Previsão um passo à frente no processo PSINAR(1)
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/34274 |
Resumo: | Nos últimos anos houve um aumento considerável no estudo em modelos de séries temporais de valores inteiros e uma infinidade de modelos com esse propósito vêm sendo propostos, como por exemplo, o processo autorregressivo de valores inteiros (INAR(1)). Métodos para se obter previsões utilizando tais modelos vêm sendo propostos visto a importância para as mais diversas áreas de conhecimento. Seguindo essa temática, Bourguignon e Vasconcellos (2015) propuseram o processo autorregressivo de valores inteiros com inovações de séries de potências (PSINAR(1)). O modelo considerado por estes autores possui muita utilidade prática, já que é composto por uma família de diferentes distribuições que se adéquam às especifidades de diferentes conjuntos de dados, como subdispersão ou sobredispersão. Assim, o presente trabalho tem os seguintes objetivos: apresentar o modelo PSINAR(1) e suas propriedades; estudar a previsão um passo à frente do modelo, considerando os estimadores de Yule-Walker, Mínimos quadrados condicionais e Máxima Verossimilhança Condicional, propondo três possíveis estimativas de previsão e compará-los via simulações de Monte Carlo; e aplicar o modelo a um conjunto de dados jurídicos. |
id |
UFRN_70c01c153cfe2072703d66a5751391ee |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/34274 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Santos, Antony Maciel dosCastro, Bruno Monte dePereira, Marcelo BourguignonFernandez, Luz Milena Zea2018-10-25T15:13:53Z2021-09-20T12:08:29Z2018-10-25T15:13:53Z2021-09-20T12:08:29Z2018-06-282014060149SANTOS, Antony Maciel dos. Previsão um passo à frente no processo PSINAR(1). 2018. 45 f. Monografia (Graduação) - Curso de Estatística, Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2018.https://repositorio.ufrn.br/handle/123456789/34274Universidade Federal do Rio Grande do NorteUFRNBrasilEstatísticaModelagemModelingProcesso PSINAR(1)PSINAR(1) processProcessos de contagemCounting processPrevisãoForecastingSéries de potênciaPower seriesPrevisão um passo à frente no processo PSINAR(1)info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisNos últimos anos houve um aumento considerável no estudo em modelos de séries temporais de valores inteiros e uma infinidade de modelos com esse propósito vêm sendo propostos, como por exemplo, o processo autorregressivo de valores inteiros (INAR(1)). Métodos para se obter previsões utilizando tais modelos vêm sendo propostos visto a importância para as mais diversas áreas de conhecimento. Seguindo essa temática, Bourguignon e Vasconcellos (2015) propuseram o processo autorregressivo de valores inteiros com inovações de séries de potências (PSINAR(1)). O modelo considerado por estes autores possui muita utilidade prática, já que é composto por uma família de diferentes distribuições que se adéquam às especifidades de diferentes conjuntos de dados, como subdispersão ou sobredispersão. Assim, o presente trabalho tem os seguintes objetivos: apresentar o modelo PSINAR(1) e suas propriedades; estudar a previsão um passo à frente do modelo, considerando os estimadores de Yule-Walker, Mínimos quadrados condicionais e Máxima Verossimilhança Condicional, propondo três possíveis estimativas de previsão e compará-los via simulações de Monte Carlo; e aplicar o modelo a um conjunto de dados jurídicos.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNTEXTPrevisaoUmPassoaFrente_Antony_2018.pdf.txtExtracted texttext/plain65006https://repositorio.ufrn.br/bitstream/123456789/34274/1/PrevisaoUmPassoaFrente_Antony_2018.pdf.txt51bac3116ef3a5f54fefbd6487120dffMD51ORIGINALPrevisaoUmPassoaFrente_Antony_2018.pdfMonografiaapplication/pdf1040519https://repositorio.ufrn.br/bitstream/123456789/34274/2/PrevisaoUmPassoaFrente_Antony_2018.pdf5cf39e45b756edea117c3c855a59a175MD52CC-LICENSElicense_urlapplication/octet-stream49https://repositorio.ufrn.br/bitstream/123456789/34274/3/license_url4afdbb8c545fd630ea7db775da747b2fMD53license_textapplication/octet-stream0https://repositorio.ufrn.br/bitstream/123456789/34274/4/license_textd41d8cd98f00b204e9800998ecf8427eMD54license_rdfapplication/octet-stream0https://repositorio.ufrn.br/bitstream/123456789/34274/5/license_rdfd41d8cd98f00b204e9800998ecf8427eMD55LICENSElicense.txttext/plain756https://repositorio.ufrn.br/bitstream/123456789/34274/6/license.txta80a9cda2756d355b388cc443c3d8a43MD56123456789/342742021-09-20 09:08:29.914oai:https://repositorio.ufrn.br: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ório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2021-09-20T12:08:29Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Previsão um passo à frente no processo PSINAR(1) |
title |
Previsão um passo à frente no processo PSINAR(1) |
spellingShingle |
Previsão um passo à frente no processo PSINAR(1) Santos, Antony Maciel dos Modelagem Modeling Processo PSINAR(1) PSINAR(1) process Processos de contagem Counting process Previsão Forecasting Séries de potência Power series |
title_short |
Previsão um passo à frente no processo PSINAR(1) |
title_full |
Previsão um passo à frente no processo PSINAR(1) |
title_fullStr |
Previsão um passo à frente no processo PSINAR(1) |
title_full_unstemmed |
Previsão um passo à frente no processo PSINAR(1) |
title_sort |
Previsão um passo à frente no processo PSINAR(1) |
author |
Santos, Antony Maciel dos |
author_facet |
Santos, Antony Maciel dos |
author_role |
author |
dc.contributor.referees1.none.fl_str_mv |
Castro, Bruno Monte de |
dc.contributor.referees2.none.fl_str_mv |
Pereira, Marcelo Bourguignon |
dc.contributor.author.fl_str_mv |
Santos, Antony Maciel dos |
dc.contributor.advisor1.fl_str_mv |
Fernandez, Luz Milena Zea |
contributor_str_mv |
Fernandez, Luz Milena Zea |
dc.subject.por.fl_str_mv |
Modelagem Modeling Processo PSINAR(1) PSINAR(1) process Processos de contagem Counting process Previsão Forecasting Séries de potência Power series |
topic |
Modelagem Modeling Processo PSINAR(1) PSINAR(1) process Processos de contagem Counting process Previsão Forecasting Séries de potência Power series |
description |
Nos últimos anos houve um aumento considerável no estudo em modelos de séries temporais de valores inteiros e uma infinidade de modelos com esse propósito vêm sendo propostos, como por exemplo, o processo autorregressivo de valores inteiros (INAR(1)). Métodos para se obter previsões utilizando tais modelos vêm sendo propostos visto a importância para as mais diversas áreas de conhecimento. Seguindo essa temática, Bourguignon e Vasconcellos (2015) propuseram o processo autorregressivo de valores inteiros com inovações de séries de potências (PSINAR(1)). O modelo considerado por estes autores possui muita utilidade prática, já que é composto por uma família de diferentes distribuições que se adéquam às especifidades de diferentes conjuntos de dados, como subdispersão ou sobredispersão. Assim, o presente trabalho tem os seguintes objetivos: apresentar o modelo PSINAR(1) e suas propriedades; estudar a previsão um passo à frente do modelo, considerando os estimadores de Yule-Walker, Mínimos quadrados condicionais e Máxima Verossimilhança Condicional, propondo três possíveis estimativas de previsão e compará-los via simulações de Monte Carlo; e aplicar o modelo a um conjunto de dados jurídicos. |
publishDate |
2018 |
dc.date.accessioned.fl_str_mv |
2018-10-25T15:13:53Z 2021-09-20T12:08:29Z |
dc.date.available.fl_str_mv |
2018-10-25T15:13:53Z 2021-09-20T12:08:29Z |
dc.date.issued.fl_str_mv |
2018-06-28 |
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.pr_BR.fl_str_mv |
2014060149 |
dc.identifier.citation.fl_str_mv |
SANTOS, Antony Maciel dos. Previsão um passo à frente no processo PSINAR(1). 2018. 45 f. Monografia (Graduação) - Curso de Estatística, Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2018. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/34274 |
identifier_str_mv |
2014060149 SANTOS, Antony Maciel dos. Previsão um passo à frente no processo PSINAR(1). 2018. 45 f. Monografia (Graduação) - Curso de Estatística, Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2018. |
url |
https://repositorio.ufrn.br/handle/123456789/34274 |
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.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Estatística |
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/123456789/34274/1/PrevisaoUmPassoaFrente_Antony_2018.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/34274/2/PrevisaoUmPassoaFrente_Antony_2018.pdf https://repositorio.ufrn.br/bitstream/123456789/34274/3/license_url https://repositorio.ufrn.br/bitstream/123456789/34274/4/license_text https://repositorio.ufrn.br/bitstream/123456789/34274/5/license_rdf https://repositorio.ufrn.br/bitstream/123456789/34274/6/license.txt |
bitstream.checksum.fl_str_mv |
51bac3116ef3a5f54fefbd6487120dff 5cf39e45b756edea117c3c855a59a175 4afdbb8c545fd630ea7db775da747b2f d41d8cd98f00b204e9800998ecf8427e d41d8cd98f00b204e9800998ecf8427e a80a9cda2756d355b388cc443c3d8a43 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 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_ |
1802117630606180352 |