Ajuste de modelos autorregressivos, na forma de modelos lineares dinâmicos, via inferência Bayesiana

Detalhes bibliográficos
Autor(a) principal: Souza, Marcelo Costa
Data de Publicação: 2004
Outros Autores: Sáfadi, Thelma
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UFLA
Texto Completo: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1413-70542004000500022
http://repositorio.ufla.br/jspui/handle/1/5962
Resumo: The autoregressive models have been widely used in applications, mostly through a classical viewpoint, in which the parameters are regarded as fixed quantities, not assuming changes in time. This work aimed at fitting of autoregressive models with order 2, AR(2), specified in the form of dynamic linear models using Bayesian inference. Monte Carlo Markov Chain (MCMC) was used to obtain the estimates, via Gibbs Sampler and Forward Filtering Backward Sampling (FFBS). To evaluate the fitting, two chains with 8000 iterations each, and three different series sizes, with 200, 500 and 800 observations were sampled. The Canadian lynx series (NICHOLLS and QUIN, 1982), was fitted with different discount factors (0.90, 0.95 and 0.99), and the resulting mean square error was used to compare to the fitting using classical inference. A better fit for the model with discount equal to 0.99 was observed. One-step ahead forecasts were done to check the estimates obtained for the updated and the backward sampled series. To the latter, the fitting was better and mean square error lower. In general, it was observed a good fit of the AR(2) dynamic models via Bayesian inference, and this gives a better understanding of the fitting in different situations, both simulated and real.
id UFLA_c2044a0f1946c862972fe1028a65f422
oai_identifier_str oai:localhost:1/5962
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling Ajuste de modelos autorregressivos, na forma de modelos lineares dinâmicos, via inferência BayesianaAutorregresive models fitting with a dynamic linear models approach via Bayesian inferenceFFBSInferência bayesianaModelos lineares dinâmicosSéries temporaisBayesian inferenceTime seriesDynamic linear modelsThe autoregressive models have been widely used in applications, mostly through a classical viewpoint, in which the parameters are regarded as fixed quantities, not assuming changes in time. This work aimed at fitting of autoregressive models with order 2, AR(2), specified in the form of dynamic linear models using Bayesian inference. Monte Carlo Markov Chain (MCMC) was used to obtain the estimates, via Gibbs Sampler and Forward Filtering Backward Sampling (FFBS). To evaluate the fitting, two chains with 8000 iterations each, and three different series sizes, with 200, 500 and 800 observations were sampled. The Canadian lynx series (NICHOLLS and QUIN, 1982), was fitted with different discount factors (0.90, 0.95 and 0.99), and the resulting mean square error was used to compare to the fitting using classical inference. A better fit for the model with discount equal to 0.99 was observed. One-step ahead forecasts were done to check the estimates obtained for the updated and the backward sampled series. To the latter, the fitting was better and mean square error lower. In general, it was observed a good fit of the AR(2) dynamic models via Bayesian inference, and this gives a better understanding of the fitting in different situations, both simulated and real.Os modelos autorregressivos têm sido utilizados para as mais diversas aplicações, a maioria pela análise clássica, na qual os parâmetros são quantidades fixas, não podendo assumir variações ao longo do tempo. Com este trabalho objetivou-se a compreensão de modelos autorregressivos de ordem 2, AR(2), representados na forma de modelos lineares dinâmicos, utilizando como processo de estimação a inferência Bayesiana. O método de Cadeias de Markov Monte Carlo (MCMC) foi utilizado para o cálculo das estimativas a partir da implementação dos algoritmos amostrador de Gibbs e "Forward Filtering, Backward Sampling - FFBS". Com base nos modelos AR(2), apresentaram-se o cálculo e a obtenção das distribuições condicionais completas para todos os parâmetros do modelo. Para avaliar o comportamento e a qualidade do ajuste, utilizaram-se duas cadeias de valores, cada uma com 8000 iterações, para três diferentes tamanhos de séries geradas, com 200, 500 e 800 observações. Como parte da aplicação, ajustou-se a série Canadian Lynx (NICHOLLS e QUIN, 1982) para diferentes fatores de desconto (0,90, 0,95 e 0,99), sendo o erro quadrático médio resultante utilizado para a comparação com o ajuste da mesma série, via inferência clássica. Um melhor ajuste para o modelo com fator de desconto igual a 0,99 foi observado. Considerando-se as estimativas obtidas tanto no caso simulado quanto para dados reais, obtiveram-se as previsões um passo à frente para as séries atualizada e "amostrada para trás", e para essa última, o ajuste e o erro quadrático médio comportaram-se bem melhor. Com base nos resultados obtidos, observou-se um bom ajuste dos modelos AR(2) na forma de modelos dinâmicos, via inferência Bayesiana, além de se obter uma melhor compreensão em relação à qualidade do ajuste em diferentes situações, simuladas e reais.Editora da Universidade Federal de Lavras2004-10-012015-04-30T13:33:15Z2015-04-30T13:33:15Z2015-04-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articletext/htmlhttp://www.scielo.br/scielo.php?script=sci_arttext&pid=S1413-70542004000500022SOUZA, M. C.; SAFADI, T. Ajuste de modelos autorregressivos, na forma de modelos lineares dinâmicos, via inferência Bayesiana. Ciência e Agrotecnologia, Lavras, v. 28, n. 5, p. 1126-1134, set./out. 2004.http://repositorio.ufla.br/jspui/handle/1/5962Ciência e Agrotecnologia v.28 n.5 2004reponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLASouza, Marcelo CostaSáfadi, Thelmaporinfo:eu-repo/semantics/openAccess2016-03-15T19:46:55Zoai:localhost:1/5962Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2016-03-15T19:46:55Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false
dc.title.none.fl_str_mv Ajuste de modelos autorregressivos, na forma de modelos lineares dinâmicos, via inferência Bayesiana
Autorregresive models fitting with a dynamic linear models approach via Bayesian inference
title Ajuste de modelos autorregressivos, na forma de modelos lineares dinâmicos, via inferência Bayesiana
spellingShingle Ajuste de modelos autorregressivos, na forma de modelos lineares dinâmicos, via inferência Bayesiana
Souza, Marcelo Costa
FFBS
Inferência bayesiana
Modelos lineares dinâmicos
Séries temporais
Bayesian inference
Time series
Dynamic linear models
title_short Ajuste de modelos autorregressivos, na forma de modelos lineares dinâmicos, via inferência Bayesiana
title_full Ajuste de modelos autorregressivos, na forma de modelos lineares dinâmicos, via inferência Bayesiana
title_fullStr Ajuste de modelos autorregressivos, na forma de modelos lineares dinâmicos, via inferência Bayesiana
title_full_unstemmed Ajuste de modelos autorregressivos, na forma de modelos lineares dinâmicos, via inferência Bayesiana
title_sort Ajuste de modelos autorregressivos, na forma de modelos lineares dinâmicos, via inferência Bayesiana
author Souza, Marcelo Costa
author_facet Souza, Marcelo Costa
Sáfadi, Thelma
author_role author
author2 Sáfadi, Thelma
author2_role author
dc.contributor.author.fl_str_mv Souza, Marcelo Costa
Sáfadi, Thelma
dc.subject.por.fl_str_mv FFBS
Inferência bayesiana
Modelos lineares dinâmicos
Séries temporais
Bayesian inference
Time series
Dynamic linear models
topic FFBS
Inferência bayesiana
Modelos lineares dinâmicos
Séries temporais
Bayesian inference
Time series
Dynamic linear models
description The autoregressive models have been widely used in applications, mostly through a classical viewpoint, in which the parameters are regarded as fixed quantities, not assuming changes in time. This work aimed at fitting of autoregressive models with order 2, AR(2), specified in the form of dynamic linear models using Bayesian inference. Monte Carlo Markov Chain (MCMC) was used to obtain the estimates, via Gibbs Sampler and Forward Filtering Backward Sampling (FFBS). To evaluate the fitting, two chains with 8000 iterations each, and three different series sizes, with 200, 500 and 800 observations were sampled. The Canadian lynx series (NICHOLLS and QUIN, 1982), was fitted with different discount factors (0.90, 0.95 and 0.99), and the resulting mean square error was used to compare to the fitting using classical inference. A better fit for the model with discount equal to 0.99 was observed. One-step ahead forecasts were done to check the estimates obtained for the updated and the backward sampled series. To the latter, the fitting was better and mean square error lower. In general, it was observed a good fit of the AR(2) dynamic models via Bayesian inference, and this gives a better understanding of the fitting in different situations, both simulated and real.
publishDate 2004
dc.date.none.fl_str_mv 2004-10-01
2015-04-30T13:33:15Z
2015-04-30T13:33:15Z
2015-04-30
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1413-70542004000500022
SOUZA, M. C.; SAFADI, T. Ajuste de modelos autorregressivos, na forma de modelos lineares dinâmicos, via inferência Bayesiana. Ciência e Agrotecnologia, Lavras, v. 28, n. 5, p. 1126-1134, set./out. 2004.
http://repositorio.ufla.br/jspui/handle/1/5962
url http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1413-70542004000500022
http://repositorio.ufla.br/jspui/handle/1/5962
identifier_str_mv SOUZA, M. C.; SAFADI, T. Ajuste de modelos autorregressivos, na forma de modelos lineares dinâmicos, via inferência Bayesiana. Ciência e Agrotecnologia, Lavras, v. 28, n. 5, p. 1126-1134, set./out. 2004.
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 text/html
dc.publisher.none.fl_str_mv Editora da Universidade Federal de Lavras
publisher.none.fl_str_mv Editora da Universidade Federal de Lavras
dc.source.none.fl_str_mv Ciência e Agrotecnologia v.28 n.5 2004
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_ 1807835062273572864