• Estatística Avançada
  • Prefácio
  • 1 Introdução
    • 1.1 Leitura recomendada
    • 1.2 R
      • 1.2.1 Pacotes
      • 1.2.2 Funções
      • 1.2.3 Limites
    • 1.3 Python
      • 1.3.1 Pacotes
  • 2 Funções Especiais
    • 2.1 Funções de variáveis aleatórias
    • 2.2 Função Geratriz de Momentos
    • 2.3 Função Característica
  • 3 Elementos de Álgebra Linear
    • 3.1 Objetos
      • 3.1.1 Escalar
      • 3.1.2 Vetor coluna
      • 3.1.3 Vetor linha
      • 3.1.4 Matriz
      • 3.1.5 Matriz identidade (de ordem \(n\))
      • 3.1.6 Matriz diagonal
      • 3.1.7 Matrizes triangulares
      • 3.1.8 Matriz simétrica
      • 3.1.9 Matriz definida
      • 3.1.10 Matriz diagonalizável
    • 3.2 Operações
      • 3.2.1 Expansão (\(|c|>1\)) ou contração (\(0<|c|<1\)) de um vetor
      • 3.2.2 Expansão (\(|c|>1\)) ou contração (\(0<|c|<1\)) de uma matriz
      • 3.2.3 Soma de vetores
      • 3.2.4 Soma de matrizes
      • 3.2.5 Transposta de uma matriz
      • 3.2.6 Traço de uma matriz (quadrada)
      • 3.2.7 Multiplicação de vetores
      • 3.2.8 Multiplicação de matrizes
      • 3.2.9 Produto de matrizes termo a termo (produto de Hadamard ou de Schur)
      • 3.2.10 Produto escalar ou produto interno
      • 3.2.11 Norma de um vetor
      • 3.2.12 Ângulo entre dois vetores
      • 3.2.13 Dependência linear
      • 3.2.14 Determinante de uma matriz (quadrada)
      • 3.2.15 Inversa de uma matriz (quadrada)
      • 3.2.16 Autovalores e autovetores
  • 4 Variáveis Aleatórias Multidimensionais
    • 4.1 Vetores e matrizes aleatórios
      • 4.1.1 Vetor de médias
      • 4.1.2 Matriz de variâncias e covariâncias
      • 4.1.3 Matriz de desvios padrão
      • 4.1.4 Matriz de correlação
      • 4.1.5 Propriedades
      • 4.1.6 Medidas-resumo
    • 4.2 Gráficos multivariados
      • 4.2.1 Matriz de dispersão
      • 4.2.2 Correlograma
      • 4.2.3 Boxplot bivariado (bagplot)
      • 4.2.4 Gráfico qui
      • 4.2.5 Phoenixmap
      • 4.2.6 The Grand Tour
    • 4.3 Distribuições marginais
      • 4.3.1 Discreta
      • 4.3.2 Contínua
    • 4.4 Distribuições condicionais
      • 4.4.1 Discreta
      • 4.4.2 Contínua
    • 4.5 Independência
  • 5 Simulação
    • 5.1 Monte Carlo
      • 5.1.1 Geração de variáveis aleatórias discretas
      • 5.1.2 Método da Transformação Inversa
      • 5.1.3 Amostragem com rejeição
    • 5.2 MCMC
      • 5.2.1 Cadeias de Markov
      • 5.2.2 Metropolis-Hastings
    • 5.3 Inferência variacional
      • 5.3.1 Entropia
      • 5.3.2 Entropia diferencial
      • 5.3.3 Divergência de Kullback–Leibler
      • 5.3.4 ELBO (Evidence Lower BOund)
      • 5.3.5 Para saber mais
    • 5.4 Bootstrap
  • 6 Distribuições especiais
    • 6.1 Normal
      • 6.1.1 Normal univariada \(\cdot \; \mathcal{N}(\mu,\sigma)\)
      • 6.1.2 Normal bivariada \(\cdot \; \mathcal{NB}(\mu_1,\mu_2,\sigma_1,\sigma_2,\rho)\)
      • 6.1.3 Normal multivariada \(\cdot \; \mathcal{NM}(\boldsymbol{\mu},\Sigma)\)
      • 6.1.4 Para saber mais
    • 6.2 \(t\) de Student
      • 6.2.1 \(t\) univariada \(\cdot \; \mathcal{t_\nu}\)
      • 6.2.2 \(t\) multivariada \(\cdot \; \mathcal{t_\nu}(\boldsymbol{\mu},\Sigma)\)
    • 6.3 Qui-quadrado
      • 6.3.1 Qui-quadrado univariada \(\cdot \; \chi^2_\nu\)
      • 6.3.2 Qui-quadrado bivariada
      • 6.3.3 Qui-quadrado multivariada (Jensen)
      • 6.3.4 Qui-quadrado multivariada não centralizada
    • 6.4 Fisher-Snedecor
      • 6.4.1 F univariada
      • 6.4.2 F multivariada
    • 6.5 … para dados de contagem
      • 6.5.1 Binomial \(\cdot\) \(\mathcal{B}(n,p)\)
      • 6.5.2 Multinomial \(\cdot\) \(\mathcal{M}(n,p_1,\ldots,p_k)\)
      • 6.5.3 Poisson \(\cdot \; \mathcal{P}(\lambda)\)
      • 6.5.4 Poisson bivariada
      • 6.5.5 Hipergeométrica \(\cdot \; \mathcal{H}(N,R,n)\)
      • 6.5.6 Hipergeométrica multivariada \(\cdot \; \mathcal{HM}(N,R_1,\ldots,R_k,n)\)
    • 6.6 … para proporções
      • 6.6.1 Beta \(\cdot\) \(Beta(\alpha,\beta)\)
      • 6.6.2 Dirichlet \(\cdot\) \(Dir(\alpha_1,\ldots,\alpha_k)\)
    • 6.7 … para dispersão e precisão
      • 6.7.1 Gama
      • 6.7.2 Gama inversa
      • 6.7.3 Qui-quadrado inversa padronizada
      • 6.7.4 Normal-Gama
      • 6.7.5 Wishart
      • 6.7.6 Wishart inversa
      • 6.7.7 Normal-Wishart
      • 6.7.8 Normal-Inversa-Wishart
  • 7 Inferência Clássica Multivariada
    • 7.1 Teste para um vetor média
      • 7.1.1 Caso univariado, \(p=1\)
      • 7.1.2 Caso multivariado, \(p>1\)
    • 7.2 Testes para matrizes de covariância
      • 7.2.1 Pacote CovTools
      • 7.2.2 Pacote covTestR
      • 7.2.3 Pacote covTestR
      • 7.2.4 Visualizando testes
    • 7.3 Regiões de Confiança
    • 7.4 MANOVA (Multivariate ANalysis Of VAriance)
      • 7.4.1 Estatísticas de teste
  • 8 Inferência Bayesiana Multivariada
    • 8.1 Testes para matrizes de covariância
    • 8.2 Dirichlet conjugada da multinomial
      • 8.2.1 Onde pode ser usado
  • 9 Redução de dimensionalidade
    • 9.1 Análise de Componentes Principais
      • 9.1.1 Via matriz de covariâncias \(S\)
      • 9.1.2 Via matriz de correlação \(R\)
      • 9.1.3 Proporção da variância explicada
    • 9.2 Análise de Correlação Canônica
      • 9.2.1 stats::cancor
      • 9.2.2 CCA::cc
      • 9.2.3 CCP
    • 9.3 Decomposição em Valores Singulares
    • 9.4 Perseguição da Projeção
    • 9.5 Principal loading analysis
    • 9.6 Análise Fatorial
      • 9.6.1 Análise Fatorial Exploratória (EFA)
      • 9.6.2 Análise Fatorial Confirmatória (CFA)
    • 9.7 Análise de Correspondências Múltiplas (MCA)
      • 9.7.1 MASS::mca
      • 9.7.2 FactoMineR::MCA
      • 9.7.3 Visualizando
  • 10 Modelos
    • 10.1 Técnicas
    • 10.2 Conjuntos de dados
      • 10.2.1 Air quality (Qualidade do ar)
      • 10.2.2 Cars (Carros)
      • 10.2.3 Iris (Lírio)
    • 10.3 Formulações
    • 10.4 Métricas de desempenho
      • 10.4.1 Classificação
      • 10.4.2 Regressão
    • 10.5 Critérios de informação
      • 10.5.1 AIC
      • 10.5.2 AICc
      • 10.5.3 BIC
      • 10.5.4 HQC
    • 10.6 Regressão Linear
      • 10.6.1 Clássico
      • 10.6.2 Bayesiano
      • 10.6.3 Multicolinearidade
    • 10.7 Regressão logística
      • 10.7.1 Variáveis binárias/dicotômicas
      • 10.7.2 Regressão logística binomial
      • 10.7.3 Regressão logística multinomial
    • 10.8 Regressão de Poisson
      • 10.8.1 Clássica
      • 10.8.2 Bayesiana
    • 10.9 Análise Discriminante
      • 10.9.1 Análise Discriminante Linear (LDA)
      • 10.9.2 Análise Discriminante Quadrática (QDA)
      • 10.9.3 Análise Discriminante Mista (MDA)
      • 10.9.4 Análise Discriminante Flexível (FDA)
    • 10.10 Árvores de Classificação e Regressão (CART)
      • 10.10.1 rpart
      • 10.10.2 tree
      • 10.10.3 data.tree
      • 10.10.4 RWeka
      • 10.10.5 C4.5 e C5.0
    • 10.11 Boosting
      • 10.11.1 Teorema do júri de Condorcet
      • 10.11.2 Bagging
      • 10.11.3 AdaBoost
      • 10.11.4 XGBoost
    • 10.12 Florestas Aleatórias (RF)
    • 10.13 Funções Discriminantes Lineares
    • 10.14 Redes Neurais Artificiais
      • 10.14.1 Funções de ativação
      • 10.14.2 Backpropagation
      • 10.14.3 neuralnet
      • 10.14.4 Keras e TensorFlow
    • 10.15 Máquinas de Vetor de Suporte (SVM)
    • 10.16 Bayes ingênuo
    • 10.17 Redes Bayesianas
      • 10.17.1 Definições
      • 10.17.2 Pacotes
    • 10.18 Árvores de Regressão Aditivas Bayesianas (BART)
    • 10.19 Detecção de anomalias
  • 11 Técnicas de Agrupamento
    • 11.1 Medidas de similaridade e dissimilaridade
      • 11.1.1 Distância de Manhattan
      • 11.1.2 Distância euclidiana
      • 11.1.3 Distância de Minkowski
    • 11.2 Métodos hierárquicos
      • 11.2.1 Função stats::hclust
      • 11.2.2 Biblioteca factoextra
      • 11.2.3 Para saber mais
    • 11.3 Métodos não hierárquicos (de particionamento)
      • 11.3.1 K-médias
      • 11.3.2 K-medianas
      • 11.3.3 K-medóides
      • 11.3.4 k-modas
      • 11.3.5 ROCK
    • 11.4 Exercícios
      • 11.4.1 Fuzzy C-Means
  • 12 Séries Temporais
    • 12.1 Fundamentos sobre previsão
      • 12.1.1 O que pode ser previsto
      • 12.1.2 Os passos básicos da previsão
      • 12.1.3 A perspectiva estatística da previsão
    • 12.2 Infraestrutura
      • 12.2.1 R
      • 12.2.2 Python
      • 12.2.3 Julia
    • 12.3 Dados
      • 12.3.1 Pacote tsdl
      • 12.3.2 h02
      • 12.3.3 ANA - Agência Nacional de Águas e Saneamento Básico
      • 12.3.4 IPv6 - Protocolo de Internet versão 6
      • 12.3.5 Área da saúde
    • 12.4 Números Índice
    • 12.5 Intervalos de tempo regulares e irregulares
      • 12.5.1 ts - Time Series
      • 12.5.2 zoo - Z’s Ordered Observations
      • 12.5.3 xts - eXtensible Time Series
      • 12.5.4 tsibble - Tidy Temporal Data Frames and Tools
    • 12.6 Gráficos de séries temporais
      • 12.6.1 ts
      • 12.6.2 zoo
      • 12.6.3 xts
      • 12.6.4 tsibble
      • 12.6.5 TSstudio
      • 12.6.6 Gráficos sazonais
    • 12.7 Tratamento de séries temporais
      • 12.7.1 Estatísticas móveis
      • 12.7.2 Decomposição
      • 12.7.3 Diferenças
      • 12.7.4 Suavizadores de Tukey
      • 12.7.5 Filtro de Kalman
      • 12.7.6 Outros filtros
      • 12.7.7 Valores faltantes e imputação
      • 12.7.8 Detecção de outliers
    • 12.8 Covariâncias e correlações
      • 12.8.1 Definições
      • 12.8.2 Lags
      • 12.8.3 Autocovariância
      • 12.8.4 Autocorrelação
      • 12.8.5 Autocorrelação parcial
      • 12.8.6 Covariância e correlação cruzadas
      • 12.8.7 Periodograma
    • 12.9 Testes
      • 12.9.1 Testes de independência
      • 12.9.2 Estacionariedade e raízes unitárias
      • 12.9.3 Cointegração
      • 12.9.4 Testes de quebra estrutural
      • 12.9.5 Outros testes
    • 12.10 Modelos ARMA
      • 12.10.1 ARIMA
      • 12.10.2 SARIMA
      • 12.10.3 ARMAX
      • 12.10.4 ARIMAX
      • 12.10.5 SARIMAX
      • 12.10.6 ARFIMA
    • 12.11 Prophet
    • 12.12 Suavização exponencial
      • 12.12.1 Simples (primeira ordem)
      • 12.12.2 Com tendência (segunda ordem)
      • 12.12.3 Com tendência e sazonalidade (terceira ordem)
      • 12.12.4 Via espaço de estados (ETS)
      • 12.12.5 BATS
      • 12.12.6 TBATS
      • 12.12.7 Para saber mais
    • 12.13 Rede neural autorregressiva
    • 12.14 LSTM (Long Short-Term Memory)
    • 12.15 Modelos ARCH
      • ARCH - Autoregressive Conditional Heteroscedasticity
      • GARCH - Generalized Autoregressive Conditional Heteroscedasticity
    • 12.16 Análise no domínio da frequência
      • 12.16.1 Estimação de densidade espectral
      • 12.16.2 Ondaletas (Wavelets)
      • 12.16.3 Regressão harmônica
      • 12.16.4 Modelos ARDL (autoregressivos de defasagem distribuída)
    • 12.17 Séries temporais não lineares
      • 12.17.1 Autorregressão não linear
      • 12.17.2 Testes de não linearidade
    • 12.18 Entropia
      • 12.18.1 Entropia de Shanon
      • 12.18.2 Entropia de Rényi
      • 12.18.3 Medindo fluxos de informação
    • 12.19 Modelos de regressão dinâmicos
    • 12.20 Vetor autorregressivo (VAR)
      • 12.20.1 Teste de causalidade de Granger
      • 12.20.2 VARMA, VARX e outras variantes
    • 12.21 Séries temporais hierárquicas
    • 12.22 Redução de dimensionalidade em séries temporais
    • 12.23 Big data time series
    • 12.24 Correção de erro
    • 12.25 Fator dinâmico
    • 12.26 Exponenciais de espaço de estado (KFAS)
    • 12.27 GLARMA multivariados esparsos de alta dimensão
    • 12.28 Para saber mais
  • 13 Análise de Sobrevivência
  • 14 Sugestões de resolução
    • Capítulo 5
    • Capítulo 6
    • Capítulo 9
    • Capítulo 10
    • Capítulo 12
  • 15 Referências
  • Published with bookdown

Estatística Avançada

12.21 Séries temporais hierárquicas

https://robjhyndman.com/talks/hts.pdf https://robjhyndman.com/talks/USA-Oct-2015.pdf