[pt] BOOTSTRAP EM SÉRIES TEMPORAIS

[pt] O bootstrap de B. Efron, que não poderia ser imaginado sem os computadores de hoje, pode resolver vários problemas livre da suposição de Gaussianidade para os dados. Este trabalho tem o objetivo de apresentar essa técnica computacionalmente intensiva no contexto de Séries temporais - Metodolog...

Descripción completa

Detalles Bibliográficos
Autor: ANSELMO CHAVES NETO
Tipo de recurso: tesis doctoral
Estado:Versión publicada
Fecha de publicación:2006
País:Brasil
Institución:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
Repositorio:Repositório Institucional da PUC-RIO (Projeto Maxwell)
Idioma:portugués
OAI Identifier:oai:MAXWELL.puc-rio.br:8324
Acceso en línea:https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8324&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=8324&idi=2
http://doi.org/10.17771/PUCRio.acad.8324
Access Level:acceso abierto
Palabra clave:[pt] SERIE TEMPORAL
[pt] BOOTSTRAP
[pt] MODELO ARMA
[en] TIME SERIE
[en] BOOTSTRAP
[en] MODELS ARMA
Descripción
Sumario:[pt] O bootstrap de B. Efron, que não poderia ser imaginado sem os computadores de hoje, pode resolver vários problemas livre da suposição de Gaussianidade para os dados. Este trabalho tem o objetivo de apresentar essa técnica computacionalmente intensiva no contexto de Séries temporais - Metodologia Box and Jenkins. Como se sabe essa Metodologia possui alguns resultados assintóticos. Então, na fase da identificação da estrutura do modelo, pode apresentar problemas em regiões do espaço paramétrico aqui determinadas,. O bootstrap é proposto como opção e um estudo de simulação, comparativo, é apresentado. Constrói- se a distribuição bootstrap da autocorrelação e autocorrelação parcial, amostrais, e ainda a distribuição bootstrap do estimador de MQNL dos coeficientes de modelos ARMA (p, q). consequentemente, fica disponí­vel medida não- paramétrica da precisão da estimativa. O estudo de simulação que aborda o estimador de MQNL dos coeficientes enfoca, basicamente, a região de fronteira da estacionariedade e inversibilidade.