Inferencia Bayesiana para modelos Poisson com priori conjugada baseada em misturas da distribuicao Gama
Inferência Bayesiana; Misturas de Gama; Priori conjugada; Distribuição Poisson.
A inferência Bayesiana é uma metodologia estatística que combina informações prévias sobre os parâmetros do modelo com dados observacionais para estimar a distribuição a posteriori dos parâmetros desconhecidos. Uma das vantagens de utilizar prioris conjugadas é que a distribuição a posteriori resultante permanece dentro da mesma família de distribuições da priori, o que facilita tanto os cálculos quanto a interpretação intuitiva dos parâmetros a posteriori. Neste estudo, adotamos misturas de distribuições Gama como prioris conjugadas, o que proporciona uma abordagem mais flexível e capaz de se ajustar melhor às diferentes características dos dados, permitindo uma estimação mais precisa do parâmetro do modelo Poisson. As misturas de distribuições Gama exploradas incluem a distribuição Lindley generalizada 1 (ABOUAMMOH; ALSHANGITI; RAGAB, 2015), a distribuição Lindley generalizada 2 (RAMOS; LOUZADA; MOALA, 2021) e a distribuição Lindley generalizada 3 (ZAKERZADEH; DOLATI, 2009). Essas distribuições são extensões da clássica distribuição Lindley e são notáveis por sua versatilidade, permitindo que se ajustem a uma ampla variedade de cenários e dados. Discutimos as vantagens das distribuições propostas em comparação com a distribuição Gama convencional, destacando os benefícios de utilizar essas misturas como prioris na modelagem de dados Poisson. Para ilustrar a aplicação prática da metodologia proposta, realizamos um estudo com dados reais.