Modelo no lineal bayesiano aplicado a pronósticos de población para estados brasileños
DOI:
https://doi.org/10.33448/rsd-v9i8.5558Palabras clave:
Inferencia bayesiana; Crecimiento de la población; Curvas de crecimiento.Resumen
En los modelos no lineales, los datos se ajustan a través de una combinación no lineal de parámetros. La inferencia bayesiana es una herramienta importante que se puede aplicar a este tipo de modelo. Los datos de crecimiento son esencialmente no lineales, lo que permite utilizar esta técnica en su análisis; dado que la teoría bayesiana tiene una gran ventaja al proporcionar la predicción de probabilidades de manera directa. Los municipios brasileños reciben recursos del gobierno federal basados en datos estadísticos demográficos recopilados cada diez años por el Instituto Brasileño de Geografía y Estadística (IBGE), así como encuestas realizadas periódicamente por muestreo en hogares, obteniendo así información anual sobre características demográficas y estado socioeconómico de la población llamada Encuesta Nacional de Muestra de Hogares (PNAD). El objetivo de este trabajo es estimar el crecimiento de la población brasileña en los estados y distritos federales para los años 2016 y 2020, con base en los resultados demográficos de los Censos para los años 1991, 2000, 2010 y 2012; haciendo uso de un modelo asintótico, el exponencial con tres parámetros. El modelo bayesiano se utilizó para estimar los parámetros. Con la aplicación de tales técnicas, fue posible obtener predicciones de cambios en la población brasileña contingente por estado, para los años respectivos (2016 y 2020). Las regiones del norte y medio oeste mostraron un aumento significativo en sus poblaciones. Se observaron tasas de población más bajas en las regiones costeras.
Citas
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.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Mácio Augusto Albuquerque, Klebe Napoleão N. Oliveira Barros
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
