Métodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSCAR |
Texto Completo: | https://repositorio.ufscar.br/handle/ufscar/4601 |
Resumo: | In this work we propose a Bayesian nonparametric approach for modeling extreme value data. We treat the location parameter _ of the generalized extreme value distribution as a random function following a Gaussian process model (Rasmussem & Williams 2006). This configuration leads to no closed-form expressions for the highdimensional posterior distribution. To tackle this problem we use the Riemannian Manifold Hamiltonian Monte Carlo algorithm which allows samples from the posterior distribution with complex form and non-usual correlation structure (Calderhead & Girolami 2011). Moreover, we propose an autoregressive time series model assuming the generalized extreme value distribution for the noise and obtained its Fisher information matrix. Throughout this work we employ some computational simulation studies to assess the performance of the algorithm in its variants and show many examples with simulated and real data-sets. |
id |
SCAR_02ff19a33de064faf8a189079ecc5375 |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/4601 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
4322 |
spelling |
Hartmann, MarceloEhlers, Ricardo Sandeshttp://lattes.cnpq.br/4020997206928882http://lattes.cnpq.br/31108871951090569ac1471d-9297-4a29-8b44-995482aea0f42016-06-02T20:06:51Z2015-03-262016-06-02T20:06:51Z2015-03-09HARTMANN, Marcelo. Métodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremos. 2015. 94 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2015.https://repositorio.ufscar.br/handle/ufscar/4601In this work we propose a Bayesian nonparametric approach for modeling extreme value data. We treat the location parameter _ of the generalized extreme value distribution as a random function following a Gaussian process model (Rasmussem & Williams 2006). This configuration leads to no closed-form expressions for the highdimensional posterior distribution. To tackle this problem we use the Riemannian Manifold Hamiltonian Monte Carlo algorithm which allows samples from the posterior distribution with complex form and non-usual correlation structure (Calderhead & Girolami 2011). Moreover, we propose an autoregressive time series model assuming the generalized extreme value distribution for the noise and obtained its Fisher information matrix. Throughout this work we employ some computational simulation studies to assess the performance of the algorithm in its variants and show many examples with simulated and real data-sets.Neste trabalho propomos uma abordagem Bayesiana não-paramétrica para a modelagem de dados com comportamento extremo. Tratamos o parâmetro de locação _ da distribuição generalizada de valor extremo como uma função aleatória e assumimos um processo Gaussiano para tal função (Rasmussem & Williams 2006). Esta situação leva à intratabilidade analítica da distribuição a posteriori de alta dimensão. Para lidar com este problema fazemos uso do método Hamiltoniano de Monte Carlo em variedade Riemanniana que permite a simulação de valores da distribuição a posteriori com forma complexa e estrutura de correlação incomum (Calderhead & Girolami 2011). Além disso, propomos um modelo de série temporal autoregressivo de ordem p, assumindo a distribuição generalizada de valor extremo para o ruído e determinamos a respectiva matriz de informação de Fisher. No decorrer de todo o trabalho, estudamos a qualidade do algoritmo em suas variantes através de simulações computacionais e apresentamos vários exemplos com dados reais e simulados.application/pdfporUniversidade Federal de São CarlosPrograma Interinstitucional de Pós-Graduação em Estatística - PIPGEsUFSCarBREstatísticaInferência bayesianaMétodo de Monte CarloDistribuição valor extremoProcesso Gaussiano latenteBayesian nonparametricsLatent Gaussian processGeneralized extreme values distributionCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICAMétodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis-1-13dbdbf82-45a6-4e75-b0c2-99c510672c97info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARORIGINAL6609.pdfapplication/pdf3049383https://repositorio.ufscar.br/bitstream/ufscar/4601/1/6609.pdf33c7f1618f776ca50cf4694aaba80ea5MD51TEXT6609.pdf.txt6609.pdf.txtExtracted texttext/plain0https://repositorio.ufscar.br/bitstream/ufscar/4601/2/6609.pdf.txtd41d8cd98f00b204e9800998ecf8427eMD52THUMBNAIL6609.pdf.jpg6609.pdf.jpgIM Thumbnailimage/jpeg5214https://repositorio.ufscar.br/bitstream/ufscar/4601/3/6609.pdf.jpg9f57a1246e2def28d6493a8d372d9801MD53ufscar/46012023-09-18 18:31:34.755oai:repositorio.ufscar.br:ufscar/4601Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-09-18T18:31:34Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
dc.title.por.fl_str_mv |
Métodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremos |
title |
Métodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremos |
spellingShingle |
Métodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremos Hartmann, Marcelo Estatística Inferência bayesiana Método de Monte Carlo Distribuição valor extremo Processo Gaussiano latente Bayesian nonparametrics Latent Gaussian process Generalized extreme values distribution CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA |
title_short |
Métodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremos |
title_full |
Métodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremos |
title_fullStr |
Métodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremos |
title_full_unstemmed |
Métodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremos |
title_sort |
Métodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremos |
author |
Hartmann, Marcelo |
author_facet |
Hartmann, Marcelo |
author_role |
author |
dc.contributor.authorlattes.por.fl_str_mv |
http://lattes.cnpq.br/3110887195109056 |
dc.contributor.author.fl_str_mv |
Hartmann, Marcelo |
dc.contributor.advisor1.fl_str_mv |
Ehlers, Ricardo Sandes |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/4020997206928882 |
dc.contributor.authorID.fl_str_mv |
9ac1471d-9297-4a29-8b44-995482aea0f4 |
contributor_str_mv |
Ehlers, Ricardo Sandes |
dc.subject.por.fl_str_mv |
Estatística Inferência bayesiana Método de Monte Carlo Distribuição valor extremo Processo Gaussiano latente |
topic |
Estatística Inferência bayesiana Método de Monte Carlo Distribuição valor extremo Processo Gaussiano latente Bayesian nonparametrics Latent Gaussian process Generalized extreme values distribution CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA |
dc.subject.eng.fl_str_mv |
Bayesian nonparametrics Latent Gaussian process Generalized extreme values distribution |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA |
description |
In this work we propose a Bayesian nonparametric approach for modeling extreme value data. We treat the location parameter _ of the generalized extreme value distribution as a random function following a Gaussian process model (Rasmussem & Williams 2006). This configuration leads to no closed-form expressions for the highdimensional posterior distribution. To tackle this problem we use the Riemannian Manifold Hamiltonian Monte Carlo algorithm which allows samples from the posterior distribution with complex form and non-usual correlation structure (Calderhead & Girolami 2011). Moreover, we propose an autoregressive time series model assuming the generalized extreme value distribution for the noise and obtained its Fisher information matrix. Throughout this work we employ some computational simulation studies to assess the performance of the algorithm in its variants and show many examples with simulated and real data-sets. |
publishDate |
2015 |
dc.date.available.fl_str_mv |
2015-03-26 2016-06-02T20:06:51Z |
dc.date.issued.fl_str_mv |
2015-03-09 |
dc.date.accessioned.fl_str_mv |
2016-06-02T20:06:51Z |
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.citation.fl_str_mv |
HARTMANN, Marcelo. Métodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremos. 2015. 94 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2015. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/4601 |
identifier_str_mv |
HARTMANN, Marcelo. Métodos de Monte Carlo Hamiltoniano na inferência Bayesiana não-paramétrica de valores extremos. 2015. 94 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2015. |
url |
https://repositorio.ufscar.br/handle/ufscar/4601 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.confidence.fl_str_mv |
-1 -1 |
dc.relation.authority.fl_str_mv |
3dbdbf82-45a6-4e75-b0c2-99c510672c97 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Carlos |
dc.publisher.program.fl_str_mv |
Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs |
dc.publisher.initials.fl_str_mv |
UFSCar |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade Federal de São Carlos |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSCAR instname:Universidade Federal de São Carlos (UFSCAR) instacron:UFSCAR |
instname_str |
Universidade Federal de São Carlos (UFSCAR) |
instacron_str |
UFSCAR |
institution |
UFSCAR |
reponame_str |
Repositório Institucional da UFSCAR |
collection |
Repositório Institucional da UFSCAR |
bitstream.url.fl_str_mv |
https://repositorio.ufscar.br/bitstream/ufscar/4601/1/6609.pdf https://repositorio.ufscar.br/bitstream/ufscar/4601/2/6609.pdf.txt https://repositorio.ufscar.br/bitstream/ufscar/4601/3/6609.pdf.jpg |
bitstream.checksum.fl_str_mv |
33c7f1618f776ca50cf4694aaba80ea5 d41d8cd98f00b204e9800998ecf8427e 9f57a1246e2def28d6493a8d372d9801 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
repository.mail.fl_str_mv |
|
_version_ |
1802136277518123008 |