Nessa tese apresentamos uma nova classe de modelos, os processos de saltos com memória de alcance variável, uma generalização a tempo contínuo do processo introduzido em Galves e Löcherbach (2013). Desenvolvemos um novo estimador para a árvore de contexto imersa no processo de salto com memória de alcance variável, considerando mais parâmetros fornecidos pela amostra. Obtivemos também uma cota superior da taxa de convergência da árvore estimada para árvore real, provando a convergência quase certa do estimador. / In this work we deal with a new class of models: the jump processes with variable length memory. This is a continuous-time generalization of the process introduced in Galves and Löcherbach (2013). We present a new estimator for the tree context embedded in this process, considering all information provided by the sample. We also present an exponential upper bound for the rate of convergence, proving then the almost sure convergence of the estimator.
| Identifer | oai:union.ndltd.org:IBICT/oai:teses.usp.br:tde-24032016-164013 |
| Date | 26 January 2016 |
| Creators | Douglas Rodrigues Pinto |
| Contributors | Jefferson Antonio Galves, Chang Chung Yu Dorea, Anatoli Iambartsev, Jacob Ricardo Fraiman Maus, Christophe Pouzat |
| Publisher | Universidade de São Paulo, Estatística, USP, BR |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da USP, instname:Universidade de São Paulo, instacron:USP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0017 seconds