Inferência estocástica e modelos de mistura de distribuições
AUTOR(ES)
Regis Nunes Vargas
FONTE
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia
DATA DE PUBLICAÇÃO
2011
RESUMO
Neste trabalho apresentamos os resultados de consistência e normalidade assintótica para o estimador de máxima verossimilhança de uma Cadeia de Markov ergódica. Além disso apresentaremos os Modelos de Mistura de Distribuição Independente e um dos casos de Modelos de Mistura Dependente: os Modelos Ocultos de Markov. Estimaremos os parâmetros destes modelos a partir do método da máxima verossimilhança e abordaremos o critério de seleção através do cálculo do AIC e BIC.
ASSUNTO(S)
normalidade assintotica modelos estocasticos cadeias de markov software : estatistica inferencia
ACESSO AO ARTIGO
http://hdl.handle.net/10183/55330Documentos Relacionados
- Inferência em famílias estendidas de distribuições normais
- Inferencia e diagnostico em modelos de Grubbs
- Multi-look polarimetric SAR image segmentation using mixture models
- Inferência em modelos heterocedásticos
- Inferencia e indicadores de viabilidade para modelos estocasticos de crescimento de populações