Please use this identifier to cite or link to this item: http://monografias.ufrn.br/jspui/handle/123456789/5477
Title: Processo INAR(1) com estrutura sazonal para séries temporais de valores inteiros com sobredispersão
Authors: Medeiros, Rodrigo Matheus Rocha de
Keywords: Dados inteiros não-negativos;Non-negative integer-valued;Operador thinning;Thinning operators;Processo autorregressivo;Autoregressive process;Processos de contagem;Counting processes;Sazonalidade;Seasonality
Issue Date: 7-Dec-2017
Publisher: Universidade Federal do Rio Grande do Norte
Citation: MEDEIROS, Rodrigo Matheus Rocha de. Processo INAR(1) com estrutura sazonal para séries temporais de valores inteiros com sobredispersão. 2017. 59f. Trabalho de Conclusão de Curso (Graduação em Estatística), Departamento de Estatística, Universidade Federal do Rio Grande do Norte, Natal, 2017.
Portuguese Abstract: O estudo de modelos para séries temporais de valores inteiros está cada vez mais presente na literatura. É comum, na prática, que séries contenham componente sazonal, e ao contrário dos modelos contínuos, processos de contagem com estrutura sazonal não têm recebido muita atenção na literatura até o momento. Os objetivos desta pesquisa são: introduzir um novo modelo autorregressivo para dados inteiros não-negativos com estrutura sazonal e que apresentem sobredispersão, definir as principais propriedades do processo, estudar métodos de estimação dos parâmetros do modelo proposto, que são os estimadores de Yule-Walker, mínimos quadrados condicionais e máxima verossimilhança condicional, compará-los em um estudo de simulação e aplicar o modelo proposto a um conjunto de dados reais. Comparamos o novo modelo com modelos já propostos na literatura e o modelo proposto neste estudo obteve um melhor ajuste.
Abstract: The study of integer-valued time series models is increasingly present in the literature. It is common in practice for series to contain a seasonal component, and unlike continuous models, counting processes with a seasonal structure have not received much attention in the literature so far. The aims of this paper are: to introduce a new autoregressive model for non-negative integer-valued time series with seasonal structure which are overdispersed, to define the main process properties, to study the estimation methods of the parameters of the proposed model, these methods are Yule-Walker, conditional least squares and conditional maximum likelihood estimators, comparing them in a simulation study and finally applying the proposed model to a real data set. We compared the new model with models already proposed in the literature, and, the model proposed in this paper presented a better fit.
URI: http://monografias.ufrn.br/jspui/handle/123456789/5477
Other Identifiers: 2014039477
Appears in Collections:Estatística

Files in This Item:
File Description SizeFormat 
EstruturaSazonal_Medeiros_2017.pdfMonografia1.15 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons