Título
[pt] MODELANDO SÉRIES TEMPORAIS NÃO-LINEARES ATRAVÉS DE UMA MISTURA DE MODELOS GAUSSIANOS ESTRUTURADOS EM ÁRVORE
Título
[en] MODELING NONLINEAR TIME SERIES WITH A TREE-STRUCTURED MIXTURE OF GAUSSIAN MODELS
Autor
[pt] EDUARDO FONSECA MENDES
Vocabulário
[pt] SERIE TEMPORAL
Vocabulário
[pt] TRANSICOES SUAVES
Vocabulário
[pt] ALGORITMO EM
Vocabulário
[en] TIME SERIE
Vocabulário
[en] SMOOTH TRANSITIONS
Vocabulário
[en] EM ALGORITHM
Resumo
[pt] Neste trabalho um novo modelo de mistura de distribuições
é proposto, onde a estrutura da mistura é determinada por
uma árvore de decisão com transição suave. Modelos
baseados em mistura de distribuições são úteis para
aproximar distribuições condicionais desconhecidas de
dados multivariados. A estrutura em árvore leva a um
modelo que é mais simples, e em alguns casos mais
interpretável, do que os propostos anteriormente na
literatura. Baseando-se no algoritmo de Esperança-
Maximização (EM), foi derivado um estimador de quasi-
máxima verossimilhança. Além disso, suas propriedades
assintóticas são derivadas sob condições de
regularidades. Uma estratégia de crescimento da árvore,
do especifico para o geral, é também proposta para evitar
possíveis problemas de identificação. Tanto a estimação
quanto a estratégia de crescimento são avaliados em um
experimento Monte Carlo, mostrando que a teoria ainda
funciona para pequenas amostras. A habilidade de
aproximação universal é ainda analisada em experimentos
de simulação. Para concluir, duas aplicações com bases de
dados reais são apresentadas.
Resumo
[en] In this work a new model of mixture of distributions is
proposed, where the mixing structure is determined by a
smooth transition tree architecture. Models based on
mixture of distributions are useful in order to approximate
unknown conditional distributions of multivariate data. The
tree structure yields a model that is simpler, and in some
cases more interpretable, than previous proposals in the
literature. Based on the Expectation-Maximization (EM)
algorithm a quasi-maximum likelihood estimator is derived
and its asymptotic properties are derived under mild
regularity conditions. In addition, a specific-to-general
model building strategy is proposed in order to avoid
possible identification problems. Both the estimation
procedure and the model building strategy are evaluated in
a Monte Carlo experiment, which give strong support for the
theorydeveloped in small samples. The approximation
capabilities of the model is also analyzed in a simulation
experiment. Finally, two applications with real datasets
are considered.
Orientador(es)
ALVARO DE LIMA VEIGA FILHO
Coorientador(es)
MARCELO CUNHA MEDEIROS
Banca
ALVARO DE LIMA VEIGA FILHO
Banca
CRISTIANO AUGUSTO COELHO FERNANDES
Banca
JOEL MAURICIO CORREA DA ROSA
Banca
MARCELO CUNHA MEDEIROS
Catalogação
2007-03-20
Apresentação
2006-08-11
Tipo
[pt] TEXTO
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Formato
application/pdf
Idioma(s)
INGLÊS
Referência [pt]
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9689@1
Referência [en]
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9689@2
Referência DOI
https://doi.org/10.17771/PUCRio.acad.9689
Arquivos do conteúdo
CAPA, AGRADECIMENTOS, RESUMO, ABSTRACT E SUMÁRIO PDF CAPÍTULO 1 PDF CAPÍTULO 2 PDF CAPÍTULO 3 PDF CAPÍTULO 4 PDF CAPÍTULO 5 PDF CAPÍTULO 6 PDF CAPÍTULO 7 PDF CAPÍTULO 8 PDF REFERÊNCIAS BIBLIOGRÁFICAS E APÊNDICES PDF