Novo modelo GARMA inflado de zeros com distribuições gama e normal inversa.
Nesse trabalho, propomos modelos generalizados autorregressivos e médias móveis para séries temporais com dados contínuos não negativos inflados de zeros. A probabilidade de zeros é também modelada como uma função logística de variáveis explicativas. Consideramos as distribuições gama e normal inver...
| Autor: | |
|---|---|
| Tipo de documento: | tese |
| Estado: | Versão publicada |
| Data de publicação: | 2025 |
| País: | Brasil |
| Recursos: | Universidade de São Paulo (USP) |
| Repositório: | Biblioteca Digital de Teses e Dissertações da USP |
| Idioma: | português |
| OAI Identifier: | oai:teses.usp.br:tde-03042025-081637 |
| Acesso em linha: | https://www.teses.usp.br/teses/disponiveis/45/45133/tde-03042025-081637/ |
| Access Level: | Acceso aberto |
| Palavra-chave: | Distribuição gama Distribuição normal inversa Gamma distribution GARMA model Inverse Gaussian distribution Modelo GARMA Modelos inflados de zeros Séries temporais Time series Zero-inflated models |
| Resumo: | Nesse trabalho, propomos modelos generalizados autorregressivos e médias móveis para séries temporais com dados contínuos não negativos inflados de zeros. A probabilidade de zeros é também modelada como uma função logística de variáveis explicativas. Consideramos as distribuições gama e normal inversa para as observações positivas. Uma novidade é que assumimos que a autocorrelação está relacionada somente às observações positivas, incluindo termos autorregressivos e médias móveis somente referente aos últimos termos defasados positivos. Outra inovação relevante foi a inclusão de termos defasados na probabilidade de ocorrência de zeros, que realmente reduziu a autocorrelação dos resíduos aleatorizados quantílicos. O modelo foi estimado pelo método de máxima verossimilhançca condicional, apresentando a função score condicional, matriz informação de Fisher e completa análise de resíduos aleatorizados quantílicos gaussianos. Um estudo de simulação foi realizado para avaliar a estimação para diferentes tamanhos amostrais. Analisamos a série temporal dos dados reais diários de precipitação da cidade de São Paulo de 2008 a 2020, detectando uma tendência de queda significativa de 2,8\\% ao ano. |
|---|