| spelling |
Glaura da Conceicao FrancoDenise Duarte Scarpa Magalhaes AlvesMauricio Enrique Zevallos HerenciaGustavo de Carvalho Lana2019-08-12T04:21:17Z2019-08-12T04:21:17Z2012-02-23http://hdl.handle.net/1843/ICED-8TFHJ5Os métodos tradicionais de construção de intervalos de previsão para séries temporais assumem que os parâmetros do modelo são conhecidos e os erros normais. Quando estas suposições não são verdadeiras, o intervalo de previsão possui cobertura abaixo da nominal. Este trabalho propõe a utilização da metodologia bootstrap para construir intervalos de previsão com cobertura mais próxima da nominal. Dois intervalos bootstrap são utilizados, o intervalo PRR e o intervalo EPB. O intervalo PRR é uma adaptação para o modelo ARFIMA do intervalo homônimo proposto por Pascual et al. (2004) para o modelo ARIMA. O intervalo EPB proposto neste trabalho e é similar a intervalos propostos para outros modelos de séries temporais, como o de Masarotto (1990) para modelos autorregressivos. Correções bootstrap de vício, incluindo o vício no desvio padrão dos resíduos, são testadas como possíveis fontes de melhoras dos intervalos. Os métodos utilizados no trabalho também foram testados para séries ARMA. O trabalho conclui que os intervalos PRR e EPB melhoram significativamente a qualidade dos intervalos de previsão em comparação com o intervalo assintótico, e a correção bootstrap de vício no desvio padrão dos resíduos também pode ser útil neste sentido.The traditional methods of building prediction intervals for time series assume that the model parameters are known and the errors are Gaussian. When such assumptions are not true, the prediction intervals possess a coverage different from the nominal one. This work proposes the use of the bootstrap methodology to build prediction intervals with coverage closer to the nominal. Two bootstrap intervals are used, the PRR interval and the EPB interval. The PRR interval is an adaptation for the ARFIMA model of the homonimous interval proposed by Pascual et al. (2004) for the ARIMA model. The EPB interval proposed in this work is similar to intervals proposed for time series models, such as the one of Masarotto (1990) for autoregressive models. Bootstrap bias corrections, including the bias of the residuals standard deviation, are tested as possible sources of improvement for the intervals. The methods used in this work were also tested for ARMA series. The work concludes that the PRR and EPB intervals improve significantly the quality of the prediction intervals in comparison with asymptotic one, and the bootstrap bias corrections of the residuals standard deviation may also be useful on that goal.Universidade Federal de Minas GeraisUFMGEstatisticaPrevisão bootstrapModelo arfimaEstimadoresIntervalos de previsão em modelos ARFIMA utilizando a metodologia Bootstrapinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALgustavolanadisserta__o.pdfapplication/pdf1092723https://repositorio.ufmg.br/bitstream/1843/ICED-8TFHJ5/1/gustavolanadisserta__o.pdf445f50bdead2091668e312f5e2f78133MD51TEXTgustavolanadisserta__o.pdf.txtgustavolanadisserta__o.pdf.txtExtracted texttext/plain115622https://repositorio.ufmg.br/bitstream/1843/ICED-8TFHJ5/2/gustavolanadisserta__o.pdf.txt7ee0f0c6a1f22c2f14692b4b532c0160MD521843/ICED-8TFHJ52019-11-14 10:24:06.227oai:repositorio.ufmg.br:1843/ICED-8TFHJ5Repositório InstitucionalPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T13:24:06Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
|