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.

Submitted by Haroudo Xavier Filho (haroudo.xavierfo@ufpe.br) on 2016-04-05T14:28:43Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) dissertacao_Raphaela(CD).pdf: 1067677 bytes, checksum: 6d371901336a7515911aeffd9ee38c74 (MD5) / Made available in DSpace on 2016-04-05T14:28:43Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) dissertacao_Raphaela(CD).pdf: 1067677 bytes, checksum: 6d371901336a7515911aeffd9ee38c74 (MD5) Previous issue date: 2015-07-31 / CAPES / Este trabalho analisa propriedades da família de distribuições de probabilidade Composta N e propõe a sub-família Composta Poisson-Truncada como um meio de compor distribuições de probabilidade. Suas propriedades foram estudadas e uma nova distribuição foi investigada: a distribuição Composta Poisson-Truncada Normal. Esta distribuição possui três parâmetros e tem uma flexibilidade para modelar dados multimodais. Demonstramos que sua densidade é dada por uma mistura infinita de densidades normais em que os pesos são dados pela função de massa de probabilidade da Poisson-Truncada. Dentre as propriedades exploradas desta distribuição estão a função característica e expressões para o cálculo dos momentos. Foram analisados três métodos de estimação para os parâmetros da distribuição Composta Poisson-Truncada Normal, sendo eles, o método dos momentos, o da função característica empírica (FCE) e o método de máxima verossimilhança (MV) via algoritmo EM. Simulações comparando estes três métodos foram realizadas e, por fim, para ilustrar o potencial da distribuição proposta, resultados numéricos com modelagem de dados reais são apresentados. / This work analyzes properties of the Compound N family of probability distributions and proposes the sub-family Compound Poisson-Truncated as a means of composing probability distributions. Its properties were studied and a new distribution was investigated: the Compound Poisson-Truncated Normal distribution. This distribution has three parameters and has the flexibility to model multimodal data. We demonstrated that its density is given by an infinite mixture of normal densities where in the weights are given by the Poisson-Truncated probability mass function. Among the explored properties of this distribution are the characteristic function end expressions for the calculation of moments. Three estimation methods were analyzed for the parameters of the Compound Poisson-Truncated Normal distribution, namely, the method of moments, the empirical characteristic function (ECF) and the method of maximum likelihood (ML) by EM algorithm. Simulations comparing these three methods were performed and, finally, to illustrate the potential of the proposed distribution numerical results with real data modeling are presented.