Estimação por máxima verossimilhança em modelos espaciais lineares mistos generalizados baseada na aproximação de Laplace

Abstract

Resumo : A modelagem geoestatística para dados não-gaussianos usualmente se dá por meio de métodos baseados em reamostragem por MCMC (Monte Carlo Markov Chain), que apresentam problemas inerentes quanto à complexidade computacional e convergência dos estimadores, que são agravados com o crescimento da quantidade de dados amostrados. Este trabalho tem como objetivo análise e modificação de algoritmos computacionais para a estimação de parâmetros de modelos espaciais lineares mistos generalizados (SGLMMs), por meio da maximização da log-verossimilhança usando a aproximação de Laplace. Utilizou-se a linguagem de programação R, a avaliação das funções foi feita por meio de um estudo de simulação, com o objetivo de investigar o comportamento dos estimadores obtidos sob diferentes condições, que mostra que os mesmos possuem propriedades como o não-viés para amostras grandes e consistência. Posteriormente, foi realizado o ajuste de diferentes modelos à duas bases de dados reais, que possuem dados não-gaussianos, como motivação de aplicação dos métodos desenvolvidos