Busca avançada
Ano de início
Entree

Análise bayesiana semi-paramétrica de modelos auto-regressivos

Processo: 17/10096-6
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de agosto de 2017
Vigência (Término): 29 de fevereiro de 2020
Área do conhecimento:Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
Convênio/Acordo: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Pesquisador responsável:Hedibert Freitas Lopes
Beneficiário:Helton Graziadei de Carvalho
Instituição-sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Bolsa(s) vinculada(s):17/22914-5 - Clusterização temporal e performance preditiva em modelos INAR(1) semi-paramétricos, BE.EP.DR
Assunto(s):Inferência bayesiana

Resumo

Modelos auto-regressivos para séries temporais têm sido amplamente desenvolvidos ao longo das últimas décadas, geralmente inspirados em extensões dos modelos auto-regressivo Gaussiano (AR) e auto-regressivo Poisson (INAR). No modelo INAR, por exemplo, alguns autores generalizam a distribuição das taxas de inovações ou o operador de afinamento (''thinning''). Neste projeto, contudo, a extensão fundamenta-se em agrupar as taxas introduzindo um processo de Dirichlet a priori. Além disso, apresentamos um resultado que permite obter a distribuição preditiva do modelo proposto. Os métodos desenvolvidos serão aplicados em bancos de dados reais e comparados com modelos paramétricos usuais. (AU)