Métodos computacionais para inferência aproximada em regressão espacial Poisson

• Processo: 25/08612-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2025
• Data de Término da vigência: 31 de maio de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Aluísio de Souza Pinheiro
• Beneficiário: Gabriel Vieira Cardoso
• 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): Dados de alta dimensão Inferência paramétrica Estatística espacial
• Palavra(s)-Chave do Pesquisador: Computação Estatistica | Dados de alta dimensão | Inferência paramétrica | Simulacao Estocastica | Variáveis Pólya-Gama | Verossimilhança aumentada | Estatística Espacial

Resumo

Modelos de covariância espaciais tipicamente envolvem matrizes densas, o que exige métodos baseados em aproximações (para as matrizes ou suas inversas) de forma a realizar ajustes ou obter previsões. Esses problemas são exacerbados em modelos hierárquicos, como o de regressão espacial Poisson. Nosso objetivo é estudar novas abordagens de inferência aproximada, baseadas em verossimilhança aumentada por variáveis Pólya-Gamma, em conjunto com Hamiltonian Monte Carlo, e examinar seu impacto tanto em ganho computacional quanto à perda pela aproximação.