Detalhes bibliográficos
| Ano de defesa: |
2000 |
| Autor(a) principal: |
Mena, Leonilce |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://www.teses.usp.br/teses/disponiveis/55/55134/tde-28042016-145423/
|
Resumo: |
Este trabalho apresenta uma abordagem bayesiana para fazer inferência sobre os parâmetros de modelos auto-regressivos. Neste contexto, quando os parâmetros variara de forma aleatória e independente adotamos um modelo hierárquico para descrever a densidade a posteriori dos parâmetros. Unia segunda abordagem supõe que os parâmetros variam de acordo com um modelo auto-regressivo de primeira ordem, nesse caso a abordagem proposta é vista como uma extensão do filtro de Kalman onde as variâncias dos ruídos são conhecidas. Os modelos foram analisados usando-se técnicas de simulação de Monte Carlo e a geração de amostras das densidades a posteriori permitiram fazer previsões de séries através das densidades preditivas. Ilustrações de séries financeiras com dados reais são apresentadas e avaliadas pela qualidade da previsão obtida, salientando-se o modelo que melhor representa os dados. |
