Navegando por Autor "Nascimento, Antônio Marcos Batista do"
Agora exibindo 1 - 3 de 3
- Resultados por página
- Opções de Ordenação
Dissertação A distribuição Borel inflacionada de uns e um processo autoregressivo de primeira ordem para valores inteiros com inovações Borel inflacionada de uns(Universidade Federal do Rio Grande do Norte, 2024-02-02) Ciriaco, Beatriz Ariadna da Silva; Pinho, André Luís Santos de; Fernandez, Luz Milena Zea; https://orcid.org/0000-0001-8335-9446; http://lattes.cnpq.br/0576675498537949; https://orcid.org/0000-0002-2975-4637; http://lattes.cnpq.br/7753762932186347; http://lattes.cnpq.br/3864348097536219; Nascimento, Antônio Marcos Batista do; Souza, Isaac Jales CostaPor se basear em contagens, as séries temporais de valores inteiros, como, por exemplo, os processos autoregressivos de valores inteiros (INAR), podem conter excessos de valores repetidos, que prejudicam as análises inferenciais, se esse comportamento não é conhecido. Sabendo disso, faz-se necessário o estudo do conhecimento sobre modelos inflacionados para séries temporais de valores inteiros. Alguns modelos têm sido propostos para modelar dados de contagens inflacionados em zero. Entretanto, este trabalho foca no modelo inflacionado de uns (OI) e no processo autoregressivo com inovações inflacionadas de uns (OI-INAR(1)). Dessa forma, são propostos o modelo Borel inflacionado de uns (OIB) e o processo INAR(1) com inovações Borel inflacionada de uns (OIB-INAR(1)). São desenvolvidas as propriedades, como esperança, variância, índice de dispersão e função geradora de probabilidades, destes modelos bem como os métodos de estimação dos parâmetros do modelo OIB, como o método dos momentos e de máxima verossimilhança. E, para o processo OIB-INAR(1), os métodos de mínimos quadrados condicionais e máxima verossimilhança condicional, além de metodologias de previsão um passo a frente. Por fim, é feita uma aplicação ajustando o modelo OIB-INAR(1).Dissertação Ergodicidade em cadeias de Markov não-homogêneas e cadeias de Markov com transições raras(Universidade Federal do Rio Grande do Norte, 2014-02-14) Nascimento, Antônio Marcos Batista do; Cruz, Juan Alberto Rojas; ; http://lattes.cnpq.br/0061270564581180; ; http://lattes.cnpq.br/2114720497342228; Ferreira, Debora Borges; ; http://lattes.cnpq.br/8894486682278789; Gonçalves, Catia Regina; ; http://lattes.cnpq.br/6892954393258300O objetivo central de estudo em Cadeias de Markov Não-Homogêneas e o conceito de ergodicidade fraca e forte. Uma cadeia é ergódica fraca se a dependência da distribuição inicial desaparece com o tempo, e é ergódica forte se é ergódica fraca e converge em distribuição. A maioria dos resultados teóricos sobre a ergodicidade forte supõe algum conhecimento do comportamento limite das distribuições estacionárias. Neste trabalho, reunimos alguns resultados gerais sobre ergodicidade fraca e forte para cadeias com espaçoo de estados enumerável, e também estudamos o comportamento assintótico das distribuições estacionárias de um tipo particular de Cadeias de Markov com espaço de estados nito, chamadas Cadeias de Markov com Transições RarasTCC Inferência em Cadeias de Markov: uma comparação numérica entre os métodos de estimação clássico e bayesiano(Universidade Federal do Rio Grande do Norte, 2022-07-22) Cavalcante, João Victor Moraes; Castro, Bruno Monte de; Costa, Eliardo Guimarães da; http://lattes.cnpq.br/0658112142083306; Medeiros, Francisco Moisés Cândido de; Nascimento, Antônio Marcos Batista doUma cadeia de Markov é um tipo de processo estocástico que pode ser usado para modelar uma sequência de variáveis aleatórias que julgamos serem dependentes do passado mais recente. Esse trabalho introduz o conceito de inferência em cadeias de Markov em um espaço de estados finito, obtendo estimadores das probabilidades de transição no contexto frequentista, além disso, introduz o conceito de inferência bayesiana e como obtemos os estimadores com tal abordagem e por último, compara os métodos de estimação clássico e bayesiano em um processo estocástico, tendo como objetivo definir qual deles têm melhor performance ao estimar as probabilidades de transição de uma cadeia de Markov com dois estados em diversos cenários diferentes.