Inferência sobre modelos de regressão linear com pontos de mudança e erros normais autoregressivos

• Autor(a) principal: Garcia, Rafael Rocha de Oliveira
• Data de Publicação: 2018
• 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/12735
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA; Regressão linear; Ponto de mudança; Auto-regressivos; Linear regression; Auto-regressive; Change-point

Análise de modelos de regressão linear é uma das mais importantes técnicas estatísticas. Com ela, é possível identificar relações entre variáveis que técnicas mais visuais, às vezes, não evidenciam. Contudo, para proceder com uma análise de regressão linear, muitos pressupostos devem ser satisfeitos. Um dos mais importantes, a independência dos erros, nem sempre pode ser verificada e isso pode gerar resíduos autocorrelacionados no modelo proposto após o ajuste. São várias as técnicas para tentar eliminar essa correlação, mas pode ser de interesse do pesquisador modelar a dependência dos erros e isso pode melhorar o ajuste dos parâmetros do modelo de regressão linear. Em certas situações, pode ser de interesse do pesquisador identificar mudanças nas média e/ou variância de um determinado processo que suspeita-se não estar funcionando corretamente. É neste contexto que a identificação de pontos de mudança mostra-se extremamente útil. O objetivo deste trabalho é apresentar a situação em que todos estes cenários são identificados: modelos de regressão linear, processos autoregressivos e pontos de mudança; e também apresentar estimadores para esse modelo.