
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Sáfadi, Thelma | - |
| Autor(es): dc.contributor | Pereira, Gislene Araujo | - |
| Autor(es): dc.contributor | Nakamura, Luiz Ricardo | - |
| Autor(es): dc.contributor | Veloso, Manoel Vítor de Souza | - |
| Autor(es): dc.contributor | Guimarães, Paulo Henrique Sales | - |
| Autor(es): dc.creator | Pala, Luiz Otávio de Oliveira | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:34:19Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:34:19Z | - |
| Data de envio: dc.date.issued | 2023-05-09 | - |
| Data de envio: dc.date.issued | 2023-05-09 | - |
| Data de envio: dc.date.issued | 2023-05-08 | - |
| Data de envio: dc.date.issued | 2023-04-27 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/56768 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1142627 | - |
| Descrição: dc.description | The analysis of time series based on the autoregressive and moving average class, ARMA(p, q), is widely adopted in applied studies. However, count time series require some attention because they may have stylized characteristics, such as a high dispersion and an excess of zeros, which must be considered by the researcher. Extensions of this class for modeling count time series have been proposed in the statistical literature, and perhaps the most widespread is the generalized autoregressive moving average, GARMA(p, q), proposed in 2003. In this thesis, we carried out three assays with the aim of studying and extending some models of the GARMA(p, q) class, from different distributions and forms of the temporal dependence structure when analyzing count time series. In the first assay, we used the Poisson, the negative Binomial, and the Poisson inverse Gaussian distributions, assuming that the negative Binomial dispersion parameter is unknown and bringing an extension to the Poisson inverse Gaussian distribution. In the second, the zero-adjusted versions of the distributions used in the first assay were considered, extending the temporal dependence structure in order to allow seasonal components and to take into account phenomena with many zeros. In the third, we propose the use of the zero-adjusted Poisson distribution whose parameters vary over time, allowing predictions of the time series and the probability of counts equal to zero. We adopted the Bayesian approach for inference, and the models were computationally evaluated and used in applications. Furthermore, we understand that the extensions of the GARMA(p, q) class for versions that deal with seasonal phenomena and/or with an excess of zeros, and the adoption of the Hamiltonian Monte Carlo algorithm for a sampling of the joint posterior in the third essay are the main contributions. The findings of this thesis allow the analysis of count time series aiming to look at alternatives beyond the ARMA(p, q) class, which can be extended to other count distributions and estimation methods. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | A análise de séries temporais a partir da classe de modelos autorregressivos e de médias móveis, ARMA(p, q), é amplamente adotada em estudos aplicados. Entretanto, séries de contagem necessitam de certa atenção pois podem apresentar características estilizadas, como alta dispersão e excesso de zeros, que devem ser levadas em conta pelo pesquisador. Ampliações da classe ARMA(p, q) para a modelagem de séries de contagem têm sido propostas na literatura estatística e talvez a mais difundida seja a classe de modelos autorregressivos e de médias móveis generalizados, GARMA(p, q), proposta no ano de 2003. Nesta tese, foram realizados três ensaios com o objetivo de estudar e estender alguns modelos da classe GARMA(p, q), a partir de diferentes distribuições e formas da estrutura de dependência temporal ao analisar contagens. No primeiro ensaio, realizou-se a análise utilizando as distribuições Poisson, a Binomial negativa e a Poisson inversa Gaussiana, assumindo que o parâmetro de dispersão da Binomial negativa é desconhecido e trazendo uma ampliação para o uso da Poisson inversa Gaussiana. No segundo ensaio, foram consideradas as versões zero-ajustadas das distribuições utilizadas no primeiro ensaio, estendendo a estrutura de dependência temporal de modo a possibilitar o uso de componentes sazonais e levar em conta fenômenos com muitos zeros. No terceiro ensaio, propôs-se o uso da distribuição Poisson zero-ajustada cujos parâmetros variam no tempo, permitindo a realização de previsões da série temporal e da probabilidade de contagens iguais a zero. Adotou-se a inferência Bayesiana dos modelos estudados nesta tese, sendo avaliados computacionalmente e utilizados em aplicações. Ademais, entende-se que as ampliações da classe GARMA(p, q) para versões que lidem com fenômenos sazonais e/ou com excesso de zeros e a adoção do algoritmo Monte Carlo Hamiltoniano para a amostragem da posteriori conjunta no terceiro ensaio são as principais contribuições deste trabalho. Os resultados dessa tese propiciam a análise de séries de contagem visando alternativas além da tradicional classe ARMA(p, q) e podem ser ampliados para outras distribuições de contagem e métodos de estimação. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Publicador: dc.publisher | Programa de Pós-graduação em Estatística e Experimentação Agropecuária | - |
| Publicador: dc.publisher | UFLA | - |
| Publicador: dc.publisher | brasil | - |
| Publicador: dc.publisher | Departamento de Estatística | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | restrictAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Palavras-chave: dc.subject | ARMA(p, q) | - |
| Palavras-chave: dc.subject | Inferência bayesiana | - |
| Palavras-chave: dc.subject | GARMA(p, q) | - |
| Palavras-chave: dc.subject | Autoregressive-moving-average (ARMA) | - |
| Palavras-chave: dc.subject | Bayesian inference | - |
| Palavras-chave: dc.subject | Generalized autoregressive moving average (GARMA) | - |
| Palavras-chave: dc.subject | Inferência em Processos Estocásticos | - |
| Título: dc.title | Um estudo de modelos para séries temporais de contagem | - |
| Título: dc.title | A study of count time series models | - |
| Tipo de arquivo: dc.type | tese | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: