Untitled - UFRJ

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