Regressão não paramétrica com processos estacionários alpha-mixing via ondaletas
| Ano de defesa: | 2013 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Tese |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | http://www.teses.usp.br/teses/disponiveis/45/45133/tde-19062013-153433/ |
Resumo: | Nesta tese consideramos um modelo de regressão não paramétrica, quando a variável explicativa e um processo estritamente estacionário e alpha-mixing. São estudadas as condições sobre o processo Xt e sua estrutura de dependência, assim como do domínio da função f a ser estimada. Também são feitas as adaptações necessárias aos procedimentos para obter as taxas de convergência do risco para a norma Lp, no caso de ondaletas deformadas. Em relação às ondaletas adaptativas de Haar, obtêm-se as taxas de convergência do risco do estimador proposto. Mediante estudos de simulação, e avaliado o desempenho dos procedimentos propostos quando aplicados a amostras finitas sob diferentes níveis de perturbação do sinal e diferentes tamanhos da amostra. Também são feitas aplicações a dados reais. |
| id |
USP_b994c016d92c1685263ca073ac740e45 |
|---|---|
| oai_identifier_str |
oai:teses.usp.br:tde-19062013-153433 |
| network_acronym_str |
USP |
| network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
| repository_id_str |
|
| spelling |
Regressão não paramétrica com processos estacionários alpha-mixing via ondaletasNonparametric regression with stationary mixing processes.adapted Haar wavelet.alpha-mixingalpha-mixingnonparametric regressionondaletaondaleta adaptativa de Haarondaleta deformadaprocesso estacionárioregressão não paramétricastationary processwarped waveletwaveletNesta tese consideramos um modelo de regressão não paramétrica, quando a variável explicativa e um processo estritamente estacionário e alpha-mixing. São estudadas as condições sobre o processo Xt e sua estrutura de dependência, assim como do domínio da função f a ser estimada. Também são feitas as adaptações necessárias aos procedimentos para obter as taxas de convergência do risco para a norma Lp, no caso de ondaletas deformadas. Em relação às ondaletas adaptativas de Haar, obtêm-se as taxas de convergência do risco do estimador proposto. Mediante estudos de simulação, e avaliado o desempenho dos procedimentos propostos quando aplicados a amostras finitas sob diferentes níveis de perturbação do sinal e diferentes tamanhos da amostra. Também são feitas aplicações a dados reais.In this thesis we consider a nonparametric regression model, when the exploratory variables are alpha-mixing stationary processes. We obtain convergence rates for risk for Lp norm, via warped wavelets, under suitable regularity conditions. For estimation using design adapted Haar wavelets we obtain convergence rates for the risk of the proposed estimator. The performance of the estimators are assessed via simulation studies with dierent sample sizes and dierent signal-to-noise ratios. Applications to real data are also given.Biblioteca Digitais de Teses e Dissertações da USPMorettin, Pedro AlbertoGomez Gomez, Luz Marina2013-01-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/45/45133/tde-19062013-153433/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-08-15T21:46:02Zoai:teses.usp.br:tde-19062013-153433Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-08-15T21:46:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
| dc.title.none.fl_str_mv |
Regressão não paramétrica com processos estacionários alpha-mixing via ondaletas Nonparametric regression with stationary mixing processes. |
| title |
Regressão não paramétrica com processos estacionários alpha-mixing via ondaletas |
| spellingShingle |
Regressão não paramétrica com processos estacionários alpha-mixing via ondaletas Gomez Gomez, Luz Marina adapted Haar wavelet. alpha-mixing alpha-mixing nonparametric regression ondaleta ondaleta adaptativa de Haar ondaleta deformada processo estacionário regressão não paramétrica stationary process warped wavelet wavelet |
| title_short |
Regressão não paramétrica com processos estacionários alpha-mixing via ondaletas |
| title_full |
Regressão não paramétrica com processos estacionários alpha-mixing via ondaletas |
| title_fullStr |
Regressão não paramétrica com processos estacionários alpha-mixing via ondaletas |
| title_full_unstemmed |
Regressão não paramétrica com processos estacionários alpha-mixing via ondaletas |
| title_sort |
Regressão não paramétrica com processos estacionários alpha-mixing via ondaletas |
| author |
Gomez Gomez, Luz Marina |
| author_facet |
Gomez Gomez, Luz Marina |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Morettin, Pedro Alberto |
| dc.contributor.author.fl_str_mv |
Gomez Gomez, Luz Marina |
| dc.subject.por.fl_str_mv |
adapted Haar wavelet. alpha-mixing alpha-mixing nonparametric regression ondaleta ondaleta adaptativa de Haar ondaleta deformada processo estacionário regressão não paramétrica stationary process warped wavelet wavelet |
| topic |
adapted Haar wavelet. alpha-mixing alpha-mixing nonparametric regression ondaleta ondaleta adaptativa de Haar ondaleta deformada processo estacionário regressão não paramétrica stationary process warped wavelet wavelet |
| description |
Nesta tese consideramos um modelo de regressão não paramétrica, quando a variável explicativa e um processo estritamente estacionário e alpha-mixing. São estudadas as condições sobre o processo Xt e sua estrutura de dependência, assim como do domínio da função f a ser estimada. Também são feitas as adaptações necessárias aos procedimentos para obter as taxas de convergência do risco para a norma Lp, no caso de ondaletas deformadas. Em relação às ondaletas adaptativas de Haar, obtêm-se as taxas de convergência do risco do estimador proposto. Mediante estudos de simulação, e avaliado o desempenho dos procedimentos propostos quando aplicados a amostras finitas sob diferentes níveis de perturbação do sinal e diferentes tamanhos da amostra. Também são feitas aplicações a dados reais. |
| publishDate |
2013 |
| dc.date.none.fl_str_mv |
2013-01-22 |
| 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://www.teses.usp.br/teses/disponiveis/45/45133/tde-19062013-153433/ |
| url |
http://www.teses.usp.br/teses/disponiveis/45/45133/tde-19062013-153433/ |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.relation.none.fl_str_mv |
|
| dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.coverage.none.fl_str_mv |
|
| dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
| publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
| instname_str |
Universidade de São Paulo (USP) |
| instacron_str |
USP |
| institution |
USP |
| reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
| collection |
Biblioteca Digital de Teses e Dissertações da USP |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
| repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
| _version_ |
1815258299818311680 |