Detalhes bibliográficos
Ano de defesa: |
2007 |
Autor(a) principal: |
Moreira, Francisco Martins |
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: |
https://teses.usp.br/teses/disponiveis/45/45132/tde-20210729-151112/
|
Resumo: |
A aproximação da cauda de uma distribuição a partir de sua amostra é um problema que tem suas raízes no fato de que a amostra, por si só, geralmente não fornece uma boa aproximação para a cauda, e são dois os motivos para isso: os poucos pontos que a amostra possui na cauda e a grande distância entre esses pontos. Um dos métodos mais utilizados na melhora desta aproximação chama-se Peaks Over Threshold (POT), que baseia-se na Teoria dos Valores Extremos e usa funções de Pareto para tal aproximação. Na execução do POT há uma parte delicada, que consiste em determinar a região onde a cauda pode ser de fato aproximada por uma função de Pareto. O presente trabalho se ocupa com a apresentação e a experimentação de um novo método para a detrminação desta região, método esse que, implementado computacionalmente, faz uso da teoria das Misturas de Distribuições, do método de Monte Carlo, do Full Bayesian Significance Test e do Teorema de Pickands. Seu desempenho foi testado para dois conjuntos de dados, um artificial, outro referente a um histórico de perdas do índice NASDAQ |