Estimação bayesiana em modelos de mistura de distribuições normais

Tavares, Juliana

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/4842

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Abanto Valle, Carlos	-
dc.contributor.author	Tavares, Juliana	-
dc.date.accessioned	2018-09-04T14:12:44Z	-
dc.date.available	2023-12-21T03:02:36Z	-
dc.date.issued	2015-01	-
dc.identifier.uri	http://hdl.handle.net/11422/4842	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Inferência Bayesiana	pt_BR
dc.subject	Estimação paramétrica	pt_BR
dc.title	Estimação bayesiana em modelos de mistura de distribuições normais	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorCo1	Alves, Mariane Branco	-
dc.contributor.referee1	Landim, Flávia Maria Pinto Ferreira	-
dc.contributor.referee2	Fonseca, Thaís Cristina Oliveira da	-
dc.description.resumo	Misturas de distribuições são usualmente utilizadas para modelagem de dados em que as observações podem ser provenientes de diferentes grupos populacionais. Desta forma, através de uma mistura de k densidades Normais com médias e variâncias distintas, assumindo-se que o valor k é conhecido, objetivou-se modelar a variável sinistro agregado, presente em um banco de dados constituído por 1.500 pagamentos de indenizações referentes ao Seguro de Responsabilidade Civil Geral americano em dólar. A teoria que norteou o presente estudo foi a teoria Bayesiana, e, através dela, pôde-se utilizar como ferramenta de estimação estatística dos parâmetros, o Amostrador de Gibbs, que consiste, basicamente, em uma simulação estocástica via Cadeias de Markov usualmente aplicada quando a variável de interesse apresenta uma estrutura complexa ou quando trabalha-se com problemas que têm muitas dimensões. Ao longo deste estudo encontram-se: um pequeno resumo da teoria de mistura de distribuições e a questão da identificabilidade de misturas de distribuições; os principais conceitos, definições e metodologias necessárias para a estimação do conjunto de parâmetros; a teoria da Inferência Bayesiana; simulação estocásticas via Cadeias de Markov; e o método de Monte Carlo via Cadeias de Markov. Conclui-se com algumas sugestões para pesquisas futuras.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Instituto de Matemática	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::OUTROS::CIENCIAS ATUARIAIS	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Ciências Atuariais

Files in This Item:

File	Description	Size	Format
Monografia Juliana Tavares Ciências Atuariais fev-2015-min.pdf		796.81 kB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository