Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufjf.br/jspui/handle/ufjf/12735
Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
rafaelrochadeoliveiragarcia.pdfrafaelrochadeoliveiragarcia998.39 kBAdobe PDFVista previa
Visualizar/Abrir
Clase: Trabalho de Conclusão de Curso
Título : Inferência sobre modelos de regressão linear com pontos de mudança e erros normais autoregressivos
Autor(es): Garcia, Rafael Rocha de Oliveira
Orientador: Zeller, Camila Borelli
Miembros Examinadores: Zeller, Camila Borelli
Miembros Examinadores: Bessegato, Lupércio França
Miembros Examinadores: Vieira, Marcel de Toledo
Resumo: Análise de modelos de regressão linear é uma das mais importantes técnicas estatísticas. Com ela, é possível identificar relações entre variáveis que técnicas mais visuais, às vezes, não evidenciam. Contudo, para proceder com uma análise de regressão linear, muitos pressupostos devem ser satisfeitos. Um dos mais importantes, a independência dos erros, nem sempre pode ser verificada e isso pode gerar resíduos autocorrelacionados no modelo proposto após o ajuste. São várias as técnicas para tentar eliminar essa correlação, mas pode ser de interesse do pesquisador modelar a dependência dos erros e isso pode melhorar o ajuste dos parâmetros do modelo de regressão linear. Em certas situações, pode ser de interesse do pesquisador identificar mudanças nas média e/ou variância de um determinado processo que suspeita-se não estar funcionando corretamente. É neste contexto que a identificação de pontos de mudança mostra-se extremamente útil. O objetivo deste trabalho é apresentar a situação em que todos estes cenários são identificados: modelos de regressão linear, processos autoregressivos e pontos de mudança; e também apresentar estimadores para esse modelo.
Resumen : Linear regression analysis models are some of the most important techniques in Statistics. With it, it’s possible to identify relationships between variables that visual techniques, sometimes, do not show. However, to procede with linear regression analysis, too many assumptions must be satisfied. A very important one, error independence, cannot always be satified, which may return residuals with autpcorrelation after fitting the proposed model. There are many techniques to deal with this correlation, but it can be interesting to the researcher to model the dependence of the errors which can improve the model fitting. Sometimes, the researcher is interested in identifying structural breaks in the mean and/or variance of some process which is suspeted to be not working correctly. In this situation, change-point identification is extremely useful. The aim of this monograph is to present the situation in which all of these scenarios are present: linear regression models, auto-regressive process and change-point; also to present estimates to this model.
Palabras clave : Regressão linear
Ponto de mudança
Auto-regressivos
Linear regression
Auto-regressive
Change-point
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
Idioma: por
País: Brasil
Editorial : Universidade Federal de Juiz de Fora (UFJF)
Sigla de la Instituición: UFJF
Departamento: ICE – Instituto de Ciências Exatas
Clase de Acesso: Acesso Aberto
Licenças Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/br/
URI : https://repositorio.ufjf.br/jspui/handle/ufjf/12735
Fecha de publicación : 4-dic-2018
Aparece en las colecciones: Estatística - TCC Graduação



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons