Estimação paramétrica e não-paramétrica em modelos de markov ocultos

Medeiros, Francisco Moisés Cândido de

Estimação paramétrica e não-paramétrica em modelos de markov ocultos

Página do item simplificado Estatísticas

dc.contributor.advisor	Pereira, André Gustavo Campos	pt_BR
dc.contributor.advisorID		por
dc.contributor.advisorLattes	http://lattes.cnpq.br/7174877398310072	por
dc.contributor.author	Medeiros, Francisco Moisés Cândido de	pt_BR
dc.contributor.authorID		por
dc.contributor.authorLattes	http://lattes.cnpq.br/2662558366496381	por
dc.contributor.referees1	Dorea, Chang Chung Yu	pt_BR
dc.contributor.referees1ID		por
dc.contributor.referees1Lattes	http://lattes.cnpq.br/2872011997246923	por
dc.contributor.referees2	Souza, Francisco Antônio Morais de	pt_BR
dc.contributor.referees2ID		por
dc.contributor.referees2Lattes	http://lattes.cnpq.br/9477911972635606	por
dc.date.accessioned	2015-03-03T15:22:32Z
dc.date.available	2015-02-25	pt_BR
dc.date.available	2015-03-03T15:22:32Z
dc.date.issued	2010-02-10	pt_BR
dc.description.abstract	In this work we study the Hidden Markov Models with finite as well as general state space. In the finite case, the forward and backward algorithms are considered and the probability of a given observed sequence is computed. Next, we use the EM algorithm to estimate the model parameters. In the general case, the kernel estimators are used and to built a sequence of estimators that converge in L1-norm to the density function of the observable process	eng
dc.description.resumo	Neste trabalho estudamos os modelos de Markov ocultos tanto em espaço de estados finito quanto em espaço de estados geral. No caso discreto, estudamos os algoritmos para frente e para trás para determinar a probabilidade da sequência observada e, em seguida, estimamos os parâmetros do modelo via algoritmo EM. No caso geral, estudamos os estimadores do tipo núcleo e os utilizamos para conseguir uma sequência de estimadores que converge na norma L1 para a função densidade do processo observado	por
dc.description.sponsorship	Coordenação de Aperfeiçoamento de Pessoal de Nível Superior	pt_BR
dc.format	application/pdf	por
dc.identifier.citation	MEDEIROS, Francisco Moisés Cândido de. Estimação paramétrica e não-paramétrica em modelos de markov ocultos. 2010. 90 f. Dissertação (Mestrado em Probabilidade e Estatística; Modelagem Matemática) - Universidade Federal do Rio Grande do Norte, Natal, 2010.	por
dc.identifier.uri	https://repositorio.ufrn.br/jspui/handle/123456789/18630
dc.language	por	por
dc.publisher	Universidade Federal do Rio Grande do Norte	por
dc.publisher.country	BR	por
dc.publisher.department	Probabilidade e Estatística; Modelagem Matemática	por
dc.publisher.initials	UFRN	por
dc.publisher.program	Programa de Pós-Graduação em Matemática Aplicada e Estatística	por
dc.rights	Acesso Aberto	por
dc.subject	Cadeia de markov	por
dc.subject	Modelos de markov oculto	por
dc.subject	. Espaço de estados finito	por
dc.subject	Espaçco de estados geral	por
dc.subject	Markov chain	eng
dc.subject	Hidden markov models	eng
dc.subject	Finite state space	eng
dc.subject	General state space	eng
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA::MATEMATICA APLICADA	por
dc.title	Estimação paramétrica e não-paramétrica em modelos de markov ocultos	por
dc.type	masterThesis	por

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1

Nome:: FranciscoMCM.pdf
Tamanho:: 1.33 MB
Formato:: Adobe Portable Document Format

Baixar

Coleções

PPGMAE - Mestrado em Matemática Aplicada e Estatística

SIGAA

Estimação paramétrica e não-paramétrica em modelos de markov ocultos

Arquivos

Pacote Original

Coleções