Estimação robusta da função densidade espectral

Detalhes bibliográficos
Autor(a) principal: Oliveira, Batista Nunes de
Data de Publicação: 2016
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/158103
Resumo: Em séries temporais os eventos extremos podem afetar consideravelmente a especificação de modelos, estimação de parâmetros e previsão, ou seja, basicamente afeta toda a parte de inferência. Neste trabalho exploramos aspectos da estimação da função da densidade espectral e da função autocorrelação/autocovariancia, visto que existe uma relação direta entre as duas, num contexto de séries temporais contaminadas por outliers aditivos e também no contexto de processos não gaussianos, em que a probabilidade de ocorrência de eventos extremos é significativa. Além disso, estudamos computacionalmente o desempenho de uma técnica bayesiana para a estimação da densidade espectral e o comportamento de um método para estimar a correlação entre eventos extremos, especialmente útil para detectar clusters de volatilidade.
id UFRGS-2_b7a6129a356c323da6e30d773fcd08fb
oai_identifier_str oai:www.lume.ufrgs.br:10183/158103
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Oliveira, Batista Nunes deValk, Márcio2017-05-17T02:36:41Z2016http://hdl.handle.net/10183/158103001019844Em séries temporais os eventos extremos podem afetar consideravelmente a especificação de modelos, estimação de parâmetros e previsão, ou seja, basicamente afeta toda a parte de inferência. Neste trabalho exploramos aspectos da estimação da função da densidade espectral e da função autocorrelação/autocovariancia, visto que existe uma relação direta entre as duas, num contexto de séries temporais contaminadas por outliers aditivos e também no contexto de processos não gaussianos, em que a probabilidade de ocorrência de eventos extremos é significativa. Além disso, estudamos computacionalmente o desempenho de uma técnica bayesiana para a estimação da densidade espectral e o comportamento de um método para estimar a correlação entre eventos extremos, especialmente útil para detectar clusters de volatilidade.Extreme events in time series might a ect significantly the whole inference process, send as model specification, parameter estimation and prediction. Since there is a direct relationship between spectral density and autocovariance function, we explore in this work aspects of spectral density estimation and autocorrelation/autocovariance estimation in a context of time series contaminated by additive outliers. Besides that, we consider spectral density estimation in non-Gaussian processes, where the probability of occurrence of extreme events is signi cantly higher. In addition, we study the performance of a Bayesian technique for spectral density estimation and we investigate the behavior of a method to estimate the correlation among extreme events, especially useful for detecting clusters of volatility.application/pdfporSéries temporaisOutliersAutocorrelaçãoTime seriesAutocorrelationExtremogramEstimação robusta da função densidade espectralinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática e EstatísticaPorto Alegre, BR-RS2016Estatística: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL001019844.pdf001019844.pdfTexto completoapplication/pdf1273830http://www.lume.ufrgs.br/bitstream/10183/158103/1/001019844.pdf9cb5639659ecbdca5794c36b337331c5MD51TEXT001019844.pdf.txt001019844.pdf.txtExtracted Texttext/plain76318http://www.lume.ufrgs.br/bitstream/10183/158103/2/001019844.pdf.txtec8fd8da1637ffdba4476ce167636d26MD52THUMBNAIL001019844.pdf.jpg001019844.pdf.jpgGenerated Thumbnailimage/jpeg1276http://www.lume.ufrgs.br/bitstream/10183/158103/3/001019844.pdf.jpg3d19adb4ce79d2000d673a17ba66626eMD5310183/1581032022-06-15 04:48:26.979441oai:www.lume.ufrgs.br:10183/158103Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2022-06-15T07:48:26Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Estimação robusta da função densidade espectral
title Estimação robusta da função densidade espectral
spellingShingle Estimação robusta da função densidade espectral
Oliveira, Batista Nunes de
Séries temporais
Outliers
Autocorrelação
Time series
Autocorrelation
Extremogram
title_short Estimação robusta da função densidade espectral
title_full Estimação robusta da função densidade espectral
title_fullStr Estimação robusta da função densidade espectral
title_full_unstemmed Estimação robusta da função densidade espectral
title_sort Estimação robusta da função densidade espectral
author Oliveira, Batista Nunes de
author_facet Oliveira, Batista Nunes de
author_role author
dc.contributor.author.fl_str_mv Oliveira, Batista Nunes de
dc.contributor.advisor1.fl_str_mv Valk, Márcio
contributor_str_mv Valk, Márcio
dc.subject.por.fl_str_mv Séries temporais
Outliers
Autocorrelação
topic Séries temporais
Outliers
Autocorrelação
Time series
Autocorrelation
Extremogram
dc.subject.eng.fl_str_mv Time series
Autocorrelation
Extremogram
description Em séries temporais os eventos extremos podem afetar consideravelmente a especificação de modelos, estimação de parâmetros e previsão, ou seja, basicamente afeta toda a parte de inferência. Neste trabalho exploramos aspectos da estimação da função da densidade espectral e da função autocorrelação/autocovariancia, visto que existe uma relação direta entre as duas, num contexto de séries temporais contaminadas por outliers aditivos e também no contexto de processos não gaussianos, em que a probabilidade de ocorrência de eventos extremos é significativa. Além disso, estudamos computacionalmente o desempenho de uma técnica bayesiana para a estimação da densidade espectral e o comportamento de um método para estimar a correlação entre eventos extremos, especialmente útil para detectar clusters de volatilidade.
publishDate 2016
dc.date.issued.fl_str_mv 2016
dc.date.accessioned.fl_str_mv 2017-05-17T02:36:41Z
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/10183/158103
dc.identifier.nrb.pt_BR.fl_str_mv 001019844
url http://hdl.handle.net/10183/158103
identifier_str_mv 001019844
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/10183/158103/1/001019844.pdf
http://www.lume.ufrgs.br/bitstream/10183/158103/2/001019844.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/158103/3/001019844.pdf.jpg
bitstream.checksum.fl_str_mv 9cb5639659ecbdca5794c36b337331c5
ec8fd8da1637ffdba4476ce167636d26
3d19adb4ce79d2000d673a17ba66626e
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_ 1801224531267813376

Registros relacionados