Predição linear não-tendenciosa otima

• Main Author: Lima, Claudia Regina Oliveira de Paiva
• Other Authors: UNIVERSIDADE ESTADUAL DE CAMPINAS
• Format: Others
• Language: Portuguese
• Published: [s.n.] 1987
• Subjects: Modelos lineares (Estatistica)
• Online Access: LIMA, Claudia Regina Oliveira de Paiva. Predição linear não-tendenciosa otima. 1987. 103f. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Ciencia da Computação, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/307369>. Acesso em: 16 jul. 2018.; http://repositorio.unicamp.br/jspui/handle/REPOSIP/307369

Orientador : Jose Ferreira Carvalho === Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Ciencia da Computação === Made available in DSpace on 2018-07-17T02:39:01Z (GMT). No. of bitstreams: 1 Lima_ClaudiaReginaOliveiradePaiva_M.pdf: 1779961 bytes, checksum: 17c87ee2e9de0e1f12f261755b16aa7a (MD5) Previous issue date: 1987 === Resumo: Este trabalho tem por objetivo fazer uma revisão sobre as técnicas de prediço, sob o ângulo de visão de modelos lineares. Em uma primeira etapa, é mostrada a predição do vetor de parâmetros aleatórios nos modelos aleatório e misto, assim como, a predição do vetor das variáveis dependentes do modelo fixo, quando só são conhecidos os valores das variáveis independentes. Aborda-se a estimação recursiva do modelo linear dinâmica, sendo a equaçãode observação um modelo aleatório ou misto. A partir desta estimação obtém-se a predição da variável dependente de um modo recursivo, concluindo assim a parte teórica deste trabalho. Para propósito de ilustração, algumas das técnicas citadas acima são aplicadas em dados reais. Também foram feitas simulações para verificar suas performaces === Abstract: This work has the purpose to give a review of the Technics of prediction, from the insight of Linear Models. The first part contains the prediction of the random vector parameters in random and mixed models, and the prediction of the vector of fixed model when only the values of the independent variables are known. It is also presented the recursive estimation of the dinamic linear model, when the observation equation is a random or mixed model. The prediction or the dependent variable is obtained in a recursive way from this estimation. This result concludes the theorical part of this work. For purposes or il1ustration some of the technics mentioned above are applied in real data sets. Simulations are made in order to verify their performances === Mestrado === Mestre em Estatística