1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Estatística e Experimentação Agropecuária - Doutorado (Teses)
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/5371
Registro completo de metadados
Campo DCValorIdioma
dc.creatorRodrigues, Letícia Lima Milani-
dc.date.accessioned2015-04-22T18:12:49Z-
dc.date.available2015-04-22T18:12:49Z-
dc.date.issued2015-04-22-
dc.date.submitted2014-12-12-
dc.identifier.citationRODRIGUES, L. L. M. Análise de variância em séries temporais: uma abordagem usando ondaletas. 2014. 100 p. Tese (Doutorado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2014.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/5371-
dc.descriptionTese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutora.pt_BR
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectAnálise de variânciapt_BR
dc.subjectSéries temporaispt_BR
dc.subjectOndaletaspt_BR
dc.subjectAnalysis of variancept_BR
dc.subjectTemporal seriespt_BR
dc.subjectWaveletspt_BR
dc.titleAnálise de variância em séries temporais: uma abordagem usando ondaletaspt_BR
dc.typetesept_BR
dc.contributor.advisor-coMorais, Augusto Ramalho de-
dc.publisher.programDEX - Programa de Pós-graduaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationEstatística e Experimentação Agropecuáriapt_BR
dc.contributor.advisor1Sáfadi, Thelma-
dc.contributor.referee1Nogueira, Denismar Alves-
dc.contributor.referee1Chaves, Lucas Monteiro-
dc.contributor.referee1Lima, Paulo César-
dc.contributor.referee1Lima, Renato Ribeiro de-
dc.description.resumoA análise de variância (ANAVA) é amplamente utilizada para verificar se existe diferença significativa entre tratamentos. Entretanto, para que os resultados sejam confiáveis, é necessário que se verifique os pressupostos da ANAVA, que são aditividade dos efeitos presentes no modelo e a independência, normalidade e homocedasticidade dos erros. Contudo, com certa frequência, constata-se que uma ou mais dessas suposições não se verifica. E é o que acontece quando se trabalha com dados de séries temporais, que leva a problemas como a não independência entre as observações consecutivas. Diante disso, este trabalho objetivou propor uma metodologia para a realização da ANAVA em dados de séries temporais. Como a análise tradicional não é adequada, a proposta é “transformar” os dados, eliminando a dependência entre eles, de forma a atender as pressuposições exigidas. A transformação é realizada por meio da transformada discreta de ondaleta decimada para séries temporais estacionárias e a transformada discreta de ondaleta não decimada para séries temporais não estacionárias, usando em ambos os casos as bases de Haar e Daubechies. Dessa forma, realizouse um estudo de simulação, considerando séries temporais estacionárias e não estacionárias. Também foi feito um estudo com dados reais. Concluiu-se que a análise de variância usando ondaletas pode ser usada com sucesso, quando se trabalha com dados de séries temporais. Para as séries temporais consideradas categóricas não estacionárias, deve-se priorizar o uso da transformada discreta de ondaleta não decimada na base de Daubechies.pt_BR
dc.description.resumoThe analysis of variance (ANAVA) is widely used to check for significant di erences among treatments. However, for the results to be reliable, it is necessary to check the assumptions of ANAVA, which are additivity of e ects in the model and independence, normality and homoscedasticity of errors. However, quite frequently it turns out that one or more of these assumptions does not occur. And that’s what happens when working with time series data, which leads to problems such as non-independence between consecutive observations. Thus, this study was conducted with the objective to propose a methodology for conducting the ANAVA in time series data. As the traditional analysis is not adequate, the proposal is “ transform ” the data, eliminating the dependency between them, in order to meet the required assumptions. The transformation occurs by means of the discrete wavelet transform decimated for non-stational temporal series and the discrete wavelet transform not decimated for non-stational temporal series, using, in both cases, the Haar and Daubechies bases. Thus, a simulation study was conducted considering stational and non-stational temporal series. We also conducted a study with real data. We concluded that the analysis of variance using wavelets could be successfully used when working with temporal series data. For the temporal series considered non-stational categorical, we must prioritize the use of not decimated discrete wavelet transform on the Daubechies basis.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Aparece nas coleções:Estatística e Experimentação Agropecuária - Doutorado (Teses)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TESE_Análise de variância em séries temporais.pdf922,06 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.