Regressão não paramétrica com processos estacionários alpha-mixing via ondaletas

• Ano de defesa: 2013
• Autor(a) principal: Gomez Gomez, Luz Marina
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: adapted Haar wavelet.; alpha-mixing; nonparametric regression; ondaleta; ondaleta adaptativa de Haar; ondaleta deformada; processo estacionário; regressão não paramétrica; stationary process; warped wavelet; wavelet
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/45/45133/tde-19062013-153433/

Nesta tese consideramos um modelo de regressão não paramétrica, quando a variável explicativa e um processo estritamente estacionário e alpha-mixing. São estudadas as condições sobre o processo Xt e sua estrutura de dependência, assim como do domínio da função f a ser estimada. Também são feitas as adaptações necessárias aos procedimentos para obter as taxas de convergência do risco para a norma Lp, no caso de ondaletas deformadas. Em relação às ondaletas adaptativas de Haar, obtêm-se as taxas de convergência do risco do estimador proposto. Mediante estudos de simulação, e avaliado o desempenho dos procedimentos propostos quando aplicados a amostras finitas sob diferentes níveis de perturbação do sinal e diferentes tamanhos da amostra. Também são feitas aplicações a dados reais.