[en] GAMMA-GAMMA STATE SPACE MODELS: APPLICATION OF THE RAINFALL SERIES

• Ano de defesa: 2003
• Autor(a) principal: KATIA LORENA SAEZ CARRILLO
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] MODELOS GAMA-GAMA; [pt] FUNCAO DE ESTIMACAO DE KALMAN; [pt] MODELOS DE ESPACO DE ESTADOS; [en] GAMMA-GAMMA MODELS; [en] KALMAN ESTIMATING FUNCTIONS; [en] STATE SPACE MODELS
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4014&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4014&idi=2; http://doi.org/10.17771/PUCRio.acad.4014

[pt] Esta tese apresenta o estudo de um modelo de espaço de estados para dados positivos, onde o processo observado é condicionalmente independente, dado um processo latente Gama Markov. O processo observado condicionado ao processo latente tem distribuição Gama. O modelo possibilita a inclusão de covariáveis,tanto através do processo latente, como do processo observado.O modelo obtido é log-linear e a estimação dos parâmetros de regressão é feita através de funções de estimação de Kalman. Os parâmetros de dispersão são estimados via estimadores de Pearson ajustados. São desenvolvidos alguns estudos de simulação e uma aplicação aos dados da série de chuva de Fortaleza, Ceará, onde são incorporados fatos estilizados da série (tendência, sazonalidade ou ciclos), bem como o efeito de variáveis explicativas (temperatura do nível do mar, pressão atmosférica, manchas solares).