Busca realizar predicciones y ajustes de datos longitudinales y de supervivencia usando modelos jerárquicos dinámicos. Modelos para datos longitudinales y tiempo hasta ocurrir un evento de interés son propuestos en el contexto de modelaje conjunta. Estructuras de regresión diferentes para los datos longitudinales son presentadas con evolución basada en modelo linear dinámico jerárquico generalizado. La función de riesgo asume forma paramétrica y semiparamétrica. El procedimiento de inferencia es desenvuelto usando abordaje bayesiano. Cuatro conjuntos de datos son usados para ilustrar las metodologías propuestas.

Realiza predicciones y ajustes de información actuarial. Este trabajo propone usar los modelos multiniveles robustos para modelar datos del área de actuaria; en particular, ajustar el riesgo colectivo. El abordaje utilizado fue realizado usando el paradigma de Bayes. De este modo, los estimadores del valor de la prima de seguros son calculados en situaciones de super dispersión y con información atípica. Se evalúa la capacidad predictiva del modelo vía uso de resultados de la teoría de decisión estadística.