
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.creator | Silva, Dâmocles Aurélio Nascimento da | - |
| Autor(es): dc.creator | Cunha Filho, Moacyr | - |
| Autor(es): dc.creator | Falcão, Ana Patrícia Siqueira Tavares | - |
| Autor(es): dc.creator | Alves, Gabriela Isabel Limoeiro | - |
| Autor(es): dc.creator | Silva, Dâmocles Aurélio Nascimento da | - |
| Autor(es): dc.creator | Cunha Filho, Moacyr | - |
| Autor(es): dc.creator | Falcão, Ana Patrícia Siqueira Tavares | - |
| Autor(es): dc.creator | Alves, Gabriela Isabel Limoeiro | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:22:18Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:22:18Z | - |
| Data de envio: dc.date.issued | 2016-03-30 | - |
| Data de envio: dc.date.issued | 2017-08-01 | - |
| Data de envio: dc.date.issued | 2017-08-01 | - |
| Data de envio: dc.date.issued | 2017-08-01 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/13982 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1159939 | - |
| Descrição: dc.description | Many aspects of the weather cycle could be described by time series data. Meteorologists often use time series data to assess climate conditions and forecasts. Such models are generally continuous models. The interest was to analyze discrete weather data with the INAR (1) model, using classical and Bayesian approach to parameter estimation. The proposal is to analyze the data series utiizando mixed models with Bayesian approach. Thus, this work is described a sequence of procedures for estimating parameters of autoregressive models of order p = 1, for integer values INAR(1), by classical inference via maximum likelihood estimator and Bayesian inference via simulation Monte Carlo Markov Chain (MCMC). Two alternatives are considered for the a priori density of the model parameters. For the former case is adopted a density non-priori information. For the second, we adopt a density combined beta-gamma. A posteriori analysis is performed by algorithms of MCMC simulation. Also evaluates the prediction of new values of the series number of days with precipitation. The period of analysis comprised 30=11= 1993 to 29=02=2012 and obtained estimates of the period of 31=03=2012 to 28=02=2013. One INAR (1) model of classical parameter estimation and two models INAR (1) Bayesian estimation for the parameters were used. The choice of the most appropriate model the Akaike information criterion (AIC) was used. The analysis of forecast errors was an instrument used to determine which model is best suited to the data. We conclude that the use of MCMC simulation makes the process more exible Bayesian inference and can be extended to larger problems. Bayesina models showed better performance than the classical model. | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Relação: dc.relation | http://www.biometria.ufla.br/index.php/BBJ/article/view/92/31 | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | Attribution 4.0 International | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| ???dc.source???: dc.source | Revista Brasileira de Biometria; Vol 34 No 1 (2016); 63-83 | - |
| ???dc.source???: dc.source | 1983-0823 | - |
| Palavras-chave: dc.subject | Modelos INAR | - |
| Palavras-chave: dc.subject | Inferência Bayesiana | - |
| Palavras-chave: dc.subject | Modelos mistos | - |
| Título: dc.title | Classical and Bayesian estimation for INAR (1) models in number of precipitation days in Garanhuns-PE | - |
| Tipo de arquivo: dc.type | info:eu-repo/semantics/article | - |
| Tipo de arquivo: dc.type | info:eu-repo/semantics/publishedVersion | - |
| Tipo de arquivo: dc.type | Peer-reviewed Article | - |
| 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: