Modelos INAR(1) e estruturais para series temporais de contagens

Autor: Rosa, Joel Mauricio Corrêa da
Přispěvatelé: Hotta, Luiz Koodi, 1952, Pereira, Pedro Luiz Valls, Fernandes, Cristiano Augusto Coelho, Universidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação Científica, Programa de Pós-Graduação em Estatística, UNIVERSIDADE ESTADUAL DE CAMPINAS
Rok vydání: 2021
Předmět:
Zdroj: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
DOI: 10.47749/t/unicamp.1997.120535
Popis: Orientador: Luiz Koodi Hotta Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica Resumo: Analisar séries temporais constituídas por dados de contagens requer a utilização de técnicas estatísticas mais específicas, principalmente em situações nas quais a magnitude das observações é pequena. Dentre as várias propostas emergentes para a análise destas séries, duas são apresentadas nesta dissertação; os modelos INAR(1) (Al-Osh & Alzaid, 1987) e os modelos estruturais para dados de contagens (Harvey e Fernandes, 1989). As duas metodologias representam adaptações de modelos originalmente Gaussianos , à situações envolvendo dados de contagens. No presente trabalho, inicialmente são mostradas as principais propriedades destes modelos e aspectos de suas distribuições preditivas 1-passo-à-frente, utilizando as distribuições Poisson, geométrica e binomial negativa. Em uma segunda etapa, é realizada uma comparação de caráter empírico entre 3 dos modelos apresentados, utilizando séries reais e simuladas. Como resultados, apresentamos o comportamento de cada modelo em termos de ajuste e características da distribuição preditiva 1-passo-à-frente. Abstract: Count data in Time Series Analysis must be treated with special techniques, especially when the counts are toa small. Among the recent proposals to analyse this kind of data, we present two of them in this work: INAR(1) models (AI-Osh and Alzaid, 1987) e structural models (Harvey e Fernandes, 1989). Both models modify theories originally build to deal with Gaussian data. In the present work, we firstly show the main properties of these models and some aspects of their one-step-ahead predictive distribution, making use of Poisson, binomial and negative binomial distributions. After this, we make an empiric comparison, in real series and simulated ones, among 3 ofthe models presented. As results of this study, we show the goodness of fit of each model and some aspects of their one- step- ahead predictive distribution, considering real and artificial data. Mestrado Mestre em Estatística
Databáze: OpenAIRE
Externí odkaz: