Use este identificador para citar ou linkar para este item: http://dspace.bc.uepb.edu.br/jspui/handle/123456789/15710
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorSantos, Benedito Vicente dos-
dc.date.accessioned2018-03-13T14:54:13Z-
dc.date.available2018-03-13T14:54:13Z-
dc.date.issued2017-12-01-
dc.identifier.otherCDD 519.54-
dc.identifier.urihttp://dspace.bc.uepb.edu.br/jspui/handle/123456789/15710-
dc.descriptionSANTOS, B. V. dos. Tópicos avançados de processos markovianos e aplicações. 2017. 54f. Trabalho de Conclusão de Curso (Graduação em Estatística)- Universidade Estadual da Paraíba, Campina Grande, 2017.pt_BR
dc.description.abstractO objetivo deste trabalho foi estudar alguns aspectos dos Processos Markovianos de forma mais aprofundada do que aquela que é vista em geral em um curso de graduação. Um processo estocástico {X(t) : t ∈−T} é uma coleção de variáveis aleatórias, isto é, para cada t ∈T , X(t) é uma variável aleatória. O conjunto T é chamado conjunto de índices e o conjunto de todos os valores que as variáveis X(t) pode assumir é chamado espaço de estados do processo estocástico. Frequentemente, o índice t é interpretado como tempo t e por isso nos referimos a X(t) como o estado do processo no tempo t. Daí, uma maneira alternativa de se definir um processo estocástico é: um processo estocástico é uma família de variáveis aleatórias que descreve a evolução de algum processo físico através do tempo. Um aspecto importante nas situações práticas é o conhecimento sobre a estrutura de dependência que há entre as variáveis. O caso mais considerado é aquele em que as variáveis são independentes. Isso facilita bastante operações envolvendo a verossimilhança, no entanto, muitas vezes tal estrutura não é adequada. Aqui, o enfoque será naqueles casos em que se observa uma estrutura de dependência chamada de dependência de Markov. Um processo estocástico é dito ser markoviano se, uma vez que se conhece o estado atual do processo, os estados passados não influenciam o futuro. Essa é a definição mais comum de se encontrar na literatura e trata apenas daqueles casos em que a informação mais recente que se tem sobre o processo concentra “toda” informação que o passado tem para se conhecer o futuro. Mas essa definição pode ser mais geral, considerando que não apenas a informação mais recente, mas as k informações mais recentes influenciam no futuro do processo. Esses modelos tem notável importância e amplo uso teórico e prático. No final aplicou-se tal teoria em um conjunto de dados relacionado às altas e baixas da cotação do dólar no Brasil no começo deste ano.pt_BR
dc.description.sponsorshipOrientador: Divanilda Maia Estevespt_BR
dc.language.isootherpt_BR
dc.subjectProcessos estocásticospt_BR
dc.subjectProcessos markovianospt_BR
dc.subjectInferência estatísticapt_BR
dc.titleTópicos avançados de processos markovianos e aplicaçõespt_BR
dc.typeOtherpt_BR
Aparece nas coleções:09 - TCC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
PDF - Benedito Vicente dos Santos.pdfPDF - Benedito Vicente dos Santos10.57 MBAdobe PDFVisualizar/Abrir


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