Identicação da ordem de um processo auto-regressivo estacionário
Fecha
2015Autor
Tutor
Co-director
Nivel académico
Grado
Tipo
Materia
Resumo
Este estudo analisa o desempenho dos critérios de seleção de modelos em processos auto-regressivos estacionários e ergódicos, quando a inovação advém de variáveis aleatórias, independentes e identicamente distribuídas, com distribuição α-estável. Os critérios de seleção de modelos, aqui estudados, foram: Critério de Informação de Akaike (AIC), Critério de Informação Bayesiana (BIC), Critério de Hannan-Quinn (HQC) e Critério de Determinação Eficiente (EDC). Na fundamentação teórica, apresentam-s ...
Este estudo analisa o desempenho dos critérios de seleção de modelos em processos auto-regressivos estacionários e ergódicos, quando a inovação advém de variáveis aleatórias, independentes e identicamente distribuídas, com distribuição α-estável. Os critérios de seleção de modelos, aqui estudados, foram: Critério de Informação de Akaike (AIC), Critério de Informação Bayesiana (BIC), Critério de Hannan-Quinn (HQC) e Critério de Determinação Eficiente (EDC). Na fundamentação teórica, apresentam-se técnicas de estimação e identificação da ordem de séries temporais auto-regressivas com inovação α-estável. Apresentamos também um estudo de simulações de Monte Carlo e uma aplicação à dados observados. ...
Abstract
This study analyzes the performance of the model selection criteria in stationary and ergodic autoregressive processes, when innovation comes from independent and identically distributed random variables with α-stable distribution. The model selection criteria studied here were: Akaike’s Information Criterion (AIC), Bayesian Information Criterion (BIC), Hannan-Quinn Criterion (HQC) and Efficient Determination Criterion (EDC). In theoretical foundation, we present estimation and identification t ...
This study analyzes the performance of the model selection criteria in stationary and ergodic autoregressive processes, when innovation comes from independent and identically distributed random variables with α-stable distribution. The model selection criteria studied here were: Akaike’s Information Criterion (AIC), Bayesian Information Criterion (BIC), Hannan-Quinn Criterion (HQC) and Efficient Determination Criterion (EDC). In theoretical foundation, we present estimation and identification techniques for the order of autoregressive time series with α-stable innovations. We also present a study of Monte Carlo’s simulations and an application to the observed data. ...
Institución
Universidade Federal do Rio Grande do Sul. Instituto de Matemática. Departamento de Estatística. Curso de Estatística: Bacharelado.
Colecciones
-
Tesinas de Curso de Grado (36523)Tesinas Estadística (290)
Este ítem está licenciado en la Creative Commons License
![](/themes/Mirage2Novo//images/lume/cc.png)