Abordagem estatística em modelos para séries temporais de contagem
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSCAR |
Texto Completo: | https://repositorio.ufscar.br/handle/ufscar/4571 |
Resumo: | In this work, it was estudied the models INGARCH , GLARMA and GARMA to model count time series data with Poisson and Negative Binomial discrete conditional distributions. The main goal was analyze in classic and bayesian approach, the adequability and goodness of fit of these models, also the contruction of credibility intervals about each parameter. To the Bayesian study, was cosiderated a joint prior distribuition that satisfied the conditions of each model and got a posterior distribution. This aproach presents too some criterion selection like (EBIC), (DIC) and ordenaded predictive conditional density (CPO) for Bayesian cases and (BIC) for classic cases. A simulation study was done to check the maximum likelihood estimator consistency in classic approach and has used criterion selection classic and Bayesian to choose the order of each model. An Analysis has made in a real data set realized as final stage as, these data consist the number of financial transactions in 30 minutes. These results have made in a classical and Bayesian approach , and discribed the data caracteristic. |
id |
SCAR_fa9c5a1e06986e5fe6edda23595f7c06 |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/4571 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
4322 |
spelling |
Andrade, Breno Silveira deAndrade Filho, Marinho Gomes dehttp://lattes.cnpq.br/4126245980112687http://lattes.cnpq.br/2060946751027537c2a7cd39-2032-4bab-b2d6-3c057eb8b03e2016-06-02T20:06:08Z2013-06-182016-06-02T20:06:08Z2013-05-06ANDRADE, Breno Silveira de. Abordagem estatística em modelos para séries temporais de contagem. 2013. 146 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2013.https://repositorio.ufscar.br/handle/ufscar/4571In this work, it was estudied the models INGARCH , GLARMA and GARMA to model count time series data with Poisson and Negative Binomial discrete conditional distributions. The main goal was analyze in classic and bayesian approach, the adequability and goodness of fit of these models, also the contruction of credibility intervals about each parameter. To the Bayesian study, was cosiderated a joint prior distribuition that satisfied the conditions of each model and got a posterior distribution. This aproach presents too some criterion selection like (EBIC), (DIC) and ordenaded predictive conditional density (CPO) for Bayesian cases and (BIC) for classic cases. A simulation study was done to check the maximum likelihood estimator consistency in classic approach and has used criterion selection classic and Bayesian to choose the order of each model. An Analysis has made in a real data set realized as final stage as, these data consist the number of financial transactions in 30 minutes. These results have made in a classical and Bayesian approach , and discribed the data caracteristic.Nesta dissertação estudou-se os modelos INGARCH, GLARMA e GARMA para modelar séries temporais de dados de contagem com as distribuições condicionais de Poisson e Binomial Negativa. A principal finalidade foi analisar no contexto clássico e bayesiano, a adequabilidade e qualidade de ajuste dos modelos em questão, assim como a construção de intervalos de credibilidade dos parâmetros para cada modelo testado. Para a abordagem Bayesiana foram consideradas priori conjugada, satisfazendo as condições de cada modelo em questão, obtendo assim uma distribuição a posteriori. A abordagem proposta apresenta também o cálculo de critérios de seleção de modelos como o (EBIC), (DIC) e densidade condicional preditiva ordenada (CPO) para o caso Bayesiano e (BIC) para a abordagem clássica. Com um estudo de simulação foi possível verificar a consistência dos estimadores de máxima verossimilhança (clássicos) além disso, foi usado critérios de seleção clássicos e Bayesianos para a seleção da ordem de cada um dos modelos. Uma análise de um conjunto de dados reais foi realizada, sendo uma série do número de transações financeiras realizadas em 30 minutos respectiva os mês de novembro de 2011. Estes resultados apresentam que tanto o estudo clássico, quanto o bayesiano, são capazes de descrever bem o comportamento da série e foram eficientes na escolha da ordem do mesmo.Financiadora de Estudos e Projetosapplication/pdfporUniversidade Federal de São CarlosPrograma de Pós-Graduação em Estatística - PPGEsUFSCarBRAnálise de séries temporaisInferência bayesianaModelos estatísticosModelos GARMAModelo INGARCHModelo GLARMA. Distribuição de PoissonDistribuição binomial negativaInferência clássicaINGARCH modelGLARMA modelGARMA modelPoisson distributionNegative binomial distributionClassic inferenceBayesian inferenceCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICAAbordagem estatística em modelos para séries temporais de contageminfo: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:UFSCARORIGINAL5190.pdfapplication/pdf1093269https://repositorio.ufscar.br/bitstream/ufscar/4571/1/5190.pdf0d9bf9c7a3855887a0f66859b3a9cc22MD51TEXT5190.pdf.txt5190.pdf.txtExtracted texttext/plain0https://repositorio.ufscar.br/bitstream/ufscar/4571/2/5190.pdf.txtd41d8cd98f00b204e9800998ecf8427eMD52THUMBNAIL5190.pdf.jpg5190.pdf.jpgIM Thumbnailimage/jpeg6784https://repositorio.ufscar.br/bitstream/ufscar/4571/3/5190.pdf.jpg4e7b58ea33045a500ab94da1af869bf9MD53ufscar/45712023-09-18 18:31:34.675oai:repositorio.ufscar.br:ufscar/4571Repositório 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 |
Abordagem estatística em modelos para séries temporais de contagem |
title |
Abordagem estatística em modelos para séries temporais de contagem |
spellingShingle |
Abordagem estatística em modelos para séries temporais de contagem Andrade, Breno Silveira de Análise de séries temporais Inferência bayesiana Modelos estatísticos Modelos GARMA Modelo INGARCH Modelo GLARMA. Distribuição de Poisson Distribuição binomial negativa Inferência clássica INGARCH model GLARMA model GARMA model Poisson distribution Negative binomial distribution Classic inference Bayesian inference CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA |
title_short |
Abordagem estatística em modelos para séries temporais de contagem |
title_full |
Abordagem estatística em modelos para séries temporais de contagem |
title_fullStr |
Abordagem estatística em modelos para séries temporais de contagem |
title_full_unstemmed |
Abordagem estatística em modelos para séries temporais de contagem |
title_sort |
Abordagem estatística em modelos para séries temporais de contagem |
author |
Andrade, Breno Silveira de |
author_facet |
Andrade, Breno Silveira de |
author_role |
author |
dc.contributor.authorlattes.por.fl_str_mv |
http://lattes.cnpq.br/2060946751027537 |
dc.contributor.author.fl_str_mv |
Andrade, Breno Silveira de |
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 |
c2a7cd39-2032-4bab-b2d6-3c057eb8b03e |
contributor_str_mv |
Andrade Filho, Marinho Gomes de |
dc.subject.por.fl_str_mv |
Análise de séries temporais Inferência bayesiana Modelos estatísticos Modelos GARMA Modelo INGARCH Modelo GLARMA. Distribuição de Poisson Distribuição binomial negativa Inferência clássica |
topic |
Análise de séries temporais Inferência bayesiana Modelos estatísticos Modelos GARMA Modelo INGARCH Modelo GLARMA. Distribuição de Poisson Distribuição binomial negativa Inferência clássica INGARCH model GLARMA model GARMA model Poisson distribution Negative binomial distribution Classic inference Bayesian inference CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA |
dc.subject.eng.fl_str_mv |
INGARCH model GLARMA model GARMA model Poisson distribution Negative binomial distribution Classic inference Bayesian inference |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA |
description |
In this work, it was estudied the models INGARCH , GLARMA and GARMA to model count time series data with Poisson and Negative Binomial discrete conditional distributions. The main goal was analyze in classic and bayesian approach, the adequability and goodness of fit of these models, also the contruction of credibility intervals about each parameter. To the Bayesian study, was cosiderated a joint prior distribuition that satisfied the conditions of each model and got a posterior distribution. This aproach presents too some criterion selection like (EBIC), (DIC) and ordenaded predictive conditional density (CPO) for Bayesian cases and (BIC) for classic cases. A simulation study was done to check the maximum likelihood estimator consistency in classic approach and has used criterion selection classic and Bayesian to choose the order of each model. An Analysis has made in a real data set realized as final stage as, these data consist the number of financial transactions in 30 minutes. These results have made in a classical and Bayesian approach , and discribed the data caracteristic. |
publishDate |
2013 |
dc.date.available.fl_str_mv |
2013-06-18 2016-06-02T20:06:08Z |
dc.date.issued.fl_str_mv |
2013-05-06 |
dc.date.accessioned.fl_str_mv |
2016-06-02T20:06:08Z |
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 |
ANDRADE, Breno Silveira de. Abordagem estatística em modelos para séries temporais de contagem. 2013. 146 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2013. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/4571 |
identifier_str_mv |
ANDRADE, Breno Silveira de. Abordagem estatística em modelos para séries temporais de contagem. 2013. 146 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2013. |
url |
https://repositorio.ufscar.br/handle/ufscar/4571 |
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/4571/1/5190.pdf https://repositorio.ufscar.br/bitstream/ufscar/4571/2/5190.pdf.txt https://repositorio.ufscar.br/bitstream/ufscar/4571/3/5190.pdf.jpg |
bitstream.checksum.fl_str_mv |
0d9bf9c7a3855887a0f66859b3a9cc22 d41d8cd98f00b204e9800998ecf8427e 4e7b58ea33045a500ab94da1af869bf9 |
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_ |
1813715536908910592 |