Modelagem Bayesiana Hierárquica em PPNHs

Muitas aplicações estatísticas envolvem múltiplos parâmetros que podem ser considerados como relacionados ou ligados de alguma forma pela estrutura do problema, implicando que um modelo de probabilidade conjunta para esses parâmetros deva refletir a dependência entre eles. Uma característica-chave de tais aplicações é que os dados observados, $t_{ij}$ , com unidades indexadas por $j$, dentro de grupos indexados por $i$, podem ser usados para estimar aspectos da distribuição populacional dos parâmetros. No contexto de múltiplos sistemas reparáveis, pode ser de interesse investigar se a função intensidade de falhas dos sistemas seguem o mesmo ou diferentes Processos de Poisson Não-Homogêneos (PPNHs). É natural modelar tal problema hierarquicamente, com os resultados observáveis sendo modelados condicionalmente nessess parâmetros populacionais, que são dados como uma especificação probabilística em termos de parâmetros adicionais ou hiperparâmetros. Tal pensamento hierárquico ajuda a entender problemas multiparamétricos. Este trabalho apresenta uma abordagem Bayesiana Hierárquica para modelar PPNHs. A abordagem é então aplicada a dados reais sobre história de falhas e reparos de transformadores de potência elétrica.