Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufpe.br/handle/123456789/64311
Comparte esta pagina
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | CRIBARI NETO, Francisco | - |
dc.contributor.author | COSTA, Everton | - |
dc.date.accessioned | 2025-07-10T15:29:41Z | - |
dc.date.available | 2025-07-10T15:29:41Z | - |
dc.date.issued | 2025-04-25 | - |
dc.identifier.citation | COSTA, Everton. Doubly-bounded Time Series Modeling : New Perspectives and Applications. Tese (Doutorado em Estatística) - Universidade Federal de Pernambuco, Recife, 2025. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/64311 | - |
dc.description.abstract | Consideramos a modelagem e previsão de séries temporais hidroambientais sujeitas a flutu- ações sazonais e períodos prolongados de seca. Períodos anormalmente secos tornaram-se mais frequentes como resultado das mudanças climáticas. Utilizamos uma classe de mod- elos beta dinâmicos adequada para dados delimitados em um intervalo. Examinamos dois aspectos importantes dessa classe de modelos: a precisão de testes de hipótese baseados em aproximações assintóticas e a escolha da função de ligação. Em particular, mostramos que dois testes comumente utilizados podem levar a inferências imprecisas se a estimação do modelo nulo for baseada no número máximo de log-verossimilhanças condicionais in- dividuais. Introduzimos também um novo critério de seleção para a escolha da função de ligação do modelo. Com base em testes e no novo critério, modelamos os volumes úteis de três reservatórios de usinas hidrelétricas brasileiras. Essas séries temporais apresen- tam flutuações sazonais e contêm períodos anormalmente secos devido a secas intensas e prolongadas. Previsões dentro da amostra e extrapolações para fora da amostra são geradas e comparadas com aquelas obtidas por abordagens alternativas bem conhecidas. Adicionalmente, introduzimos um esquema de penalização ridge para aprimorar a estabil- idade numérica da estimação por máxima verossimilhança condicional dos parâmetros que indexam o modelo βARMA. A abordagem proposta consiste em adicionar um termo de penalização simples à função de log-verossimilhança para aumentar sua curvatura. Essa modificação reduz a chance de falhas de convergência e de obtenção de estimativas im- plausíveis. Também apresentamos uma estratégia de estimação dos parâmetros baseada em bootstrap. Essa abordagem é particularmente útil quando a penalização, por si só, não é suficiente para resolver problemas numéricos, fornecendo uma solução complementar para a obtenção de estimativas mais confiáveis. Nossos resultados numéricos demonstram a eficácia das abordagens propostas na mitigação de problemas de instabilidade numérica na estimação dos parâmetros do modelo βARMA. Duas aplicações empíricas são apre- sentadas e discutidas. | pt_BR |
dc.language.iso | eng | pt_BR |
dc.publisher | Universidade Federal de Pernambuco | pt_BR |
dc.rights | embargoedAccess | pt_BR |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | pt_BR |
dc.subject | Função de ligação | pt_BR |
dc.subject | Modelo \betaARMA | pt_BR |
dc.subject | Penalização ridge | pt_BR |
dc.subject | Previsão | pt_BR |
dc.subject | Verossimilhança monótona | pt_BR |
dc.title | Doubly-bounded Time Series Modeling : New Perspectives and Applications | pt_BR |
dc.type | doctoralThesis | pt_BR |
dc.contributor.authorLattes | http://lattes.cnpq.br/3909546551093908 | pt_BR |
dc.publisher.initials | UFPE | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.degree.level | doutorado | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/2225977664095899 | pt_BR |
dc.publisher.program | Programa de Pos Graduacao em Estatistica | pt_BR |
dc.description.abstractx | We consider the modeling and forecasting of hydro-environmental time series subject to seasonal fluctuations and prolonged droughts. Abnormally dry periods have become more frequent as a result of climate change. We use a class of dynamic beta models which is tai- lored for doubly-bounded data. We examine two important aspects of this class of models: the accuracy of hypothesis tests based on asymptotic approximations and the choice of link function. In particular, we show that two commonly used tests can yield inaccurate inferences if the estimation of the null model is done on the basis of the maximum number of individual conditional log-likelihoods, and we introduce a new model selection criterion for selecting the model’s link function. Based on tests and the new criterion, we model the useful volumes of three Brazilian hydroelectric power plant water reservoirs. These time series exhibit seasonal fluctuations and contain abnormally dry periods due to intense and prolonged droughts. In-sample predictions and out-of-sample forecasts are produced and compared to those obtained with well known alternative approaches. Additionally, we introduce a ridge penalization scheme to enhance the numerical stability of conditional maximum likelihood estimation of the parameters indexing the βARMA model. The pro- posed approach involves adding a simple penalty term to the log-likelihood function to enhance its curvature. This modification reduces the chance of convergence failures and implausible estimates. We also present a bootstrap-based parameter estimation strategy. It is particularly useful when penalization alone is insufficient to address numerical issues, providing a complementary solution for obtaining more reliable estimates. Our numerical results show the effectiveness of the proposed approaches in addressing numerical insta- bility issues in βARMA parameter estimation. Two empirical applications are presented and discussed. | pt_BR |
Aparece en las colecciones: | Teses de Doutorado - Estatística |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
TESE Everton da Costa.pdf Artículo embargado hasta 2026-07-08 | 3,12 MB | Adobe PDF | Visualizar/Abrir Item embargoed |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons