Texto completo
| |
| Autor(es): |
Helton Graziadei de Carvalho
Número total de Autores: 1
|
| Tipo de documento: | Tese de Doutorado |
| Imprenta: | São Paulo. |
| Instituição: | Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME/SBI) |
| Data de defesa: | 2020-02-17 |
| Membros da banca: |
Hedibert Freitas Lopes;
Rinaldo Artes;
Ricardo Sandes Ehlers;
Luís Gustavo Esteves;
Rafael Izbicki
|
| Orientador: | Hedibert Freitas Lopes |
| Resumo | |
Nesta tese, desenvolvemos generalizações bayesianas para analisar séries temporais de contagem. Primeiramente, modelamos a distribuição marginal do processo de inovação através de um modelo de mistura finita, de modo a acomodar sobredispersão na série temporal. Em nossa segunda contribuição, utilizamos um processo Dirichlet na distribuição das taxas de inovação, que são clusterizadas temporalmente. Finalmente, exploramos questões de sensibilidade da distribuição a priori em um terceiro modelo em que a distribuição das taxas de inovação segue um processo de Pitman-Yor. Propomos um critério gráfico para escolher os hiperparâmetros da medida base do process, mostrando explicitamente que o parâmetro de desconto e o parâmetro de concentração podem interagera com a medida base escolhida para produzir resultados inferenciais robustos. As distribuições a posterior dos parâmetros dos modelos são obtidas por meio da técnica de dados aumentados, o que viabiliza a obtenção de distribuições condicionais completas facilmente tratáveis. A performance preditiva são avaliadas em dois conjuntos de dados reais, com resultados favoráveis. (AU) | |
| Processo FAPESP: | 17/10096-6 - Análise bayesiana semi-paramétrica de modelos auto-regressivos |
| Beneficiário: | Helton Graziadei de Carvalho |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado |