Modelos para séries temporais de valores inteiros têm se destacado devido a vasta possibilidade de aplicação. Modelos para controle estatístico de processos, para dados econômicos e, atualmente, para a sequência estrutural dos ácidos desoxirribonucleicos (DNA), são exemplos de importantes aplicações. Este trabalho está dividido em dois capítulos independentes. A primeira parte do trabalho diz respeito a modelagem de dados binários autocorrelacionados. Neste contexto, uma nova classe de modelos foi proposta, baseado em operadores thinning, denominada processo Bernoulli autorregressivo de ordem p[BeAr(p)] similar ao modelo clássico AR(p). Em particular, o modelo BeAr(1) foi estudado e  várias propriedades foram estabelecidas, três métodos de estimação foram propostos para o modelo, inclusive foi estabelecida a distribuição assintótica dos estimadores pelo método de mínimos quadrados condicionais e os elementos da matriz de informação de Fisher. Além das simulações, aplicações foram feitas em 

dados reais de precipitação, ocasião em que os modelos BeAr(1) e BeAr(2) foram indicados para modelagem. Na segunda parte do trabalho, novos modelos foram estudados ao propor a família de distribuições de séries de potência generalizada com parâmetro inflador (IGPSD) para o processo de 

inovação do modelo INAR(1). As principais propriedades do processo foram estabelecidas, tais como a média, variância, autocorrelação e probabilidade de transição. Os métodos de estimação por Yule-Walker e máxima verossimilhança condicional foram utilizados para estimar os parâmetros dos modelos. Dois casos particulares do modelo INAR$(1)$ com inovação IGPSD foram estudados, denominados de  IPoINAR(1) e IGeoINAR(1). Por fim, na aplicação a dados reais, observou-se um bom desempenho do novo modelo proposto.