Este trabalho apresenta um estudo de dados com resposta em intervalos limitados, mais especificamente no intervalo [0,1], como no caso de taxas e proporções. Em diversos casos práticos esta estrutura de dados apresenta uma quantidade não negligenciável de valores extremos (0 e 1) e que modelos usuais não são adequados para sua análise. Para esta situação propomos, por meio de um enfoque Bayesiano, modelos de regressão beta inflacionado de zeros e uns (BIZU) e modelos de regressão Tobit duplamente censurado adaptados nesse intervalo. Técnicas de diagnóstico e qualidade do ajuste também são discutidas. Apresentamos a análise desta estrutura de dados no contexto de série de tempo por meio da abordagem Bayesiana de modelos dinâmicos. Estudos de comportamento e previsão de séries de tempo foram explorados utilizando técnicas de Monte Carlo sequencial, conhecidas como filtro de partículas. Particularidades e competitividade entre as duas classes de modelos também foram discutidas.

This paper presents a study focused on observations in a limited interval , more specifically in [0,1] , such as rate and proportion data. In many practical cases this data structure has a considerable amount of extreme values (0 and 1) and usual classical models are not suitable for this type of data set. We propose two class of regression models to deal with this context: beta inflated of zeros and ones (BIZU) models and Tobit doubly censored models adapted in this interval. Fit quality and diagnostic techniques are also discussed. Time series of proportions are also developed through Bayesian dynamic models. Forecasting and behavioral analysis were explored using sequential Monte Carlo techniques, known as particle filters. Particularities and competitiveness between the two classes of models were also discussed as well.