Show simple item record

dc.creatorCascone, Marcos Henrique
dc.date.accessioned2016-06-02T20:06:04Z
dc.date.available2011-05-16
dc.date.available2016-06-02T20:06:04Z
dc.date.issued2011-03-24
dc.identifier.citationCASCONE, Marcos Henrique. Abordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados contínuos. 2011. 85 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2011.por
dc.identifier.urihttps://repositorio.ufscar.br/handle/ufscar/4547
dc.description.abstractIn this work, the aim was to analyze in the classic and bayesian context, the GARMA model with three different continuous distributions: Gaussian, Inverse Gaussian and Gamma. We analyzed the performance and the goodness of fit of the three models, as well as the performance of the coverage percentile. In the classic analyze we consider the maximum likelihood estimator and by simulation study, we verified the consistency, the bias and de mean square error of the models. To the bayesian approach we proposed a non-informative prior distribution for the parameters of the model, resulting in a posterior distribution, which we found the bayesian estimatives for the parameters. This study still was not found in the literature. So, we can observe that the bayesian inference showed a good quality in the analysis of the serie, which can be comprove with the last section of this work. This, consist in the analyze of a real data set corresponding in the rate of tuberculosis cases in metropolitan area of Sao Paulo. The results show that, either the classical and bayesian approach, are good alternatives to describe the behavior of the real time serie.eng
dc.description.sponsorshipFinanciadora de Estudos e Projetos
dc.formatapplication/pdfpor
dc.languageporpor
dc.publisherUniversidade Federal de São Carlospor
dc.rightsAcesso Abertopor
dc.subjectAnálise de séries temporaispor
dc.subjectModelos estatísticospor
dc.subjectDistribuição normalpor
dc.subjectDistribuição inversa Gaussianapor
dc.subjectDistribuição gama.por
dc.subjectModelos GARMApor
dc.subjectInferência clássicapor
dc.subjectInferência Bayesianapor
dc.subjectGARMA Modeleng
dc.subjectGaussian distributioneng
dc.subjectInverse Gaussian Distributioneng
dc.subjectGamma Distributioneng
dc.subjectClassic Inferenceeng
dc.subjectBayesian Inferenceeng
dc.titleAbordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados contínuospor
dc.typeDissertaçãopor
dc.contributor.advisor1Andrade Filho, Marinho Gomes de
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4126245980112687por
dc.creator.Latteshttp://lattes.cnpq.br/2413229482195408por
dc.description.resumoNeste trabalho, o objetivo foi analisar no contexto clássico e bayesiano, o modelo GARMA com três distribuições contínuas: Gaussiana (Normal), Inversa Gaussiana e Gama, e também o desempenho e a qualidade do ajuste dos modelos de interesse, bem como o desempenho dos percentis de cobertura para eles. Para o estudo clássico foi considerado os estimadores de máxima verossimilhança e por meio de simulação verificou-se a consistência, o viés e o erro quadrático médio dos mesmos. Para a abordagem bayesiana é proposta uma distribuição a priori não informativa para os parâmetros dos modelos resultando em uma distribuição a posteriori, o qual a partir daí pode-se encontrar as estimativas bayesianas para os parâmetros, sendo que este estudo ainda não foi encontrado na literatura. Com isso pode-se observar que a inferência bayesiana mostrou boa eficiência no processo de análise da série, o que pode ser comprovado também com a última etapa do trabalho. Esta, consiste na análise de um conjunto de dados reais correspondente a taxa de casos de tuberculose na região metropolitana de São Paulo. Os resultados mostram que, tanto o estudo clássico quanto o bayesiano, são capazes de descrever bem o comportamento da série.por
dc.publisher.countryBRpor
dc.publisher.initialsUFSCarpor
dc.publisher.programPrograma de Pós-Graduação em Estatística - PPGEspor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICApor


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record