Modelos Bayesianos de Espaço de Estados Não-Gaussianos

A análise de séries temporais de observações não-Gaussianas é de grande aplicabilidade em diversas áreas do conhecimento. Em se tratando de séries de contagem, por exemplo, a utilização de modelos dinâmicos tem sido cada vez mais presente na literatura estatística. Este trabalho apresenta formas de modelagem de séries dessa natureza baseadas em modelos dinâmicos não-Gaussianos. Em particular, considera-se a possibilidade de inclusão de um coeficiente autorregressivo na evolução dos parâmetros de estado. Com o objetivo de descrever as incertezas inerentes ao processo de estudo, a inferência será realizada sobre o paradigma bayesiano. Serão explorados métodos de aproximação, como filtro de partículas e a aproximação de Laplace. Esta última forma foi descrita em detalhes em Rue et al. (2009). Essas metodologias são uma alternativa aos métodos de simulação estocástica que são comumente visto em trabalhos sob a abordagem bayesiana, como é o caso do método de Monte Carlo via Cadeias de Markov.