Segmentação de sequências em cadeias de Markov usando máxima verossimilhança penalizada

• Ano de defesa: 2023
• Autor(a) principal: Rodrigues, Franklin Diego de Lima
• Orientador(a): Medeiros, Francisco Moisés Cândido de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio Grande do Norte
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICA
• País: Brasil
• Palavras-chave em Português: Estatística matemática; Consistência forte; Detecção de pontos de mudança; Divergência de Kullback-Leibler
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA
• Link de acesso: https://repositorio.ufrn.br/handle/123456789/52332

O problema de segmentação de sequências tem o objetivo de particionar uma sequência ou um conjunto delas em um número finito de segmentos distintos tão homogêneos quanto possível. Neste trabalho, consideramos o problema de segmentação de um conjunto de sequências aleatórias, com valores em um alfabeto E finito, em um número finito de blocos independentes. Sob hipótese que os dados seguem uma cadeia de Markov, o problema consiste em estimar o número e a posição dos pontos de mudança da sequência. Para isso, propomos usar o critério da máxima verossimilhança penalizada com o objetivo de inferir, simultaneamente, o número e a posição dos pontos de mudança. O principal resultado do nosso trabalho é a demonstração do teorema que garante a consistência forte do conjunto de estimadores dos pontos de mudança para um número de amostras suficientemente grande.