Download como arquivo ICAL
Doutorado: "Algumas generalizações bayesianas do modelo autoregressivo de valores inteiros"
Segunda-feira 17 Fevereiro 2020, 15:00 - 19:00
Contato: Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.

Candidato: Helton Graziadei  de Carvalho

 

Orientador: Prof. Dr. Hedibert Freitas Lopes

 

Resumo: CARVALHO, H. G. Algumas generalizações bayesianas de modelos autoregressivos de valores inteiros.. 2019. 65 f. Tese (Doutorado) - Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo, 2019.


Desenvolvemos generalizações bayesianas para analisar séries temporais de contagem. Primeiramente, modelamos a distribuição marginal do processo de inovação através de um modelo de mistura finita, de modo a acomodar sobredispersão na série temporal. Em nossa segunda contribuição, utilizamos um processo Dirichlet na distribuição das taxas de inovação, que são clusterizadas temporalmente. Finalmente, exploramos questões de sensibilidade da distribuição a priori em um terceiro modelo em que a distribuição das taxas de inovação segue um processo de Pitman-Yor. Propomos um critério gráfico para escolher os hiperparâmetros da medida base do process, mostrando explicitamente que o parâmetro de desconto e o parâmetro de concentração podem interagera com a medida base escolhida para produzir resultados inferenciais robustos. As distribuições a posterior dos parâmetros dos modelos são obtidas por meio da técnica de dados aumentados, o que viabiliza a obtenção de distribuições condicionais completas facilmente tratáveis. A performance preditiva são
avaliadas em dois conjuntos de dados reais, com resultados favoráveis.


Palavras-chave: INAR(1), Misturas finitas, Processo Dirichlet; Processo de Pitman-Yor.

 

 

Local Auditório "Antonio Giliolli"