Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-04-03T22:46:24Z No. of bitstreams: 1 TitoLivioDaCunhaLopes_DISSERT.pdf: 830141 bytes, checksum: a867c27dace025040774c75e8896b7e2 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-04-11T21:20:49Z (GMT) No. of bitstreams: 1 TitoLivioDaCunhaLopes_DISSERT.pdf: 830141 bytes, checksum: a867c27dace025040774c75e8896b7e2 (MD5) / Made available in DSpace on 2017-04-11T21:20:49Z (GMT). No. of bitstreams: 1 TitoLivioDaCunhaLopes_DISSERT.pdf: 830141 bytes, checksum: a867c27dace025040774c75e8896b7e2 (MD5) Previous issue date: 2016-11-28 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico (CNPq) / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior (CAPES) / Modelos para s?ries temporais de valores inteiros t?m se destacado devido a vasta possibilidade de aplica??o. Modelos para controle estat?stico de processos, para dados econ?micos e, atualmente, para a sequ?ncia estrutural dos ?cidos desoxirribonucleicos (DNA), s?o exemplos de importantes aplica??es. Este trabalho est? dividido em dois cap?tulos independentes. A primeira parte do trabalho diz respeito a modelagem de dados bin?rios autocorrelacionados. Neste contexto, uma nova classe de modelos foi proposta, baseado em operadores thinning, denominada processo Bernoulli autorregressivo de ordem p[BeAr(p)] similar ao modelo cl?ssico AR(p). Em particular, o modelo BeAr(1) foi estudado e v?rias propriedades foram estabelecidas, tr?s m?todos de estima??o foram propostos para o modelo, inclusive foi estabelecida a distribui??o assint?tica dos estimadores pelo m?todo de m?nimos quadrados condicionais e os elementos da matriz de informa??o de Fisher. Al?m das simula??es, aplica??es foram feitas em dados reais de precipita??o, ocasi?o em que os modelos BeAr(1) e BeAr(2) foram indicados para modelagem. Na segunda parte do trabalho, novos modelos foram estudados ao propor a fam?lia de distribui??es de s?ries de pot?ncia generalizada com par?metro inflador (IGPSD) para o processo de inova??o do modelo INAR(1). As principais propriedades do processo foram estabelecidas, tais como a m?dia, vari?ncia, autocorrela??o e probabilidade de transi??o. Os m?todos de estima??o por Yule-Walker e m?xima verossimilhan?a condicional foram utilizados para estimar os par?metros dos modelos. Dois casos particulares do modelo INAR$(1)$ com inova??o IGPSD foram estudados, denominados de IPoINAR(1) e IGeoINAR(1). Por fim, na aplica??o a dados reais, observou-se um bom desempenho do novo modelo proposto. / Models for time series of integer values have stood out because of the vast possibility of application. Models for statistical process control, for economic data and currently for the structural sequence of deoxyribonucleic acids (DNA) are examples of important applications. This work is divided into two independent parts. The first part of the work concerns the modeling of autocorrelated binary data. In this context, a new class of models has been proposed, based on thinning operators called Bernoulli autoregressive process of order p [BeAr(p)] similar to the classical model AR(p). In particular, BeAr(1) model was studied, various properties of three estimation methods have been proposed for the model, including the asymptotic distribution of the estimators by the conditional least squares method, and the elements of the Fisher information matrix. In addition to the simulations, applications were made on real data of precipitation, at which models BeAr(1) and BeAr(2) were given to modeling. In the second part of the work, new models were studied to propose the family of inflated-parameter generalized power series distributions (IGPSD) to the innovation process INAR(1) model. The main properties of the process have been established, such as the mean, variance, autocorrelation and transition probability. The estimation methods for Yule-Walker and conditional maximum likelihood were used to estimate the parameters of the models. Two particular cases of model INAR(1) with IGPSD innovation process were studied, called IPoINAR(1) and IGeoINAR(1). Applications to real data showed a good performance of the new model proposed.

[pt] Esta dissertação trata do controle estatístico de processos (CEP) multi-canal, assunto pouco tratado na literatura especializada. As técnicas encontradas na literatura pressupõem condições de validade nem sempre verificadas na prática, a saber: medidas sucessivas efetuadas em cada canal independentes e identicamente distribuídas; todos os canais ajustados, com mesma média e desvio-padrão; e (na maioria dos trabalhos) canais independentes, sem correlação cruzada. O estudo foi motivado por um caso real, em que nenhuma dessas condições se verifica. Este trabalho propõe adaptações e extensões de técnicas existentes para lidar com processos nessa situação; detalha como aplicá-las; ilustra sua aplicação no caso prático analisado; discute limitações e propõe alternativas, e inicia uma discussão sobre as diferentes condições (características das situações práticas) em que cada uma das alternativas é mais apropriada. O trabalho iniciou- se com uma análise exploratória dos processos da empresa, de modo a permitir um diagnóstico do CEP que vinha sendo realizado, e fundamentar a proposta de um novo esquema de controle, mais adequado. O esquema proposto, aplicado aos dados, sinalizou problemas com os processos que as técnicas empregadas não sinalizavam. Embora, em virtude dos prazos para finalização da dissertação e da programação da produção da empresa, que teve interrupções, não tenha sido possível incluir nesta análise a investigação de causas especiais, com revisão dos limites de controle e utilização dos gráficos assim revistos no monitoramento on line, para fins de acompanhamento do desempenho do esquema proposto, mesmo assim a aplicação desse esquema aos dados disponíveis demonstrou ser ele mais sensível a causas especiais que os gráficos que vinham sendo utilizados, e levantou algumas questões, não abordadas na literatura, que são indicadas para pesquisa futura. / [en] This dissertation tackles the problem of statistical control of multi-channel processes, which has been scarcely dealt with in the specialized literature. The techniques found in the literature assume validity conditions which are not always verified in practice, namely: successive measurements taken in each channel should be independent an identically distributed; all the channels should be adjusted, with same mean and standard deviation; and most works assume the channels to be independent, with no cross correlation. The study was motivated by a real case, in which no one of these conditions holds. This work proposes adaptations and extensions of existing techniques in order to deal with this and similar real situations; details the application of the adapted/extended techniques; illustrates their application in the case under analysis; discusses limitations and proposes alternatives, and initiates a discussion about the different conditions (practical situations´ characteristics) in which each alternative is most appropriate. The work began with an exploratory data analysis of the enterprise´s production processes, so as to enable a diagnosis of the statistical process control procedures that were in use, and serve as a basis for the proposal of a new, more adequate, control scheme. The proposed scheme, when applied to the data, signalled problems with the processes which the techniques in use did not signal. Due to the deadlines for ending this dissertation and to programmed interruptions in the production, it has not been possible to include in the analysis the search for special causes with corresponding revisions of the charts´ control limits and the use of the revised charts in on-line monitoring, for the purposes of feedback on the proposed scheme´s performance. Its application to the available data has nevertheless shown it more sensitive to special causes than the charts that were in use, and raised some issues not approached in the literature, which are left as indications for future research.