Untitled - UFRJ

Aplicações de Inferência Bayesiana Aproximada em ModelosGaussianos LatentesWagner Hugo BonatLEG/UFPR - Laboratório de Estatística e GeoinformaçãoPaulo Justiniano Ribeiro JuniorLEG/UFPR - Laboratório de Estatística e GeoinformaçãoA familia dos modelos gaussianos latentes é adaptável a uma grande quantidade de situações complexas.Destaca-se a situação de dados espaço-temporais que é possivelmente a mais complexa que osatuais modelos estatísticos tratam. O objetivo deste trabalho foi revisar algumas possíveis estratégiasde modelagem para dados deste tipo, inclusive tratando da situação de interação espaço-temporal. A inferêncianesta classe de modelos é comumente realizada usando métodos computacionalmente intensivos,tais como, os algoritmos MCMC Markov Chain Monte Carlo. Entretando em sua implementação taismétodos não estão livres de problemas. Assim novos métodos para inferência nesta familia de modelostêm sido propostos. Este trabalho revisou a abordagem ‘INLA’ (Integrated Nested Laplace Approximations)proposta por RUE, MARTINO e CHOPIN (2009), que se mostrou eficiente para ajustar modelosaltamente estruturados em diversas situações práticas. A nova metodologia de inferência foi aplicada atrês conjunto de dados. Sempre que possível os modelos ajustados pelo INLA, foram confrontados comajustes de modelos aditivos generalizados para verificar a concordância entre as abordagens, principalmenteno que diz respeito ao modo como captam os efeitos espaciais e temporais. Os conjuntos de dadosforam selecionados de modo a cobrir os modelos mais comumente usados na literatura. O primeiro conjuntoreferente a avaliações da qualidade da água, assume para a variável resposta a distribuição Normal.O segundo conjunto referente a contagens de ovos do mosquito Aedes aegypti coletados em ovitrampasem Recife/PE, assume para a variável resposta a distribuição Binomial Negativa. O terceiro conjuntocorresponde a dados sobre a doença leprose-dos-citrus, assumindo para a variável resposta (dicotômica)a distribuição Binomial. Nos três conjuntos de dados analisados a concordância entre as abordagensINLA e GAM foi diversificada. No primeiro conjunto os resultados foram bastante parecidos. Para osegundo conjunto algumas diferenças importantes foram encontradas, covariáveis que pela abordagemGAM eram indicadas como significativas, pela abordagem INLA foram indicadas como não significativas,porém os efeitos espaciais e temporais foram estimados de forma muito parecida. O último émais desafiador exemplo, mostrou uma grande diferença entre as abordagens na forma como captam osefeitos espaciais e temporais, de forma geral a abordagem GAM tende a suavizar demais estes efeitos efornece intervalos de confiança pouco realísticos, ao passo que a abordagem INLA apresenta melhoresresultados e intervalos de credibilidade mais aceitáveis. Nos três exemplo, medidas de concordância entreas observações e os modelos foram tomadas, foram elas: erro quadrático médio, erro absoluto médio,correlação entre observados e preditos e nível de cobertura. Por estas medidas em todos os exemplosanalisados a abordagem INLA apresentou melhores resultados que a abordagem GAM.62