Show simple item record

dc.contributor.advisorRamírez-Beltrán, Nazario D.
dc.contributor.authorQuispe-Vargas, Walter
dc.date.accessioned2019-04-15T15:50:42Z
dc.date.available2019-04-15T15:50:42Z
dc.date.issued2006
dc.identifier.urihttps://hdl.handle.net/handle/20.500.11801/1990
dc.description.abstractThe Sieve Bootstrap is a resampling method, designed to deal with autocorrelated data, specifically a sequence of information taken at equal time intervals. Formally, the Sieve Bootstrap approximates a linear process by a sequence of autoregressive processes of order p= p(n), where p(n)→∞, [p(n)/n]→0 as the sample size n→∞ for a time series that is n expressed by an autoregressive AR(p(n)) model, it should be noted that the bootstrap is constructed over the residuals. In this thesis, we apply the Sieve Bootstrap to the construction of prediction intervals of cloudiness time series on Caribbean, which were obtained from the data base of level D2-DATA of the International Satellite Cloud Climatology Project. Results obtained show that the Sieve Bootstrap method provides a better prediction interval coverage. However the Box Jenkins technique shows a significance reduction in the length of the prediction intervals.en_US
dc.description.abstractEl Sieve Bootstrap es un método de remuestreo diseñado especialmente para datos cuya cualidad es la dependencia entre sí, específicamente datos tomados a través del tiempo. Formalmente el Sieve Bootstrap aproxima un proceso lineal, mediante una sucesión de procesos autoregresivos de orden p = p(n) , donde p(n) → ∞ y [p(n)/n]→0 cuando el n tamaño de muestra n → ∞ , para una serie de tiempo, la cual se expresa mediante un modelo autorregresivo de orden p(n), AR(p(n)). Es conveniente notar que el remuestreo se realiza en los residuales. En este trabajo se presenta el Sieve Bootstrap, para la construcción de intervalos de predicción de series de tiempo de nubosidad en el Caribe, usando la base de datos de niveles D2-DATA, extraídos del International Satellite Cloud Climatology Project. Los resultados obtenidos muestran que el método Sieve Bootstrap provee una mejor cobertura en los intervalos de predicción. Sin embargo la técnica Box Jenkins muestra una reducción significativa en la amplitud de los intervalos de predicción.en_US
dc.language.isoSpanishen_US
dc.subjectSamplingen_US
dc.subjectCaribbeanen_US
dc.subjectWeatheren_US
dc.titleSieve bootstrap en series de tiempo de nubosidad en el caribeen_US
dc.typeThesisen_US
dc.rights.licenseAll rights reserveden_US
dc.rights.holder(c) 2006 Walter Quispe-Vargasen_US
dc.contributor.committeeSaito, Tokuji
dc.contributor.committeeAcuña-Fernández, Edgar
dc.contributor.representativeAponte-Avellanet, Nilda E.
thesis.degree.levelM.S.en_US
thesis.degree.disciplineMathematical Statisticsen_US
dc.contributor.collegeCollege of Arts and Sciences - Sciencesen_US
dc.contributor.departmentDepartment of Mathematicsen_US
dc.description.graduationYear2006en_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

  • Theses & Dissertations
    Items included under this collection are theses, dissertations, and project reports submitted as a requirement for completing a degree at UPR-Mayagüez.

Show simple item record

All rights reserved
Except where otherwise noted, this item's license is described as All Rights Reserved