Resumo
A classe de Modelos Lineares Dinâmicos Generalizados estende a modelagem dinâmica à família exponencial, e não ficamos mais restritos a assumir a normalidade dos dados. Esse tipo de modelagem é adequado para se trabalhar com dados provenientes de distribuições não-normais da família exponencial: Poisson para dados de contagem, Bernoulli para proporções, Gama para dados contínuos assimétricos, entre outras. Em particular, entre os dados provenientes de campeonatos de futebol, o número de gols é um candidato à distribuição de Poisson. Essa dissertação se propõe a construir modelos para prever resultados de partidas de futebol, modelando o número de gols de cada equipe. Portanto, dois objetivos podem ser alcançados: fazer previsões e comparar modelos. Propomos o uso de dois modelos Bayesianos dinâmicos com coeficientes auto-regressivos de evolução para o número de gols feitos pelas equipes do campeonato brasileiro do ano de 2006. Além de ajustar esses dois modelos, também foram ajustados um modelo estático e um dinâmico propostos por RUE e SALVESEN (2000) e usados em SOUZA e GAMERMAN (2004). Para comparar os modelos, usamos a razão de verossimilhanças. A inferência foi feita adotando-se a abordagem Bayesiana e, como a distribuição a posteriori não é analiticamente tratável, usamos métodos de Monte Carlo via Cadeias de Markov (MCMC).
