---

O Modelo Dinâmico de MultiregressÆo 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 transmissÆo dinamicamente variante. Mostramos como os métodos de diagnóstico podem ser usados para sugerir aprimoramentos dessa classe, ampliando o processo de sele‡Æo de modelo. Um objetivo próprio da neurociência experimental é tra‡ar conclusäes a respeito dos mecanismos causais que sustentam a comunica‡Æo neural. Muitas vezes, o foco principal de interesse nestes experimentos inclui nÆo 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 estima‡Æo 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 popula‡äes de indivíduos.

---

Dra. Lilia Costa possui gradua‡Æo pela Universidade Federal da Bahia (1998) e mestrado pela Universidade Federal do Rio de Janeiro (2000), ambos em Estatística e doutorado em Estatística aplicada à Neurociência pela Universidade de Warwick, na Inglaterra (2014). Atualmente é professora adjunta da Universidade Federal da Bahia.

---