Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/jspui/handle/123456789/23162
Title: Um novo processo autorregressivo misto para séries temporais de valores inteiros de primeira ordem com inovações Poisson (POMINAR(1))
Authors: Orozco, Daniel Leonardo Ramírez
Keywords: INAR(1);INARCH(1);Thinning binomial;Thinning Poisson;Série temporal
Issue Date: 21-Feb-2017
Citation: OROZCO, Daniel Leonardo Ramírez. Um novo processo autorregressivo misto para séries temporais de valores inteiros de primeira ordem com inovações Poisson (POMINAR(1)). 2017. 84f. Dissertação (Mestrado em Matemática Aplicada e Estatística) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2017.
Portuguese Abstract: As séries temporais, vistas como uma coleção de observações medidas sequencialmente ao longo do tempo, vem sendo estudadas com profunda notoriedade nos últimos anos, observandose aplicações e novas propostas de modelos autorregressivos que ampliam o campo de estudo. Neste trabalho se propõe um novo modelo autorregressivo misto de primeira ordem com inova ções Poisson, denotado POMINAR(1), misturando dois operadores conhecidos como thinning binomial e thinning Poisson. Ademais, se fornece a interpretação desses operadores e demonstram-se suas respectivas propriedades, como também um possível caso da aplicação do POMINAR(1). A esperança marginal, variância marginal, esperança condicional, variância condicional e função de autocorrelação do processo proposto são obtidas passo a passo. De forma detalhada são desenvolvidas as probabilidades de transição. Os estimadores de máxima verossimilhança condicional e Yule-Walker para os parâmetros do processo são determinados, e uma aplicação a um conjunto de dados reais é dada buscando a efetividade do modelo proposto.
URI: http://hdl.handle.net/123456789/23162
Appears in Collections:PPGMAE - Mestrado em Matemática Aplicada e Estatística

Files in This Item:
File Description SizeFormat 
DanielLeonardoRamirezOrozco_DISSERT.pdf872,74 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.