Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Pinto, Douglas Rodrigues | - |
Autor(es): dc.contributor | Sisko, Valentin | - |
Autor(es): dc.contributor | Ost, Guilherme | - |
Autor(es): dc.contributor | Yaginuma, Karina Yuriko | - |
Autor(es): dc.creator | Gripp, Maiara | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:04:44Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:04:44Z | - |
Data de envio: dc.date.issued | 2020-06-16 | - |
Data de envio: dc.date.issued | 2020-06-16 | - |
Data de envio: dc.date.issued | 2019 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/13927 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/763087 | - |
Descrição: dc.description | Nesta dissertação foram estudadas cadeias estocásticas de ordem fixa k >= 2, e cadeias de ordem variável, com espaço de estados A = {0,1}. Cadeias de alcance variável são uma classe de cadeias estocásticas introduzidas por (RISSANEN, 1983). Nestas cadeias a ocorrência de eventos depende de alguma porção do passado, e o tamanho desta porção é variável em função da informação contida nos eventos que já ocorreram. Abordou-se aqui como fazer inferência sobre as probabilidades de transição inerentes às cadeias, e quanta informação do passado deve ser usada para estimá-las adequadamente. Para isto foram utilizados o Critério de Informação Bayesiano (BIC), e uma variante do Algoritmo Contexto. Estas probabilidades, quando estimadas corretamente, podem ser usadas para fazer predições de grande utilidade prática. Ao constatar que o Algoritmo Contexto estima qual parte do passado é relevante para fazer predições, veri ficou-se que, para isto, ele decide se olhar um passo a mais no passado traz algum ganho de informação signifi cativo. Seu critério de decisão é um valor delta. Este valor deve permitir que o Algoritmo Contexto descarte informações desnecessárias e mantenha informações relevantes. Uma vez que ele é fundamental para a aplicação do Algoritmo Contexto, propôs-se estudar esse valor delta através de simulações. Foi possível encontrar uma equação que estima delta em função de duas variáveis explicativas, quando o modelo atende às premissas necessárias, e, desta forma, analisar o comportamento de delta diante de mudanças nessas variáveis | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Cadeias de alcance variável | - |
Palavras-chave: dc.subject | Algoritmo contexto | - |
Palavras-chave: dc.subject | Critério de informação Bayesiano | - |
Palavras-chave: dc.subject | Árvore de contextos | - |
Palavras-chave: dc.subject | Estatística | - |
Título: dc.title | Inferência em cadeias com memória de alcance variável | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: