Busca avançada
Ano de início
Entree

Clusterização temporal e performance preditiva em modelos INAR(1) semi-paramétricos

Processo: 17/22914-5
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Vigência (Início): 01 de maio de 2018
Vigência (Término): 30 de abril de 2019
Área do conhecimento:Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
Pesquisador responsável:Hedibert Freitas Lopes
Beneficiário:Helton Graziadei de Carvalho
Supervisor no Exterior: Igor Pruenster
Instituição-sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Local de pesquisa : Università Commerciale Luigi Bocconi, Itália  
Vinculado à bolsa:17/10096-6 - Análise bayesiana semi-paramétrica de modelos auto-regressivos, BP.DR
Assunto(s):Inferência bayesiana   Distribuição de Dirichlet   Agrupamento de dados

Resumo

Neste projeto, apresentamos extensões do modelo INAR(1) utilizando prioris não-paramétricas para as distribuições das inovações. Primeiramente, investigamos aspectos de clusterização e a performance preditiva do modelo baseado em Dirichlet Process Mixtures (DPM). De modo a superar algumas limitações desse modelo, estudamos prioris mais gerais, baseadas no processo de Pitman-Yor e em medidas do tipo Gibbs. Essa abordagem facilita a obtenção da distribuição a posteriori do número de clusters e pode melhorar a capacidade preditiva em diversas aplicações. Ademais, exploramos a previsão futura dos modelos propostos em conjuntos de dados sobredispersos. (AU)