Inferência em cadeias com memória de alcance variável

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorPinto, Douglas Rodrigues-
Autor(es): dc.contributorPinto, Douglas Rodrigues-
Autor(es): dc.contributorYaginuma, Karina Yuriko-
Autor(es): dc.contributorSisko, Valentin-
Autor(es): dc.contributorOst, Guilherme-
Autor(es): dc.contributorYaginuma, Karina Yuriko-
Autor(es): dc.creatorGripp, Maiara-
Data de aceite: dc.date.accessioned2024-07-11T18:08:44Z-
Data de disponibilização: dc.date.available2024-07-11T18:08:44Z-
Data de envio: dc.date.issued2020-06-17-
Data de envio: dc.date.issued2020-06-17-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/13937-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/764453-
Descrição: dc.descriptionNesta dissertação foram estudadas cadeias estocásticas de ordem fixa k>1, 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, verificou-se que, para isto, ele decide se olhar um passo a mais no passado traz algum ganho de informação significativo. 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.-
Descrição: dc.descriptionNenhum-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectCadeias de alcance variável-
Palavras-chave: dc.subjectAlgoritmo Contexto-
Palavras-chave: dc.subjectCritério de Informação Bayesiano-
Palavras-chave: dc.subjectÁrvore de contextos-
Palavras-chave: dc.subjectEstatística-
Título: dc.titleInferência em cadeias com memória de alcance variável-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.