Identificação de modelos ARMA pelo método Bootstrap

Autores

  • Thais Mariane Biembengut Faria Universidade Federal do Paraná
  • Anselmo Chaves Neto Universidade Federal do Paraná

Palavras-chave:

Bootstrap, Modelos ARMA, Identificação, Autocorrelações

Resumo

Nesse artigo, avaliou-se o desempenho de um algoritmo bootstrap moving blocks na identificação da ordem de modelos ARMA. O método foi aplicado em séries simuladas a partir de modelos de ordem p+q > 2 afim de obter a distribuição amostral das funções de autocorrelação (FAC) e autocorrelação parcial (FACP).
Por meio de algumas simulações e exemplos, demonstrou-se que o procedimento bootstrap proposto possui melhor desempenho em relação ao método assintótico clássico de identificação, sobretudo em pequenas amostras ou ainda na identificação de modelos com baixos valores para as FAC e FACP.

Biografia do Autor

Thais Mariane Biembengut Faria, Universidade Federal do Paraná

Doutorando em Métodos Numéricos em Engenharia 

Departamento de Engenharia Civil

Área de Programação Matemática

UFPR

Anselmo Chaves Neto, Universidade Federal do Paraná

Possui graduação em Licenciatura Em Matemática pela Universidade Federal do Paraná (1971), graduação em Engenharia Civil pela Universidade Federal do Paraná (1974), Especialização em Processamento de Dados pela Faculdade de Administração e Economia - FAE CURITIBA (1982), Mestrado em Estatística pela Universidade Estadual de Campinas (1985) e Doutorado em Engenharia Elétrica pela Pontifícia Universidade Católica do Rio de Janeiro (1991), na área de concentração em Sistemas Estocásticos e Estatística. Atualmente é Professor Associado IV da Universidade Federal do Paraná, lotado no Departamento de Estatística e atua como professor permanente no PPGMNE - Programa de Pós-graduação em Métodos Numéricos em Engenharia e, como professor colaborador, nos programas de pós-graduação em Engenharia Florestal, em Ciências Geodésicas e em Engenharia de Produção. Tem experiência na área de Engenharia de Produção, com ênfase em Séries Temporais, Engenharia da Qualidade e Reconhecimento de Padrões. Trabalha e pesquisa, principalmente, nos seguintes temas: Métodos Estatísticos Multivariados, Previsão de Séries temporais, Engenharia da Qualidade, Métodos Computacionalmente Intensivos (Bootstrap e Jacknife), Reconhecimento de Padrões e mais recentemente em Confiabilidade de Produtos e Confiabilidade Estrutural. Também tem pesquisado estatística educacional (avaliação de itens: Clássica e TRI)

Downloads

Publicado

08-06-2014

Edição

v. 16 n. 1 (2014)

Seção

Artigos

Licença

Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Creative Commons Attribution License que permitindo o compartilhamento do trabalho com reconhecimento da autoria do trabalho e publicação inicial nesta revista.

Esta revista proporciona acesso público a todo seu conteúdo, seguindo o princípio de que tornar gratuito o acesso a pesquisas gera um maior intercâmbio global de conhecimento. Tal acesso está associado a um crescimento da leitura e citação do trabalho de um autor. Para maiores informações sobre esta abordagem, visite Public Knowledge Project, projeto que desenvolveu este sistema para melhorar a qualidade acadêmica e pública da pesquisa, distribuindo o OJS assim como outros software de apoio ao sistema de publicação de acesso público a fontes acadêmicas. Os nomes e endereços de e-mail neste site serão usados exclusivamente para os propósitos da revista, não estando disponíveis para outros fins.