Correlações cruzadas em mercadorias brasileiras: um estudo econofísico
|
|
- Eduarda Figueiroa
- 5 Há anos
- Visualizações:
Transcrição
1 VIII ERMAC 8 o Encontro Regonal de Matemátca Aplcada e Computaconal 0- de Novembro de 008 Unversdade Federal do Ro Grande do Norte Natal/RN Correlações cruzadas em mercadoras brasleras: um estudo econofísco Ernaldo Lete S. Júnor, Tatjana Stosc, Lucan Bogdan Bejan, Felpe Rcardo S. de Gusmão Programa de Pós-Graduação em Bometra e Estatístca Aplcada, UFRPE, , Recfe, PE junorbr3@msn.com, tastosc@gmal.com, lucanbb@gmal.com, felpe556@gmal.com. Resumo: Utlzamos o método Detrended Cross- Correlaton Analyss (DCCA) para avalar se as mercadoras brasleras em estudo apresentam correlações entre elas e também verfcar se há ou não memóra. Apresentamos os expoentes de Hurst para as combnações das séres e verfcamos que todas confrmavam um comportamento persstente, ou seja, são postvamente correlaconadas, apresentamos os expoentes das análses bem como os expoentes das mesmas. Palavras-chave: Correlação cruzada, DCCA, retornos, Covarânca, Mercadoras. Introdução Fatores externos e complexdade nos elementos nternos sobre as dnâmcas dos mercados fnanceros dfcultam seu entendmento e podem tornar tas mercados sngulares, ou seja, com característcas própras que mpedem a generalzação de déas. Contudo, algumas propredades estatístcas apresentam smlardades para mercados dferentes[,6], reforçando a possbldade de exstr resultados com característcas unversas. Essas propredades vêm sendo analsadas por métodos desenvolvdos em sstemas físcos[5,6] e sto tem atraído o nteresse de profssonas dessa área[6]. Mandelbrot, constatou que a dstrbução dos retornos vara com a escolha do t, motvado pela establdade da forma funconal para dferentes escalas de tempo, propôs que a dstrbução dos retornos segue uma dstrbução estável de Lévy[3]. Há dversas stuações onde snas dferentes exbem correlações cruzadas. Podobn[7], propôs um método para calcular a correlação cruzada de séres não estaconáras o Detrended Cross-Correlaton Analyss (DCCA). Utlzaremos esse método para calcular as correlações cruzadas das mercadoras brasleras, verfcaremos se as correlações presentes nas séres persstem e apresentaremos a tabela dos expoentes de Hurst de todas as combnações. Metodologa Para este trabalho utlzaremos séres temporas sobre mercadoras dsponíves no síto do CEPEA[] as nformações sobre as séres utlzadas estão na Tabela. Analsaremos o retorno padronzado absoluto obtdo por: g ( t) ln X ( t+ t) ln X ( t) = σ em que X (t) é a cotação da mercadora no t =, ou seja, a cotação momento t e utlzaremos serão dáras. Para calcular a correlação cruzada de longo alcance na presença de não estaconardade utlzaremos o DCCA. Consdere duas séres temporas com correlação y' de tamanho cruzada de longo alcance { } gual a R y = y e { } N. Calculamos seus snas ntegrados e R' y', em que,..., N = =, N n janelas justapostas dvdmos as duas séres em contendo n + valores. Para ambas as séres cada janela começando no valor e termnando no valor ~ e + n. Defnmos como tendênca local, ~ ' R, R,, para a janela ncada no valor, sendo a sére ntegrada para uma reta ajustada por mínmos quadrados. Daí, defnmos como passeo sem tendênca a dferença entre o passeo orgnal e a tendênca local. Em seguda calculamos a covarânca do resíduo de cada janela: + n ~ ~ f DCCA ( n) ( R R, )( R' R', ) n = Por fm, calculamos a covarânca sem tendênca calculando a méda das covarâncas dos resíduos por:
2 F DCCA N ( n) N n = n f DCCA ( n, ) repetmos o processo para dversos tamanhos de janela e plotamos Logn versus LogF DCCA( n) e ajustamos uma reta pelo método de mínmos quadrados e a nclnação do gráfco será o expoente de Hurst para a correlação cruzada das séres. Se analsarmos apenas um camnho aleatóro R = ', a covarânca sem tendênca ( ) R F DCCA ( n) se reduz a varânca sem tendênca F ( n) usada no método [7]. O expoente calculado pelo método () tem relação com a função de autocorrelação. Essa relação se dá pela expressão: γ = α sendo γ o expoente de decamento da nossa autocorrelação. Mandelbrot[4] ntroduzu o conceto de movmento Brownano fraconáro (passeo aleatóro correlaconado) em que os ncrementos fetos no passado são correlaconados com os ncrementos fetos no futuro, sto é, o sstema possu memóra. Se > α teremos o passado e o futuro são postvamente correlaconados (passeo aleatóro em algum nstante t0 tenderá na mesma dreção em t > t 0 ). Incrementos (decrementos) fetos no passado mplcam em ncrementos (decrementos) no futuro. Para α > teremos < γ. Esse tpo de comportamento é chamado de persstênca[4]. Se < α os ncrementos (decrementos) fetos no passado mplcam em decrementos (ncrementos) fetos no futuro. Esse tpo de comportamento é chamado de ant-persstênca[4]. Para α < teremos > = Caso γ. α então o processo é não correlaconado e os retornos seguem um passeo aleatóro clássco, e tendo α = teremos γ =. Na físca, dzemos que duas varáves seguem uma le de potênca se segurem à função: y= ax em que teremos a como nossa constante de proporconaldade e como nosso expoente constante. Em um gráfco log-log teremos a segunte anamorfose: ( y) = log( a) log( x) log + em que tal expressão é obtda pelo uso das propredades logarítmcas e reescrevendo a equação anteror teremos: Y = A+ X tendo Y = log( y), A= log( a) e X log( x) =. em que será o expoente de Hurst da sére analsada. Na lteratura econofísca, temos que a nversa da função de probabldade acumulada segue uma le de potênca defnda por: F( g ( t)) ~ g ( t) Apresentaremos o expoente da le de potênca da nversa da função de probabldade acumulada das mercadoras analsadas. Utlzaremos o software R para escrevermos a rotna que calculará a metodologa aqu proposta para calcularmos o expoente da nversa da acumulada. Para efeto de cálculo fxaremos que a regão a ser ajustada será o ntervalo após 75% e antes de 90% dos dados de cada mercadora. Resultados e dscussões O método se mostra muto váldo para verfcar se há relação entre séres não estaconára. Uma vez quantfcada tal relação podemos avalar se a varação de uma das séres compromete sgnfcatvamente a mportânca do estudo das demas. Apresentamos nas Tabelas e 3 as covarâncas das combnações das séres estudadas. Notamos que todas os expoentes encontrados pelo DCCA conservam o comportamento persstente, ou seja, as correlações cruzadas entre essas mercadoras têm memóra. É valda a déa de que as complexdades nos elementos nternos dfcultam o entendmento de tas séres, pos, tendo tal comportamento mplca que a mudança do preço de uma mercadora afeta o preço das demas, a saber, de forma postvamente correlaconada. A dagonal prncpal de nossa tabela apresenta os expoentes da análse da correlação cruzada das séres com elas mesmas, ou seja, a dagonal prncpal apresenta o expoente das mercadoras brasleras. α
3 Os expoentes de Hurst para as mercadoras álcool andro combustível e álcool hdratado combustível são guas e logcamente a covarânca entre eles também é gual. Na tabela 4 apresentamos os expoentes de Hurst de cada uma das séres trabalhadas. E através da relação do expoente de Hurst e o expoente de decamento da função de autocorrelação, apresentamos os expoentes de decamento. Note que nenhum expoente de Hurst apresentou valor gual a 0,5; sto é, todas as séres possuem memóra. Assm obtemos que nenhum decamento teve expoente gual a, o que garante que nenhuma de nossas séres tem decamento exponencal na sua função de autocorrelação, ou seja, seguem uma le de potênca. Na tabela 5 apresentamos o expoente da le de potênca da nversa da função de probabldade acumulada das mercadoras analsadas. Notamos que está de acordo com a lteratura, que resultados de mercados de outros países apresentam expoente próxmos de 3. Isso valda anda mas o método e apresenta a característca de unversaldade que ndepende do mercado em estudo. Obtemos para a cauda postva das mercadoras dáras: α + e para a cauda negatva: α =,78±,06 =,±,3 os valores não se apresentaram muto próxmos de 3, por motvo de termos utlzado o ajuste para uma mesma regão para todas as mercadoras. Atualmente na lteratura utlzamos o estmador de Hll, utlzaremos este método para melhor ajustarmos nossos resultados em nosso trabalho futuro. Os dados semanas apresentaram um comportamento dferencado, ndcando que as dnâmcas semanas modfcam um pouco os resultados fnas. Os métodos econofíscos se mostram uma alternatva válda para estudo de mercados fnanceros e servem como mas uma avalação para rscos de nvestmento e por ventura contrbu na seleção de varáves para serem ntroduzdas em algum modelo que necesste de varáves explcatvas para a flutuação de mercado, sto é, ao analsarmos dversos mercados, poderemos aferr quas deles têm maor correlação cruzada e por fm seleconarmos os de maor correlação cruzada para testarmos no modelo. Tabela. Mercadoras analsadas. Tpo Mercadora Período Nº Dados Dáro Açúcar 07/97-04/ Dáro Algodão 07/97-04/ Dáro Bo 07/97-04/ Dáro Café 07/97-04/ Dáro Soja 07/97-04/ Semanal Álcool A C 07/00-04/ Semanal Álcool H C 07/00-04/ Semanal Álcool H O 07/00-04/ Sendo Álcool A C = Álcool Andro Combustível, Álcool HC = Álcool Hdratado Combustível e Álcool H O = Álcool Hdratado Outros Fns. Tabela. Expoente de Hurst para as correlações cruzadas dos dados semanas. Álcool A C Álcool H C Álcool H O Álcool A C 0,805 0,805 0,7670 Álcool H C 0,805 0,805 0,7670 Álcool H O 0,7670 0,7670 0,6600 Tabela 3. Expoente de Hurst cruzadas dos dados dáros. Açúcar Algodão 0,8533 para as correlações Açúcar Algodão Bo Café Soja 0,84 0,8533 0,8350 0,8054 0,8787 Bo 0,8350 0,8648 Café 0,8054 0,8008 0,803 0,854 0,8648 0,8008 0,8986 0,866 0,803 0,8697 Soja 0,8787 0,8986 0,8697 0,85 0,744 0,85 0,835 3
4 Dstrbução acumulada Tabela 4. Expoentes de Hurst e de decamento das mercadoras analsadas. Mercadoras Expoente de Hurst () Expoente de decamento Açúcar 0,84 0,378 Algodão 0,854 0,369 Bo 0,866 0,3468 Café 0,744 0,55 Soja 0,835 0,398 Álcool A C 0,805 0,379 Álcool H C 0,805 0,379 Álcool H O 0,805 0,379 Logartmo das probabldades Logartmo dos retornos padronzados Fgura. Ajuste para o caso da mercadora algodão, para a cauda negatva. Tabela 5. Expoentes da nversa da função de probabldade acumulada das mercadoras analsadas. Mercadoras Expoente le de potênca Cauda postva Expoente le de potênca Cauda negatva Açúcar,05,9 Algodão,4,3 Bo 3,34,85 Café,96,39 Soja 3,6,4 Álcool Andro combustível Álcool Hdratado combustível Álcool Hdratado outros fns,73,50,73,50 0,8,37 Logartmo das probabldades Dstrbução acumulada Logartmo dos retornos padronzados Fgura. Ajuste para o caso da mercadora algodão, para a cauda postva. 4
5 Cross-Correlaton Log F(n) Log n Fgura 3. Correlação cruzada entre as mercadoras algodão e bo. Referêncas [] CEPEA DATA, Centro de Estudos Avançados em Economa Aplcada, Acessado em 06/04/08. [] P. Goprshnan et al., Eur. Phys. J. B 3, 39 (998). [3] P. Lévy, théore de l Addton des Varables Aléatores (Gauther-Vllars, Pars, 937). [4] B. B. Mandelbrot, J. Busness 36, 94 (963). [5] R. N. Mantegna, Physca A 79, 3 (99). [6] R. N. Mantegna, and Stanley, H. E., An Introduton to Econophyscs: Correlatons and Complexty n Fnance (Cambrdge Unversty Press, Cambrdge, 999). [7] B. Podobn, and Stanley, H. E., Phys. Rev. Let. 8, 00 (008). 5
3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia mais2. VARIÁVEIS ALEATÓRIAS
VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia mais4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisAnálise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisPsicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo
Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisMÉTODOS ESTATÍSTICOS APLICADOS A TEMPERATURA AMBIENTE E UMIDADE RELATIVA DO AR NA CIDADE DE PORTO SEGURO (BA)
MÉODOS ESAÍSICOS APLICADOS A EMPERARA AMBIENE E MIDADE RELAIVA DO AR NA CIDADE DE PORO SEGRO (BA) Andrea de Almeda Brto (IFBA / Sena Cmatec) brtodea@gmal.com; Dêno Olvera Cruz (NIJORGE) denomelanca@gmal.com;
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisCURSO A DISTÂNCIA DE GEOESTATÍSTICA
CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,
Leia maisTermo-Estatística Licenciatura: 4ª Aula (08/03/2013)
Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,
Leia maisAULA Espaços Vectoriais Estruturas Algébricas.
Note bem: a letura destes apontamentos não dspensa de modo algum a letura atenta da bblografa prncpal da cadera Chama-se a atenção para a mportânca do trabalho pessoal a realzar pelo aluno resolvendo os
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisEstudo e Previsão da Demanda de Energia Elétrica. Parte II
Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia mais5 Formulação para Problemas de Potencial
48 Formulação para Problemas de Potencal O prncpal objetvo do presente capítulo é valdar a função de tensão do tpo Westergaard obtda para uma trnca com abertura polnomal (como mostrado na Fgura 9a) quando
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisIntrodução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis
Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisTransistores Bipolares de Junção Parte I Transistores Bipolares de Junção (TBJs) Parte I
Transstores Bpolares de Junção (TBJs) Parte I apítulo 4 de (SEDRA e SMITH, 1996). SUMÁRIO Introdução 4.1. Estrutura Físca e Modos de Operação 4.2. Operação do Transstor npn no Modo Atvo 4.3. O Transstor
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia mais3. Estatística descritiva bidimensional
3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão
Leia maisUMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES
UMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES Ana Paula Coelho MADEIRA Lucas Montero CHAVES Devanl Jaques de SOUZA Resumo: Uma valdação matemátca, utlzando o conceto de
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia mais1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.
A FUNÇÃO DE PRODUÇÃO E SUPERMERCADOS NO BRASIL ALEX AIRES CUNHA (1) ; CLEYZER ADRIAN CUNHA (). 1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL;.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.
Leia maisNeste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.
1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,
Leia maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisCléber da Costa Figueiredo Séries Temporais PAE - 2º semestre de 2007
Quem sou? Autocorrelação Lcencado em matemátca pelo IME- USP; Incação Centífca sob orentação da Profª Drª Mônca Carnero Sandoval; Transformação de Bo-Co. Mestre em estatístca sob a orentação da Profª Drª
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia maisSerão abordados nesse capítulo os modelos causais, utilizados como ferramentas para o desenvolvimento e análise desse trabalho.
3. Modelos causas Serão abordados nesse capítulo os modelos causas, utlzados como ferramentas para o desenvolvmento e análse desse trabalho. 3.1. Econometra A base da Econometra é a aplcação de métodos
Leia maisProbabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições
Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para
Leia maisCap. 6 - Energia Potencial e Conservação da Energia Mecânica
Unversdade Federal do Ro de Janero Insttuto de Físca Físca I IGM1 014/1 Cap. 6 - Energa Potencal e Conservação da Energa Mecânca Prof. Elvs Soares 1 Energa Potencal A energa potencal é o nome dado a forma
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisResumos Numéricos de Distribuições
Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia mais4 ANÁLISE DE CONFIABILIDADE COM ANÁLISE LIMITE
4 ANÁLISE DE CONIABILIDADE COM ANÁLISE LIMITE A avalação da segurança das estruturas geotécncas tem sdo sempre um dos objetvos da Engenhara Geotécnca. A forma convenconal de quantfcar a segurança de uma
Leia maisEstatística e Probabilidade
Estatístca e Probabldade Professor conteudsta: Rcardo Vda Sumáro Estatístca e Probabldade Undade I 1 CONCEITOS BÁSICOS...1 1.1 Concetos fundamentas... 1. Processos estatístcos de abordagem... 1.3 Dados
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia
CCSA - Centro de Cêncas Socas e Aplcadas Curso de Economa ECONOMIA REGIONAL E URBANA Prof. ladmr Fernandes Macel LISTA DE ESTUDO. Explque a lógca da teora da base econômca. A déa que sustenta a teora da
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia mais