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.
Resumo<br />
Neste estudo, discutimos a aplicação <strong>de</strong> mo<strong>de</strong>los da classe dos mo<strong>de</strong>los lineares<br />
dinâmicos generalizados (MLDG) e o mo<strong>de</strong>lo Poisson autoregressivo (PAR) na mo<strong>de</strong>lagem<br />
<strong>de</strong> séries temporais <strong>de</strong> contagens. Entre os mo<strong>de</strong>los discutidos, consi<strong>de</strong>ramos<br />
mo<strong>de</strong>los <strong>de</strong> sobredispersão, mo<strong>de</strong>los <strong>com</strong> estrutura sazonal e mo<strong>de</strong>los <strong>de</strong> mistura <strong>para</strong><br />
dados <strong>de</strong> contagem inflacionados <strong>de</strong> zeros. Nosso interesse é verificar as vantagens e<br />
<strong>de</strong>svantagens entre as diferentes mo<strong>de</strong>lagens e que informações cada uma <strong>de</strong>stas po<strong>de</strong><br />
revelar a respeito do processo sob estudo. Todo o procedimento <strong>de</strong> inferência é feito sob<br />
o enfoque bayesiano, isto é, atribuímos uma distribuição a priori <strong>para</strong> os parâmetros <strong>de</strong><br />
interesse <strong>de</strong> cada mo<strong>de</strong>lo a fim <strong>de</strong> obter a distribuição a posteriori, que, em nosso caso,<br />
não é conhecida. Métodos <strong>de</strong> Monte Carlo via ca<strong>de</strong>ias <strong>de</strong> Markov (MCMC na sigla em<br />
inglês) são utilizados <strong>para</strong> obter amostras <strong>de</strong>sta distribuição.<br />
Em mo<strong>de</strong>los dinâmicos, obter amostras da distribuição a posteriori dos parâmetros <strong>de</strong><br />
interesse exige certa cautela. Há diferentes propostas na literatura sugerindo diferentes<br />
maneiras <strong>de</strong> se obter amostras <strong>de</strong>stes parâmetros. Entre as mais recentes está o CUBS (do<br />
inglês Conjugate Updating Backward Sampling), proposto por Ravines et al. (2007). Neste<br />
trabalho, também temos interesse em discutir esta metodologia aplicada na estimação <strong>de</strong><br />
parâmetros <strong>de</strong> mo<strong>de</strong>los dinâmicos <strong>para</strong> séries temporais <strong>de</strong> contagens e investigar o seu<br />
<strong>de</strong>sempenho.<br />
Palavras-Chaves: dados <strong>de</strong> contagem, mo<strong>de</strong>los dinâmicos, mo<strong>de</strong>lo Poisson autoregressivo,<br />
sobredispersão, mo<strong>de</strong>los <strong>de</strong> mistura, inferência bayesiana, Monte Carlo via ca<strong>de</strong>ias<br />
<strong>de</strong> Markov.<br />
viii