Aplicação. Uma famosa consultoria foi contratada por uma empresa. que, entre outras coisas, gostaria de entender o processo
|
|
- Giuliana Tânia Espírito Santo Castel-Branco
- 5 Há anos
- Visualizações:
Transcrição
1 Aplicação Uma famosa consuloria foi conraada por uma empresa que, enre ouras coisas, gosaria de enender o processo gerador relacionado às vendas de deerminado produo, Ainda, o conraane gosaria que a empresa de consuloria gerasse uma esimaiva para as vendas do produo de ineresse para o próximo mês, levando em consideração oda a informação disponível aé a úlima daa observada.
2 Resolução A Figura, a seguir, apresena o gráfico de lina da série emporal de ineresse. Figura Gráfico de lina das vendas do produo, no período de jan/2002 a fev/203.
3 Resolução O consulor noou que a série parecia não apresenar variância esável ao longo do empo. Dessa maneira, ele resolveu rabalar com a série ransformada via logarimo naural. Figura 2 Gráfico de lina do ln(vendas do produo), no período de jan/2002 a fev/203.
4 Resolução Ainda, o consulor realizou um ese ADF, parindo da equação (7), uma vez que, da análise da Figura 2, o consulor não noou a necessidade de inclusão de um ermo deerminísico ligado à endência. Assim, avaliando os resulados do Quadro, noamos que não exisem evidências de que a série de ineresse apresene uma raiz uniária. Quadro Resulados do ese ADF para a série do ln(vendas do produo).
5 Resolução A Figura 3 apresena o correlograma da série. Figura 3 Correlograma da série ln(vendas do produo).
6 Resolução Como a FAC da série decai exponencialmene e a FACP é runcada no lag, enão o ideal seria propor um modelo AR() para a série emporal x. Ainda, pela Figura 2, podemos noar que a série não oscila em orno do valor zero. Dessa forma, deveríamos acrescenar uma consane ao modelo proposo. Assim, via sofware Eviews, cegamos ao seguine quadro:
7 Como diagnósico, foi gerado o correlograma dos resíduos, cujo padrão é apresenado na figura abaixo: Resolução Resulado: o erro do modelo proposo é um ruído branco!
8 Resolução Assim sendo, uilizando os resulados do quadro abaixo o modelo esimado fica escrio como ln x,65 0,647 lnx Agora precisamos aprender as ferramenas para gerar as previsões...
9 Previsão via Modelos ARIMA Aula 05 Enders (200, 2. ed.) Capíulo 2.9 Morein (20, 2. ed.) Seção 3.5 Morein e oloi, 2006 Capíulo 9
10 0 Considere que ~ ARIMA(p, d, q) dado por: em que Inrodução d p d p L L L L... ) ( 2 2 () ) ( 0 q q d p d p d p p d L L L L L )... ( ) ( ) ( q ql L L L... ) ( 2 2
11 Inrodução Aqui, o nosso ineresse será o de prever o valor de +, usando o modelo ARIMA, endo informações disponíveis aé o insane. Ou seja, gosaríamos de gerar conecimeno para a série emporal de ineresse, com origem no insane de empo (úlima observação coleada), passos à frene, =, 2, 3...
12 Inrodução Prova-se que a previsão de Erro Quadráico Médio Mínimo (EQMM) é dada pela esperança condicional de + dado o passado da série (, -,...). Ou seja o valor previso para +, =, 2, 3..., será gerado calculando-se E,,... (2)
13 em que Volando a (), não é difícil observar que + será dado por: (3) ) ( 0 q q d p d p Para a noação não ficar muio carregada, adoaremos a seguine simbologia: Inrodução E +,, =E + I I =,,.
14 Ainda, omando a esperança condicional dos dois lados da igualdade em (3), vem que Inrodução E + I = E α 0 + φ φ p+d + p+d + ε + θ ε + θ q ε + I Das propriedades da esperança, vem que E + I = α 0 + φ E + I + + φ p+d E + p+d I + +E ε + I θ E ε + I θ q E ε + q I
15 5 0 ), ( ˆ 0,,...), ( ) ( se se E a Para calcularmos as previsões usamos os faos: 0 0, 0,,...), ( ) ( se se E b e Inrodução
16 Exemplo 0 Supona que ~ AR(), dado por:. 0 Como =, 2,...,, não é difícil perceber que a equação anerior, para a úlima observação da série fica dada por. 0 Do resulado anerior vem que 0. 6
17 7 Assim, aplicando o operador esperança condicional na equação anerior, vem que:,...,,...,,..., 0 E E E Exemplo 0 (coninuação) Para =, emos,...,,...,,..., 0 E E E Da expressão anerior e uilizando os resulados do slide 5, cegamos a:. () ˆ 0
18 Para = 2, emos E Exemplo 0 (coninuação),,... E,,... E,, e, uilizando os resulados do slide 5, cegamos a: ˆ (2) ˆ 0 () Para = 3, emos E,,... E,,... E,, e, uilizando os resulados do slide 5, cegamos a: ˆ (3) ˆ 0 (2) 8
19 9 Exemplo 0 (coninuação) Não é difícil noar que, para 2, emos e, uilizando os resulados do slide 5, cegamos a:,...,,...,,..., 0 E E E ) ( ˆ ) ( ˆ 0
20 Erro de Previsão e Variância do Erro de Previsão O erro de previsão passos à frene é definido como e ( ) y yˆ ( ) Ainda, a variância do erro de previsão é dada por Var y 2 2 e ) 2 ( em que j são pesos conecidos como função de ransferência. 20
21 Erro de Previsão e Variância do Erro de Previsão Observação Como 2 cosuma ser desconecido, o subsiuímos por sua esimaiva, que pode ser obida, por exemplo, a parir da expressão σ ε 2 = SSR n p + q + 2
22 Inervalo de Confiança da previsão para + Caso você ena modelado a série de ineresse no nível, prova-se que o inervalo de confiança, com 00% de confiança, para +, é dado por ˆ ( ) z Var e ( ) / 2 ( ) z Var e ( ) / 2 ˆ
23 Exercício (Adapado da ANPEC2008 Q5) Supona que y y u em que u ~ 2 NID 0,. Sabe-se que = 35, = 3/5. Você é informado de que y 2 = 50. Deermine a melor previsão para y 4. Ainda, calcule a variância do erro de previsão e obena um inervalo com 95% de confiança. Para ano, admia que σ 2 = 2. 23
24 Exercício 2 Baseando-se nos resulados do Exercício e lembrando que y y u em que u ~ 2 NID 0,. com = 35, = 3/5 e σ 2 = 2, aualize a previsão para y 4, levando em consideração que y 3 =
25 Aualização das Previsões A aualização da previsão é dada pela seguine expressão: yˆ ( ) y ( ) ˆ ou seja, a previsão de y ++, feia no insane, pode ser aualizada quando um novo dado, y +, é observado. Dese modo, faremos a previsão de y ++, na origem +, adicionando-se à ˆ y ( ) um múliplo do erro y yˆ () 25
26 Volando ao Exercício 2 Baseando-se nos resulados do Exercício e lembrando que y y u em que u ~ 2 NID 0,. com = 35, = 3/5 e σ 2 = 2, aualize a previsão para y 4, levando em consideração que y 3 =
27 Exemplo 02 Supona o modelo MA(), 0, =, 2, 3,..., em que E = θ 0 ε ~RB 0, σ 2 Enconre as previsões para a série de ineresse, com origem em, num orizone =, 2, 3. Ainda, calcule o variância do erro de previsão associado.
28 28,...,,...,,..., 0 E E E Aplicando o operador esperança condicional, vem que Para =, emos e, uilizando os resulados do slide 5, cegamos a:. () ˆ 0,...,,...,,..., 0 E E E Observação: O valor de é calculado recursivamene. 0 Para obermos as previsões com origem em e orizone, escrevemos Exemplo 02 (coninuação)
29 Exemplo 02 (coninuação) Ainda, o erro de previsão um passo à frene é dado por e ( ) () ˆ e, porano, Var 2 (). e Já, para = 2, emos E,,... E,,... E,, e, uilizando os resulados do slide 5, cegamos a: ˆ (2) 0. 29
30 Exemplo 02 (coninuação) Aqui, o erro de previsão a dois passos é dado por e ˆ ( 2) 2 (2) 2 e, porano, Var 2 2 (2). e que é maior do que a variância do erro de previsão a um passo. 30
31 Exemplo 02 (coninuação) Vemos, porano, que para um processo MA(), a previsão a dois passos é igual à média do processo. De modo geral, para um MA(), ˆ ( ) 0 para 2. Já, para um modelo MA(q), a previsão ˆ ( ) será igual à média do processo após q-ésimo passo. 3
32 Exercício 3 Supona que o log-reorno de um aivo siga o modelo MA() r a a 0,2a, 0,025. Supona que a , a) Calcule as previsões a, 2 e 3 passos à frene, com origem em = 00. b) De (a), calcule os desvios padrões associados aos erros de previsões. 32
33 ransformações e Previsões Supona que y log e Para obermos as previsões para + basa calcularmos ˆ ( ) exp yˆ ( ) 0,5Var y e ( ) em que Var y e variância do erro de previsão de y. sob a suposição de que os coques sejam ruídos brancos gaussianos.
34 ransformações e Previsões Ainda, sob a suposição de que os coques do modelo são ruídos brancos gaussianos, calculamos a variância do erro de previsão para + via: Var expvar e ( ) e ) exp 2yˆ ( ) Var e ( ) ( y y em que Var y e variância do erro de previsão de y. 34
35 ransformações e Previsões Para o caso em que y log e prova-se que o inervalo de confiança, com 00% de confiança, para o valor de +, é dado por e yˆ ( ) z / 2 Var e ( ) yˆ ( ) z Var e ( ) y ; e y / 2 LEIA: Seção 9.6, ransformações e previsões, Morein e oloi (2006). pág. 232 a 234, do livro de
36 Volando à Aplicação Sabemos que o modelo esimado é dado por ln x,65 0,647 lnx Apenas para faciliar a análise, vamos adoar a seguine noação: y ln x Dessa forma, o modelo esimado ficará reescrio como y,65 0,647 y
37 Volando à Aplicação Sabemos que = 34 (observação realizada em fev/203). Assim, não é difícil perceber que a equação anerior, para a úlima observação da série ficará dada por y,65 0,647 y Ainda, do resulado anerior, somando passos, eremos que y,65 0,647y
38 Volando à Aplicação Aplicando o operador esperança condicional eremos E y,65 0,647Ey E Para =, emos E y,65 0,647Ey E Da expressão anerior e uilizando os resulados do slide 5, cegamos a: yˆ,65 0, 647y 38
39 Da base de dados, emos que Volando à Aplicação y 4,627 Porano, o valor previso para ln(vendas do produo) em março de 203, endo oda a informação disponível aé fev/203 será dado por ˆ y,65 0,647 4,627 4, 609 odavia o nosso ineresse esá em prever as vendas. Assim sendo, precisaremos buscar resulados eóricos visos nos slides 33 e
40 Volando à Aplicação A seguir emos um resumo esaísico dos resíduos associados ao modelo de ineresse: Não é difícil observar que a série de erros pode ser considerada, via análise de resíduos, um ruído branco gaussiano (ese JB). 40
41 Volando à Aplicação Baseando-se no resulado apresenado no slide anerior, associado ao resulado descrio no slide 33, emos que yˆ () exp xˆ () 0,5Var x e () Ainda, como ˆ x 4, 609 e Var x e 0, Dessa forma, ˆ y () exp 4,609 0,50, , 82 4
42 Observação Na práica, como usamos o modelo esimado para fazer as previsões, é usual esconder algumas observações e, após fazer as previsões com a informação disponível, gerar as seguines esaísicas: RMSE H 2 e H ( ) MAE H e ( ) H MAPE H e ( ) H que são basane úeis na escola do modelo final.
43 Observação 2 No Eviews: a) Previsão Dinâmica previsão com origem fixa (exrapolação); b) Previsão Esáica previsão feia incorporando +, +2,... (previsão um passo à frene ou aualização das previsões). Úil para acompanar (moniorar) as previsões. Na previsão em +2 roco o valor previso em + pelo valor efeivamene observado em +. 43
44 Aplicação Práica (Para o LAR) Escola alguma série emporal enre aquelas que poderiam ser escolidas no Problema Aplicado I, discuido em HEB I, e faça o que for pedido: (a) um ese de raiz uniária; (b) esimação de um modelo da classe ARIMA(p, d, q); (c) uma análise complea dos resíduos; (d) previsões para os dois próximos períodos, com origem na úlima observação considerada na esimação, além da consrução do IC, com 95% de confiança. Finalmene, apresene os resulados num gráfico de lina e comene.
45 Exercícios
46 Exercício 4 (ANPEC2006 Q5) Uma série emporal Y, =,..., foi gerada por um processo da classe ARIMA(p,d,q) e apresena os seguines formaos para a Função de Auocorrelação (FAC) e Função de Auocorrelação Parcial (FACP): Supondo que a média da série seja 00 e que Y -3 = 35, Y -2 = 28, Y - = 38 e Y = 30, calcule a previsão para Y + feia no insane E(Y + Y,Y -,Y -2,Y -3,...)., iso é
47 Exercício 5 Considerando que possa ser modelada pelo processo AR(), a seguir:. 0 calcule o erro de previsão e a variância associada ao erro de previsão, com origem em, para =, 2,
48 Exercício 6 (ANPEC2007 Q03) Considere o modelo auorregressivo de primeira ordem, AR(), definido por Y a by u em que a e b são parâmeros; e {u } é uma sequência de variáveis aleaórias independenes e igualmene disribuídas, com média nula e variância σ 2. 48
49 Exercício 6 (con.) Supona que b <. Sendo assim, a previsão n passos à frene para a variável Y convergirá para: (0) a. () a média de u. (2) a/(-b). (3) E(Y ). (4). Jusifique sua resposa. 49
Características dos Processos ARMA
Caracerísicas dos Processos ARMA Aula 0 Bueno, 0, Capíulos e 3 Enders, 009, Capíulo. a.6 Morein e Toloi, 006, Capíulo 5. Inrodução A expressão geral de uma série emporal, para o caso univariado, é dada
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Paricia Maria Borolon, D. Sc. Séries Temporais Fone: GUJARATI; D. N. Economeria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Processos Esocásicos É um conjuno de variáveis
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (v) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 2ª Época (V1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (V) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia maisCálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH
Cálculo do valor em risco dos aivos financeiros da Perobrás e da Vale via modelos ARMA-GARCH Bruno Dias de Casro 1 Thiago R. dos Sanos 23 1 Inrodução Os aivos financeiros das companhias Perobrás e Vale
Leia maisConceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia mais*UiILFRGH&RQWUROH(:0$
*UiILFRGH&RQWUROH(:$ A EWMA (de ([SRQHQWLDOO\:HLJKWHGRYLQJ$YHUDJH) é uma esaísica usada para vários fins: é largamene usada em méodos de esimação e previsão de séries emporais, e é uilizada em gráficos
Leia maisProf. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia maisModelos Lineares Não-Estacionários
Modelos Lineares Não-Esacionários Aula 04 Enders (2010, 3. ed.) Seções 4.5 a 4.7 Bueno (2011, 2. ed.) Capíulo 4 Morein (2011, 2. ed.) Capíulos 2, 3 e 4 MODELO ARIMA Bueno (2011, 2. ed.) Seções 4.1 a 4.4
Leia maisMódulo de Regressão e Séries S Temporais
Quem sou eu? Módulo de Regressão e Séries S Temporais Pare 4 Mônica Barros, D.Sc. Julho de 007 Mônica Barros Douora em Séries Temporais PUC-Rio Mesre em Esaísica Universiy of Texas a Ausin, EUA Bacharel
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL Ano lectivo 2015/16-1ª Época (V1) 18 de Janeiro de 2016
Nome: Aluno nº: Duração: h:30 m MESTRADO INTEGRADO EM ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL Ano lecivo 05/6 - ª Época (V) 8 de Janeiro de 06 I (7 valores) No quadro de dados seguine (Tabela
Leia maisSéries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial
Programa de Pós-graduação em Engenharia de Produção Análise de séries de empo: modelos de suavização exponencial Profa. Dra. Liane Werner Séries emporais A maioria dos méodos de previsão se baseiam na
Leia maisMÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA
MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesa abordagem paramérica, para esimar as funções básicas da análise de sobrevida, assume-se que o empo de falha T segue uma disribuição conhecida
Leia mais4 O modelo econométrico
4 O modelo economérico O objeivo desse capíulo é o de apresenar um modelo economérico para as variáveis financeiras que servem de enrada para o modelo esocásico de fluxo de caixa que será apresenado no
Leia maisGrupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísica II - Licenciaura em Gesão Época de Recurso 6//9 Pare práica (quesões resposa múlipla) (7.6 valores) Nome: Nº Espaço reservado para a classificação (não
Leia mais4 Filtro de Kalman. 4.1 Introdução
4 Filro de Kalman Ese capíulo raa da apresenação resumida do filro de Kalman. O filro de Kalman em sua origem na década de sessena, denro da área da engenharia elérica relacionado à eoria do conrole de
Leia mais3 Retorno, Marcação a Mercado e Estimadores de Volatilidade
eorno, Marcação a Mercado e Esimadores de Volailidade 3 3 eorno, Marcação a Mercado e Esimadores de Volailidade 3.. eorno de um Aivo Grande pare dos esudos envolve reorno ao invés de preços. Denre as principais
Leia mais5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t
5 Esudo de Casos Para a avaliação dos algorimos online/bach evolucionários proposos nese rabalho, foram desenvolvidas aplicações em problemas de filragem dos esados de um sisema não-linear unidimensional,
Leia maisUniversidade Federal do Rio de Janeiro
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL42 Coneúdo 8 - Inrodução aos Circuios Lineares e Invarianes...1 8.1 - Algumas definições e propriedades gerais...1 8.2 - Relação enre exciação
Leia maisExercícios sobre o Modelo Logístico Discreto
Exercícios sobre o Modelo Logísico Discreo 1. Faça uma abela e o gráfico do modelo logísico discreo descrio pela equação abaixo para = 0, 1,..., 10, N N = 1,3 N 1, N 0 = 1. 10 Solução. Usando o Excel,
Leia maisAplicações à Teoria da Confiabilidade
Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI
Leia maisEconometria Semestre
Economeria Semesre 00.0 6 6 CAPÍTULO ECONOMETRIA DE SÉRIES TEMPORAIS CONCEITOS BÁSICOS.. ALGUMAS SÉRIES TEMPORAIS BRASILEIRAS Nesa seção apresenamos algumas séries econômicas, semelhanes às exibidas por
Leia maisAntes de mais nada, é importante notar que isso nem sempre faz sentido do ponto de vista biológico.
O modelo malusiano para empo conínuo: uma inrodução não rigorosa ao cálculo A dinâmica de populações ambém pode ser modelada usando-se empo conínuo, o que é mais realisa para populações que se reproduzem
Leia mais3 Metodologia 3.1. O modelo
3 Meodologia 3.1. O modelo Um esudo de eveno em como obeivo avaliar quais os impacos de deerminados aconecimenos sobre aivos ou iniciaivas. Para isso são analisadas as diversas variáveis impacadas pelo
Leia mais3 Metodologia do Estudo 3.1. Tipo de Pesquisa
42 3 Meodologia do Esudo 3.1. Tipo de Pesquisa A pesquisa nese rabalho pode ser classificada de acordo com 3 visões diferenes. Sob o pono de visa de seus objeivos, sob o pono de visa de abordagem do problema
Leia maisLista de Exercícios #11 Assunto: Séries Temporais
. ANPEC 995 - Quesão 5 Lisa de Exercícios # Assuno: Séries Temporais Sea yi xi i ordinários (MQO) de e, respecivamene. Pode-se afirmar que: uma equação de regressão e seam a e b esimadores de mínimos quadrados
Leia mais4 Análise de Sensibilidade
4 Análise de Sensibilidade 4.1 Considerações Gerais Conforme viso no Capíulo 2, os algorimos uilizados nese rabalho necessiam das derivadas da função objeivo e das resrições em relação às variáveis de
Leia maisDEPARTAMENTO DE ESTATÍSTICA - UFSCar 6 a Lista de exercício de Teoria de Matrizes 28/06/2017
DEPARTAMENTO DE ESTATÍSTICA - UFSCar 6 a Lisa de exercício de Teoria de Marizes 8/06/017 1 Uma pesquisa foi realizada para se avaliar os preços dos imóveis na cidade de Milwaukee, Wisconsin 0 imóveis foram
Leia maisUniversidade Federal do Rio Grande do Sul Escola de Engenharia de Porto Alegre Departamento de Engenharia Elétrica ANÁLISE DE CIRCUITOS II - ENG04031
Universidade Federal do io Grande do Sul Escola de Engenharia de Poro Alegre Deparameno de Engenharia Elérica ANÁLISE DE CICUITOS II - ENG43 Aula 5 - Condições Iniciais e Finais de Carga e Descarga em
Leia maisCircuitos Elétricos I EEL420
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL420 Coneúdo 1 - Circuios de primeira ordem...1 1.1 - Equação diferencial ordinária de primeira ordem...1 1.1.1 - Caso linear, homogênea, com
Leia maisInstituto de Física USP. Física V - Aula 26. Professora: Mazé Bechara
Insiuo de Física USP Física V - Aula 6 Professora: Mazé Bechara Aula 6 Bases da Mecânica quânica e equações de Schroedinger. Aplicação e inerpreações. 1. Ouros posulados da inerpreação de Max-Born para
Leia maisModelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indústria de Óleos Vegetais
XI SIMPEP - Bauru, SP, Brasil, 8 a 1 de novembro de 24 Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indúsria de Óleos Vegeais Regiane Klidzio (URI) gep@urisan.che.br
Leia maisSéries de Tempo. José Fajardo. Agosto EBAPE- Fundação Getulio Vargas
Séries de Tempo Inrodução José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo . Por quê o esudo de séries de empo é imporane? Primeiro, porque muios dados econômicos e financeiros
Leia maisTabela: Variáveis reais e nominais
Capíulo 1 Soluções: Inrodução à Macroeconomia Exercício 12 (Variáveis reais e nominais) Na abela seguine enconram se os dados iniciais do exercício (colunas 1, 2, 3) bem como as soluções relaivas a odas
Leia mais3 Modelos de Markov Ocultos
23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável
Leia maisCapítulo 4. Propriedades dos Estimadores de Mínimos Quadrados
Capíulo 4 Propriedades dos Esimadores de Mínimos Quadrados Hipóeses do Modelo de Regressão Linear Simples RS1. y x e 1 RS. Ee ( ) 0 E( y ) 1 x RS3. RS4. var( e) var( y) cov( e, e ) cov( y, y ) 0 i j i
Leia maisFundamentos de Telecomunicações 2002/03
INSTITUTO SUPERIOR TÉCNICO Número: Fundamenos de Telecomunicações 22/3 EXAME Janeiro 25, 23 Duração: 2 minuos Nome: Preende conabilizar as noas dos eses? sim não Assinaura A resolução do exame é feia no
Leia maisEconometria de Séries Temporais Rogério Silva de Mattos, D.Sc.
Economeria de Séries Temporais Rogério Silva de Maos, D.Sc. UNIVERSIDADE FEDERAL DE JUIZ DE FORA (UFJF) FACULDADE DE ECONOMIA (FE) Economeria III O COMEÇO Box e Jenkins (1970) processos esocásicos nãoesacionários/inegrados
Leia maisDefinição 0.1. Define se a derivada direcional de f : R n R em um ponto X 0 na direção do vetor unitário u como sendo: df 0) = lim t 0 t (1)
Cálculo II - B profs.: Heloisa Bauzer Medeiros e Denise de Oliveira Pino 1 2 o semesre de 2017 Aulas 11/12 derivadas de ordem superior/regra da cadeia gradiene e derivada direcional Derivadas direcionais
Leia maisTipos de Processos Estocásticos
Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 7: Inrodução ao álculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável
Leia maisProf. Carlos H. C. Ribeiro ramal 5895 sala 106 IEC
MB770 Previsão usa ando modelos maemáicos Prof. Carlos H. C. Ribeiro carlos@comp.ia.br www.comp.ia.br/~carlos ramal 5895 sala 106 IEC Aula 14 Modelos de defasagem disribuída Modelos de auo-regressão Esacionariedade
Leia maisSeção 5: Equações Lineares de 1 a Ordem
Seção 5: Equações Lineares de 1 a Ordem Definição. Uma EDO de 1 a ordem é dia linear se for da forma y + fx y = gx. 1 A EDO linear de 1 a ordem é uma equação do 1 o grau em y e em y. Qualquer dependência
Leia maisONDAS ELETROMAGNÉTICAS
LTROMAGNTISMO II 3 ONDAS LTROMAGNÉTICAS A propagação de ondas eleromagnéicas ocorre quando um campo elérico variane no empo produ um campo magnéico ambém variane no empo, que por sua ve produ um campo
Leia mais3 O Modelo SAGA de Gestão de Estoques
3 O Modelo SG de Gesão de Esoques O Sisema SG, Sisema uomaizado de Gerência e poio, consise de um sofware conendo um modelo maemáico que permie fazer a previsão de iens no fuuro com base nos consumos regisrados
Leia maisCalcule a área e o perímetro da superfície S. Calcule o volume do tronco de cone indicado na figura 1.
1. (Unesp 017) Um cone circular reo de gerariz medindo 1 cm e raio da base medindo 4 cm foi seccionado por um plano paralelo à sua base, gerando um ronco de cone, como mosra a figura 1. A figura mosra
Leia mais2 Revisão Bibliográfica
Revisão Bibliográfica Ese capíulo apresena os principais conceios, abordagens e a formulação básica das meodologias que esão incluídas no modelo HPA. Conceios maemáicos e esaísicos mais dealhados podem
Leia maisTipos de Processos Estocásticos
Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 6: Inrodução ao Cálculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável
Leia maisTRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 18 LIVRO DO NILSON)
TRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 8 LIVRO DO NILSON). CONSIDERAÇÕES INICIAIS SÉRIES DE FOURIER: descrevem funções periódicas no domínio da freqüência (ampliude e fase). TRANSFORMADA DE FOURIER:
Leia maisPrevisão de consumos a curto prazo
Previsão de consumos a curo prazo Séries emporais Cláudio Moneiro Disribuição de Energia II 5º ano da LEEC - ramo de Energia (FEUP) Séries emporais Esa é a meodologia clássica mais popular para a previsão
Leia maisAplicação de Séries Temporais na Série Teor de Umidade da Areia de Fundição da Indústria FUNDIMISA*
XII SIMPEP, Bauru, SP, Brasil, 7 a 9 de novembro de 25 Aplicação de Séries Temporais na Série Teor de Umidade da Areia de Fundição da Indúsria FUNDIMISA* Suzana Russo (URI - UALG) jss@urisan.che.br Paulo
Leia maisEscola Secundária da Sé-Lamego Ficha de Trabalho de Matemática Ano Lectivo de 2003/04 Funções exponencial e logarítmica
Escola Secundária da Sé-Lamego Ficha de Trabalho de Maemáica Ano Lecivo de 003/04 Funções eponencial e logarímica - º Ano Nome: Nº: Turma: 4 A função P( ) = 500, 0, é usada para deerminar o valor de um
Leia maisCINÉTICA QUÍMICA LEI DE VELOCIDADE - TEORIA
CINÉTICA QUÍMICA LEI DE VELOCIDADE - TEORIA Inrodução Ese arigo raa de um dos assunos mais recorrenes nas provas do IME e do ITA nos úlimos anos, que é a Cinéica Química. Aqui raamos principalmene dos
Leia maisAPOSTILA DE MODELOS LINEARES EM SÉRIES TEMPORAIS
UNIVERSIDADE FEDERAL DE MINAS GERAIS - UFMG INSIUO DE CIÊNCIAS EXAAS ICEx DEPARAMENO DE ESAÍSICA ES APOSILA DE MODELOS LINEARES EM SÉRIES EMPORAIS Glaura da Conceição Franco (ES/UFMG) Belo Horizone, agoso
Leia maisIV. METODOLOGIA ECONOMÉTRICA PROPOSTA PARA O CAPM CONDICIONAL A Função Máxima Verosimilhança e o Algoritmo de Berndt, Hall, Hall e Hausman
IV. MEODOLOGIA ECONOMÉRICA PROPOSA PARA O CAPM CONDICIONAL 4.1. A Função Máxima Verosimilhança e o Algorimo de Bernd, Hall, Hall e Hausman A esimação simulânea do CAPM Condicional com os segundos momenos
Leia maisComportamento Assimptótico dos Mínimos Quadrados Questão: Será que a estimativa de mínimos quadrados converge para o valor verdadeiro dos parâmetros?
Conrolo por Compuador 3-Idenificação J. Miranda Lemos IST-DEEC Área Cienífica de Sisemas, Decisão e Conrolo 05 Comporameno Assimpóico dos Mínimos Quadrados Quesão: Será que a esimaiva de mínimos quadrados
Leia mais4 Método de geração de cenários em árvore
Méodo de geração de cenários em árvore 4 4 Méodo de geração de cenários em árvore 4.. Conceios básicos Uma das aividades mais comuns no mercado financeiro é considerar os possíveis esados fuuros da economia.
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Deparameno de Esaísica Prof. Daniel Furado Ferreira 11 a Teoria da Decisão Esaísica 1) Quais são os erros envolvidos nos eses de hipóeses? Explique. 2) Se ao realizar um
Leia maisEstimação em Modelos de Volatilidade Estocástica com Memória Longa
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA Esimação em Modelos de Volailidade Esocásica com Memória Longa Auor: Gusavo Correa Leie Orienador: Professor
Leia maisAnálise de séries de tempo: modelos de decomposição
Análise de séries de empo: modelos de decomposição Profa. Dra. Liane Werner Séries de emporais - Inrodução Uma série emporal é qualquer conjuno de observações ordenadas no empo. Dados adminisraivos, econômicos,
Leia maisANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO Breno Richard Brasil Sanos
Leia mais5 Método dos Mínimos Quadrados de Monte Carlo (LSM)
Méodo dos Mínimos Quadrados de Mone Carlo (LSM) 57 5 Méodo dos Mínimos Quadrados de Mone Carlo (LSM) O méodo LSM revela-se uma alernaiva promissora frene às radicionais écnicas de diferenças finias e árvores
Leia maisEXAME NACIONAL DE SELEÇÃO 2007
EXAME NACINAL E SELEÇÃ 007 PRVA E ESTATÍSTICA o ia: 8/0/006 - QUARTA FEIRA HRÁRI: 0h30 às h 45 (horário de Brasília) EXAME NACINAL E SELEÇÃ 007 o ia:8/0(quara-feira) Manhã:0:30h às h 45 ESTATÍSTICA Insruções.
Leia maisQuinta aula. Ifusp, agosto de Equação de Langevin Movimento browniano
Dinâmica Esocásica Quina aula Ifusp, agoso de 16 Equação de Langevin Movimeno browniano Bibliografia: Dinâmica esocásica e irreversibilidade, T. Tomé e M. J. de Oliveira, Edusp, 14 Capíulo 3 Tânia Tomé
Leia maisEstimação de Hiperparâmetros para um Modelo de Previsão Holt-Winters com Múltiplos Ciclos por Algoritmos Genéticos
Deparameno de Engenaria Elérica Esimação de Hiperparâmeros para um Modelo de Hol-Winers com Múliplos iclos por Algorimos Genéicos Mario esar da Fonseca orrêa Orienadores: Marco Aurélio. Paceco e Reinaldo
Leia mais4. SINAL E CONDICIONAMENTO DE SINAL
4. SINAL E CONDICIONAMENO DE SINAL Sumário 4. SINAL E CONDICIONAMENO DE SINAL 4. CARACERÍSICAS DOS SINAIS 4.. Período e frequência 4..2 alor médio, valor eficaz e valor máximo 4.2 FILRAGEM 4.2. Circuio
Leia mais2.6 - Conceitos de Correlação para Sinais Periódicos
.6 - Conceios de Correlação para Sinais Periódicos O objeivo é o de comparar dois sinais x () e x () na variável empo! Exemplo : Considere os dados mosrados abaixo y 0 x Deseja-se ober a relação enre x
Leia mais4. Selecionando modelos de Projeção com. AIC e SIC. Primeiro, vamos falar do erro quadrático médio
4. Selecionando modelos de Projeção com AIC e SIC Os criérios de seleção de modelos ipicamene requerem que o erro quadráico médio da previsão de um período a frene seja o menor possível. A diferença enre
Leia maisEnunciado genérico. Trabalho: Séries Temporais Disciplina: Estatística Ambiental
Enunciado genérico Trabalho: Séries Temporais Disciplina: Esaísica Ambienal Criérios de escolha da série 1. A série escolhida deverá er uma exensão, N, de pelo menos 150 observações da variável em esudo;.
Leia maisEstimação em Processos ARMA com Adição de Termos de Perturbação
UNIVER ERSIDADE DE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA DEP EPARTAMENTO DE ESTATÍSTICA Esimação em Processos ARMA com Adição de Termos de Perurbação Auor: Paricia Vieira de Llano Orienador:
Leia maisCINÉTICA RADIOATIVA. Introdução. Tempo de meia-vida (t 1/2 ou P) Atividade Radioativa
CIÉTIC RDIOTIV Inrodução Ese arigo em como objeivo analisar a velocidade dos diferenes processos radioaivos, no que chamamos de cinéica radioaiva. ão deixe de anes esudar o arigo anerior sobre radioaividade
Leia maisPara Newton, conforme o tempo passa, a velocidade da partícula aumenta indefinidamente. ( )
Avaliação 1 8/0/010 1) A Primeira Lei do Movimeno de Newon e a Teoria da elaividade esria de Einsein diferem quano ao comporameno de uma parícula quando sua velocidade se aproxima da velocidade da luz
Leia mais5 Aplicação da Modelagem Estrutural ao problema de previsão de Preço Spot de Energia Elétrica.
Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 41 5 Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 5.1. Inrodução Nesa
Leia maisMotivação. Prof. Lorí Viali, Dr.
Moivação rof. Lorí Viali, Dr. vialli@ma.ufrgs.br hp://www.ma.ufrgs.br/~vialli/ Na práica, não exise muio ineresse na comparação de preços e quanidades de um único arigo, como é o caso dos relaivos, mas
Leia mais4 Modelo de fatores para classes de ativos
4 Modelo de aores para classes de aivos 4.. Análise de esilo baseado no reorno: versão original (esáica A análise de esilo baseada no reorno é um procedimeno esaísico que visa a ideniicar as ones de riscos
Leia maisMovimento unidimensional 25 MOVIMENTO UNIDIMENSIONAL
Movimeno unidimensional 5 MOVIMENTO UNIDIMENSIONAL. Inrodução Denre os vários movimenos que iremos esudar, o movimeno unidimensional é o mais simples, já que odas as grandezas veoriais que descrevem o
Leia maisExercícios Sobre Oscilações, Bifurcações e Caos
Exercícios Sobre Oscilações, Bifurcações e Caos Os ponos de equilíbrio de um modelo esão localizados onde o gráfico de + versus cora a rea definida pela equação +, cuja inclinação é (pois forma um ângulo
Leia maisUNIVERSIDADE DA BEIRA INTERIOR FACULDADE DE CIÊNCIAS SOCIAIS E HUMANAS DEPARTAMENTO DE GESTÃO E ECONOMIA MACROECONOMIA III
UNIVERSIDADE DA BEIRA INTERIOR FACUDADE DE CIÊNCIAS SOCIAIS E HUMANAS DEPARTAMENTO DE GESTÃO E ECONOMIA MACROECONOMIA III icenciaura de Economia (ºAno/1ºS) Ano ecivo 007/008 Caderno de Exercícios Nº 1
Leia maisLista de exercícios 3. September 15, 2016
ELE-3 Inrodução a Comunicações Lisa de exercícios 3 Sepember 5, 6. Enconre a ransformada de Hilber x() da onda quadrada abaixo. Esboce o especro de x() j x(). [ ] x() = Π ( n). n=. Um sinal em banda passane
Leia maisSISTEMAS DE EQUAÇÕES A DIFERENÇAS LINEARES
8//7 SISTEMAS DE EQUAÇÕES A DIFERENÇAS LINEARES Teorema: Considere o seguine sisema de k equações a diferenças lineares de primeira ordem, homogêneo: x a x a x... a x k k x a x a x... a x k k x a x a x...
Leia maisCIRCUITO RC SÉRIE. max
ELETRICIDADE 1 CAPÍTULO 8 CIRCUITO RC SÉRIE Ese capíulo em por finalidade inroduzir o esudo de circuios que apresenem correnes eléricas variáveis no empo. Para ano, esudaremos o caso de circuios os quais
Leia mais2.7 Derivadas e Taxas de Variação
LIMITES E DERIVADAS 131 2.7 Derivadas e Taas de Variação O problema de enconrar a rea angene a uma curva e o problema de enconrar a velocidade de um objeo envolvem deerminar o mesmo ipo de limie, como
Leia mais4 Análise dos tributos das concessionárias selecionadas
4 Análise dos ribuos das concessionárias selecionadas Nese capíulo serão abordados os subsídios eóricos dos modelos esaísicos aravés da análise das séries emporais correspondenes aos ribuos e encargos
Leia maisP IBpm = C+ I+ G+X F = = b) Despesa Nacional. PNBpm = P IBpm+ RF X = ( ) = 59549
Capíulo 2 Soluções: Medição da Acividade Económica Exercício 24 (PIB pelaópica da despesa) i. Usando os valores da abela que consa do enunciado, a solução das várias alíneas é imediaa, basando para al
Leia maisConfiabilidade e Taxa de Falhas
Prof. Lorí Viali, Dr. hp://www.pucrs.br/fama/viali/ viali@pucrs.br Definição A confiabilidade é a probabilidade de que de um sisema, equipameno ou componene desempenhe a função para o qual foi projeado
Leia maisdi L Ri v V dt + + = (1) dv dt
Experiência Circuio RLC érie Regime DC Aluno: Daa: / /. Objeivos de Aprendizagem dese Experimeno A experiência raa de circuios ransiórios de segunda ordem. O objeivo dese experimeno é: Analisar as diferenes
Leia maisyy + (y ) 2 = 0 Demonstração. Note que esta EDO não possui a variável independente e assim faremos a mudança de variável
UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO UNIDADE ACADÊMICA DO CABO DE SANTO AGOSTINHO CÁLCULO DIFERENCIAL E INTEGRAL 4-018.1 1A VERIFICAÇÃO DE APRENDIZAGEM - PARTE Nome Legível Turma RG CPF Resposas sem
Leia maisProblemas das Aulas Práticas
Mesrado Inegrado em Engenharia Elecroécnica e de Compuadores Conrolo em Espaço de Esados Problemas das Aulas Práicas J. Miranda Lemos Fevereiro de 3 J. M. Lemos, IST P. Consrução do modelo de esado a parir
Leia maisInstituto de Física USP. Física Moderna. Aula 23. Professora: Mazé Bechara
Insiuo de Física USP Física Moderna Aula 3 Professora: Mazé Bechara Aula 3 Bases da Mecânica quânica e equações de Schroedinger: para odos os esados e para esados esacionários. Aplicação e inerpreações.
Leia mais2 Processos Estocásticos de Reversão à Média para Aplicação em Opções Reais
Processos Esocásicos de Reversão à Média para Aplicação em Opções Reais Resumo Ese capíulo analisa alguns méodos usados na deerminação da validade de diferenes processos esocásicos para modelar uma variável
Leia maisESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 12º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema II Introdução ao Cálculo Diferencial II
ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 2º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema II Inrodução ao Cálculo Diferencial II TPC nº 9 Enregar em 4 2 29. Num loe de bolbos de úlipas a probabilidade de que
Leia maisDISCIPLINA SÉRIE CAMPO CONCEITO
Log Soluções Reforço escolar M ae máica Dinâmica 4 2ª Série 1º Bimesre DISCIPLINA SÉRIE CAMPO CONCEITO Maemáica 2ª do Ensino Médio Algébrico simbólico Função Logarímica Primeira Eapa Comparilhar Ideias
Leia maisModelos BioMatemáticos
Modelos BioMaemáicos hp://correio.fc.ul.p/~mcg/aulas/biopop/ edro J.N. Silva Sala 4..6 Deparameno de Biologia Vegeal Faculdade de Ciências da Universidade de Lisboa edro.silva@fc.ul.p Genéica opulacional
Leia mais4 Modelagem e metodologia de pesquisa
4 Modelagem e meodologia de pesquisa Nese capíulo será apresenada a meodologia adoada nese rabalho para a aplicação e desenvolvimeno de um modelo de programação maemáica linear misa, onde a função-objeivo,
Leia mais5 Metodologia Probabilística de Estimativa de Reservas Considerando o Efeito-Preço
5 Meodologia Probabilísica de Esimaiva de Reservas Considerando o Efeio-Preço O principal objeivo desa pesquisa é propor uma meodologia de esimaiva de reservas que siga uma abordagem probabilísica e que
Leia maisA entropia de uma tabela de vida em previdência social *
A enropia de uma abela de vida em previdência social Renao Marins Assunção Leícia Gonijo Diniz Vicorino Palavras-chave: Enropia; Curva de sobrevivência; Anuidades; Previdência Resumo A enropia de uma abela
Leia maisAnálise e Processamento de BioSinais
Análise e Processameno de BioSinais Mesrado Inegrado em Engenaria Biomédica Faculdade de Ciências e Tecnologia Slide Análise e Processameno de BioSinais MIEB Adapado dos slides S&S de Jorge Dias Tópicos:
Leia maisDinâmica Estocástica. Aula 9. Setembro de Equação de Fokker-Planck Solução estacionária
Dinâmica Esocásica Aula 9 Seembro de 015 Solução esacionária Bibliograia Capíulo 4 T. Tomé e M de Oliveira Dinâmica Esocásica e Irreversibilidade Úlima aula 1 Dedução da equação de Fokker-lanck Esudo da
Leia maisInformation. Séries de Tempo. José Fajardo. EBAPE- Fundação Getulio Vargas. Agosto 2011
Informaion Séries de Tempo José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo Prf. José Faardo Informaion Ph. D in Mahemaical Economics (IMPA-Brazil) Mahemaical Finance, Financial
Leia maisInstituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época Normal 17/06/2013 Duração: 2 horas. Nome Turma: Processo:
Insiuo Superior de Economia e Gesão Universidade Técnica de Lisboa Economeria Época Normal 7/6/3 Duração: horas Nome Turma: Processo: Espaço reservado para classificações Noas: a uilização do elemóvel
Leia maisAula 6 Geração de Grades
Universidade Federal do ABC Aula 6 Geração de Grades EN34 Dinâmica de Fluidos Compuacional TRANSFORMAÇÕES DE COORDENADAS Grade de ponos discreos A abordagem de diferenças finias apresenada aé agora, que
Leia mais