Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/46007
Type: Dissertação
Title: Modelo de séries temporais semiparamétricos com fator latente
Authors: Gisele de Oliveira Maia
First Advisor: Wagner Barreto de Souza
First Co-advisor: Fernando de Souza Bastos
First Referee: Rodrigo Bernardo da Silva
Second Referee: Alexandre Galvão Patriota
Third Referee: Glaura da Conceição Franco
Abstract: Introduzimos uma classe de modelos de séries temporais semiparamétricos assumindo uma abordagem de quase-verossimilhança conduzida por um processo latente. Mais especificamente, dado o processo latente, apenas especificamos a média e variância condicionais das séries temporais e utilizamos uma abordagem de quase-verossimilhança para estimar os parâmetros relacionados à média. Essa metodologia proposta possui três características marcantes: (i) nenhuma forma paramétrica é assumida para a distribuição condicional das séries temporais, dado o processo latente; (ii) capaz de modelar séries temporais não-negativas, contagens, limitadas/binárias e com valores reais; (iii) não se assume que o parâmetro de dispersão seja conhecido. Além disso, obtemos expressões explícitas para os momentos marginais e para a função de autocorrelação das séries temporais, para que o método de momentos possa ser empregado para estimar o parâmetro de dispersão e também os parâmetros relacionados ao processo latente. Resultados simulados com o objetivo de verificar o procedimento de estimação proposto são apresentados. A análise de dados reais sobre séries temporais de taxa de desemprego e insolação total ilustram o desempenho de nossa metodologia em situações práticas.
Abstract: We introduce a class of semiparametric time series models by assuming a quasi-likelihood approach driven by a latent factor process. More specifically, given the latent process, we only specify the conditional mean and variance of the time series and enjoy a quasi-likelihood function for estimating parameters related to the mean. This proposed methodology has three remarkable features: (i) no parametric form is assumed for the conditional distribution of the time series given the latent process; (ii) able for modelling non-negative, count, bounded/binary and real-valued time series; (iii) dispersion parameter is not assumed to be known. Further, we obtain explicit expressions for the marginal moments and for the autocorrelation function of the time series process so that a method of moments can be employed for estimating the dispersion parameter and also parameters related to the latent process. Simulated results aiming to check the proposed estimation procedure are presented. Real data analysis on unemployment rate and total insolation time series illustrate the potencial for practice of our methodology.
Subject: Estatística – Teses
Análise de séries temporais – Teses
Processos gaussianos – Teses
Análise de regressão – Teses
Verossimilhança (Estatistica)– Teses
language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal de Minas Gerais
Publisher Initials: UFMG
metadata.dc.publisher.department: ICX - DEPARTAMENTO DE ESTATÍSTICA
metadata.dc.publisher.program: Programa de Pós-Graduação em Estatística
Rights: Acesso Aberto
metadata.dc.rights.uri: http://creativecommons.org/licenses/by-nd/3.0/pt/
URI: http://hdl.handle.net/1843/46007
Issue Date: 17-Feb-2020
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
DissertacaoFinal_GiseleMaia(conv).pdf3.44 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons