Pular para o conteúdo
Atlas da DengueBrasil · SINAN

Bayesiano

Modelo estatístico que devolve a incerteza da previsão.

Estatístico (PyMC)
Ver a previsão do Bayesiano

Como funciona

O modelo bayesiano descreve como os casos de dengue surgem: um nível base, mais um efeito de cada UF, de cada ano e da época do ano, mais o quanto a semana de origem pesa no futuro. Em vez de um único número, ele devolve milhares de cenários plausíveis.

Os cenários dão o intervalo de 95% mostrado no gráfico, e por isso ele é o que mais bem comunica a incerteza. Anos novos recebem o efeito médio dos anos vistos.

Entradas
A incidência da semana H semanas antes, a UF, o ano e a época do ano (ondas seno e cosseno), com a população da UF.
O que prevê
Incidência de casos prováveis por 100 mil habitantes, 1 a 4 semanas à frente da origem.
Configuração
  • Contagem de casos binomial negativa
  • Efeitos hierárquicos por UF e por ano
  • 2 cadeias, 500 amostras de aquecimento e 500 de amostragem (nutpie)
Referência
Gelman et al., Bayesian Data Analysis; implementado em PyMC.
Versão vigente
1

Erro por horizonte — Brasil

Métricas de teste do Bayesiano no Brasil
HorizonteNRMSEMAERMSER²
H10,1450,780,980,75
H20,1460,810,990,75
H30,1630,931,100,69
H40,1961,121,320,54

Erro por UF — 1 semana à frente

Métricas de teste do Bayesiano por UF, do menor para o maior erro
UFNRMSEMAER²
Minas Gerais0,0991,090,90
Rio de Janeiro0,1370,180,76
Paraná0,1920,710,52
São Paulo0,2021,000,51

Figuras do treino — 1 semana à frente

Erro de cada UF no teste (NRMSE: erro pela amplitude da série; menor é melhor). (Bayesiano, 1 semana à frente)
Erro de cada UF no teste (NRMSE: erro pela amplitude da série; menor é melhor).
Incidência semanal no Brasil no teste: observado × previsto pelo modelo. (Bayesiano, 1 semana à frente)
Incidência semanal no Brasil no teste: observado × previsto pelo modelo.
Distribuição posterior de três parâmetros: nível geral, peso da semana anterior e dispersão. (Bayesiano, 1 semana à frente)
Distribuição posterior de três parâmetros: nível geral, peso da semana anterior e dispersão.

Como a previsão é feita

Modelo do horizonte 1: prevê 06/09/2026Modelo do horizonte 2: prevê 13/09/2026Modelo do horizonte 3: prevê 20/09/2026Modelo do horizonte 4: prevê 27/09/2026H1H2H3H4●14/0630/0806/0913/0920/0927/0925/10origemdado mais recente12 semanas de histórico (a janela que o modelo lê)8 semanas ainda incompletas(não entram no treino)
  1. Cada modelo lê as 12 semanas terminando na origem, 30/08/2026.
  2. Há 4 modelos por tipo, um para cada horizonte: o H1 responde “quantos casos na semana seguinte?”, o H2 “duas semanas depois?”, e assim até o H4.
  3. Todos recebem a mesma janela. Uma semana prevista não é calculada a partir da anterior, e por isso o erro cresce com o horizonte.
  4. As semanas previstas (06/09/2026 a 27/09/2026) ficam antes do dado mais recente (25/10/2026): é uma previsão retroativa, que dá para conferir com o que foi notificado depois.

← Voltar à previsão do Bayesiano