Modelos Autorregressivos de Valores Inteiros Multivariados

Detalhes bibliográficos
Autor(a) principal: Fragoso, Constança de Alves Cardoso e André
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/107873
Resumo: Dissertação de Mestrado em Matemática apresentada à Faculdade de Ciências e Tecnologia
id RCAP_9a789054bd0f373b7da29e31da5ea6ba
oai_identifier_str oai:estudogeral.uc.pt:10316/107873
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Modelos Autorregressivos de Valores Inteiros MultivariadosMultivariate Integer-valued Autoregressive ModelsSéries Temporais de Contagem MultivariadasOperadores AleatóriosModelos AutorregressivosMultivariate Count Time SeriesRandom OperatorsAutoregressive ModelsDissertação de Mestrado em Matemática apresentada à Faculdade de Ciências e TecnologiaThis work is part of the area of Time Series and is dedicated to the study of the model MGINAR(1) (Multivariate Generalized Integer Autoregressive of order 1) and a particular case of it - a model BINAR(1) (Bivariate Integer-valued Autoregressive of order 1). These are processes whose margins are random vectors of non-negative integer components.The formulation of the MGINAR(1) process is based on the introduction of a random matrix operator, whose most relevant properties are demonstrated. Next is the definition of the MGINAR(p) process and the proof that it can be obtained as a subvector of a larger MGINAR(1) process, considering, for this purpose, an adequate matrix of coefficients. Results are also established and demonstrated that allow concluding that the MGINAR(1) process admits first and second order moments and that it is strongly and weakly stationary. In the case of the BINAR(1) model, its definition and its most relevant properties are presented. Then, its study is deepened, particularizing the processes of innovations following Poisson's laws and bivariate Negative Binomials.Subsequently, the model parameters are estimated for each case of innovation using three methods: Yule Walker, Conditional Least Squares and Maximum Likelihood. Finally, two simulations of the BINAR(1) model are carried out, using the software R, as well as an application with real data relating to sunspots recorded in two observatories, which illustrates what has been referred to in theory and the unknown parameters are estimated according to the Yule Walker and Conditional Least Squares methods.Este trabalho enquadra-se na área de Séries Temporais e é dedicado ao estudo do modelo MGINAR(1) (Multivariate Generalized Integer Autoregressive of order 1) e de um caso particular do mesmo - um modelo BINAR(1) (Bivariate Integer-valued Autoregressive of order 1). Trata-se de processos cujas margens são vetores aleatórios de componentes inteiras não negativas. A formulação do processo MGINAR(1) é feita à custa da introdução de um operador aleatório matricial, cujas propriedades mais relevantes são demonstradas. Segue-se a definição do processo MGINAR(p) e a prova de que este se pode obter como subvetor de um processo MGINAR(1) de maior dimensão, considerando, para tal, uma matriz de coeficientes adequada. São, ainda, estabelecidos e demonstrados resultados que permitem concluir que o processo MGINAR(1) admite momentos de primeira e de segunda ordens e que é fortemente e fracamente estacionário.No caso do modelo BINAR(1), é apresentada a sua definição e as suas propriedades mais relevantes. Seguidamente, aprofunda-se o seu estudo, considerando-se, em particular, que o processo de inovações segue uma lei bivariada de Poisson ou Binomial Negativa.Posteriormente, efetua-se a estimação pontual dos parâmetros do modelo para cada caso de inovações através de três métodos: Yule Walker, Mínimos Quadrados Condicionais e Máxima Verosimilhança. Por fim, são realizadas duas simulações do modelo BINAR(1), através da utilização do software R, bem como uma aplicação com dados reais relativos a manchas solares registadas em dois observatórios, onde se ilustra o que foi referido em teoria e se estima os parâmetros desconhecidos de acordo com os métodos de Yule Walker e dos Mínimos Quadrados Condicionais.2023-07-21info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/107873http://hdl.handle.net/10316/107873TID:203338413porFragoso, Constança de Alves Cardoso e Andréinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-08-02T22:02:06Zoai:estudogeral.uc.pt:10316/107873Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:24:10.091430Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Modelos Autorregressivos de Valores Inteiros Multivariados
Multivariate Integer-valued Autoregressive Models
title Modelos Autorregressivos de Valores Inteiros Multivariados
spellingShingle Modelos Autorregressivos de Valores Inteiros Multivariados
Fragoso, Constança de Alves Cardoso e André
Séries Temporais de Contagem Multivariadas
Operadores Aleatórios
Modelos Autorregressivos
Multivariate Count Time Series
Random Operators
Autoregressive Models
title_short Modelos Autorregressivos de Valores Inteiros Multivariados
title_full Modelos Autorregressivos de Valores Inteiros Multivariados
title_fullStr Modelos Autorregressivos de Valores Inteiros Multivariados
title_full_unstemmed Modelos Autorregressivos de Valores Inteiros Multivariados
title_sort Modelos Autorregressivos de Valores Inteiros Multivariados
author Fragoso, Constança de Alves Cardoso e André
author_facet Fragoso, Constança de Alves Cardoso e André
author_role author
dc.contributor.author.fl_str_mv Fragoso, Constança de Alves Cardoso e André
dc.subject.por.fl_str_mv Séries Temporais de Contagem Multivariadas
Operadores Aleatórios
Modelos Autorregressivos
Multivariate Count Time Series
Random Operators
Autoregressive Models
topic Séries Temporais de Contagem Multivariadas
Operadores Aleatórios
Modelos Autorregressivos
Multivariate Count Time Series
Random Operators
Autoregressive Models
description Dissertação de Mestrado em Matemática apresentada à Faculdade de Ciências e Tecnologia
publishDate 2023
dc.date.none.fl_str_mv 2023-07-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/107873
http://hdl.handle.net/10316/107873
TID:203338413
url http://hdl.handle.net/10316/107873
identifier_str_mv TID:203338413
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134127102885888

Registros relacionados