Processos estocásticos k-Factor GARMA, um estudo de simulação e aplicação a série SOI (Southern Oscillation Index)
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/183756 |
Resumo: | Neste artigo estudam-se os processos estoc asticos k-Factor GARMA(p;u; ; q) contaminados ou não por outliers. Sendo que essas interferências podem ser de dois tipos, outliers aditivos e outliers inovadores. Propõe-se três estimadores paramétricos inspirados nos modelos apresentados por Fox e Taqqu, sendo o primeiro para séries não contaminadas e os dois ultimos cada um para um dos referidos tipos de contaminação. No entanto, como avaliar se uma série está contaminada e ainda por cima por qual tipo de outlier? Para traçar um critério objetivo para essa questão, adaptou-se o algoritmo SODA para os processos k-Factor GARMA(p;u; ; q). No entanto, o SODA e util não só para identificar outliers, como também para retirá-los da série. Tem-se assim várias formas de enfrentar o problema de contaminação, como tratam-se de adaptações para um tipo de processo estocastico ainda não testado, convém proceder com simulações antes de aplicar em séries reais. Finalmente, depois de conferir a e ciência de cada um dos procedimentos propostos por simulação, aplica-se a referida metodologia em uma série real, qual seja, a SOI, Southern Oscillation Index, uma variável chave no entendimento do efeito ENSO, El Niño Southern Oscillation, ou mais simplesmente, El Niño. |
id |
UFRGS-2_05a31ab243e6bdaa3aea4aa505265f73 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/183756 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Danilevicz, Ian MeneghelBisognin, Cleber2018-10-20T03:16:02Z2015http://hdl.handle.net/10183/183756000986090Neste artigo estudam-se os processos estoc asticos k-Factor GARMA(p;u; ; q) contaminados ou não por outliers. Sendo que essas interferências podem ser de dois tipos, outliers aditivos e outliers inovadores. Propõe-se três estimadores paramétricos inspirados nos modelos apresentados por Fox e Taqqu, sendo o primeiro para séries não contaminadas e os dois ultimos cada um para um dos referidos tipos de contaminação. No entanto, como avaliar se uma série está contaminada e ainda por cima por qual tipo de outlier? Para traçar um critério objetivo para essa questão, adaptou-se o algoritmo SODA para os processos k-Factor GARMA(p;u; ; q). No entanto, o SODA e util não só para identificar outliers, como também para retirá-los da série. Tem-se assim várias formas de enfrentar o problema de contaminação, como tratam-se de adaptações para um tipo de processo estocastico ainda não testado, convém proceder com simulações antes de aplicar em séries reais. Finalmente, depois de conferir a e ciência de cada um dos procedimentos propostos por simulação, aplica-se a referida metodologia em uma série real, qual seja, a SOI, Southern Oscillation Index, uma variável chave no entendimento do efeito ENSO, El Niño Southern Oscillation, ou mais simplesmente, El Niño.In this paper were discuss stocastic process as k-Factor GARMA(p;u; ; q), which can be contaminated or not for outliers. The interference caused by outliers might be from two kind, the additive outliers or the innovative outliers. Here are propose three parametric estimation methods, all them inspired on the Fox and Taqqu work, so the rst method is design to estimate the parameters of some stocastic process without contamination and the others each one to one class of outlier. However, in a practical sense, how a research can know if there is or not outliers in a serie? To have some objective criteria to categorize each observation as an outlier or not, the SODA algorithm was adapted to the stocastic process k-Factor GARMA(p;u; ; q). However, SODA is even more useful that just classify outliers, it is an algorthm to clean the time series. So there is many ways to solve the outliers problem, but all them are old methods to a new stocastic process, so it is earnest procedure checking by simulation rst, i. e., after test the related methods by simulation, there is more trustful on apply the discussed tecnics on some real time series as the SOI, Southern Oscillation Index, a key variable to forecast the ENSO phenomenon, El Niño Southern Oscillation, which a ects great part of the Pacific Ocean and coast cuntries.application/pdfporProcessos estocásticosLong memorySouthern Oscillation IndexOutliersStochastic processes k-Factor GARMAProcessos estocásticos k-Factor GARMA, um estudo de simulação e aplicação a série SOI (Southern Oscillation Index)info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática. Departamento de EstatísticaPorto Alegre, BR-RS2015Estatística: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000986090.pdfTexto completoapplication/pdf1523225http://www.lume.ufrgs.br/bitstream/10183/183756/1/000986090.pdf5c8d5915135ba70d32365fb67cca56edMD51TEXT000986090.pdf.txt000986090.pdf.txtExtracted Texttext/plain67305http://www.lume.ufrgs.br/bitstream/10183/183756/2/000986090.pdf.txt744e0db4116ac9bb434cd05b11ebd1e3MD52THUMBNAIL000986090.pdf.jpg000986090.pdf.jpgGenerated Thumbnailimage/jpeg1204http://www.lume.ufrgs.br/bitstream/10183/183756/3/000986090.pdf.jpge3eab8eafbb9c510576f06689c9ec646MD5310183/1837562022-02-22 05:04:09.819144oai:www.lume.ufrgs.br:10183/183756Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2022-02-22T08:04:09Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Processos estocásticos k-Factor GARMA, um estudo de simulação e aplicação a série SOI (Southern Oscillation Index) |
title |
Processos estocásticos k-Factor GARMA, um estudo de simulação e aplicação a série SOI (Southern Oscillation Index) |
spellingShingle |
Processos estocásticos k-Factor GARMA, um estudo de simulação e aplicação a série SOI (Southern Oscillation Index) Danilevicz, Ian Meneghel Processos estocásticos Long memory Southern Oscillation Index Outliers Stochastic processes k-Factor GARMA |
title_short |
Processos estocásticos k-Factor GARMA, um estudo de simulação e aplicação a série SOI (Southern Oscillation Index) |
title_full |
Processos estocásticos k-Factor GARMA, um estudo de simulação e aplicação a série SOI (Southern Oscillation Index) |
title_fullStr |
Processos estocásticos k-Factor GARMA, um estudo de simulação e aplicação a série SOI (Southern Oscillation Index) |
title_full_unstemmed |
Processos estocásticos k-Factor GARMA, um estudo de simulação e aplicação a série SOI (Southern Oscillation Index) |
title_sort |
Processos estocásticos k-Factor GARMA, um estudo de simulação e aplicação a série SOI (Southern Oscillation Index) |
author |
Danilevicz, Ian Meneghel |
author_facet |
Danilevicz, Ian Meneghel |
author_role |
author |
dc.contributor.author.fl_str_mv |
Danilevicz, Ian Meneghel |
dc.contributor.advisor1.fl_str_mv |
Bisognin, Cleber |
contributor_str_mv |
Bisognin, Cleber |
dc.subject.por.fl_str_mv |
Processos estocásticos |
topic |
Processos estocásticos Long memory Southern Oscillation Index Outliers Stochastic processes k-Factor GARMA |
dc.subject.eng.fl_str_mv |
Long memory Southern Oscillation Index Outliers Stochastic processes k-Factor GARMA |
description |
Neste artigo estudam-se os processos estoc asticos k-Factor GARMA(p;u; ; q) contaminados ou não por outliers. Sendo que essas interferências podem ser de dois tipos, outliers aditivos e outliers inovadores. Propõe-se três estimadores paramétricos inspirados nos modelos apresentados por Fox e Taqqu, sendo o primeiro para séries não contaminadas e os dois ultimos cada um para um dos referidos tipos de contaminação. No entanto, como avaliar se uma série está contaminada e ainda por cima por qual tipo de outlier? Para traçar um critério objetivo para essa questão, adaptou-se o algoritmo SODA para os processos k-Factor GARMA(p;u; ; q). No entanto, o SODA e util não só para identificar outliers, como também para retirá-los da série. Tem-se assim várias formas de enfrentar o problema de contaminação, como tratam-se de adaptações para um tipo de processo estocastico ainda não testado, convém proceder com simulações antes de aplicar em séries reais. Finalmente, depois de conferir a e ciência de cada um dos procedimentos propostos por simulação, aplica-se a referida metodologia em uma série real, qual seja, a SOI, Southern Oscillation Index, uma variável chave no entendimento do efeito ENSO, El Niño Southern Oscillation, ou mais simplesmente, El Niño. |
publishDate |
2015 |
dc.date.issued.fl_str_mv |
2015 |
dc.date.accessioned.fl_str_mv |
2018-10-20T03:16:02Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/183756 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000986090 |
url |
http://hdl.handle.net/10183/183756 |
identifier_str_mv |
000986090 |
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.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/183756/1/000986090.pdf http://www.lume.ufrgs.br/bitstream/10183/183756/2/000986090.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/183756/3/000986090.pdf.jpg |
bitstream.checksum.fl_str_mv |
5c8d5915135ba70d32365fb67cca56ed 744e0db4116ac9bb434cd05b11ebd1e3 e3eab8eafbb9c510576f06689c9ec646 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224560955097088 |