Estimação paramétrica e não-paramétrica em modelos de markov ocultos

AUTOR(ES)

Francisco Moisés Cândido de Medeiros

DATA DE PUBLICAÇÃO

2010

RESUMO

In this work we study the Hidden Markov Models with nite as well as general state space. In the nite case, the forward and backward algorithms are considered and the probability of a given observed sequence is computed. Next, we use the EM algorithm to estimate the model parameters. In the general case, the kernel estimators are used and to built a sequence of estimators that converge in L1-norm to the density function of the observable process

ASSUNTO(S)

cadeia de markov hidden markov models espaçco de estados geral finite state space . espaço de estados nito markov chain general state space modelos de markov oculto matematica aplicada

Documentos Relacionados

• Estimação não-parametrica de volatilidade em modelos continuos
• Estimação não-paramétrica e semi-paramétrica de fronteiras de produção
• Desconvolução não-parametrica aplicada a modelos de volatilidade estocastica
• Função variância em modelos de regressão não-paramétrica: estimação e usos
• Estimação não-parametrica para função de covariancia de processos gaussianos espaciais