Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/6665
Título: SYMARMA: Um modelo dinâmico para dados temporais sob distribuição simétrica condicional
Autor(es): Quintas Souto Maior, Vinicius
Palavras-chave: Séries temporais;Previsões;Outliers;Máxima verossimilhança condicional;Distribuição simétrica;ARMA
Data do documento: 31-Jan-2012
Editor: Universidade Federal de Pernambuco
Citação: Quintas Souto Maior, Vinicius; José de Azevedo Cysneiros, Francisco. SYMARMA: Um modelo dinâmico para dados temporais sob distribuição simétrica condicional. 2012. Dissertação (Mestrado). Programa de Pós-Graduação em Estatística, Universidade Federal de Pernambuco, Recife, 2012.
Resumo: Modelos gaussianos de séries temporais ARMA têm sido largamente utilizados na literatura. Benjamin et al. (2003) estenderam estes modelos para variáveis pertencente a família de distribuição exponencial. Nesta mesma linha, Rocha e Cribari-Neto (2009) propuseram um modelo de série temporal para a classe de distribuições Beta. Nesse sentido, nós propomos o modelo autorregressivo de médias móveis simétrico (SYMARMA), um modelo dinâmico para variáveis aleatórias pertencentes à classe de distribuições simétricas que inclui tanto a dinâmica autorregressiva e de média móveis, como também permite inserir regressores no modelo. O modelo SYMARMA é construído a partir da classe de regressão simétrica só que agora, na especificação da média, temos uma componente adicional com termos autoregressivos e de médias móveis incluídos aditivamente. A estimação dos parâmetros do modelo SYMARMA é feita através da maximização do logaritmo da função de verossimilhança condicional usando um algoritmo de otimização não-linear, em particular utilizamos o algoritmo escore de Fisher. Estudos de simulação foram realizados para avaliar o desempenho e o comportamento do estimador de máxima verossimilhança condicional para os parâmetros do modelo e, para também avaliar o efeito da presença de outlier aditivo ou de inovação no ajuste e na previsão de observações futuras. Discutimos testes de hipóteses para os parâmetros do modelo. Aplicações com dados reais também serão apresentadas e discutidas
URI: https://repositorio.ufpe.br/handle/123456789/6665
Aparece na(s) coleção(ções):Dissertações de Mestrado - Estatística

Arquivos deste item:
Arquivo Descrição TamanhoFormato 
arquivo9499_1.pdf5,27 MBAdobe PDFVer/Abrir


Este arquivo é protegido por direitos autorais



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.