Mostrar el registro sencillo del ítem
Um estudo sobre wavestrap
dc.contributor.author | Gremes, Kaê da Silva | |
dc.date.accessioned | 2021-07-07T23:43:18Z | |
dc.date.available | 2021-07-07T23:43:18Z | |
dc.date.issued | 2021-06-30 | |
dc.identifier.citation | GREMES, Kaê da Silva. Um estudo sobre wavestrap. 2021. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de São Carlos, São Carlos, 2021. Disponível em: https://repositorio.ufscar.br/handle/ufscar/14546. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/14546 | |
dc.description.abstract | Wavelets are basis of function spaces that can be used to represent both continuous (functions) and discrete (sequences) signals; wavelets study gained great notoriety after the work of Daubechies, who developed a wavelet family with compact support (DAUBECHIES,1988). Also in the second half of twentiest century the great advances in computer processing allowed the emergence of various computation intensive methods, such as bootstrap (EFRON, 1979). One of the key assumptions to use bootstrap is that the sample elements are not correlated, generally that is not a characteristic found in time series analysis. This study presents a review on wavestrap: a technique that joins both wavelet analysis and bootstrap resampling. By applying bootstrap to the wavelet transform coeficients we can generate samples that retain roughly the same characteristics of the original signal. We also analyze other nonparametric con fidence intervals based on bootstrap for estimating the fi rst autocorrelation of fi rst order autorregressive processes. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Séries temporais | por |
dc.subject | Bootstrap | eng |
dc.subject | Wavelets | eng |
dc.subject | Wavestrap | eng |
dc.title | Um estudo sobre wavestrap | por |
dc.title.alternative | A study on wavestrap | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Moura, Maria Sílvia de Assis | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/9410151859448447 | por |
dc.description.resumo | Ondaletas são bases de funções que podem ser utilizadas para descrever ou aproximar sinais contínuos (funções) ou sinais discretos (sequências); o estudo de ondaletas ganhou destaque considerável após o desenvolvimento das ondaletas de Daubechies (DAUBECHIES, 1988). Também na segunda metade do século XX, o avanço na tecnologia e capacidade de processamento possibilitou a introdução do bootstrap (EFRON, 1979), uma técnica computacionalmente intensiva baseada em reamostragem. Uma das principais suposições para a aplicação do bootstrap é que os elementos sejam não correlacionados, o que em geral não ocorre na análise de séries temporais. Este estudo apresenta o wavestrap, técnica de aplicação do bootstrap aos coe cientes de uma Transformada Ondaleta Discreta (DWT). Essa técnica é comparada com outras adaptações de bootstrap para séries temporais. São analisados métodos de desenvolvimento de intervalos de confi ança não paramétricos para a primeira autocorrelação de processos autorregressivos de primeira ordem. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADAS | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/8120851517975522 | por |
dc.publisher.course | Estatística - Es | por |