This thesis deals with INGARCH models for a count time series. Main emphasis is placed on a linear INARCH model. Its properties are derived. Several methods of estimation are introduced - maximum likelihood method, least squares method and its modifications - and later compared in a simulation study. Main properties and maximum likelihood estimation for INGARCH(1,1) model are stated. Higher order linear INGARCH models and nonlinear INGARCH models are discussed briefly. An application of the presented models on time series of car accidents is given.

Made available in DSpace on 2016-06-02T20:06:08Z (GMT). No. of bitstreams: 1 5190.pdf: 1093269 bytes, checksum: 0d9bf9c7a3855887a0f66859b3a9cc22 (MD5) Previous issue date: 2013-05-06 / Financiadora de Estudos e Projetos / In this work, it was estudied the models INGARCH , GLARMA and GARMA to model count time series data with Poisson and Negative Binomial discrete conditional distributions. The main goal was analyze in classic and bayesian approach, the adequability and goodness of fit of these models, also the contruction of credibility intervals about each parameter. To the Bayesian study, was cosiderated a joint prior distribuition that satisfied the conditions of each model and got a posterior distribution. This aproach presents too some criterion selection like (EBIC), (DIC) and ordenaded predictive conditional density (CPO) for Bayesian cases and (BIC) for classic cases. A simulation study was done to check the maximum likelihood estimator consistency in classic approach and has used criterion selection classic and Bayesian to choose the order of each model. An Analysis has made in a real data set realized as final stage as, these data consist the number of financial transactions in 30 minutes. These results have made in a classical and Bayesian approach , and discribed the data caracteristic. / Nesta dissertação estudou-se os modelos INGARCH, GLARMA e GARMA para modelar séries temporais de dados de contagem com as distribuições condicionais de Poisson e Binomial Negativa. A principal finalidade foi analisar no contexto clássico e bayesiano, a adequabilidade e qualidade de ajuste dos modelos em questão, assim como a construção de intervalos de credibilidade dos parâmetros para cada modelo testado. Para a abordagem Bayesiana foram consideradas priori conjugada, satisfazendo as condições de cada modelo em questão, obtendo assim uma distribuição a posteriori. A abordagem proposta apresenta também o cálculo de critérios de seleção de modelos como o (EBIC), (DIC) e densidade condicional preditiva ordenada (CPO) para o caso Bayesiano e (BIC) para a abordagem clássica. Com um estudo de simulação foi possível verificar a consistência dos estimadores de máxima verossimilhança (clássicos) além disso, foi usado critérios de seleção clássicos e Bayesianos para a seleção da ordem de cada um dos modelos. Uma análise de um conjunto de dados reais foi realizada, sendo uma série do número de transações financeiras realizadas em 30 minutos respectiva os mês de novembro de 2011. Estes resultados apresentam que tanto o estudo clássico, quanto o bayesiano, são capazes de descrever bem o comportamento da série e foram eficientes na escolha da ordem do mesmo.