MODELANDO SÉRIES TEMPORAIS NÃO-LINEARES ATRAVÉS DE UMA MISTURA DE MODELOS GAUSSIANOS ESTRUTURADOS EM ÁRVORE / MODELING NONLINEAR TIME SERIES WITH A TREE-STRUCTURED MIXTURE OF GAUSSIAN MODELS
AUTOR(ES)
EDUARDO FONSECA MENDES
DATA DE PUBLICAÇÃO
2006
RESUMO
Neste trabalho um novo modelo de mistura de distribuições é proposto, onde a estrutura da mistura é determinada por uma árvore de decisão com transição suave. Modelos baseados em mistura de distribuições são úteis para aproximar distribuições condicionais desconhecidas de dados multivariados. A estrutura em árvore leva a um modelo que é mais simples, e em alguns casos mais interpretável, do que os propostos anteriormente na literatura. Baseando-se no algoritmo de Esperança- Maximização (EM), foi derivado um estimador de quasi- máxima verossimilhança. Além disso, suas propriedades assintóticas são derivadas sob condições de regularidades. Uma estratégia de crescimento da árvore, do especifico para o geral, é também proposta para evitar possíveis problemas de identificação. Tanto a estimação quanto a estratégia de crescimento são avaliados em um experimento Monte Carlo, mostrando que a teoria ainda funciona para pequenas amostras. A habilidade de aproximação universal é ainda analisada em experimentos de simulação. Para concluir, duas aplicações com bases de dados reais são apresentadas.
ASSUNTO(S)
em algorithm smooth transitions time series series temporais algoritmo em transicoes suaves
ACESSO AO ARTIGO
Documentos Relacionados
- TREE-STRUCTURED SMOOTH TRANSITION REGRESSION MODELS
- Técnica de identificação de modelos lineares e não-lineares de séries temporais
- Identificação de estruturas não-lineares de séries temporais através de regressão linear local e modelos aditivos
- Análise e classificação de séries temporais não estacionárias utilizando métodos não-lineares
- Tree-structured supervised learning and the genetics of hypertension