Skip navigation
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.advisorCRIBARI NETO, Francisco-
dc.contributor.authorCOSTA, Everton-
dc.date.accessioned2025-07-10T15:29:41Z-
dc.date.available2025-07-10T15:29:41Z-
dc.date.issued2025-04-25-
dc.identifier.citationCOSTA, Everton. Doubly-bounded Time Series Modeling : New Perspectives and Applications. Tese (Doutorado em Estatística) - Universidade Federal de Pernambuco, Recife, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/64311-
dc.description.abstractConsideramos 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.isoengpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsembargoedAccesspt_BR
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/pt_BR
dc.subjectFunção de ligaçãopt_BR
dc.subjectModelo \betaARMApt_BR
dc.subjectPenalização ridgept_BR
dc.subjectPrevisãopt_BR
dc.subjectVerossimilhança monótonapt_BR
dc.titleDoubly-bounded Time Series Modeling : New Perspectives and Applicationspt_BR
dc.typedoctoralThesispt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/3909546551093908pt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.leveldoutoradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/2225977664095899pt_BR
dc.publisher.programPrograma de Pos Graduacao em Estatisticapt_BR
dc.description.abstractxWe 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 MBAdobe PDFVisualizar/Abrir     Item embargoed


Este ítem está protegido por copyright original



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