Estimação e previsão em processos com longa dependência sazonais

Detalhes bibliográficos
Autor(a) principal: Bisognin, Cleber
Data de Publicação: 2003
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/3107
Resumo: Neste trabalho analisamos alguns processos com longa dependência sazonais, denotados por SARFIMA(0,D, 0)s, onde s é a sazonalidade. Os estudos de estimação e previsão estão baseados em simulações de Monte Carlo para diferentes tamanhos amostrais e diferentes sazonalidades. Para estimar o parâmetro D de diferenciação sazonal utilizamos os estimadores propostos por Geweke e Porter-Hudak (1983), Reisen (1994) e Fox e Taqqu (1986). Para os dois primeiros procedimentos de estimação consideramos seis diferentes maneiras de compor o número de regressores necessários na análise de regressão, com o intuito de melhor comparar seus desempenhos. Apresentamos um estudo sobre previsão h-passos à frente utilizando os processos SARFIMA(0,D, 0)s no qual analisamos o erro de previsão, as variâncias teórica e amostral, o vício, o pervício e o erro quadrático médio.
id URGS_357c48afcfd41f55e8f564fc2414216b
oai_identifier_str oai:www.lume.ufrgs.br:10183/3107
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Bisognin, CleberLopes, Silvia Regina Costa2007-06-06T17:26:23Z2003http://hdl.handle.net/10183/3107000382163Neste trabalho analisamos alguns processos com longa dependência sazonais, denotados por SARFIMA(0,D, 0)s, onde s é a sazonalidade. Os estudos de estimação e previsão estão baseados em simulações de Monte Carlo para diferentes tamanhos amostrais e diferentes sazonalidades. Para estimar o parâmetro D de diferenciação sazonal utilizamos os estimadores propostos por Geweke e Porter-Hudak (1983), Reisen (1994) e Fox e Taqqu (1986). Para os dois primeiros procedimentos de estimação consideramos seis diferentes maneiras de compor o número de regressores necessários na análise de regressão, com o intuito de melhor comparar seus desempenhos. Apresentamos um estudo sobre previsão h-passos à frente utilizando os processos SARFIMA(0,D, 0)s no qual analisamos o erro de previsão, as variâncias teórica e amostral, o vício, o pervício e o erro quadrático médio.In this work we analyze some long memory seasonal processes, denoted by SARFIMA(0,D, 0)s, where s is the seasonality. The estimation and forecas- ting analysis in these processes are based on Monte Carlo simulation studies for different seasonal parameters and different sample sizes. To estimate the fractional seasonal parameter D we consider the methods proposed by Geweke and Porter-Hudak (1983), Reisen (1994) and Fox and Taqqu (1986). For the first two estimation procedures we consider six different ways to choose the number of regressors in the linear regression, to better compare their performances. We also consider here the study of the h-steps ahead forecasting for these SARFIMA(0,D, 0)s processes analyzing the forecasting error, the theoretical and sample variances, the bias, the percentage bias and the mean square error.application/pdfporSéries temporaisSazonalidadeEstimação e previsão em processos com longa dependência sazonaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de MatemáticaPrograma de Pós-Graduação em MatemáticaPorto Alegre, BR-RS2003mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000382163.pdf000382163.pdfTexto completoapplication/pdf921566http://www.lume.ufrgs.br/bitstream/10183/3107/1/000382163.pdf2efdb1f5faed0755a188212ed7d7b9ebMD51TEXT000382163.pdf.txt000382163.pdf.txtExtracted Texttext/plain204709http://www.lume.ufrgs.br/bitstream/10183/3107/2/000382163.pdf.txtba04e72018e7914c4e622a3cb9ea06ddMD52THUMBNAIL000382163.pdf.jpg000382163.pdf.jpgGenerated Thumbnailimage/jpeg1105http://www.lume.ufrgs.br/bitstream/10183/3107/3/000382163.pdf.jpgc00635e6a01c0af67951dba75588ed60MD5310183/31072022-02-22 05:17:21.796797oai:www.lume.ufrgs.br:10183/3107Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-02-22T08:17:21Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Estimação e previsão em processos com longa dependência sazonais
title Estimação e previsão em processos com longa dependência sazonais
spellingShingle Estimação e previsão em processos com longa dependência sazonais
Bisognin, Cleber
Séries temporais
Sazonalidade
title_short Estimação e previsão em processos com longa dependência sazonais
title_full Estimação e previsão em processos com longa dependência sazonais
title_fullStr Estimação e previsão em processos com longa dependência sazonais
title_full_unstemmed Estimação e previsão em processos com longa dependência sazonais
title_sort Estimação e previsão em processos com longa dependência sazonais
author Bisognin, Cleber
author_facet Bisognin, Cleber
author_role author
dc.contributor.author.fl_str_mv Bisognin, Cleber
dc.contributor.advisor1.fl_str_mv Lopes, Silvia Regina Costa
contributor_str_mv Lopes, Silvia Regina Costa
dc.subject.por.fl_str_mv Séries temporais
Sazonalidade
topic Séries temporais
Sazonalidade
description Neste trabalho analisamos alguns processos com longa dependência sazonais, denotados por SARFIMA(0,D, 0)s, onde s é a sazonalidade. Os estudos de estimação e previsão estão baseados em simulações de Monte Carlo para diferentes tamanhos amostrais e diferentes sazonalidades. Para estimar o parâmetro D de diferenciação sazonal utilizamos os estimadores propostos por Geweke e Porter-Hudak (1983), Reisen (1994) e Fox e Taqqu (1986). Para os dois primeiros procedimentos de estimação consideramos seis diferentes maneiras de compor o número de regressores necessários na análise de regressão, com o intuito de melhor comparar seus desempenhos. Apresentamos um estudo sobre previsão h-passos à frente utilizando os processos SARFIMA(0,D, 0)s no qual analisamos o erro de previsão, as variâncias teórica e amostral, o vício, o pervício e o erro quadrático médio.
publishDate 2003
dc.date.issued.fl_str_mv 2003
dc.date.accessioned.fl_str_mv 2007-06-06T17:26:23Z
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.uri.fl_str_mv http://hdl.handle.net/10183/3107
dc.identifier.nrb.pt_BR.fl_str_mv 000382163
url http://hdl.handle.net/10183/3107
identifier_str_mv 000382163
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:Biblioteca Digital de Teses e Dissertações 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 Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/3107/1/000382163.pdf
http://www.lume.ufrgs.br/bitstream/10183/3107/2/000382163.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/3107/3/000382163.pdf.jpg
bitstream.checksum.fl_str_mv 2efdb1f5faed0755a188212ed7d7b9eb
ba04e72018e7914c4e622a3cb9ea06dd
c00635e6a01c0af67951dba75588ed60
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085023794069504

Registros relacionados