Abordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados contínuos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2011 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSCAR |
Texto Completo: | https://repositorio.ufscar.br/handle/ufscar/4547 |
Resumo: | In 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. |
id |
SCAR_3d76e26ad5d36ce0a6d9f47b458f7e6e |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/4547 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
4322 |
spelling |
Cascone, Marcos HenriqueAndrade Filho, Marinho Gomes dehttp://lattes.cnpq.br/4126245980112687http://lattes.cnpq.br/2413229482195408627abebd-2d41-4fec-95fc-620ce224ce5a2016-06-02T20:06:04Z2011-05-162016-06-02T20:06:04Z2011-03-24CASCONE, 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.https://repositorio.ufscar.br/handle/ufscar/4547In 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.Neste 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.Financiadora de Estudos e Projetosapplication/pdfporUniversidade Federal de São CarlosPrograma de Pós-Graduação em Estatística - PPGEsUFSCarBRAnálise de séries temporaisModelos estatísticosDistribuição normalDistribuição inversa GaussianaDistribuição gama.Modelos GARMAInferência clássicaInferência BayesianaGARMA ModelGaussian distributionInverse Gaussian DistributionGamma DistributionClassic InferenceBayesian InferenceCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICAAbordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados contínuosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis-1-16105a248-1b18-49f6-bbf3-c4006673f34ainfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARORIGINAL3603.pdfapplication/pdf602959https://repositorio.ufscar.br/bitstream/ufscar/4547/1/3603.pdf3078931e73ff3d01b4122cbac2c7f0a0MD51THUMBNAIL3603.pdf.jpg3603.pdf.jpgIM Thumbnailimage/jpeg6852https://repositorio.ufscar.br/bitstream/ufscar/4547/2/3603.pdf.jpg871618cbdc4201fb0facc3015e2ad336MD52ufscar/45472023-09-18 18:31:01.891oai:repositorio.ufscar.br:ufscar/4547Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-09-18T18:31:01Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
dc.title.por.fl_str_mv |
Abordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados contínuos |
title |
Abordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados contínuos |
spellingShingle |
Abordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados contínuos Cascone, Marcos Henrique Análise de séries temporais Modelos estatísticos Distribuição normal Distribuição inversa Gaussiana Distribuição gama. Modelos GARMA Inferência clássica Inferência Bayesiana GARMA Model Gaussian distribution Inverse Gaussian Distribution Gamma Distribution Classic Inference Bayesian Inference CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA |
title_short |
Abordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados contínuos |
title_full |
Abordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados contínuos |
title_fullStr |
Abordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados contínuos |
title_full_unstemmed |
Abordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados contínuos |
title_sort |
Abordagem clássica e bayesiana para os modelos de séries temporais da família GARMA com aplicações para dados contínuos |
author |
Cascone, Marcos Henrique |
author_facet |
Cascone, Marcos Henrique |
author_role |
author |
dc.contributor.authorlattes.por.fl_str_mv |
http://lattes.cnpq.br/2413229482195408 |
dc.contributor.author.fl_str_mv |
Cascone, Marcos Henrique |
dc.contributor.advisor1.fl_str_mv |
Andrade Filho, Marinho Gomes de |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/4126245980112687 |
dc.contributor.authorID.fl_str_mv |
627abebd-2d41-4fec-95fc-620ce224ce5a |
contributor_str_mv |
Andrade Filho, Marinho Gomes de |
dc.subject.por.fl_str_mv |
Análise de séries temporais Modelos estatísticos Distribuição normal Distribuição inversa Gaussiana Distribuição gama. Modelos GARMA Inferência clássica Inferência Bayesiana |
topic |
Análise de séries temporais Modelos estatísticos Distribuição normal Distribuição inversa Gaussiana Distribuição gama. Modelos GARMA Inferência clássica Inferência Bayesiana GARMA Model Gaussian distribution Inverse Gaussian Distribution Gamma Distribution Classic Inference Bayesian Inference CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA |
dc.subject.eng.fl_str_mv |
GARMA Model Gaussian distribution Inverse Gaussian Distribution Gamma Distribution Classic Inference Bayesian Inference |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA |
description |
In 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. |
publishDate |
2011 |
dc.date.available.fl_str_mv |
2011-05-16 2016-06-02T20:06:04Z |
dc.date.issued.fl_str_mv |
2011-03-24 |
dc.date.accessioned.fl_str_mv |
2016-06-02T20:06:04Z |
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 |
CASCONE, 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. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/4547 |
identifier_str_mv |
CASCONE, 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. |
url |
https://repositorio.ufscar.br/handle/ufscar/4547 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.confidence.fl_str_mv |
-1 -1 |
dc.relation.authority.fl_str_mv |
6105a248-1b18-49f6-bbf3-c4006673f34a |
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 de Pós-Graduação em Estatística - PPGEs |
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/4547/1/3603.pdf https://repositorio.ufscar.br/bitstream/ufscar/4547/2/3603.pdf.jpg |
bitstream.checksum.fl_str_mv |
3078931e73ff3d01b4122cbac2c7f0a0 871618cbdc4201fb0facc3015e2ad336 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
repository.mail.fl_str_mv |
|
_version_ |
1802136276745322496 |