Abordagem bayesiana para processos PAR(pm) com a transformação de Box-Cox

• Processo: 04/02739-4
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 18 de julho de 2004
• Data de Término da vigência: 17 de dezembro de 2004
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
• Pesquisador responsável: Marinho Gomes de Andrade Filho
• Beneficiário: Marinho Gomes de Andrade Filho
• Pesquisador Anfitrião: Daniel Peña Sánchez de Rivera
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: Universidad Carlos III de Madrid (UC3M), Espanha
• Assunto(s): Inferência bayesiana Análise de séries temporais
• Palavra(s)-Chave do Pesquisador: Inferencia Bayesiana | Modelos Periodicos | Previsao | Series Temporais | Simulacao Mcmc

Resumo

Este trabalho considera o problema de inferência e previsão dos modelos auto-regressivos com correlação periódica PAR(pm). Os problemas de inferência e previsão são tratados no contexto clássico calculando-se estimadores de máxima verossimilhança e no contexto Bayesiano considerando-se densidades a priori não informativas e informativas conjugadas. Neste trabalho os modelos PAR(pm) são ajustados em duas situações distintas: 1) assumindo a hipótese de normalidade 2) fazendo uso da transformação de Box-Cox. No caso em que a trasformação de Box-Cox é utilizada, as previsões de mínimo erro quadrático médio da série original são estimadas com uma aproximação de segunda ordem. (AU)