Modelo Dinâmico de Multiregressão

O Modelo Dinâmico de Multiregressão é uma classe de série temporal multivariada que representa processos causais dinâmicos múltiplos através de grafos. Este trabalho demonstra, pela primeira vez, como é direta a aprendizagem da rede, considerando a intensidade de transmissão dinamicamente variante. Mostramos como os métodos de diagnóstico podem ser usados para sugerir aprimoramentos dessa classe, ampliando o processo de seleção de modelo. Um objetivo próprio da neurociência experimental é traçar conclusões a respeito dos mecanismos causais que sustentam a comunicação neural. Muitas vezes, o foco principal de interesse nestes experimentos inclui não só uma busca pelo possível modelo de um indivíduo específico, mas também uma análise dos efeitos compartilhados entre os indivíduos. Demonstramos aqui que, usando a estimação dos modelos gráficos causais múltiplos e as técnicas de hiperagrupamento Bayesiano, é possível formalmente fazer inferências de maneira coerente e que contemplem hipóteses sobre as dependências compartilhadas entre as populações de indivíduos.