• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Disertación de Maestría
DOI
https://doi.org/10.11606/D.104.2020.tde-10062020-104710
Documento
Autor
Nombre completo
Gustavo Alexis Sabillón Lee
Dirección Electrónica
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Carlos, 2020
Director
Tribunal
Zuanetti, Daiane Aparecida (Presidente)
Ferreira, Ricardo Felipe
Saraiva, Erlandson Ferreira
Título en portugués
Algoritmos de estimação para modelos Markovianos não-homogêneos
Palabras clave en portugués
Cadeia de Markov
Estados ocultos
Matriz de transição
Modelo Markoviano oculto
Resumen en portugués
Os modelos Markovianos ocultos são um paradigma estatístico que podem ser utilizados para modelar processos estocásticos onde valores observáveis dependem diretamente de uma sequência de variáveis aleatórias não observáveis. No modelo Markoviano oculto o sistema que está sendo modelado é considerado um processo de Markov com estados não observáveis (isto é, ocultos) e em cada estado oculto temos a emissão de um valor observável. Os modelos Markovianos ocultos podem ser homogêneos ou não-homogêneos. O foco principal deste trabalho, serão os modelos Markovianos não-homogêneos. Neste trabalho, apresentamos alguns procedimentos de estimação utilizados com modelos Markovianos. A estimação dos parâmetros é realizada sob abordagem Bayesiana e frequentista, fazendo uma comparação da performance dos mesmos usando algumas métricas como o erro quadrático médio e o viés dos estimadores. As comparações dos modelos são desenvolvidas utilizando diferentes critérios para comparação de modelos como o Bayes Information Criterion e o Deviance Information Criteria.
Título en inglés
Estimation algorithms for non-homogeneous Markov models
Palabras clave en inglés
Hidden Markov model
Hidden states
Markov chain
Transition matrix
Resumen en inglés
Hidden Markov models are a statistical paradigm which can be used to mode stochastic processes where the observable values are directly dependent on a sequence of hidden random variables. In the context of the hidden Markov model, the system being modeled is considered a Markov process with non-observable hidden states, and for each hidden state we have the emission of an observable value. Hidden Markov models can be homogeneous or non-homogeneous. In this investigation, we present estimation procedures used with Markov models. Parameters estimation is done under Bayesian and frequentist perspectives, comparing the performance of these methods using metrics such as mean squared error and bias. Model comparison is done using criteria such as the Bayes Information Criterion and the Deviance Information Criterion.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2020-06-10
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2021. Todos los derechos reservados.