Blocos de consenso, esquemas regenerativos e estimação em tempo polinomial de longas amostras de cadeias de Markov ocultas

Detalhes bibliográficos
Autor(a) principal: Camey, Suzi Alves
Data de Publicação: 2005
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/77870
Resumo: Esta tese propõe duas abordagens para estimar a seqüência oculta de uma cadeia de Markov oculta: blocos de consenso e blocos de regeneração. Em ambos os casos os algoritmos resultantes dependem de um número de operações que cresce polinomialmente com o tamanho da seqüência. Na primeira abordagem, quebramos a seqüência visível em blocos e estimamos a seqüência oculta de acordo com a maioria de símbolos que enxergamos na seqüência visível. Na segunda abordagem, utilizamos a estrutura regenerativa da cadeia para decompor em blocos independentes. Obtivemos limites superiores para a probabilidade de erro de estimação com os dois métodos. Na segunda abordagem, utilizamos o método de Monte Carlo markoviano e o algoritmo de Metrópolis para construir iterativamente a seqüência de instantes de regeneração e os blocos correspondentes de estados ocultos, dada a seqüência visível da cadeia. Na demonstração dos resultados foram utilizados resultados de esquemas regenerativos, o método de Chernofi e a desigualdade de Hoefiding. Esta tese tem também uma componente computacional. Com efeito, desenvolvemos rotinas em R que implementam os diversos algoritmos propostos. Também fizemos simulações que ilustram a funcionalidade dos algoritmos.
id URGS_f046b40230a0910908f5a6d0d4be3d52
oai_identifier_str oai:www.lume.ufrgs.br:10183/77870
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Camey, Suzi AlvesGalves, Antonio2013-09-10T01:46:15Z2005http://hdl.handle.net/10183/77870000525682Esta tese propõe duas abordagens para estimar a seqüência oculta de uma cadeia de Markov oculta: blocos de consenso e blocos de regeneração. Em ambos os casos os algoritmos resultantes dependem de um número de operações que cresce polinomialmente com o tamanho da seqüência. Na primeira abordagem, quebramos a seqüência visível em blocos e estimamos a seqüência oculta de acordo com a maioria de símbolos que enxergamos na seqüência visível. Na segunda abordagem, utilizamos a estrutura regenerativa da cadeia para decompor em blocos independentes. Obtivemos limites superiores para a probabilidade de erro de estimação com os dois métodos. Na segunda abordagem, utilizamos o método de Monte Carlo markoviano e o algoritmo de Metrópolis para construir iterativamente a seqüência de instantes de regeneração e os blocos correspondentes de estados ocultos, dada a seqüência visível da cadeia. Na demonstração dos resultados foram utilizados resultados de esquemas regenerativos, o método de Chernofi e a desigualdade de Hoefiding. Esta tese tem também uma componente computacional. Com efeito, desenvolvemos rotinas em R que implementam os diversos algoritmos propostos. Também fizemos simulações que ilustram a funcionalidade dos algoritmos.This dissertation introduces two new approaches to the problem of the estimation of the hidden chain in a hidden Markov model. In both approaches the number of steps necessary to estimate the hidden chain increase polinomially with the size of the sample (the observable chain). In the rst approach, through consensus substrings, we split the observable chain in substrings and estimate the hidden values as the one with appears in the most of the steps of the observable substring. In the second approach, through regenerative substrings, we split the chain using its regenerative structure. In both cases we obtain upper bounds for the error probability of the algorithms. In the second approach, we use the Monte Carlo Markov chains and the Metropolis algorithm to construct iteratively the sequence of the regeneration times and the corresponding substrings of hidden states, given the observable chain. The main tools use in the proofs of the theorems were the regenerative construction of the Markov chain, Chernoff's method and Hoe ding's inequality. This dissertation has also a computational aspect. In e aspect, all the algorithms introduced here have been implemented in R and the corresponding codes are available in the appendix. We also present several simulations to illustrate the applicability of the algorithms.application/pdfporCadeias de MarkovProbabilidade aplicadaBlocos de consenso, esquemas regenerativos e estimação em tempo polinomial de longas amostras de cadeias de Markov ocultasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade de São PauloInstituto de Matemática e EstatísticaPrograma de Pós-Graduação em EstatísticaSão Paulo, BR-SP2005doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000525682.pdf000525682.pdfTexto completoapplication/pdf1642497http://www.lume.ufrgs.br/bitstream/10183/77870/1/000525682.pdf222dded2a9bb30cf06ece678731f530bMD51TEXT000525682.pdf.txt000525682.pdf.txtExtracted Texttext/plain91042http://www.lume.ufrgs.br/bitstream/10183/77870/2/000525682.pdf.txt1f8908b67f9e984944edb53de7332ba7MD52THUMBNAIL000525682.pdf.jpg000525682.pdf.jpgGenerated Thumbnailimage/jpeg1217http://www.lume.ufrgs.br/bitstream/10183/77870/3/000525682.pdf.jpg98a0685c8dc4c2635e21e0c08b95e232MD5310183/778702018-10-09 09:12:47.413oai:www.lume.ufrgs.br:10183/77870Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-09T12:12:47Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Blocos de consenso, esquemas regenerativos e estimação em tempo polinomial de longas amostras de cadeias de Markov ocultas
title Blocos de consenso, esquemas regenerativos e estimação em tempo polinomial de longas amostras de cadeias de Markov ocultas
spellingShingle Blocos de consenso, esquemas regenerativos e estimação em tempo polinomial de longas amostras de cadeias de Markov ocultas
Camey, Suzi Alves
Cadeias de Markov
Probabilidade aplicada
title_short Blocos de consenso, esquemas regenerativos e estimação em tempo polinomial de longas amostras de cadeias de Markov ocultas
title_full Blocos de consenso, esquemas regenerativos e estimação em tempo polinomial de longas amostras de cadeias de Markov ocultas
title_fullStr Blocos de consenso, esquemas regenerativos e estimação em tempo polinomial de longas amostras de cadeias de Markov ocultas
title_full_unstemmed Blocos de consenso, esquemas regenerativos e estimação em tempo polinomial de longas amostras de cadeias de Markov ocultas
title_sort Blocos de consenso, esquemas regenerativos e estimação em tempo polinomial de longas amostras de cadeias de Markov ocultas
author Camey, Suzi Alves
author_facet Camey, Suzi Alves
author_role author
dc.contributor.author.fl_str_mv Camey, Suzi Alves
dc.contributor.advisor1.fl_str_mv Galves, Antonio
contributor_str_mv Galves, Antonio
dc.subject.por.fl_str_mv Cadeias de Markov
Probabilidade aplicada
topic Cadeias de Markov
Probabilidade aplicada
description Esta tese propõe duas abordagens para estimar a seqüência oculta de uma cadeia de Markov oculta: blocos de consenso e blocos de regeneração. Em ambos os casos os algoritmos resultantes dependem de um número de operações que cresce polinomialmente com o tamanho da seqüência. Na primeira abordagem, quebramos a seqüência visível em blocos e estimamos a seqüência oculta de acordo com a maioria de símbolos que enxergamos na seqüência visível. Na segunda abordagem, utilizamos a estrutura regenerativa da cadeia para decompor em blocos independentes. Obtivemos limites superiores para a probabilidade de erro de estimação com os dois métodos. Na segunda abordagem, utilizamos o método de Monte Carlo markoviano e o algoritmo de Metrópolis para construir iterativamente a seqüência de instantes de regeneração e os blocos correspondentes de estados ocultos, dada a seqüência visível da cadeia. Na demonstração dos resultados foram utilizados resultados de esquemas regenerativos, o método de Chernofi e a desigualdade de Hoefiding. Esta tese tem também uma componente computacional. Com efeito, desenvolvemos rotinas em R que implementam os diversos algoritmos propostos. Também fizemos simulações que ilustram a funcionalidade dos algoritmos.
publishDate 2005
dc.date.issued.fl_str_mv 2005
dc.date.accessioned.fl_str_mv 2013-09-10T01:46:15Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/77870
dc.identifier.nrb.pt_BR.fl_str_mv 000525682
url http://hdl.handle.net/10183/77870
identifier_str_mv 000525682
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/10183/77870/1/000525682.pdf
http://www.lume.ufrgs.br/bitstream/10183/77870/2/000525682.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/77870/3/000525682.pdf.jpg
bitstream.checksum.fl_str_mv 222dded2a9bb30cf06ece678731f530b
1f8908b67f9e984944edb53de7332ba7
98a0685c8dc4c2635e21e0c08b95e232
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_ 1810085268103888896

Registros relacionados