Use este identificador para citar ou linkar para este item: http://monografias.ufrn.br/handle/123456789/5477
Título: Processo INAR(1) com estrutura sazonal para séries temporais de valores inteiros com sobredispersão
Autor(es): Medeiros, Rodrigo Matheus Rocha de
Palavras-chave: Dados inteiros não-negativos;Non-negative integer-valued;Operador thinning;Thinning operators;Processo autorregressivo;Autoregressive process;Processos de contagem;Counting processes;Sazonalidade;Seasonality
Data do documento: 7-Dez-2017
Editor: Universidade Federal do Rio Grande do Norte
Referência: 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.
Resumo: 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
Outros identificadores: 2014039477
Aparece nas coleções:Estatística

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
EstruturaSazonal_Medeiros_2017.pdfMonografia1,15 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons