Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/259130
Type: TESE DIGITAL
Title: Contribuição para seleção de modelos no espaço de estado utilizando critério de informação
Title Alternative: Contribution to model selection in the state space using information criterion
Author: López Vargas, Jean Pierre Brik, 1988-
Advisor: Barreto, Gilmar, 1958-
Abstract: Resumo: A seleção de modelos matemáticos é importante e de interesse para estudar diversas áreas do conhecimento. Na área de controle, uma forma de representar os dados de um sistema observado é a modelagem no espaço de estado, embora na literatura encontrada dos critérios neste tipo de modelagem foram poucas. O objetivo desta seleção é conhecer a qualidade estatística do conjunto de modelos propostos para representar o sistema real. A partir dos estudos que se propõe no Akaike Information Criterion (AIC), pode-se desenvolver outros critérios conhecidos como a Bayesian Information Criterion (BIC), Schwarz Information Criterion (SIC) e Hannan e Quinn (HQ). Nos trabalhos de J. Cavanaught decorrentes da sua tese de doutorado, ele estudou a modelagem no espaço de estado usando diferentes critérios de informação. Este trabalho mostra como usar o AIC através do Método de Máxima Verossimilhança para estimar parâmetros, e, em seguida usar a função de log-verossimilhança para calcular o AIC ótimo. Esta ultima função utiliza inovações e covariâncias que são saídas do Filtro de Kalman do modelo no espaço de estado. O desenvolvimento do AIC ótimo para avaliar o melhor modelo matemático modelado no espaço de estado é um dos objetivos desta tese, o qual será ilustrado através de um exemplo didático. Os métodos AIC, BIC, SIC e HQ, e o desenvolvido por J. Cavanaugh utilizaram dados de um sistema invariante no tempo

Abstract: The selection of mathematical models is important and of interest to study various areas of knowledge. In the control area, a way to represent data of an observed system is in the state space modeling, although in the literature found on this type of modeling criteria is insufficient. The purpose of this selection is to know the statistical quality of the set of proposed models to represent the real system. From the study proposed by the Akaike Information Criterion (AIC), we can develop other criteria known as the Bayesian Information Criterion (BIC), Schwarz Information Criterion (SIC) and Hannan and Quinn (HQ). In the work of J. Cavanaught arising from his doctoral thesis, he studied modeling in state space using different information criteria. In this thesis we show how to use the AIC through the maximum likelihood method to estimate parameters, and then we will use the loglikelihood function to calculate the optimal AIC. This last function uses innovations and covariance, which are Kalman filter outputs in state space model. The development of optimal AIC to evaluate the best model in state space is one of the goals of this thesis, which will be illustrated through a didactic example. The AIC, BIC, SIC, HQ methods, and the method developed by J. Cavanaugh used data from a time-invariant system
Subject: Critério de informação de Akaike
Estimador de máxima verossimilhança
Kalman, Filtragem de
Modelos matemáticos
Editor: [s.n.]
Date Issue: 2016
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
LopezVargas_JeanPierreBrik_M.pdf901.24 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.