Título: Modelos condicionais autorregressivos (CAR) em espaço de estados
Data: 16/10/2024 Horário: 15:30h
Palestrante: João Batista de Morais Pereira (IM-UFRJ)
Local: Laboratório de Sistemas Estocásticos (LSE), Sala I-044-B, Centro de Tecnologia - UFRJ.
Abstract: Em modelos para dados de área, é comum assumir que a estrutura latente, responsável pela correlação espacial entre as observações, assume um modelo condicional autorregressivo (CAR). Tais modelos permitem a construção da distribuição conjunta de variáveis aleatórias a partir da especificação das distribuições condicionais de cada uma, que dependem apenas de um conjunto de vizinhos. Para se fazer inferência em modelos CAR, é quase sempre necessário avaliar ou amostrar valores da distribuição a posteriori dos parâmetros latentes, o que pode ser custoso. Lavine (1998) mostrou que o problema de inferência em um modelo CAR na grade regular finita bidimensional pode ser tratado como um problema de inferência em uma determinada classe de modelos lineares dinâmicos (MLD). Uma das vantagens dessa relação é que métodos eficientes, comumente empregados na inferência em MLD, podem ser utilizados para se fazer inferência em modelos CAR. Propomos uma generalização dessa abordagem para modelos com resposta na família exponencial, considerando modelos lineares dinâmicos generalizados (MLDG), além de uma adaptação do conjugate updating, método de inferência sequencial que tem como aspecto fundamental o uso das distribuições a priori e a posteriori conjugadas à família exponencial. A abordagem proposta tem se mostrado promissora em termos de eficiência e custo computacional.
Trabalho em conjunto com Helio S. Migon e Alexandra M. Schmidt.
Mais informações podem ser encontradas no site: https://www.dme.ufrj.br/
