Identicação da ordem de um processo auto-regressivo estacionário

Detalhes bibliográficos
Autor(a) principal: Vargas, Felipe Lazzari
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/10183/207544
Resumo: Este estudo analisa o desempenho dos critérios de seleção de modelos em processos auto-regressivos estacionários e ergódicos, quando a inovação advém de variáveis aleatórias, independentes e identicamente distribuídas, com distribuição α-estável. Os critérios de seleção de modelos, aqui estudados, foram: Critério de Informação de Akaike (AIC), Critério de Informação Bayesiana (BIC), Critério de Hannan-Quinn (HQC) e Critério de Determinação Eficiente (EDC). Na fundamentação teórica, apresentam-se técnicas de estimação e identificação da ordem de séries temporais auto-regressivas com inovação α-estável. Apresentamos também um estudo de simulações de Monte Carlo e uma aplicação à dados observados.
id UFRGS-2_d3c783905d5913b9147f23b0a66cf056
oai_identifier_str oai:www.lume.ufrgs.br:10183/207544
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Vargas, Felipe LazzariPumi, GuilhermeLopes, Silvia Regina Costa2020-05-26T03:44:24Z2015http://hdl.handle.net/10183/207544000986076Este estudo analisa o desempenho dos critérios de seleção de modelos em processos auto-regressivos estacionários e ergódicos, quando a inovação advém de variáveis aleatórias, independentes e identicamente distribuídas, com distribuição α-estável. Os critérios de seleção de modelos, aqui estudados, foram: Critério de Informação de Akaike (AIC), Critério de Informação Bayesiana (BIC), Critério de Hannan-Quinn (HQC) e Critério de Determinação Eficiente (EDC). Na fundamentação teórica, apresentam-se técnicas de estimação e identificação da ordem de séries temporais auto-regressivas com inovação α-estável. Apresentamos também um estudo de simulações de Monte Carlo e uma aplicação à dados observados.This study analyzes the performance of the model selection criteria in stationary and ergodic autoregressive processes, when innovation comes from independent and identically distributed random variables with α-stable distribution. The model selection criteria studied here were: Akaike’s Information Criterion (AIC), Bayesian Information Criterion (BIC), Hannan-Quinn Criterion (HQC) and Efficient Determination Criterion (EDC). In theoretical foundation, we present estimation and identification techniques for the order of autoregressive time series with α-stable innovations. We also present a study of Monte Carlo’s simulations and an application to the observed data.application/pdfporSéries temporaisTime seriesModel selection criteriaOrder identificationα-stable distributionIdenticação da ordem de um processo auto-regressivo estacionárioinfo: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:UFRGSTEXT000986076.pdf.txt000986076.pdf.txtExtracted Texttext/plain250131http://www.lume.ufrgs.br/bitstream/10183/207544/2/000986076.pdf.txte9e568ea594d61d5ab273b59991bd1e7MD52ORIGINAL000986076.pdfTexto completoapplication/pdf818590http://www.lume.ufrgs.br/bitstream/10183/207544/1/000986076.pdf88a313d8c3751b8c5d01cb30ae5b65c1MD5110183/2075442022-02-22 04:57:20.497115oai:www.lume.ufrgs.br:10183/207544Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2022-02-22T07:57:20Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Identicação da ordem de um processo auto-regressivo estacionário
title Identicação da ordem de um processo auto-regressivo estacionário
spellingShingle Identicação da ordem de um processo auto-regressivo estacionário
Vargas, Felipe Lazzari
Séries temporais
Time series
Model selection criteria
Order identification
α-stable distribution
title_short Identicação da ordem de um processo auto-regressivo estacionário
title_full Identicação da ordem de um processo auto-regressivo estacionário
title_fullStr Identicação da ordem de um processo auto-regressivo estacionário
title_full_unstemmed Identicação da ordem de um processo auto-regressivo estacionário
title_sort Identicação da ordem de um processo auto-regressivo estacionário
author Vargas, Felipe Lazzari
author_facet Vargas, Felipe Lazzari
author_role author
dc.contributor.author.fl_str_mv Vargas, Felipe Lazzari
dc.contributor.advisor1.fl_str_mv Pumi, Guilherme
dc.contributor.advisor-co1.fl_str_mv Lopes, Silvia Regina Costa
contributor_str_mv Pumi, Guilherme
Lopes, Silvia Regina Costa
dc.subject.por.fl_str_mv Séries temporais
topic Séries temporais
Time series
Model selection criteria
Order identification
α-stable distribution
dc.subject.eng.fl_str_mv Time series
Model selection criteria
Order identification
α-stable distribution
description Este estudo analisa o desempenho dos critérios de seleção de modelos em processos auto-regressivos estacionários e ergódicos, quando a inovação advém de variáveis aleatórias, independentes e identicamente distribuídas, com distribuição α-estável. Os critérios de seleção de modelos, aqui estudados, foram: Critério de Informação de Akaike (AIC), Critério de Informação Bayesiana (BIC), Critério de Hannan-Quinn (HQC) e Critério de Determinação Eficiente (EDC). Na fundamentação teórica, apresentam-se técnicas de estimação e identificação da ordem de séries temporais auto-regressivas com inovação α-estável. Apresentamos também um estudo de simulações de Monte Carlo e uma aplicação à dados observados.
publishDate 2015
dc.date.issued.fl_str_mv 2015
dc.date.accessioned.fl_str_mv 2020-05-26T03:44:24Z
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/10183/207544
dc.identifier.nrb.pt_BR.fl_str_mv 000986076
url http://hdl.handle.net/10183/207544
identifier_str_mv 000986076
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/10183/207544/2/000986076.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/207544/1/000986076.pdf
bitstream.checksum.fl_str_mv e9e568ea594d61d5ab273b59991bd1e7
88a313d8c3751b8c5d01cb30ae5b65c1
bitstream.checksumAlgorithm.fl_str_mv 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_ 1815447264368263168

Registros relacionados