Modelos dinâmicos para dados temporais sob distribuição simétrica condicional: estimação e diagnóstico
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
dARK ID: | ark:/64986/001300000d8xz |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/17300 |
Resumo: | Nossa abordagem é direcionada a variáveis aleatórias simétricas observadas ao longo do tempo. Nesse sentido, avaliamos os procedimentos de estimação e discutimos o uso da metodologia de diagnóstico sob o enfoque de influência local para classe de modelos autorregressivos de médias móveis simétrico, SYMARMA. Modelos sazonais também são abordados neste trabalho. A estimação dos parâmetros do modelo SYMARMA é feita através da maximização do logaritmo da função de verossimilhança condicional utilizando o algoritmo escore de Fisher. Apresentamos um estudo de robustez baseado na função de influência para avaliar a qualidade do procedimento de estimação. Além disso, conduzimos um estudo de simulação para avaliar a consistência e normalidade assintótica do estimador de máxima verossimilhança condicional. Derivamos expressões mais simples para as funções escore e a matriz informação de Fisher. Desenvolvemos medidas de diagnóstico sob o enfoque de influência local baseado nas medidas de curvatura de Cook (1986), inclinação de Billor e Loynes (1993) e curvatura de Lesaffre e Verbeke (1998). Derivamos, através de simulações, marcas de referência (limiares) para determinar se uma observação é influente. Aplicações de dados reais foram abordadas neste trabalho. |
id |
UFPE_eb8013a28df4a50e9b69b6732df37078 |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/17300 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
SOUTO MAIOR, Vinícius QuintasCYSNEIROS, Francisco José de Azevêdo2016-07-08T18:09:27Z2016-07-08T18:09:27Z2016-02-26https://repositorio.ufpe.br/handle/123456789/17300ark:/64986/001300000d8xzNossa abordagem é direcionada a variáveis aleatórias simétricas observadas ao longo do tempo. Nesse sentido, avaliamos os procedimentos de estimação e discutimos o uso da metodologia de diagnóstico sob o enfoque de influência local para classe de modelos autorregressivos de médias móveis simétrico, SYMARMA. Modelos sazonais também são abordados neste trabalho. A estimação dos parâmetros do modelo SYMARMA é feita através da maximização do logaritmo da função de verossimilhança condicional utilizando o algoritmo escore de Fisher. Apresentamos um estudo de robustez baseado na função de influência para avaliar a qualidade do procedimento de estimação. Além disso, conduzimos um estudo de simulação para avaliar a consistência e normalidade assintótica do estimador de máxima verossimilhança condicional. Derivamos expressões mais simples para as funções escore e a matriz informação de Fisher. Desenvolvemos medidas de diagnóstico sob o enfoque de influência local baseado nas medidas de curvatura de Cook (1986), inclinação de Billor e Loynes (1993) e curvatura de Lesaffre e Verbeke (1998). Derivamos, através de simulações, marcas de referência (limiares) para determinar se uma observação é influente. Aplicações de dados reais foram abordadas neste trabalho.CAPESOur approach is applied to symmetric random variables on over time. In this sense, we develop estimation procedures and discuss the use of local influence diagnostic methodology to class of the autoregressive and moving average symmetric models, SYMARMA. Sazonal models also are considered. The Fisher scoring algorithm is used to find the estimations of parameters SYMARMA model maximizing the logarithm of the conditional likelihood function. We present an robustness study based on influence function to assess the quality of the estimation procedure and we conduct simulation studies to evaluate the consistency and asymptotic normality of the conditional maximum likelihood estimator. We derive simpler expressions for the score function and Fisher information matrix. In order to assess local influence we develop diagnostic measures based on Cook’s curvature (1986), slope of Billor and Loynes (1993) and curvature of Lesaffre and Verbeke (1998). We evaluate benchmarks by simulation to identify influential observations. Application are used to illustrate of the proposed methodology.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em EstatisticaUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEstatística matemáticaProbabilidadesSéries temporaisModelos dinâmicos para dados temporais sob distribuição simétrica condicional: estimação e diagnósticoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILTESE - VINICIUS Q SOUTO MAIOR.pdf.jpgTESE - VINICIUS Q SOUTO MAIOR.pdf.jpgGenerated Thumbnailimage/jpeg1298https://repositorio.ufpe.br/bitstream/123456789/17300/5/TESE%20-%20VINICIUS%20Q%20SOUTO%20MAIOR.pdf.jpg28870bd0decd3dd79ff0d6b36adff774MD55ORIGINALTESE - VINICIUS Q SOUTO MAIOR.pdfTESE - VINICIUS Q SOUTO MAIOR.pdfapplication/pdf9314984https://repositorio.ufpe.br/bitstream/123456789/17300/1/TESE%20-%20VINICIUS%20Q%20SOUTO%20MAIOR.pdfc09ba2201dbd8782bc87909993869b5aMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81232https://repositorio.ufpe.br/bitstream/123456789/17300/2/license_rdf66e71c371cc565284e70f40736c94386MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82311https://repositorio.ufpe.br/bitstream/123456789/17300/3/license.txt4b8a02c7f2818eaf00dcf2260dd5eb08MD53TEXTTESE - VINICIUS Q SOUTO MAIOR.pdf.txtTESE - VINICIUS Q SOUTO MAIOR.pdf.txtExtracted texttext/plain172119https://repositorio.ufpe.br/bitstream/123456789/17300/4/TESE%20-%20VINICIUS%20Q%20SOUTO%20MAIOR.pdf.txt11eb2b61b885452daf940e938245edc6MD54123456789/173002019-10-25 19:56:24.761oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T22:56:24Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Modelos dinâmicos para dados temporais sob distribuição simétrica condicional: estimação e diagnóstico |
title |
Modelos dinâmicos para dados temporais sob distribuição simétrica condicional: estimação e diagnóstico |
spellingShingle |
Modelos dinâmicos para dados temporais sob distribuição simétrica condicional: estimação e diagnóstico SOUTO MAIOR, Vinícius Quintas Estatística matemática Probabilidades Séries temporais |
title_short |
Modelos dinâmicos para dados temporais sob distribuição simétrica condicional: estimação e diagnóstico |
title_full |
Modelos dinâmicos para dados temporais sob distribuição simétrica condicional: estimação e diagnóstico |
title_fullStr |
Modelos dinâmicos para dados temporais sob distribuição simétrica condicional: estimação e diagnóstico |
title_full_unstemmed |
Modelos dinâmicos para dados temporais sob distribuição simétrica condicional: estimação e diagnóstico |
title_sort |
Modelos dinâmicos para dados temporais sob distribuição simétrica condicional: estimação e diagnóstico |
author |
SOUTO MAIOR, Vinícius Quintas |
author_facet |
SOUTO MAIOR, Vinícius Quintas |
author_role |
author |
dc.contributor.author.fl_str_mv |
SOUTO MAIOR, Vinícius Quintas |
dc.contributor.advisor1.fl_str_mv |
CYSNEIROS, Francisco José de Azevêdo |
contributor_str_mv |
CYSNEIROS, Francisco José de Azevêdo |
dc.subject.por.fl_str_mv |
Estatística matemática Probabilidades Séries temporais |
topic |
Estatística matemática Probabilidades Séries temporais |
description |
Nossa abordagem é direcionada a variáveis aleatórias simétricas observadas ao longo do tempo. Nesse sentido, avaliamos os procedimentos de estimação e discutimos o uso da metodologia de diagnóstico sob o enfoque de influência local para classe de modelos autorregressivos de médias móveis simétrico, SYMARMA. Modelos sazonais também são abordados neste trabalho. A estimação dos parâmetros do modelo SYMARMA é feita através da maximização do logaritmo da função de verossimilhança condicional utilizando o algoritmo escore de Fisher. Apresentamos um estudo de robustez baseado na função de influência para avaliar a qualidade do procedimento de estimação. Além disso, conduzimos um estudo de simulação para avaliar a consistência e normalidade assintótica do estimador de máxima verossimilhança condicional. Derivamos expressões mais simples para as funções escore e a matriz informação de Fisher. Desenvolvemos medidas de diagnóstico sob o enfoque de influência local baseado nas medidas de curvatura de Cook (1986), inclinação de Billor e Loynes (1993) e curvatura de Lesaffre e Verbeke (1998). Derivamos, através de simulações, marcas de referência (limiares) para determinar se uma observação é influente. Aplicações de dados reais foram abordadas neste trabalho. |
publishDate |
2016 |
dc.date.accessioned.fl_str_mv |
2016-07-08T18:09:27Z |
dc.date.available.fl_str_mv |
2016-07-08T18:09:27Z |
dc.date.issued.fl_str_mv |
2016-02-26 |
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 |
https://repositorio.ufpe.br/handle/123456789/17300 |
dc.identifier.dark.fl_str_mv |
ark:/64986/001300000d8xz |
url |
https://repositorio.ufpe.br/handle/123456789/17300 |
identifier_str_mv |
ark:/64986/001300000d8xz |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Estatistica |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/17300/5/TESE%20-%20VINICIUS%20Q%20SOUTO%20MAIOR.pdf.jpg https://repositorio.ufpe.br/bitstream/123456789/17300/1/TESE%20-%20VINICIUS%20Q%20SOUTO%20MAIOR.pdf https://repositorio.ufpe.br/bitstream/123456789/17300/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/17300/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/17300/4/TESE%20-%20VINICIUS%20Q%20SOUTO%20MAIOR.pdf.txt |
bitstream.checksum.fl_str_mv |
28870bd0decd3dd79ff0d6b36adff774 c09ba2201dbd8782bc87909993869b5a 66e71c371cc565284e70f40736c94386 4b8a02c7f2818eaf00dcf2260dd5eb08 11eb2b61b885452daf940e938245edc6 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1815172796953657344 |