Loading...
2 results
Search Results
Now showing 1 - 2 of 2
- Estudo de séries temporais na análise em componentes principais e na análise em componentes independentesPublication . Sebastião, Fernando; Oliveira, IreneAs séries temporais são constituídas por observações autocorrelacionadas e como tal não podem ser permutadas entre si, contudo a suposição em relação à independência entre observações não é necessária para aplicar as técnicas de Análise em Componentes Principais (ACI) do ponto de vista descritivo. A aplicação destas técnicas multivariadas a séries temporais permite realçar alguns resultados e interpretações que sugerem uma conexão com as inter-relações existentes entre as observações, pelo menos em termos empíricos. O objectivo deste trabalho é apresentar as técnicas de ACP e ACI, descrevendo com maior ênfase a ACI. Para além disso é apresentado um exemplo de dados metereológicos em séries temporais assim como os respectivos resultados que salientam as diferenças e semelhanças entre as duas técnicas em análise, nomeadamente ao nível dos domínios do tempo e da frequência, incluindo resultados para a qualidade das reconstruções dos dados originais para cada uma das técnicas.
- Técnicas multivariadas de redução de dados: comparação, aplicabilidade e convergência de resultadosPublication . Sebastião, Fernando; Oliveira, Irene; Cadima, JorgeÉ muito comum a análise de dados recorrendo a técnicas multivariadas, nomeadamente para séries temporais. As principais metodologias consagradas, descritas ao longo desta dissertação, são a Análise em Componentes Principais (ACP), a Análise em Componentes Independentes (ACI), a Análise Espectral Singular (SSA) e a Análise Espectral Singular Multicanal (MSSA). A ACI tem sido considerada mais adequada que a ACP na análise de séries temporais, principalmente quando se admite a não normalidade e se exige que as componentes a estimar sejam independentes. Neste sentido, como alternativa à MSSA, é proposta uma nova abordagem baseada na ACI aplicada à matriz dos desfasamentos, que é designada Lag-Análise em Componentes Independentes (LagACI). Tal abordagem é desenvolvida e suportada teoricamente pelos conceitos algébricos e algoritmos existentes das duas técnicas envolventes. São dados exemplos de aplicação, com especial relevância para dados climáticos. O principal objetivo da tese é interligar o novo método com os restantes métodos estatísticos multivariados referidos, para permitir avaliar as semelhanças e diferenças entre estes. Analisam-se diferentes abordagens em cada método e estudam-se as implicações da escolha da matriz informativa das estruturas subjacentes aos dados, tendo em conta se estes estão ou não sujeitos a algum tipo de pré-processamento, como por exemplo a centragem. São ainda considerados alguns indicadores comparativos de avaliação do desempenho de modelos para averiguar o grau de semelhança nos resultados transversais às técnicas em estudo. Considera-se que a nova abordagem representa uma contribuição para novos desenvolvimentos teóricos e aplicações no campo da análise de séries temporais.