Modelos dinâmicos e simulação estocástica
Gamerman, Dani
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
This paper presents new methodology for making Bayesian inference about dy~ o!s for exponential famiIy observations. The approach is simulation-based _~t> use of ~vlarkov chain Monte Carlo techniques. A yletropolis-Hastings i:U~UnLlllll 1::; combined with the Gibbs sampler in repeated use of an adjusted version of normal dynamic linear models. Different alternative schemes are derived and compared. The approach is fully Bayesian in obtaining posterior samples for state parameters and unknown hyperparameters. Illustrations to real data sets with sparse counts and missing values are presented. Extensions to accommodate for general distributions for observations and disturbances. intervention. non-linear models and rnultivariate time series are outlined.
Ficha do documento
- Tipo
- Estudo
- Ano
- 1996
- Instituição
- Escola de Pós-Graduação em Economia da FGV
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Não informado
- Identificador
- oai:repositorio.fgv.br:10438/12213
- Temas
- Economia
Conteúdos relacionados
- DissertaçãoOpções de longo prazoFundação Getulio Vargas · 2024
- Artigo científicoConvergence analysis of sampling-based decomposition methods for risk-averse multistage stochastic convex programsEMAp - Escola de Matemática Aplicada · 2016
- EstudoBayesian analysis of extreme events with threshold estimationFundação Getulio Vargas. Escola de Pós-graduação em Economia · 2004
- DissertaçãoProject finance e compartilhamento de risco da demanda em projetos de concessão de rodoviasFundação Getulio Vargas · 2024
