Análise estatística bayesiana em processos com longa dependência

• Autor(a) principal: Dias Junior, Avelino Viana
• Data de Publicação: 2010
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/115499
• topic: Análise estatística; Estimadores : Estatística; Algoritmos computacionais

A abordagem Bayesiana na inferência estatística tem sido muito utilizada como uma alternativa aos métodos clássicos. Neste trabalho, apresentamos uma abordagem Bayesiana para a estimação dos parâmetros dos modelos autoregressivos de médias móveis de ordens p e g, denotados por ARMA(p, q) e do modelo autoregressivo fracionariamente integrado de médias móveis, denotado por ARFIMA(p, d, q). Para o último modelo, a abordagem Bayesiana é realizada assumindo p = g = 0. Considerando o modelo AR(p), que é um caso particular do modelo ARMA(p, g) onde g = O, um estimador é proposto através da abordagem Bayesiana. A eficiência do estimador é verificada através de simulações de Monte Cario e os resultados são comparados com o método clássico da máxima verossimilhança. No caso do modelo ARFIMA(0, d, 0), um estudo teórico é realizado através de uma abordagem Bayesiana. Para estimar os parâmetros desse modelo, é utilizada a sua representação autoregressiva. Alguns algoritmos computacionais Bayesianos são apresentados nesse trabalho já que desempenham um papel importante na inferência Bayesiana. Alguns desses algoritmos, como o amostrador de Gibbs e o Metropolis-Hastings, foram utilizados na construção dos estimadores para os parâmetros dos modelos ARMA e ARFIMA.