Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Bayesian Inference on the Memory Parameter for Gamma-Modulated Regression Models

Texto completo
Autor(es):
Andrade, Plinio [1] ; Rifo, Laura [2] ; Torres, Soledad [3] ; Torres-Aviles, Francisco [4]
Número total de Autores: 4
Afiliação do(s) autor(es):
[1] Univ Sao Paulo, Inst Math & Stat, BR-05508090 Sao Paulo - Brazil
[2] Univ Estadual Campinas, Inst Math & Stat, BR-13083859 Campinas, SP - Brazil
[3] Univ Valparaiso, CIMFAV, Fac Ingn, Valparaiso 2362905 - Chile
[4] Univ Santiago Chile, Dept Matemat & Ciencia Comp, Santiago 9170022 - Chile
Número total de Afiliações: 4
Tipo de documento: Artigo Científico
Fonte: Entropy; v. 17, n. 10, p. 6576-6597, OCT 2015.
Citações Web of Science: 0
Resumo

In this work, we propose a Bayesian methodology to make inferences for the memory parameter and other characteristics under non-standard assumptions for a class of stochastic processes. This class generalizes the Gamma-modulated process, with trajectories that exhibit long memory behavior, as well as decreasing variability as time increases. Different values of the memory parameter influence the speed of this decrease, making this heteroscedastic model very flexible. Its properties are used to implement an approximate Bayesian computation and MCMC scheme to obtain posterior estimates. We test and validate our method through simulations and real data from the big earthquake that occurred in 2010 in Chile. (AU)

Processo FAPESP: 13/07699-0 - Centro de Pesquisa, Inovação e Difusão em Neuromatemática - NeuroMat
Beneficiário:Jefferson Antonio Galves
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs