skip to main content

Métodos de Aproximação e Aplicação de MCMC na Estimação de Máxima Verossimilhança para Processos AR(p) e MA(q)

Mizoi, Marcia Fumi

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Ciências Matemáticas e de Computação 1998-09-30

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Métodos de Aproximação e Aplicação de MCMC na Estimação de Máxima Verossimilhança para Processos AR(p) e MA(q)
  • Autor: Mizoi, Marcia Fumi
  • Orientador: Andrade Filho, Marinho Gomes de
  • Assuntos: Não Disponível; Not Available
  • Notas: Dissertação (Mestrado)
  • Descrição: Neste projeto, abordamos os modelos de séries temporais estacionárias do tipo AR(p) e MA(q). O interesse é obter para estes modelos as- estimativas de máxima verossimilhança exata. A diferenciação explicita da função de verossimilhança exata para se obter estas estimativas, não é recomendável por envolver operações complicadas. Assim, [Box, Jenkins e Reinsel - 1994] sugerem métodos numéricos baseados em aproximações. Em [Miller - 1995] são apresentadas expressões mais simples para as derivadas da função de verossimilhança junto com um algoritmo iterativo, no caso de modelos AR(p). O objetivo do presente projeto é propor o uso de algoritmos de simulação de Monte Carlo com Cadeia de Markov (MCMC) para o cálculo das estimativas de máxima verossimilhança. Aqui, os algoritmos utilizados foram o amostrador de Gibbs em conjunto com o algoritmo de Metropolis-Hastings. Os resultados obtidos usando MCMC são comparados com as estimativas feitas pelos métodos numéricos propostos em [Box, Jenlcins e Reinsel - 1994] e [Miller - 1995].
  • DOI: 10.11606/D.55.2018.tde-15032018-164925
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Ciências Matemáticas e de Computação
  • Data de criação/publicação: 1998-09-30
  • Formato: Adobe PDF
  • Idioma: Português

Buscando em bases de dados remotas. Favor aguardar.