), temos que<br />
λ ⋆ t = exp(µ t + ν t ) (3.12a)<br />
= exp(µ t ) exp(ν t ) (3.12b)<br />
= λ t δ t , (3.12c)<br />
em que λ t = exp(µ t ) segue a mesma estrutura dinâmica vista em (3.2) e δ t = exp(ν t ),<br />
<strong>para</strong> t = 1, . . . , T , segue uma distribuição lognormal <strong>com</strong> parâmetro correspon<strong>de</strong>nte à<br />
média da distribuição normal ξ e parâmetro correspon<strong>de</strong>nte à variância da distribuição<br />
normal V , isto é,<br />
δ t | V ∼ LN(ξ, V ). (3.13)<br />
De forma análoga ao mo<strong>de</strong>lo binomial negativo <strong>de</strong>scrito na Subseção 3.1.2, o parâmetro<br />
δ t , neste mo<strong>de</strong>lo, tem <strong>com</strong>o finalida<strong>de</strong> capturar algum efeito <strong>de</strong> sobredispersão que possa<br />
existir nos dados e que não é explicado pela estrutura dinâmica em 3.2a e 3.2b. O mo<strong>de</strong>lo<br />
Poisson-lognormal também é um mo<strong>de</strong>lo <strong>de</strong> mistura, mas ao contrário do que acontece<br />
32