Please use this identifier to cite or link to this item:
http://hdl.handle.net/10773/21519
Title: | Statistical analysis of count time series with periodic structure |
Other Titles: | Análise estatística de séries de contagem com estrutura periódica |
Author: | Santos, Cláudia Susana Pereira dos |
Advisor: | Pereira, Isabel Maria Simões González Scotto, Manuel |
Keywords: | Matemática Estatística Análise de regressão Análise multivariada Análise de séries temporais |
Defense Date: | 2017 |
Publisher: | Universidade de Aveiro |
Abstract: | Os modelos autoregressivos de valores inteiros multivariados (MINAR)
desempenham um papel central na análise estatística de séries temporais de
contagem. Dentro do razoavelmente grande espectro de modelos MINAR
propostos na literatura, muito poucos focam a análise de séries de contagem
com estrutura periódica. A análise dos processos de contagem multivariados
apresenta muitos desafios que vão desde a especificação do modelo até à
estimação de parâmetros. Esta tese tem como objetivo dar uma contribuição
nessa direção. Especificamente, o objetivo deste trabalho é duplo: primeiro,
introduzimos o processo multivariado periódico de ordem um, PMINAR(1). As
propriedades probabilísticas e estatísticas do modelo são estudadas em
detalhe. Para superar as dificuldades computacionais decorrentes da
utilização do método da máxima verosimilhança introduzimos uma abordagem
baseada na verosimilhança composta. O desempenho do método proposto e
outros métodos concorrentes na estimação dos parâmetros é comparado
através de um estudo de simulação. A previsão também é abordada. Uma
aplicação de dados reais relacionados com a análise de fogos é apresentada.
Em segundo lugar, propomos dois modelos INAR (univariado e bivariado) com
estrutura periódica, S-PINAR(1) e BS-PINAR(1), respetivamente. Ambos os
modelos são baseados no operador signed thinning permitindo contagens de
valores positivos e negativos. Apresentamos as propriedades probabilísticas
básicas e estatísticas dos modelos periódicos. As inovações são modeladas
através das distribuições Skellam univariada e bivariada, respetivamente.
Para avaliar o desempenho dos estimadores dos mínimos quadrados
condicionais e da máxima verosimilhança condicional, foi realizado um estudo
de simulação para o modelo S-PINAR(1). Multivariate INteger–valued AutoRegressive (MINAR) processes play a central role in the statistical analysis of integer-valued time series. Within the reasonably large spectrum of MINAR models proposed in the literature, however, only a few focus on the analysis of time series of count data with periodic structure. The analysis of multivariate counting processes presents many challenging problems ranging from model specification to parameter estimation. This thesis aims at giving a contribution towards this direction. Specifically, the purpose of this research is two-fold: first, we introduce the periodic multivariate process of order one (PMINAR(1) in short). The probabilistic and also the statistical properties of the model are studied in detail. To overcome the computational difficulties arising from the use of the maximum likelihood method we introduce a composite likelihood-based approach. The performance of the proposed method and other competitors methods of estimation is compared through a simulation study. Forecasting is also addressed. An application to a real data set related with the analysis of fire activity is presented. Secondly, we propose two INAR (univariate and bivariate) models with periodic structure, S-PINAR(1) and BS-PINAR(1), respectively. Both models are based on the signed thinning operator allowing for positive and negative counts. We examine the basic probabilistic and also the statistical properties of the periodic models. Innovations are modeled by univariate and bivariate Skellam distributions, respectively. To study the performance of the conditional least squares and conditional maximum likelihood estimators, a simulation study is conducted for the S-PINAR(1) model. |
Description: | Doutoramento em Matemática |
URI: | http://hdl.handle.net/10773/21519 |
Appears in Collections: | UA - Teses de doutoramento DMat - Teses de doutoramento |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Claudia_Santos_Tese.pdf | 1.39 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.