Non-linear bayesian model applied to the population’s prediction of states of Brazil
DOI:
https://doi.org/10.33448/rsd-v9i8.5558Keywords:
Bayesian Inference; Populational growth; Growth curves.Abstract
The data are adjusted through a non-linear combination of parameters in non-linear models. Bayesian inference is an important tool that can be applied to this type of model. Growth data is essentially non-linear, thus making it possible to use this technique in your analysis; given that the Bayesian theory has a great advantage of providing the prediction of probabilities in a direct way. Brazilian municipalities receive federal government resources based on demographic statistical data collected every ten years by the Brazilian Institute of Geography and Statistics (IBGE), as well as surveys carried out periodically by sampling in households, thus obtaining annual information on demographic characteristics and socioeconomic status of the population called the National Household Sample Survey (PNAD). The objective of this work is to estimate the Brazilian population growth in the states and federal district for the years 2016 and 2020, based on the demographic results of the Censuses for the years 1991, 2000, 2010 and 2012; making use of an asymptotic model, the exponential with three parameters. The Bayesian model was used to estimate the parameters. With the application of such techniques, it was possible to obtain predictions of changes in the Brazilian population contingent by state, for the respective years (2016 and 2020). The North and Midwest regions showed a significant increase in their populations. Lower population rates were seen in coastal regions.
References
Alves J. E. D. (2014). População, desenvolvimento e sustentabilidade: perspectivas para a CIPD pós-2014. R. bras. Est. Pop., Rio de Janeiro, v. 31, n.1, p. 219-230.
Ávila, R. I.t; Machado, A. M. (2015) Transição demográfica brasileira: desafios e oportunidades na educação, no mercado de trabalho e na produtividade . Textos Para Discussão FEE. Texto n° 133. Secretaria de Planejamento e Desenvolvimento Regional. Fundação de Economia e Estatística Siegfried Emanuel Heuser. Porto Alegre.
ArrabaL, C. T. (2012) Estimação Clássica e Bayesiana para relação espécie-área com Distribuições Truncadas no Zero. Disponível em:
http://www.bdtd.ufscar.br/htdocs/tedeSimplificado/tde_arquivos/-09-05.Acessado07- 02-2019
Baiense, E. M.(2014). Análise do desenvolvimento econômico e social do Espírito Santo à luz da transição demográfica. Dissertação apresentada à Universidade Federal do Espírito Santo. Vitória.
Björck, A. (1996). Numerical methods for least squares problems SIAM, Philadelphia [S.l.] ISBN 0-89871-360-9.
Bongaarts, J. (2009) Population growth and policy options in sub-saharan áfrica. Paper presented at a special session organized by the Hewlett Foundation, PAA meetings, Detroit, May 2.
Calbo, A. G., Silva. W. L. C, Torres A. C. (1989). Ajuste de funções não lineares de crescimento. Rev. Bras. Fisiol. Vegetal1.1: 9-18. Disponível em: http://www.cnpdia.embrapa.br/rbfv/pdfs/v1n1p9.pdf.
Carvalho, L. R. (1996). Métodos para comparação de curvas de crescimento. 172f-il. Disponível em: http://repositorio.unesp.br/handle/11449/101837. Acessado em:13 de março 2016.
Crawley, M. J. John W. S. (2012) The R Book, 2nd Edition, West Sussex, United Kingdom.
Devore, Jay L. (2006). Probabilidade e estatística: para engenharia e ciências. Pioneira Thomson Learning.
Freitas, A. R. (2005) Curvas de crescimento na produção animal.R. Bras. Zootec, v. 34, n. 3, p. 786-795. http://www.scielo.br/pdf/rbz/v34n3/a10v34n3. Acesso em: 13 de abril de 2016.
Fernandes, T. J., et.al (2014).Seleção de modelos não lineares para a descriação das curvas de crescimento do fruto do cafeeiro. Coffee Science9.2: 207-215. //www.coffeescience.ufla.br/index.php/Coffeescience/article/view/618. Acessado em: 12 de Abril de 2016.
Goodkind, D. K., Paul. (2016). An Aging World: 2015. U.S. Census Bureau, International Population Reports, P95/16-1, , U.S. Government Publishing Office, Washington, DC.
Instituto Brasileiro de Geografia e Estatística - IBGE.(2014). Nota Técnica. Estimativas da população dos municípios brasileiros com data de referência em 1º de julho de 2014. DPE/COPIS/GEADD.
Instituto Brasileiro de Geografia e Estatística – IBGE.(2015). Síntese de Indicadores Sociais. Uma análise das condições de vida da população brasileira 2015. Estudos e Pesquisas-Informação Demográfica e Socioeconômica. nº 35.Rio de Janeiro.
Lutz W. K. C, S. (2010) Dimensions of global population projections: what do we know about future population trends and structures? This journal is. The Royal Society. 2010
Küchemann, B. A. (2012) Envelhecimento populacional, cuidado e cidadania: velhos di¬lemas e novos desafios. Revista Sociedade e Estado – V. 27 n.1.
Machado, E. J.; Muniz, J. A.; Sáfadi, T. S., T. V. (2012). Estimação de um modelo de espécies de macroinvertebrados bentônicos via análise bayesiana do modelo de michaelis-menten. Rev. Bras. Biom., São Paulo, v.30, n.1, p.106-123.
Mattos, T. B. (2013). Modelos Não Lineares e suas Aplicações.. 58 p. : il. Disponível em: www.ufjf.br/cursoestatistica/files/2014/04/Modelos-N%C3%A3o-Lineares-e-suas-Aplica%C3%A7%C3%B5es.pdf.
Mazucheli, J.; Achcar, J. A. (2002). Algumas considerações em regressão não linear. Acta Scientiarum. Maringá, v. 24, n. 6, p. 1761-1770.
Mendes, P. N. (2011). Ajustes dos modelos Gompertz e logístico na descrição das curvas de crescimento de tomates: uma abordagem bayesiana – Lavras: UFLA, 2011, 82 P. Tese de Doutorado. Universidade Federal de Lavras. Disponível em: http://repositorio.ufla.br/bitstream/1/4409/1/TESE. Acessado em: 8-04-2019
Muianga, C. A.. (2014) Modelos não lineares com estrutura de erros independentes e autocorrelacionados na descrição do crescimento do fruto do cajueiro. Lavras: UFLA.
Nascimento, F. F.(2009). Abordagem Bayesiana não-paramétrica para análise de valores extremos. Rio de Janeiro: UFRJ/IM.
Neto, F. S.; Carvalho L. R.; Mischan M. M. (2013). Ajustes de modelos não lineares a dados de crescimento com estrutura de erros independentes e autorregressivos de primeira ordem-aplicações. Rev. Bras. Biom., São Paulo, v.31, n.4, p.631-644.
Paula, F. V. (2011). Métodos estatísticos aplicados à análise de dados de etiqueta de sequência expressa. 59 p.
Plentz, R. D. (2003). Redes bayesianas para análise de comportamento aplicadas a telefonia celular. Dissertação submetida à U.F.S.C. Florianópolis.
Oliveira, A. T. R.O., Maria, M. V. C. (2013) Cenário sociodemográfico em 2022/2030 e distribuição territorial da população uso e ocupação do solo. Rio de Janeiro: Fiocruz/Ipea/Ministério da Saúde/Secretaria de Assuntos Estratégicos da Presidência da República, 2013. Vol. 2. pp. 41-93. ISBN 978-85-8110-016-6. Available from SciELO Books.
Oliveira, H. N. de, Lôbo R. B., Pereira C. S. (2000). Comparação de modelos não-lineares para descrever o crescimento de fêmeas da raça Guzerá. Pesquisa Agropecuária Brasileira(2000):1843-1851.
Relatório da ONU. World Population Prospects 2015. United Nations. Department of Economic and Social Affairs, Population Division (2015).– Data Booklet (ST/ESA/SER.A/377).
Rossi, R. M.(2011). Introdução aos métodos bayesianos na análise de dados zootécnicos com o uso do WinBUGS e R. Maringá: Eduem.
Santos, V. B.; Tadeu, R. (2007). Avaliação de curvas de crescimento morfométrico de linhagens de tilápia do Nilo (Oreochromis niloticus). Ciênc.agrotec. 31.5,(2007).https://www.researchgate.net/profile/Rilke_Freitas/publication/262462540_Evaluation_of_morhometric_growth_curves_of_tilapia_of_Nilo_(Oreochromis_niloticus)_strains/links/0c96053bf29298f50f000000.pdf. Acessado em 13-04-2019.
Souza, L. G. (2012). Preparação da base espacial do censo demográfico ibge 2010 para o município do rio de janeiro. IV Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação. p. 001 – 009.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2020 Mácio Augusto Albuquerque, Klebe Napoleão N. Oliveira Barros
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
1) Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2) Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
3) Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
