Estudio del caudal a través de modelos lineales generalizados dinámicos

  • Dagoberto Bermúdez Universidad Nacional de Colombia
  • Elmen D’Achiardi Universidad Nacional de Colombia

Resumen

Este documento presenta una introducción a los modelos lineales dinámicos normales y generalizados que son una herramienta importante  en  el  análisis  de  series  de  tiempo  bajo  un  contexto  bayesiano,  donde  el  cambio  dinámico  de  sus  parámetros  permite  una adaptación a las circunstancias en que evolucionan los datos, facilitando su análisis e interpretación. Dicha metodología se implementará en el  modelamiento  del  caudal  y  la  precipitación  para  los  datos  recolectados  en  la  estación  Cabrera  del  río  Sumapaz  ubicado  en  la  región central del territorio colombiano.

Citas

GAMERMAN, D. (1997), Markov Chain Monte Carlo: Stochastic simulation for Bayesian inference., Chapman & Hall, London.

GAMERMAN, D. (1998), 'Markov chains Monte Carlo for dynamic generalized linear models ', Biometrika 85, 215- 227.

HARRISON, P. J. & STEVENS, C. V. (1976), 'Bayesian Forecasting. ', foWllal of the Royal Statistical Society (38), 205- 247.

WEST, M. & HARRISON, J. (1997), Bayesian Forecastin and Dinamic Models, Springer-Verlag , New York.

WEST, P., MIGON, H. & HARRISON, J. (1985), 'Dynamic Generalized Linear Models and Bayesian Forecasting', Journal of the American Statistical Association 80(389), 73- 83.
Publicado
2011-04-04
Sección
Articulos