Please use this identifier to cite or link to this item: https://app.uff.br/riuff/handle/1/13927
Title: Inferência em cadeias com memória de alcance variável
Authors: Gripp, Maiara
metadata.dc.contributor.advisor: Pinto, Douglas Rodrigues
metadata.dc.contributor.advisorco: Yaginuma, Karina Yuriko
metadata.dc.contributor.members: Pinto, Douglas Rodrigues
Yaginuma, Karina Yuriko
Sisko, Valentin
Ost, Guilherme
Issue Date: 2019
Citation: GRIPP, Maiara. Inferência em cadeias com memória de alcance variável. 2019. 69f. Trabalho de Conclusão de Curso (Graduação em Estatística)-Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2019.
Abstract: Nesta dissertação foram estudadas cadeias estocásticas de ordem fixa k >= 2, e cadeias de ordem variável, com espaço de estados A = {0,1}. Cadeias de alcance variável são uma classe de cadeias estocásticas introduzidas por (RISSANEN, 1983). Nestas cadeias a ocorrência de eventos depende de alguma porção do passado, e o tamanho desta porção é variável em função da informação contida nos eventos que já ocorreram. Abordou-se aqui como fazer inferência sobre as probabilidades de transição inerentes às cadeias, e quanta informação do passado deve ser usada para estimá-las adequadamente. Para isto foram utilizados o Critério de Informação Bayesiano (BIC), e uma variante do Algoritmo Contexto. Estas probabilidades, quando estimadas corretamente, podem ser usadas para fazer predições de grande utilidade prática. Ao constatar que o Algoritmo Contexto estima qual parte do passado é relevante para fazer predições, veri ficou-se que, para isto, ele decide se olhar um passo a mais no passado traz algum ganho de informação signifi cativo. Seu critério de decisão é um valor delta. Este valor deve permitir que o Algoritmo Contexto descarte informações desnecessárias e mantenha informações relevantes. Uma vez que ele é fundamental para a aplicação do Algoritmo Contexto, propôs-se estudar esse valor delta através de simulações. Foi possível encontrar uma equação que estima delta em função de duas variáveis explicativas, quando o modelo atende às premissas necessárias, e, desta forma, analisar o comportamento de delta diante de mudanças nessas variáveis.
URI: https://app.uff.br/riuff/handle/1/13927
Appears in Collections:GGV - Trabalhos de Conclusão de Curso - Niterói

Files in This Item:
File Description SizeFormat 
tcc_20192_MaiaraGripp_816054034.pdf654.33 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons