Um estudo comparativo do uso de métodos de calibração bayesiana aproximada em modelos estocásticos

Heber L. Rocha, Regina C. Almeida, Renato S. Silva, Ernesto A. B. F. Lima

Resumo


Neste trabalho realizamos um estudo comparativo do uso de três métodos de in- ferência Bayesiana em modelos matemáticos estocásticos. Consideramos que não dispomos de função de verossimilhança, de modo que a calibração é realizada tendo como base a abordagem bayesiana aproximada. Utilizamos dois métodos clássicos de computação bayesiana aproximada (ABC), o ABC Rejeição e o ABC Monte Carlo Sequencial, e um terceiro método que propõe o uso conjunto de um metamodelo com o ABC, requerendo um número limitado de simulações, denominado AABC. Os métodos foram utilizados para a resolução de dois problemas inversos simples, um deles tendo solução exata. Apesar de sensíveis à escolha dos parâmetros, todos os três métodos se mostraram adequados, com o AABC apresentando potencial destaque na redução do custo computacional.

Palavras-chave


Problema Inverso, Modelo Matemático Estocástico, Computação Bayesiana Aproximada.

Texto completo:

PDF


DOI: https://doi.org/10.5540/03.2020.007.01.0448

Apontamentos

  • Não há apontamentos.


SBMAC - Sociedade de Matemática Aplicada e Computacional
Edifício Medical Center - Rua Maestro João Seppe, nº. 900, 16º. andar - Sala 163 | São Carlos/SP - CEP: 13561-120
 


Normas para publicação | Contato