Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/BUBD-9WGFNQ
Tipo: | Dissertação de Mestrado |
Título: | Exact Bayesian inference for Markov switching Cox processes |
Autor(es): | Livia Maria Dutra |
Primeiro Orientador: | Flavio Bambirra Goncalves |
Primeiro Coorientador: | Roger William Camara Silva |
Primeiro membro da banca : | Gregorio Saravia Atuncar |
Segundo membro da banca: | Helio dos Santos Migon |
Resumo: | A modelagem estatística de dados pontuais é um problema importante e comum em diversas aplicações. Um importante processo pontual, e uma generalização do processo de Poisson, é o processo de Cox, em que a sua função intensidade é também estocástica. O presente trabalho se concentra nos processos de Cox em que sua função intensidade é uma cadeia de Markov em tempo contínuo com espaço de estados nito. Estes processos s~ao referidos como processos de Cox com mudanças Markovianas (PCMM). Algumas propriedades probabilísticas desses processos são investigadas, três novos teoremas enunciados e é desenvolvida uma metodologia Bayesiana para realizar inferência exata, baseada em algoritmos MCMC. O desenvolvimento de uma metodologia exata é facilitado, uma vez que a função de verossimilhança é tratável. São apresentados estudos simulados a m de investigar a e ciência da metodologia para estimação da função intensidade dos PCMM's e dos parâmetros relacionados a ela. Ao fim, realiza-se uma análise com dados reais. |
Abstract: | Statistical modelling of point patterns is an important and common problem in several applications. An important point process, and a generalisation of the Poisson process, is the Cox process, where the intensity function is itself stochastic. We focus on Cox processes in which the intensity function is driven by a nite state space continuous-time Markov chain. We refer to these as Markov switching Cox processes (MSCP). We investigate some probabilistic properties of these processes, three new theorems for these processes are derived and we develop a Bayesian methodology to perform exact inference based on MCMC algorithms. Since the likelihood function is tractable, it facilitates the development of an exact methodology. Simulated studies are presented in order to investigate the efficiency of the methodology on the estimation of MSCP's intensity function and the parameters indexing its law. Finally, an analysis with real data is performed. |
Assunto: | Estatística Markov, processos de Teoria bayesiana de decisão estatistica |
Idioma: | Inglês |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Instituição: | UFMG |
Tipo de Acesso: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/BUBD-9WGFNQ |
Data do documento: | 2-Mar-2015 |
Aparece nas coleções: | Dissertações de Mestrado |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
disserta_ao_livia_dutra.pdf | 4.85 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.