Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/64311

Comparte esta pagina

Título : Doubly-bounded Time Series Modeling : New Perspectives and Applications
Autor : COSTA, Everton
Palabras clave : Função de ligação; Modelo \betaARMA; Penalização ridge; Previsão; Verossimilhança monótona
Fecha de publicación : 25-abr-2025
Editorial : Universidade Federal de Pernambuco
Citación : COSTA, Everton. Doubly-bounded Time Series Modeling : New Perspectives and Applications. Tese (Doutorado em Estatística) - Universidade Federal de Pernambuco, Recife, 2025.
Resumen : Consideramos a modelagem e previsão de séries temporais hidroambientais sujeitas a flutu- ações sazonais e períodos prolongados de seca. Períodos anormalmente secos tornaram-se mais frequentes como resultado das mudanças climáticas. Utilizamos uma classe de mod- elos beta dinâmicos adequada para dados delimitados em um intervalo. Examinamos dois aspectos importantes dessa classe de modelos: a precisão de testes de hipótese baseados em aproximações assintóticas e a escolha da função de ligação. Em particular, mostramos que dois testes comumente utilizados podem levar a inferências imprecisas se a estimação do modelo nulo for baseada no número máximo de log-verossimilhanças condicionais in- dividuais. Introduzimos também um novo critério de seleção para a escolha da função de ligação do modelo. Com base em testes e no novo critério, modelamos os volumes úteis de três reservatórios de usinas hidrelétricas brasileiras. Essas séries temporais apresen- tam flutuações sazonais e contêm períodos anormalmente secos devido a secas intensas e prolongadas. Previsões dentro da amostra e extrapolações para fora da amostra são geradas e comparadas com aquelas obtidas por abordagens alternativas bem conhecidas. Adicionalmente, introduzimos um esquema de penalização ridge para aprimorar a estabil- idade numérica da estimação por máxima verossimilhança condicional dos parâmetros que indexam o modelo βARMA. A abordagem proposta consiste em adicionar um termo de penalização simples à função de log-verossimilhança para aumentar sua curvatura. Essa modificação reduz a chance de falhas de convergência e de obtenção de estimativas im- plausíveis. Também apresentamos uma estratégia de estimação dos parâmetros baseada em bootstrap. Essa abordagem é particularmente útil quando a penalização, por si só, não é suficiente para resolver problemas numéricos, fornecendo uma solução complementar para a obtenção de estimativas mais confiáveis. Nossos resultados numéricos demonstram a eficácia das abordagens propostas na mitigação de problemas de instabilidade numérica na estimação dos parâmetros do modelo βARMA. Duas aplicações empíricas são apre- sentadas e discutidas.
URI : https://repositorio.ufpe.br/handle/123456789/64311
Aparece en las colecciones: Teses de Doutorado - Estatística

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TESE Everton da Costa.pdf
  Artículo embargado hasta 2026-07-08
3,12 MBAdobe PDFVisualizar/Abrir     Item embargoed


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons