Modelagem Espacial Bayesiana com R-INLA

Os princípios por trás da interface para modelos espaciais de domínio contínuo no pacote de software RINLA para R são descritos. A abordagem de aproximação integrada de Laplace aninhada (INLA) proposta por Rue, Martino e Chopin (2009) é uma alternativa computacionalmente eficaz ao MCMC para inferência bayesiana. O INLA é projetado para modelos gaussianos latentes, uma classe muito ampla e flexível de modelos que varia de modelos mistos lineares (generalizados) a modelos espaciais e espaço-temporais. Combinado com a abordagem de equação diferencial parcial estocástica (SPDE, Lindgren, Rue e Lindström 2011), é possível acomodar todos os tipos de dados geograficamente referenciados, incluindo dados areais e geostatísticos, bem como dados de processo pontual espacial. A interface de implementação cobre modelos espaciais estacionários, modelos espaciais não estacionários e também modelos espaço-temporais, sendo aplicável em epidemiologia, ecologia, avaliação de risco ambiental, além de geostatística geral.