Modelo Partição Produto com "Clusters'' Correlacionados

Identificar pontos de mudança é extremamente útil em diversas áreas de conhecimento, como por exemplo, economia, engenharia, hidrologia, medicina, meteorologia entre outras. Neste trabalho, esse problema será tratado do ponto de vista bayesiano, através de uma extensão do Modelo Partição Produto (MPP). Apesar do MPP ser amplamente utilizado na literatura para análise de dados sequenciais, em geral, é feita a suposição de que os parâmetros comuns que indexam as observações nos diferentes blocos ou "clusters" são independentes. Esta dissertação propõe um modelo tipo partição produto, o qual inova por assumir que estes parâmetros comuns são correlacionados. Esta correlação é introduzida no modelo através da distribuição a priori para tais parâmetros, baseada na idéia de processos de Markov. Especificamente, considerar-se-á a identificação de pontos de mudança na média da distribuição normal, cuja variância é considerada desconhecida, porém fixa ao longo do tempo. O modelo proposto é avaliado no contexto de dados sequenciais e os resultados obtidos são comparados com os resultados do MPP original Barry & Hartigan (1993), e a extensão do MPP proposta por Monteiro, Loschi & Assunção (2008).