Modelos jerárquicos bayesianos para describir dependencias
Para modelar conjuntos de datos con dependencia espacial se suelen considerar distribuciones multivariantes, donde los parámetros de las distribuciones marginales presentan relaciones asociadas a la localización, cuya estimación utilizando las técnicas habituales conlleva una gran complejidad. Si consideramos cópulas para controlar la dependencia espacial, con las distribuciones marginales deseadas, sumado al hecho de usar modelos jerárquicos bayesianos se alivia el problema, facilitando la estimación de los parámetros.
En este trabajo, se propone un modelo jerárquico con una cópula gausiana y una distribución marginal de valores extremos generalizada, con parámetro de forma constante, utilizando cadenas de Markov de Monte Carlo para estimar los parámetros del modelo espacial y se aplica a un problema real para evaluar su calidad.
https://doi.org/10.3390/atmos12070897
https://doi.org/10.1080/02626667.2018.1457219
Financiado por MCIN/AEI/10.13039/501100011033 y PID2021-122209OB-C32.
Palabras clave: Modelos jerárquicos bayesianos cópulas dependencia espacial.