[pt] MODELO EM ESPAÇO DE ESTADO PARA SÉRIES TEMPORAIS COM DISTRIBUIÇÃO POISSON BIVARIADA: UMA APLICAÇÃO DA METODOLOGIA DURBIN-KOOPMAN

• Ano de defesa: 2004
• Autor(a) principal: SERGIO EDUARDO CONTRERAS ESPINOZA
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] FILTRO DE KALMAN; [pt] VARIAVEIS ANTITETICAS; [pt] DISTRIBUICAO POISSON BIVARIADA; [pt] AMOSTRAGEM POR IMPORTANCIA; [pt] SIMULACAO MONTE CARLO; [en] KALMAN FILTER; [en] ANTITHETIC VARIABLE; [en] POISSON BIVARIATE DISTRIBUTION; [en] IMPORTANCE SAMPLING; [en] MONTE CARLO SIMULATION
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=5470&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=5470&idi=2; http://doi.org/10.17771/PUCRio.acad.5470

[pt] Nesta tese, consideramos um modelo de espaço de estado bivariado para dados de contagem. A abordagem usada para resolver integrais não-analíticas que se apresentam no modelo é uma natural extensão da metodologia proposta por Durbin e Koopman - (DK), no sentido de que o Modelo Gaussiano Aproximador deve possuir algumas matrizes de covariâncias diagonais. Esta modificação traz a vantagem de viabilizar o uso do tratamento univariado para séries multivariadas com as recursões de Kalman, o qual, como se sabe, é mais eficiente do que o tratamento usual e facilita o uso de inicializações exatas destas mesmas recursões. O vetor de estado do modelo proposto é definido usando-se abordagem estrutural, onde os elementos do vetor de estado têm interpretação direta como tendência e sazonalidade. Apresentamos exemplos simulados e reais para ilustrar o modelo.