Proposta e avaliação de critérios de convergência para o método de monte carlo via cadeias de markov: casos uni e multivariados

Página do item simplificado
dc.contributor.advisor1Sáfadi, Thelma
dc.contributor.referee1Loschi, Rosangêla Helena
dc.contributor.referee1Morais, Augusto Ramalho de
dc.contributor.referee1Ferreira, Daniel Furtado
dc.creatorNogueira, Denismar Alves
dc.date.accessioned2014-08-25T21:17:56Z
dc.date.available2014-08-25T21:17:56Z
dc.date.issued2014-08-25
dc.date.submitted2004-02-27
dc.description.concentrationEstatística e Experimentação Agropecuáriapt_BR
dc.description.resumoMétodos de Monte Carlo via Cadeias de Markov têm sido estudados com aplicações em diversas áreas, mas uma das maiores dificuldades é determinar o tamanho adequado da amostra, ou seja, a convergência do processo para assim inferir sobre os parâmetros da distribuição de interesse. Dos critérios existentes na literatura, optou-se por estudar aqueles mais utilizados e mais simples de se implementar. Por isso, os objetivos foram: propor uma forma alternativa de aplicação combinada de quatro critérios univariados de convergência das seqüências de Markov (Gelman & Rubin, 1992a, Raftery & Lewis, 1992a, Geweke, 1992, Heidelberger & Welch, 1983), otimizando suas propriedades; apresentar uma forma alternativa de cálculo do critério de Brooks & Gelman (1998); e propor dois novos critérios multivariados de monitoramento da convergência. Para isso, dados referentes a dois modelos foram utilizados, sendo um de séries temporais com duas intervenções e erro ARMA(2,2) e o outro uma normal trivariada, considerando três situações distintas para a matriz de covariâncias. Em ambos os casos foram utilizados o Amostrador de Gibbs e aplicados os critérios para monitorar a convergência. Os resultados obtidos permitiram que se concluísse que: sugere-se a utilização dos critérios univariados do monitoramento da convergência de forma combinada; a forma alternativa de cálculo para o critério de Brooks & Gelman foi viável de ser aplicada e mostrou-se robusta numericamente; os dois novos critérios multivariados para monitorar a convergência das seqüências de Monte Carlo foram propostos com sucesso; o critério multivariado baseado na razão dos traços das matrizes de covariâncias e D foi considerado melhor.pt_BR
dc.description.resumoMétodos de Monte Carlo via Cadeias de Markov têm sido estudados com aplicações em diversas áreas, mas uma das maiores dificuldades é determinar o tamanho adequado da amostra, ou seja, a convergência do processo para assim inferir sobre os parâmetros da distribuição de interesse. Dos critérios existentes na literatura, optou-se por estudar aqueles mais utilizados e mais simples de se implementar. Por isso, os objetivos foram: propor uma forma alternativa de aplicação combinada de quatro critérios univariados de convergência das seqüências de Markov (Gelman & Rubin, 1992a, Raftery & Lewis, 1992a, Geweke, 1992, Heidelberger & Welch, 1983), otimizando suas propriedades; apresentar uma forma alternativa de cálculo do critério de Brooks & Gelman (1998); e propor dois novos critérios multivariados de monitoramento da convergência. Para isso, dados referentes a dois modelos foram utilizados, sendo um de séries temporais com duas intervenções e erro ARMA(2,2) e o outro uma normal trivariada, considerando três situações distintas para a matriz de covariâncias. Em ambos os casos foram utilizados o Amostrador de Gibbs e aplicados os critérios para monitorar a convergência. Os resultados obtidos permitiram que se concluísse que: sugere-se a utilização dos critérios univariados do monitoramento da convergência de forma combinada; a forma alternativa de cálculo para o critério de Brooks & Gelman foi viável de ser aplicada e mostrou-se robusta numericamente; os dois novos critérios multivariados para monitorar a convergência das seqüências de Monte Carlo foram propostos com sucesso; o critério multivariado baseado na razão dos traços das matrizes de covariâncias e D foi considerado melhor.pt_BR
dc.identifier.citationNOGUEIRA, D. A. Proposta e avaliação de critérios de convergência para o método de monte carlo via cadeias de markov: casos uni e multivariados. 2004 121 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária)-Universidade Federal de Lavras, Lavras, 2004.pt_BR
dc.identifier.urihttps://repositorio.ufla.br/handle/1/3236
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.publisher.countryBRASILpt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.programDEX - Departamento de Ciências Exataspt_BR
dc.rightsacesso abertopt_BR
dc.subjectCorrelaçãopt_BR
dc.subjectAmostrador de Gibbspt_BR
dc.subjectSéries Temporaispt_BR
dc.subjectCorrelationpt_BR
dc.subjectGibbs Samplerpt_BR
dc.subjectTime Seriespt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
dc.titleProposta e avaliação de critérios de convergência para o método de monte carlo via cadeias de markov: casos uni e multivariadospt_BR
dc.title.alternativeProposal and evaluation of convergence diagnostics criterion for markov chain monte carlo methods: univariate and multivariate casespt_BR
dc.typedissertaçãopt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
DISSERTAÇÃO_Proposta e Avaliação de Critérios de Convergência para o Método de Monte Carlo via Cadeias de Markov Casos Uni e Multivariados..pdf
Tamanho:
2.82 MB
Formato:
Adobe Portable Document Format
Baixar

Licença do pacote

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
953 B
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Estatística e Experimentação Agropecuária - Mestrado (Dissertações)