A primeira parte do trabalho diz respeito a modelagem de dados binários que possuem estrutura de autocorrelação, em que uma nova classe de modelos foi proposta, denominada processo Bernoulli autorregressivo de ordem p [BeAr(p)], familiar aos modelos classicos existentes na literatura, como por exemplo, AR(p) e INAR(p). O modelo BeAr(1) foi estudado e foi estabelecidas varias propriedades, inclusive três métodos de estimação foram propostos para o modelo. Além de simulações, aplicações foram feitas em dados reais de precipitação, ocasião em que os modelos BeAr(1) e BeAr(2) foram propostos para modelagem. Na segunda parte, novos modelos foram estudados ao sugerir a família de distribuição IGPSD para o processo de inovação do modelo INAR(1). As principais propriedades do processo foram estabelecidas, como a média, variância, autocorrelação e probabilidade de transição. Os metodos de estimação por Yule Walker (YW) e máxima verossimilhança condicional (MVC) foram aplicados. Dois casos particulares do modelos INAR(1) com processo de inovação IGPSD foram estudados. Na aplicação a dados reais sobredispersos, o modelo proposto IPoINAR(1) obteve melhor desempenho com relação a outros modelos, segundo o criterio AIC.