Estimação para os parâmetros de processos estocásticos estacionários com característica de longa dependência

Detalhes bibliográficos
Ano de defesa: 1999
Autor(a) principal: Muller, Daniela
Orientador(a): Lopes, Silvia Regina Costa
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Analise de series temporais : Processos estacionarios : Maxima verossimilhanca : Autocorrelacao
Modelos estatisticos : Arma, arima, arfima : Simulacao
Análise espectral
Link de acesso: http://hdl.handle.net/10183/127017
Resumo: Estudos recentes em séries temporais direcionam-se àquelas que apresentam característica de longa dependência, ou seja, séries temporais nas quais a dependência entre observações distantes não é desprezível. Neste trabalho, analisamos o modelo ARFIN!A(p, d,q ), para dE (0,0;0,5), que apresenta a. característica de longa dependência. Como estimativas para o grau de diferenciação d consideramos os estimadores obtidos através da função periodograma, da função periodograma suavizado e da função de máxima verossimilhança sugerida por Whittle, comparando a variância e o erro quadrático médio destes estimadores através de diversas simulações.
id URGS_e58361994cbd15f847a38fda3297a876
oai_identifier_str oai:www.lume.ufrgs.br:10183/127017
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Muller, DanielaLopes, Silvia Regina Costa2015-09-22T01:57:11Z1999http://hdl.handle.net/10183/127017000231098Estudos recentes em séries temporais direcionam-se àquelas que apresentam característica de longa dependência, ou seja, séries temporais nas quais a dependência entre observações distantes não é desprezível. Neste trabalho, analisamos o modelo ARFIN!A(p, d,q ), para dE (0,0;0,5), que apresenta a. característica de longa dependência. Como estimativas para o grau de diferenciação d consideramos os estimadores obtidos através da função periodograma, da função periodograma suavizado e da função de máxima verossimilhança sugerida por Whittle, comparando a variância e o erro quadrático médio destes estimadores através de diversas simulações.Recent work on time series analysis is concerned with the property of long mcmory, that is, time series in which the dependence between distant observations is not negligible. In this work we analyzc the ARF I .NI A(p, d, q) model, for d E (0.0; 0.5), that has the property of long memory. We consider estimators for the degree of differencing d based on the perioclogram function, on the smoothed periodogram function , anel on the maximum likelihood function suggested by Whittle. Through several simulations we compare the variance anel the mean squared error for these estimators.application/pdfporAnalise de series temporais : Processos estacionarios : Maxima verossimilhanca : AutocorrelacaoModelos estatisticos : Arma, arima, arfima : SimulacaoAnálise espectralEstimação para os parâmetros de processos estocásticos estacionários com característica de longa dependênciainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de MatemáticaCurso de Pós-Graduação em MatemáticaPorto Alegre, BR-RS1999mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000231098.pdf000231098.pdfTexto completoapplication/pdf8979043http://www.lume.ufrgs.br/bitstream/10183/127017/1/000231098.pdf99ece639c0f56c998c2f45a58f873fa2MD51TEXT000231098.pdf.txt000231098.pdf.txtExtracted Texttext/plain102522http://www.lume.ufrgs.br/bitstream/10183/127017/2/000231098.pdf.txtfe5a76c9038d89b017356e98575f9a66MD52THUMBNAIL000231098.pdf.jpg000231098.pdf.jpgGenerated Thumbnailimage/jpeg1220http://www.lume.ufrgs.br/bitstream/10183/127017/3/000231098.pdf.jpg20ee3566f6292f606a6ae1cf85c84383MD5310183/1270172018-10-24 08:42:36.355oai:www.lume.ufrgs.br:10183/127017Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-24T11:42:36Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Estimação para os parâmetros de processos estocásticos estacionários com característica de longa dependência
title Estimação para os parâmetros de processos estocásticos estacionários com característica de longa dependência
spellingShingle Estimação para os parâmetros de processos estocásticos estacionários com característica de longa dependência
Muller, Daniela
Analise de series temporais : Processos estacionarios : Maxima verossimilhanca : Autocorrelacao
Modelos estatisticos : Arma, arima, arfima : Simulacao
Análise espectral
title_short Estimação para os parâmetros de processos estocásticos estacionários com característica de longa dependência
title_full Estimação para os parâmetros de processos estocásticos estacionários com característica de longa dependência
title_fullStr Estimação para os parâmetros de processos estocásticos estacionários com característica de longa dependência
title_full_unstemmed Estimação para os parâmetros de processos estocásticos estacionários com característica de longa dependência
title_sort Estimação para os parâmetros de processos estocásticos estacionários com característica de longa dependência
author Muller, Daniela
author_facet Muller, Daniela
author_role author
dc.contributor.author.fl_str_mv Muller, Daniela
dc.contributor.advisor1.fl_str_mv Lopes, Silvia Regina Costa
contributor_str_mv Lopes, Silvia Regina Costa
dc.subject.por.fl_str_mv Analise de series temporais : Processos estacionarios : Maxima verossimilhanca : Autocorrelacao
Modelos estatisticos : Arma, arima, arfima : Simulacao
Análise espectral
topic Analise de series temporais : Processos estacionarios : Maxima verossimilhanca : Autocorrelacao
Modelos estatisticos : Arma, arima, arfima : Simulacao
Análise espectral
description Estudos recentes em séries temporais direcionam-se àquelas que apresentam característica de longa dependência, ou seja, séries temporais nas quais a dependência entre observações distantes não é desprezível. Neste trabalho, analisamos o modelo ARFIN!A(p, d,q ), para dE (0,0;0,5), que apresenta a. característica de longa dependência. Como estimativas para o grau de diferenciação d consideramos os estimadores obtidos através da função periodograma, da função periodograma suavizado e da função de máxima verossimilhança sugerida por Whittle, comparando a variância e o erro quadrático médio destes estimadores através de diversas simulações.
publishDate 1999
dc.date.issued.fl_str_mv 1999
dc.date.accessioned.fl_str_mv 2015-09-22T01:57:11Z
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/10183/127017
dc.identifier.nrb.pt_BR.fl_str_mv 000231098
url http://hdl.handle.net/10183/127017
identifier_str_mv 000231098
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/10183/127017/1/000231098.pdf
http://www.lume.ufrgs.br/bitstream/10183/127017/2/000231098.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/127017/3/000231098.pdf.jpg
bitstream.checksum.fl_str_mv 99ece639c0f56c998c2f45a58f873fa2
fe5a76c9038d89b017356e98575f9a66
20ee3566f6292f606a6ae1cf85c84383
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_ 1831315972118544384

Registros relacionados