Estimação de máxima verossimilhança em processos AR(p) - Sα (0; γ; 0)

Abstract

Em análise de séries temporais, utilizam-se ferramentas estatísticas de modelagem para descrever características de um processo gerador de séries, tais como estimação de seus parâmetros e identificação de sua ordem. Discutimos técnicas de estimação e identificação da ordem de séries temporais autorregressivas com erros normalmente distribuídos e ampliamos para o caso de inovações α-estáveis. Simulações de Monte Carlo apresentam o comportamento dos estimadores.

In time series analysis, statistical modeling tools are used to describe the process of generating series, the performance of estimated parameters and to identify the model order. We discussed techniques for estimating and identifying the order of autoregressive time series with normally distributed errors and we extended to the α-stable innovations case. Monte Carlo simulations show the behavior of estimators.