Inferência bayesiana não-paramétrica aplicada à estimação e predição de séries temporais

• Processo: 12/03000-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2012
• Data de Término da vigência: 31 de dezembro de 2012
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Fernando Antonio Moala
• Beneficiário: Marcelo Hartmann
• Instituição Sede: Faculdade de Ciências e Tecnologia (FCT). Universidade Estadual Paulista (UNESP). Campus de Presidente Prudente. Presidente Prudente , SP, Brasil
• Assunto(s): Inferência bayesiana Inferência não paramétrica Processos gaussianos Análise de séries temporais
• Palavra(s)-Chave do Pesquisador: Inferência Bayesiana | inferência não paramétrica | Método de Monte Carlo via Cadeias de Markov | Processos Gaussianos | Séries Temporais | Inferência Bayesiana

Resumo

Processos Gaussiano conjuntamente aos métodos bayesianos são aplicados na estimação de funções, isto é, não se supõe uma única forma funcional paramétrica subjacente aos dados. Nesta abordagem em inferência não-paramétrica, a densidade ou a função de interesse podem ser estimadas sem imposição de quaisquer suposições restritivas sobre a sua forma. Os dados permitem determinar a estimativa da função de interesse em vez de condicioná-la a pertencer a uma dada família paramétrica. Realiza-se também algumas aplicações em modelos de séries temporais.(AU)