Uma revisão de modelos lineares dinâmicos

Detalhes bibliográficos
Autor(a) principal: Cutrim, Isabela Abreu
Data de Publicação: 2014
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFJF
Texto Completo: https://repositorio.ufjf.br/jspui/handle/ufjf/12238
Resumo: A modelagem dinâmica é uma proposta de análise e previsão de séries temporais do ponto de vista Bayesiano. Este trabalho de conclusão de curso tem como objetivo apresentar os Modelos Lineares Dinâmicos (MLD), seu uso e contexto de aplicação. São mostradas e demonstradas propriedades dos MLDs, como o Filtro de Kalman, a suavização, a previsão um passo à frente e, também, passos à frente. São revisados métodos de Monte Carlo via Cadeia de Markov (MCMC) em algoritmos recursivos usados para estimar parâmetros, são eles: amostrador de Gibbs, Metropolis-Hastings e FFBS.
id UFJF_36123452e44749d8296504f5688bd983
oai_identifier_str oai:hermes.cpd.ufjf.br:ufjf/12238
network_acronym_str UFJF
network_name_str Repositório Institucional da UFJF
repository_id_str
spelling Vianna Neto, Joaquim Henriqueshttp://lattes.cnpq.br/1322527450341973Vianna Neto, Joaquim Henriqueshttp://lattes.cnpq.br/1322527450341973Souza, Augusto Carvalhohttp://lattes.cnpq.br/4948010017164625Chaoubah, Alfredohttp://lattes.cnpq.br/1454907350838588http://lattes.cnpq.br/9713580836768157Cutrim, Isabela Abreu2021-01-20T21:54:52Z2021-01-012021-01-20T21:54:52Z2014-07-14https://repositorio.ufjf.br/jspui/handle/ufjf/12238A modelagem dinâmica é uma proposta de análise e previsão de séries temporais do ponto de vista Bayesiano. Este trabalho de conclusão de curso tem como objetivo apresentar os Modelos Lineares Dinâmicos (MLD), seu uso e contexto de aplicação. São mostradas e demonstradas propriedades dos MLDs, como o Filtro de Kalman, a suavização, a previsão um passo à frente e, também, passos à frente. São revisados métodos de Monte Carlo via Cadeia de Markov (MCMC) em algoritmos recursivos usados para estimar parâmetros, são eles: amostrador de Gibbs, Metropolis-Hastings e FFBS.The state space models are a proposal for time series analysis and forecasting in viewpoint Bayesian. This course conclusion work aims to present the Dynamics Linear Models (DLM), its use and application context. DLM’s properties are shown and demonstrated, like Kalman filter, the smoothing, the forecasting one-step-ahead and so the forecasting steps ahead. Markov chain Monte Carlo methods (MCMC) are reviewed in recursive algorithms used to estimate parameters, they are: Gibbs sampler, MetropolisHastings e FFBS.porUniversidade Federal de Juiz de Fora (UFJF)UFJFBrasilICE – Instituto de Ciências Exatashttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICAmodelos lineares dinâmicosséries temporaisfiltro de Kalmaninferência bayesianaamostrador de GibbsFFBSDynamics Linear ModelsDLMTime SeriesKalman FilterSmoothingForecastingBayesian InferenceGibbs SamplerMetropolis-HastingsFFBSUma revisão de modelos lineares dinâmicosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufjf.br/jspui/bitstream/ufjf/12238/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52ORIGINALisabelaabreucutrim.pdfisabelaabreucutrim.pdfIsabela Abreu Cutrimapplication/pdf1318605https://repositorio.ufjf.br/jspui/bitstream/ufjf/12238/4/isabelaabreucutrim.pdfe55c0bf0f3ec2a7b0b8066b5b2a175ebMD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufjf.br/jspui/bitstream/ufjf/12238/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD55TEXTisabelaabreucutrim.pdf.txtisabelaabreucutrim.pdf.txtExtracted texttext/plain69576https://repositorio.ufjf.br/jspui/bitstream/ufjf/12238/6/isabelaabreucutrim.pdf.txt2fa3895d2c93a10ccdf3ad44126b8cfeMD56THUMBNAILisabelaabreucutrim.pdf.jpgisabelaabreucutrim.pdf.jpgGenerated Thumbnailimage/jpeg1107https://repositorio.ufjf.br/jspui/bitstream/ufjf/12238/7/isabelaabreucutrim.pdf.jpg4e8f9827b2a8c039ecd832f27aec7d76MD57ufjf/122382021-01-21 04:07:56.185oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2021-01-21T06:07:56Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false
dc.title.pt_BR.fl_str_mv Uma revisão de modelos lineares dinâmicos
title Uma revisão de modelos lineares dinâmicos
spellingShingle Uma revisão de modelos lineares dinâmicos
Cutrim, Isabela Abreu
CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
modelos lineares dinâmicos
séries temporais
filtro de Kalman
inferência bayesiana
amostrador de Gibbs
FFBS
Dynamics Linear Models
DLM
Time Series
Kalman Filter
Smoothing
Forecasting
Bayesian Inference
Gibbs Sampler
Metropolis-Hastings
FFBS
title_short Uma revisão de modelos lineares dinâmicos
title_full Uma revisão de modelos lineares dinâmicos
title_fullStr Uma revisão de modelos lineares dinâmicos
title_full_unstemmed Uma revisão de modelos lineares dinâmicos
title_sort Uma revisão de modelos lineares dinâmicos
author Cutrim, Isabela Abreu
author_facet Cutrim, Isabela Abreu
author_role author
dc.contributor.advisor1.fl_str_mv Vianna Neto, Joaquim Henriques
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/1322527450341973
dc.contributor.referee1.fl_str_mv Vianna Neto, Joaquim Henriques
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/1322527450341973
dc.contributor.referee2.fl_str_mv Souza, Augusto Carvalho
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/4948010017164625
dc.contributor.referee3.fl_str_mv Chaoubah, Alfredo
dc.contributor.referee3Lattes.fl_str_mv http://lattes.cnpq.br/1454907350838588
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/9713580836768157
dc.contributor.author.fl_str_mv Cutrim, Isabela Abreu
contributor_str_mv Vianna Neto, Joaquim Henriques
Vianna Neto, Joaquim Henriques
Souza, Augusto Carvalho
Chaoubah, Alfredo
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
topic CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
modelos lineares dinâmicos
séries temporais
filtro de Kalman
inferência bayesiana
amostrador de Gibbs
FFBS
Dynamics Linear Models
DLM
Time Series
Kalman Filter
Smoothing
Forecasting
Bayesian Inference
Gibbs Sampler
Metropolis-Hastings
FFBS
dc.subject.por.fl_str_mv modelos lineares dinâmicos
séries temporais
filtro de Kalman
inferência bayesiana
amostrador de Gibbs
FFBS
Dynamics Linear Models
DLM
Time Series
Kalman Filter
Smoothing
Forecasting
Bayesian Inference
Gibbs Sampler
Metropolis-Hastings
FFBS
description A modelagem dinâmica é uma proposta de análise e previsão de séries temporais do ponto de vista Bayesiano. Este trabalho de conclusão de curso tem como objetivo apresentar os Modelos Lineares Dinâmicos (MLD), seu uso e contexto de aplicação. São mostradas e demonstradas propriedades dos MLDs, como o Filtro de Kalman, a suavização, a previsão um passo à frente e, também, passos à frente. São revisados métodos de Monte Carlo via Cadeia de Markov (MCMC) em algoritmos recursivos usados para estimar parâmetros, são eles: amostrador de Gibbs, Metropolis-Hastings e FFBS.
publishDate 2014
dc.date.issued.fl_str_mv 2014-07-14
dc.date.accessioned.fl_str_mv 2021-01-20T21:54:52Z
dc.date.available.fl_str_mv 2021-01-01
2021-01-20T21:54:52Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufjf.br/jspui/handle/ufjf/12238
url https://repositorio.ufjf.br/jspui/handle/ufjf/12238
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.publisher.initials.fl_str_mv UFJF
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv ICE – Instituto de Ciências Exatas
publisher.none.fl_str_mv Universidade Federal de Juiz de Fora (UFJF)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFJF
instname:Universidade Federal de Juiz de Fora (UFJF)
instacron:UFJF
instname_str Universidade Federal de Juiz de Fora (UFJF)
instacron_str UFJF
institution UFJF
reponame_str Repositório Institucional da UFJF
collection Repositório Institucional da UFJF
bitstream.url.fl_str_mv https://repositorio.ufjf.br/jspui/bitstream/ufjf/12238/2/license_rdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/12238/4/isabelaabreucutrim.pdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/12238/5/license.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/12238/6/isabelaabreucutrim.pdf.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/12238/7/isabelaabreucutrim.pdf.jpg
bitstream.checksum.fl_str_mv e39d27027a6cc9cb039ad269a5db8e34
e55c0bf0f3ec2a7b0b8066b5b2a175eb
8a4605be74aa9ea9d79846c1fba20a33
2fa3895d2c93a10ccdf3ad44126b8cfe
4e8f9827b2a8c039ecd832f27aec7d76
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)
repository.mail.fl_str_mv
_version_ 1823238564742168576

Registros relacionados