Estimação e previsão no processo INARCH(2)
Autor(a) principal: | |
---|---|
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 |