Estimação e previsão no processo INARCH(2)

Detalhes bibliográficos
Autor(a) principal: Silva, Felipe Rodrigues da
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/jspui/handle/123456789/20963
Resumo: Nas últimas décadas o estudo de séries temporais de valores inteiros tem ganhado notoriedade devido a sua ampla aplicabilidade, por exemplo, modelar o número de acidentes com automóveis em uma determinada rodovia, ou, o número de pessoas infectadas por um vírus. Um dos grandes interesses desta área de estudo está em fazer previsões, por este motivo é de grande importância propor metodologias para fazer previsões futuras, as quais devem, dada a natureza dos dados, apresentar valores inteiros não negativos.Neste trabalho concentramo-nos em estudar e propor previsões um, dois e h passos à frente para os processos autorregressivos de segunda ordem condicionalmente heteroscedásticos de valores inteiros, Integer-valued second-order Autoregressive Conditional Heteroskedasticity Processes [INARCH(2)], e estudar algumas propriedades teóricas deste modelo, como o r-ésimo momento marginal e a distribuição assintótica dos estimadores de mínimos quadrados condicionais referentes ao processo INARCH(2). Além disso, verificamos, através de ensaios de Monte Carlo, o comportamento dos estimadores dos parâmetros do processo INARCH(2), obtidos através de três métodos de estimação, Yule-Walker, mínimos quadrados condicionais e máxima verossimilhança condicional, em termos de erro quadrático médio, erro absoluto médio e viés. Apresentamos algumas propostas de previsão para o processo INARCH(2) e comparamos as previsões propostas via simulações de Monte Carlo. Como aplicação da teoria apresentada, modelamos dados referentes ao número de nascidos vivos do sexo masculino de mães residentes na cidade de Riachuelo no estado do Rio Grande do Norte.
id UFRN_520fb4df01b1dae0e50d922a9c033d4e
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/20963
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Silva, Felipe Rodrigues dahttp://lattes.cnpq.br/7256633363389848http://lattes.cnpq.br/0576675498537949Pereira, Marcelo Bourguignonhttp://lattes.cnpq.br/9358366674842900Vasconcellos, Klaus Leite Pintohttp://lattes.cnpq.br/4556088473868411Fernandez, Luz Milena Zea2016-07-15T21:23:21Z2016-07-15T21:23:21Z2016-02-05SILVA, Felipe Rodrigues da. Estimação e previsão no processo INARCH(2). 2016. 90f. Dissertação (Mestrado em Matemática Aplicada e Estatística) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016.https://repositorio.ufrn.br/jspui/handle/123456789/20963Nas últimas décadas o estudo de séries temporais de valores inteiros tem ganhado notoriedade devido a sua ampla aplicabilidade, por exemplo, modelar o número de acidentes com automóveis em uma determinada rodovia, ou, o número de pessoas infectadas por um vírus. Um dos grandes interesses desta área de estudo está em fazer previsões, por este motivo é de grande importância propor metodologias para fazer previsões futuras, as quais devem, dada a natureza dos dados, apresentar valores inteiros não negativos.Neste trabalho concentramo-nos em estudar e propor previsões um, dois e h passos à frente para os processos autorregressivos de segunda ordem condicionalmente heteroscedásticos de valores inteiros, Integer-valued second-order Autoregressive Conditional Heteroskedasticity Processes [INARCH(2)], e estudar algumas propriedades teóricas deste modelo, como o r-ésimo momento marginal e a distribuição assintótica dos estimadores de mínimos quadrados condicionais referentes ao processo INARCH(2). Além disso, verificamos, através de ensaios de Monte Carlo, o comportamento dos estimadores dos parâmetros do processo INARCH(2), obtidos através de três métodos de estimação, Yule-Walker, mínimos quadrados condicionais e máxima verossimilhança condicional, em termos de erro quadrático médio, erro absoluto médio e viés. Apresentamos algumas propostas de previsão para o processo INARCH(2) e comparamos as previsões propostas via simulações de Monte Carlo. Como aplicação da teoria apresentada, modelamos dados referentes ao número de nascidos vivos do sexo masculino de mães residentes na cidade de Riachuelo no estado do Rio Grande do Norte.In the last decades the study of integer-valued time series has gained notoriety due to its broad applicability (modeling the number of car accidents in a given highway, or the number of people infected by a virus are two examples). One of the main interests of this area of study is to make forecasts, and for this reason it is very important to propose methods to make such forecasts, which consist of nonnegative integer values, due to the discrete nature of the data. In this work, we focus on the study and proposal of forecasts one, two and h steps ahead for integer-valued second-order autoregressive conditional heteroskedasticity processes [INARCH (2)], and in determining some theoretical properties of this model, such as the ordinary moments of its marginal distribution and the asymptotic distribution of its conditional least squares estimators. In addition, we study, via Monte Carlo simulation, the behavior of the estimators for the parameters of INARCH(2) processes obtained using three di erent methods (Yule- Walker, conditional least squares, and conditional maximum likelihood), in terms of mean squared error, mean absolute error and bias. We present some forecast proposals for INARCH(2) processes, which are compared again via Monte Carlo simulation. As an application of this proposed theory, we model a dataset related to the number of live male births of mothers living at Riachuelo city, in the state of Rio Grande do Norte, Brazil.porUniversidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICAUFRNBrasilCNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA APLICADA E ESTATÍSTICAPrevisãoProcessos INARCHSéries temporais de valores inteirosSimulação de Monte CarloSobredispersãoEstimação e previsão no processo INARCH(2)info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALFelipeRodriguesDaSilva_DISSERT.pdfFelipeRodriguesDaSilva_DISSERT.pdfapplication/pdf870804https://repositorio.ufrn.br/bitstream/123456789/20963/1/FelipeRodriguesDaSilva_DISSERT.pdfb5f460fb8ec192f10ba0e867ac5a4c23MD51TEXTFelipeRodriguesDaSilva_DISSERT.pdf.txtFelipeRodriguesDaSilva_DISSERT.pdf.txtExtracted texttext/plain254199https://repositorio.ufrn.br/bitstream/123456789/20963/6/FelipeRodriguesDaSilva_DISSERT.pdf.txt7fca87b704b6fb75243e47ea531b27f5MD56THUMBNAILFelipeRodriguesDaSilva_DISSERT.pdf.jpgFelipeRodriguesDaSilva_DISSERT.pdf.jpgIM Thumbnailimage/jpeg2338https://repositorio.ufrn.br/bitstream/123456789/20963/7/FelipeRodriguesDaSilva_DISSERT.pdf.jpg3458348c87da844193e17e13bc05a117MD57123456789/209632017-10-31 15:47:55.955oai:https://repositorio.ufrn.br:123456789/20963Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2017-10-31T18:47:55Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Estimação e previsão no processo INARCH(2)
title Estimação e previsão no processo INARCH(2)
spellingShingle Estimação e previsão no processo INARCH(2)
Silva, Felipe Rodrigues da
CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA APLICADA E ESTATÍSTICA
Previsão
Processos INARCH
Séries temporais de valores inteiros
Simulação de Monte Carlo
Sobredispersão
title_short Estimação e previsão no processo INARCH(2)
title_full Estimação e previsão no processo INARCH(2)
title_fullStr Estimação e previsão no processo INARCH(2)
title_full_unstemmed Estimação e previsão no processo INARCH(2)
title_sort Estimação e previsão no processo INARCH(2)
author Silva, Felipe Rodrigues da
author_facet Silva, Felipe Rodrigues da
author_role author
dc.contributor.authorID.pt_BR.fl_str_mv
dc.contributor.authorLattes.none.fl_str_mv http://lattes.cnpq.br/7256633363389848
dc.contributor.advisorID.pt_BR.fl_str_mv
dc.contributor.advisorLattes.none.fl_str_mv http://lattes.cnpq.br/0576675498537949
dc.contributor.referees1.none.fl_str_mv Pereira, Marcelo Bourguignon
dc.contributor.referees1ID.pt_BR.fl_str_mv
dc.contributor.referees1Lattes.none.fl_str_mv http://lattes.cnpq.br/9358366674842900
dc.contributor.referees2.none.fl_str_mv Vasconcellos, Klaus Leite Pinto
dc.contributor.referees2ID.pt_BR.fl_str_mv
dc.contributor.referees2Lattes.none.fl_str_mv http://lattes.cnpq.br/4556088473868411
dc.contributor.author.fl_str_mv Silva, Felipe Rodrigues da
dc.contributor.advisor1.fl_str_mv Fernandez, Luz Milena Zea
contributor_str_mv Fernandez, Luz Milena Zea
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA APLICADA E ESTATÍSTICA
topic CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA APLICADA E ESTATÍSTICA
Previsão
Processos INARCH
Séries temporais de valores inteiros
Simulação de Monte Carlo
Sobredispersão
dc.subject.por.fl_str_mv Previsão
Processos INARCH
Séries temporais de valores inteiros
Simulação de Monte Carlo
Sobredispersão
description Nas últimas décadas o estudo de séries temporais de valores inteiros tem ganhado notoriedade devido a sua ampla aplicabilidade, por exemplo, modelar o número de acidentes com automóveis em uma determinada rodovia, ou, o número de pessoas infectadas por um vírus. Um dos grandes interesses desta área de estudo está em fazer previsões, por este motivo é de grande importância propor metodologias para fazer previsões futuras, as quais devem, dada a natureza dos dados, apresentar valores inteiros não negativos.Neste trabalho concentramo-nos em estudar e propor previsões um, dois e h passos à frente para os processos autorregressivos de segunda ordem condicionalmente heteroscedásticos de valores inteiros, Integer-valued second-order Autoregressive Conditional Heteroskedasticity Processes [INARCH(2)], e estudar algumas propriedades teóricas deste modelo, como o r-ésimo momento marginal e a distribuição assintótica dos estimadores de mínimos quadrados condicionais referentes ao processo INARCH(2). Além disso, verificamos, através de ensaios de Monte Carlo, o comportamento dos estimadores dos parâmetros do processo INARCH(2), obtidos através de três métodos de estimação, Yule-Walker, mínimos quadrados condicionais e máxima verossimilhança condicional, em termos de erro quadrático médio, erro absoluto médio e viés. Apresentamos algumas propostas de previsão para o processo INARCH(2) e comparamos as previsões propostas via simulações de Monte Carlo. Como aplicação da teoria apresentada, modelamos dados referentes ao número de nascidos vivos do sexo masculino de mães residentes na cidade de Riachuelo no estado do Rio Grande do Norte.
publishDate 2016
dc.date.accessioned.fl_str_mv 2016-07-15T21:23:21Z
dc.date.available.fl_str_mv 2016-07-15T21:23:21Z
dc.date.issued.fl_str_mv 2016-02-05
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SILVA, Felipe Rodrigues da. Estimação e previsão no processo INARCH(2). 2016. 90f. Dissertação (Mestrado em Matemática Aplicada e Estatística) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/jspui/handle/123456789/20963
identifier_str_mv SILVA, Felipe Rodrigues da. Estimação e previsão no processo INARCH(2). 2016. 90f. Dissertação (Mestrado em Matemática Aplicada e Estatística) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2016.
url https://repositorio.ufrn.br/jspui/handle/123456789/20963
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.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICA
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/20963/1/FelipeRodriguesDaSilva_DISSERT.pdf
https://repositorio.ufrn.br/bitstream/123456789/20963/6/FelipeRodriguesDaSilva_DISSERT.pdf.txt
https://repositorio.ufrn.br/bitstream/123456789/20963/7/FelipeRodriguesDaSilva_DISSERT.pdf.jpg
bitstream.checksum.fl_str_mv b5f460fb8ec192f10ba0e867ac5a4c23
7fca87b704b6fb75243e47ea531b27f5
3458348c87da844193e17e13bc05a117
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1802117872623812608