Modelo bayesiano hierárquico para a predição de curvas espacialmente correlacionadas e com espaçamentos não equidistantes

• Processo: 23/18036-3
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de agosto de 2024
• Data de Término da vigência: 31 de julho de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Luiz Koodi Hotta
• Beneficiário: Alvaro Alexander Burbano Moreno
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 23/02538-0 - Séries temporais, ondaletas, dados de alta dimensão e aplicações, AP.TEM
• Assunto(s): Análise de dados Redes bayesianas Processos gaussianos B-spline Polinômios Álgebras de Bernstein
• Palavra(s)-Chave do Pesquisador: Basis Functions | Bayesian Paradigm | irregularly spaced data | Non-independent Functional Data | Análise de Dados Funcionais

Resumo

O projeto de pesquisa se concentra em expandir e aprofundar o estudo recente realizado por Burbano (2023), o qual apresenta um modelo Bayesiano funcional Gaussiano que incorpora técnicas de suavização B-spline e polinômios de Bernstein, incluindo um componente de efeito aleatório autorregressivo para inserir associações que possam existir devido ao espaçamento irregular entre os dados em cada série. Para esse fim, são propostas algumas extensões do modelo, que serão descritas na Seção 3 e que, posteriormente, serão utilizadas em um conjunto de dados reais com o objetivo de fazer previsões em locais não observados. (AU)