Modelo não linear bayesiano aplicado a previsão populacional para os estados brasileiros

Resumo

Nos modelos não lineares os dados são ajustados através de uma combinação não linear dos parâmetros. A inferência bayesiana é uma importante ferramenta que pode ser aplicada a este tipo de modelo. Dados de crescimento são essencialmente não lineares, possibilitando assim o uso dessa técnica em suas análises; haja vista que a teoria bayesiana tem grande vantagem de propiciar a previsão de probabilidades de modo direto. Os municípios brasileiros recebem recursos governamentais federais com base em dados estatísticos demográficos coletados a cada dez anos pelo Instituto Brasileiro de Geografia e Estatística (IBGE) como também, com levantamentos feitos periodicamente por amostragens em domicílios, obtendo-se assim informações anuais sobre características demográficas e socioeconômicas da população denominadas por Pesquisa Nacional por Amostra de Domicílios (PNAD). O objetivo desse trabalho é estimar o crescimento populacional brasileiro nos estados e distrito federal referente aos anos de 2016 e 2020, tendo por base resultados demográficos dos Censos relativos aos anos de 1991, 2000, 2010 e 2012; fazendo-se uso de um modelo assintótico, o exponencial com três parâmetros. O modelo bayesiano foi utilizado para a estimação dos parâmetros. Com a aplicação de tais técnicas foi possível obter previsões de mudanças no contingente populacional brasileiro por estado, para os respectivos anos (2016 e 2020). As regiões Norte e Centro-Oeste demonstraram um aumento significativo em suas populações. Taxas populacionais menores foram verificadas em regiões litorâneas.