Análise de variância em séries temporais: uma abordagem usando ondaletas

Detalhes bibliográficos
Autor(a) principal: Rodrigues, Letícia Lima Milani
Data de Publicação: 2014
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFLA
Texto Completo: http://repositorio.ufla.br/jspui/handle/1/5371
Resumo: Tese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutora.
id UFLA_a1bebcf514ad11881a2dbf28b87f223a
oai_identifier_str oai:localhost:1/5371
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling Análise de variância em séries temporais: uma abordagem usando ondaletasAnálise de variânciaSéries temporaisOndaletasAnalysis of varianceTemporal seriesWaveletsCNPQ_NÃO_INFORMADOTese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutora.Estatística e Experimentação AgropecuáriaA análise de variância (ANAVA) é amplamente utilizada para verificar se existe diferença significativa entre tratamentos. Entretanto, para que os resultados sejam confiáveis, é necessário que se verifique os pressupostos da ANAVA, que são aditividade dos efeitos presentes no modelo e a independência, normalidade e homocedasticidade dos erros. Contudo, com certa frequência, constata-se que uma ou mais dessas suposições não se verifica. E é o que acontece quando se trabalha com dados de séries temporais, que leva a problemas como a não independência entre as observações consecutivas. Diante disso, este trabalho objetivou propor uma metodologia para a realização da ANAVA em dados de séries temporais. Como a análise tradicional não é adequada, a proposta é “transformar” os dados, eliminando a dependência entre eles, de forma a atender as pressuposições exigidas. A transformação é realizada por meio da transformada discreta de ondaleta decimada para séries temporais estacionárias e a transformada discreta de ondaleta não decimada para séries temporais não estacionárias, usando em ambos os casos as bases de Haar e Daubechies. Dessa forma, realizouse um estudo de simulação, considerando séries temporais estacionárias e não estacionárias. Também foi feito um estudo com dados reais. Concluiu-se que a análise de variância usando ondaletas pode ser usada com sucesso, quando se trabalha com dados de séries temporais. Para as séries temporais consideradas categóricas não estacionárias, deve-se priorizar o uso da transformada discreta de ondaleta não decimada na base de Daubechies.The analysis of variance (ANAVA) is widely used to check for significant di erences among treatments. However, for the results to be reliable, it is necessary to check the assumptions of ANAVA, which are additivity of e ects in the model and independence, normality and homoscedasticity of errors. However, quite frequently it turns out that one or more of these assumptions does not occur. And that’s what happens when working with time series data, which leads to problems such as non-independence between consecutive observations. Thus, this study was conducted with the objective to propose a methodology for conducting the ANAVA in time series data. As the traditional analysis is not adequate, the proposal is “ transform ” the data, eliminating the dependency between them, in order to meet the required assumptions. The transformation occurs by means of the discrete wavelet transform decimated for non-stational temporal series and the discrete wavelet transform not decimated for non-stational temporal series, using, in both cases, the Haar and Daubechies bases. Thus, a simulation study was conducted considering stational and non-stational temporal series. We also conducted a study with real data. We concluded that the analysis of variance using wavelets could be successfully used when working with temporal series data. For the temporal series considered non-stational categorical, we must prioritize the use of not decimated discrete wavelet transform on the Daubechies basis.UNIVERSIDADE FEDERAL DE LAVRASDEX - Programa de Pós-graduaçãoUFLABRASILMorais, Augusto Ramalho deSáfadi, ThelmaNogueira, Denismar AlvesChaves, Lucas MonteiroLima, Paulo CésarLima, Renato Ribeiro deRodrigues, Letícia Lima Milani2015-04-22T18:12:49Z2015-04-22T18:12:49Z2015-04-222014-12-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfRODRIGUES, L. L. M. Análise de variância em séries temporais: uma abordagem usando ondaletas. 2014. 100 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2014.http://repositorio.ufla.br/jspui/handle/1/5371info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLA2023-05-11T15:46:24Zoai:localhost:1/5371Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2023-05-11T15:46:24Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false
dc.title.none.fl_str_mv Análise de variância em séries temporais: uma abordagem usando ondaletas
title Análise de variância em séries temporais: uma abordagem usando ondaletas
spellingShingle Análise de variância em séries temporais: uma abordagem usando ondaletas
Rodrigues, Letícia Lima Milani
Análise de variância
Séries temporais
Ondaletas
Analysis of variance
Temporal series
Wavelets
CNPQ_NÃO_INFORMADO
title_short Análise de variância em séries temporais: uma abordagem usando ondaletas
title_full Análise de variância em séries temporais: uma abordagem usando ondaletas
title_fullStr Análise de variância em séries temporais: uma abordagem usando ondaletas
title_full_unstemmed Análise de variância em séries temporais: uma abordagem usando ondaletas
title_sort Análise de variância em séries temporais: uma abordagem usando ondaletas
author Rodrigues, Letícia Lima Milani
author_facet Rodrigues, Letícia Lima Milani
author_role author
dc.contributor.none.fl_str_mv Morais, Augusto Ramalho de
Sáfadi, Thelma
Nogueira, Denismar Alves
Chaves, Lucas Monteiro
Lima, Paulo César
Lima, Renato Ribeiro de
dc.contributor.author.fl_str_mv Rodrigues, Letícia Lima Milani
dc.subject.por.fl_str_mv Análise de variância
Séries temporais
Ondaletas
Analysis of variance
Temporal series
Wavelets
CNPQ_NÃO_INFORMADO
topic Análise de variância
Séries temporais
Ondaletas
Analysis of variance
Temporal series
Wavelets
CNPQ_NÃO_INFORMADO
description Tese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutora.
publishDate 2014
dc.date.none.fl_str_mv 2014-12-12
2015-04-22T18:12:49Z
2015-04-22T18:12:49Z
2015-04-22
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv RODRIGUES, L. L. M. Análise de variância em séries temporais: uma abordagem usando ondaletas. 2014. 100 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2014.
http://repositorio.ufla.br/jspui/handle/1/5371
identifier_str_mv RODRIGUES, L. L. M. Análise de variância em séries temporais: uma abordagem usando ondaletas. 2014. 100 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2014.
url http://repositorio.ufla.br/jspui/handle/1/5371
dc.language.iso.fl_str_mv por
language por
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 LAVRAS
DEX - Programa de Pós-graduação
UFLA
BRASIL
publisher.none.fl_str_mv UNIVERSIDADE FEDERAL DE LAVRAS
DEX - Programa de Pós-graduação
UFLA
BRASIL
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1815439250124963840

Registros relacionados