Untitled - UFRJ
Untitled - UFRJ Untitled - UFRJ
Bayesian Analysis Applied to Data of the Brazilian MarketHydrated AlcoholGislene Araújo PereiraDep.Ciências e Economia-Universidade Federal de Alfenas-MGLetícia Lima MilaniDep.Ciências e Economia-Universidade Federal de Alfenas-MGDeive Ciro de OliveiraDep.Ciências e Economia-Universidade Federal de Alfenas-MGThis study aimed to fit the Bayesian regression model for the values paid by hydrous alcohol Brazilianconsumers, from January 2001 to December 2008. The inference about the parameters was performed byapplying the Gibbs Sampler, considering the marginal complete distributions. For the Bayesian analysiswas used conjugate priors method. The analysis was performed with a heating period of 1000 and 10000later iterations monitored. To check convergence, was used the method proposed by Gelman & Rubin(1992). It was found, by comparing the predicted values with the real, that it model showed goodestimates. For the development of the Bayesian method was used WinBUGS software.Keywords: Model of Bayesian Regression, Brazilian Market Alcohol Hydrated, Software WinBUGS.113
Métodos de Estimação em Modelos Dinâmicos para SériesTemporais de ContagensJoão Batista de Morais PereiraUFRJAlexandra Mello SchmidtUFRJHelio dos Santos MigonUFRJModelos dinâmicos bayesianos não normais são cada vez mais explorados em diversas áreas de estudoda Estatística, em especial na área aplicada. Em epidemiologia, por exemplo, é cada vez mais comum autilização de modelos dinâmicos para modelagem das observações que, em geral, são séries temporais decontagens.O grande desafio da estimação em modelos dinâmicos é a estimação do vetor de estados cujos elementossão altamente correlacionados, o que torna difícil a obtenção de amostras independentes. Hádiferentes propostas na literatura sugerindo diferentes maneiras de se obter amostras da distribuição aposteriori dos parâmetros de estado. Entre as mais recentes está o CUBS (Conjugate Updating BackwardSampling), proposto por Ravines et al. (2007), que sugere o uso de uma distribuição proposta eficienteconjunta para vetor de estados dentro do algoritmo de Metropolis-Hastings.Neste trabalho, estamos interessados em discutir alguns dos diferentes métodos de estimação emmodelos dinâmicos existentes na literatura aplicados a séries temporais de contagens, em especial oCUBS, proposto por Ravines et al. (2007). Queremos discutir as vantagens e desvantagens deste métodofrente a outros algoritmos similares como o algoritmo proposto por Gamerman (1998) e algoritmos de estimaçãoseqüencial como o Conjugate Updating (West et al., 1985) e o método SIR (Sampling/ImportanceResampling) (Rubin, 1987).114
- Page 63 and 64: Aplicações de Inferência Bayesia
- Page 65 and 66: Uma Abordagem Bayesiana do Modelo M
- Page 67 and 68: Accounting for Latent Spatio-Tempor
- Page 69 and 70: Uma Abordagem Bayesiana para Proces
- Page 71 and 72: A Bayesian Analysis for the General
- Page 73 and 74: Comparação de um Modelo Dinâmico
- Page 75 and 76: Estimando Variações de Temperatur
- Page 77 and 78: A Bayesian Approach to Multivariate
- Page 79 and 80: Bayesian Inference for Gamma Modula
- Page 81 and 82: Computational Tools for Comparing A
- Page 83 and 84: Modelo Partição Produto com “Cl
- Page 85 and 86: BIC Criterion for Minimal Markov Mo
- Page 87 and 88: Estimadores Lineares Bayesianos em
- Page 89 and 90: Modelos de Volatilidade Estocástic
- Page 91 and 92: Processo de Difusão Multivariado c
- Page 93 and 94: Generalized Latent Factor Models fo
- Page 95 and 96: Measuring Vulnerability via Spatial
- Page 97 and 98: Medidas do Valor Preditivo de um Mo
- Page 99 and 100: Aproximações Analíticas para Pos
- Page 101 and 102: Modelo de Risco Logístico Dependen
- Page 103 and 104: A Practical Approach to Elicit Mult
- Page 105 and 106: Modelos Dinâmicos para Deformaçã
- Page 107 and 108: A Semiparametric Bayesian Approach
- Page 109 and 110: Modelo Weibull Modificado de Longa
- Page 111 and 112: Abordagem Bayesiana para Modelos GA
- Page 113: Modelo Bayesiano Geral de Classe La
- Page 117 and 118: LASSO Bayesiano no Mapeamento de QT
- Page 119 and 120: Estudo das Matrizes de Covariância
- Page 121 and 122: Sensibilidade da Inferência Bayesi
- Page 123 and 124: Análise Bayesiana para o Estudo de
- Page 125 and 126: Uma Abordagem Bayesiana para Modelo
- Page 127 and 128: Construção de Tábuas de Mortalid
- Page 129 and 130: Um Procedimento Bayesiano para a An
- Page 131 and 132: Um Novo Modelo para Dependência Es
- Page 133 and 134: Distribuição Geométrica Exponenc
- Page 135 and 136: Morbidade Pulmonar e Condições Cl
- Page 137 and 138: Standard Setting for a Rasch Poisso
- Page 139 and 140: Modelo Logístico Misto com Classes
- Page 141 and 142: Metodologia Bayesiana para Detecç
- Page 143 and 144: Modelos Espaço-Temporais para Dado
- Page 145 and 146: Comparação de Modelos para a Iden
- Page 147 and 148: Modelos Multivariados de Regressão
- Page 149 and 150: Estimação Bayesiana em Modelos de
- Page 151 and 152: Previsão de Resultados de Jogos de
- Page 153 and 154: Uma Abordagem Bayesiana para Modelo
- Page 155 and 156: Análise Bayesiana do Modelo Log-Bi
- Page 157 and 158: Desempate TécnicoFilipe Jaeger Zab
- Page 159 and 160: 10 o Encontro Brasileiro de Estatí
- Page 161 and 162: 10 o Encontro Brasileiro de Estatí
- Page 163: 10 o Encontro Brasileiro de Estatí
Bayesian Analysis Applied to Data of the Brazilian MarketHydrated AlcoholGislene Araújo PereiraDep.Ciências e Economia-Universidade Federal de Alfenas-MGLetícia Lima MilaniDep.Ciências e Economia-Universidade Federal de Alfenas-MGDeive Ciro de OliveiraDep.Ciências e Economia-Universidade Federal de Alfenas-MGThis study aimed to fit the Bayesian regression model for the values paid by hydrous alcohol Brazilianconsumers, from January 2001 to December 2008. The inference about the parameters was performed byapplying the Gibbs Sampler, considering the marginal complete distributions. For the Bayesian analysiswas used conjugate priors method. The analysis was performed with a heating period of 1000 and 10000later iterations monitored. To check convergence, was used the method proposed by Gelman & Rubin(1992). It was found, by comparing the predicted values with the real, that it model showed goodestimates. For the development of the Bayesian method was used WinBUGS software.Keywords: Model of Bayesian Regression, Brazilian Market Alcohol Hydrated, Software WinBUGS.113