MAE325 Análise de Séries Temporais. Aula 3
|
|
- Cláudio de Santarém
- 5 Há anos
- Visualizações:
Transcrição
1 MAE325 Análise de Séries Temporais Aula 3 1
2 Transformações Problema 1: em muitas situações de interesse, a distribuição da amostra é assimétrica e pode conter valores atípicos a suposição de normalidade não está satisfeita. Procedimento utilizado: fazer uma transformação das observações de modo a obter uma distribuição mais simétrica e próxima da normal. 2
3 Uma transformação bastante usada é: x ( p) x ln( p, x), p p x p, p p =,5 (x) 1/2 P = -1-1/x 3
4 A razão para a mudança de sinal quando p< é a de assegurar que os dados transformados tenham a mesma ordem relativa que os originais. Assimetria à direita P<1 Assimetria à esquerda P>1 Na prática, consideramos valores de p na seqüência -3, -2, -1, -1/2, -1/3, -1/4,, ¼, 1/3, ½, 1, 2, 3 4
5 Para cada valore de p, obtemos gráficos apropriados: histograma, box-plot e gráficos de simetria para os dados originais e transformados, de modo que podemos escolher o valor mais adequado para p. para cada valor de p na seqüência se calcule a média, mediana e um estimador de escala(desvio padrão ou algum estimador robusto) e então se escolher o valor que minimiza d p = (média-mediana)/(medida de escala) que pode ser vista como uma medida de assimetria. Numa distribuição simétrica, d p =. 5
6 Problema 2: estabilizar a variância às vezes é mais importante do que tornar a distribuição aproximadamente normal. Suponha X uma v.a. com E(x) = μ, Var(x) = h 2 (u) σ 2 (não é constante) Idéia: X g(x) tal que Var[g(X)] = cte. 6
7 Considere uma expansão de Taylor de g(x) até primeira ordem, ao redor de g(μ): Então: g(x) g(μ) + (X-μ)g (μ) Var(g(X)) [g (μ)] 2 Var(X) = g (μ) 2 h 2 (μ)σ 2 Assim, Var(g(X)) cte g (μ) = 1/h(μ) 7
8 Transformação Log Modelo de Efeitos Multiplicativos C y j j e Distribuição Assimétrica Positiva Normalizar Estabilizar Variância Linearizar 8
9 9
10 Frequency Histogram of População Normal 2 Mean 145,4 StDev 186,6 N População
11 Dotplot of População População
12 Percent Empirical CDF of População Normal 1 Mean 145,4 StDev 186,6 N População
13 População Boxplot of População
14 Descriptive Statistics: População Variable N N* Mean SE Mean StDev Minimum Q1 Median Q3 Maximum População 3 145,4 34,1 186,6 46,3 63,5 84,3 139,8 988,8 14
15 Frequency Histogram of População; raiz; raizcubica; raizquarta; ln Normal 2 15 População raiz raizcubica População Mean 145,4 StDev 186,6 N raizquarta , 7,5 5, 8 16 ln raiz Mean 1,93 StDev 5,175 N 3 raizcubica Mean 4,839 StDev 1,375 N 3 raizquarta Mean 3,243 StDev,6566 N 3 4 2, 2,5 3, 3,5 4, 4,5 5, 5,5 2,5, ln Mean 4,641 StDev,73 N 3 15
16 Boxplot of População; raiz; raizcubica; raizquarta; ln 1 População raiz raizcubica raizquarta ln
17 Descriptive Statistics: População; raiz; raizcubica; raizquarta; ln Variable N N* Mean SE Mean StDev CoefVar Minimum Q1 Median População 3 145,4 34,1 186,6 128,31 46,3 63,5 84,3 raiz 3 1,933,945 5,175 47,33 6,84 7,967 9,181 raizcubica 3 4,839,251 1,375 28,41 3,591 3,989 4,385 raizquarta 3 3,243,12,657 2,25 2,69 2,823 3,3 ln 3 4,641,128,73 15,15 3,835 4,151 4,434 Variable Q3 Maximum Skewness Kurtosis População 139,8 988,8 3,76 15,4 raiz 11,818 31,445 2,76 8,78 raizcubica 5,188 9,963 2,38 6,62 raizquarta 3,438 5,68 2,18 5,6 ln 4,939 6,896 1,61 3, 17
18 Retorno Um dos objetivos em finanças é a avaliação de riscos de uma carteira de ativos financeiros. O risco é medido em termos de variações de preços dos ativos. P t : preço de um ativo no instante t; ΔP t = P t P t-1: a variação do preço. Retorno liquido simples (a variação relativa de preços): R t = (P t P t-1 )/ P t-1 = ΔP t / P t-1 1+ R t = P t /P t-1 : retorno bruto simples p t = log P t log retorno (ou simplesmente retorno): r t = log(p t /P t-1 ) = log(1+ R t ) 18
19 Para um u pequeno, temos log(1+u) u Portanto, r t = log(1+r t ) R t O retorno simples de período k (t-k, t): R t (k)= (P t P t-k )/ P t-k = (1+R t )(1-R t-1 )...(1+R t-k+1 ) O log-retorno de período k: r t (k)= log(p t /P t-k ) = log(1+ R t (k)) = = log(1+r t )+log(1+r t-1 )+...+log(1+r t-k+1 ) = r t + r t r t-k+1 Exemplo: Um mês compreende normalmente cerca de 21 dias de transações, de modo que o log-retorno continuamente composto em um mês é dado por: r t (21) = r t +r t r t-2 para todo t. 19
20 Fatos estilizados sobre retornos Séries econômicas e financeiras apresentam algumas características que são comuns a outras séries temporais, como: a)tendências; b) sazonalidade; c)pontos influentes; d)heteroscedasticidade condicional; e)não linearidade. 2
21 Os retornos financeiros apresentam, outras características peculiares, que muitas séries não apresentam. Retorno: não tendencia, não sazonalidade, com exceção de retorno intra-diários. Séries de preços, de taxa de câmbio e de taxa de juros: tendência que variam no tempo. 21
22 Os principais fatos estilizados relativos a retornos financeiros: 1.Não auto-correlacionados; 2.Os quadrados dos retornos são auto-correlacionados; 3.Agrupamentos de volatilidades ao longo do tempo 4.Em geral, não são normais 22
23 Série ações Petrobras Interesse: Medir variações de preços de ativos para avaliar o risco. Retornos Petrobras Livres de escala Não auto-correlacionado Quadrado auto-correlacionado Distribuição com caudas pesadas Não lineares Grupamento de volatilidades retorno 23/51 retorno de período k
Técnicas Computacionais em Probabilidade e Estatística I. Aula III
Técnicas Computacionais em Probabilidade e Estatística I Aula III Chang Chiann MAE 5704- IME/USP 1º Sem/2008 1 Arquivo PULSE do Minitab Refere-se a um experimento feito por alunos. Cada um deles registrou
Leia maisTécnicas Computacionais em Probabilidade e Estatística I. Aula I
Técnicas Computacionais em Probabilidade e Estatística I Aula I Chang Chiann MAE 5704- IME/USP 1º Sem/2008 1 Análise de Um conjunto de dados objetivo: tratamento de um conjunto de dados. uma amostra de
Leia maisModelos ARCH e GARCH Aula 8. Morettin e Toloi, 2006, Capítulo 1 e 14 Morettin, 2011, Capítulo 1 e 5 Bueno, 2011, Capítulo 8
Modelos ARCH e GARCH Aula 8 Morettin e Toloi, 2006, Capítulo 1 e 14 Morettin, 2011, Capítulo 1 e 5 Bueno, 2011, Capítulo 8 Motivação Pesquisadores que se dedicam a prever séries temporais, tais como preços
Leia maisModelos de Análise de Variância
Modelos de Análise de Variância Delineamento Completamente Aleatorizado: k tratamentos, r réplicas (balanceado) yi iid ~ N ; i i Normalidade Variância constante ( homocedasticidade ) Independência Análise
Leia maisEstatística descritiva
Estatística descritiva Para que serve a estatística? Qual o seu principal objectivo? obter conclusões sobre a população usando uma amostra? População Amostragem Amostra Uma ou mais variáveis (X) são observadas
Leia maisAnálise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
UNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Análise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
Leia maisCRITÉRIOS PARA ATRIBUIÇÃO DE CONCEITOS AOS CURSOS:
CRITÉRIOS PARA ATRIBUIÇÃO DE CONCEITOS AOS CURSOS: UM ESTUDO EUGÊNIA MARIA REGINATO CHARNET Ph.D. em Estatística Aplicada pela Universidade da Califórnia Brasília, dezembro de 2000 Texto elaborado com
Leia maisExercícios. Capítulo 3 Factos Empíricos Estilizados de Séries Temporais Financeiras (2012/2013)
Exercícios Capítulo 3 Factos Empíricos Estilizados de Séries Temporais Financeiras (01/013) 1. Analise a seguinte informação sobre a série temporal y t : 4 0 4 6 8 10 50 500 750 1000 Y 00 160 10 80 40
Leia maisI.1. Seleccionado um passageiro ao acaso, qual a probabilidade de ter idade no intervalo [20 a 50) anos e ser fraudulento?
INTRODUÇÃO À ANÁLISE DE DADOS INSTITUTO SUPERIOR DE CIÊNCIAS SOCIAIS E POLÍTICAS UNIVERSIDADE TÉCNICA DE LISBOA Frequência - 29 de Janeiro de 8 Grupo I (4, v) No seguimento de um estudo efectuado pela
Leia maisExplorando os dados. Estatística Descritiva - Tabelas. Roteiro da aula. Tabelas
Explorando os dados Estatística Descritiva: Medidas de tendência central e medidas de dispersão Um leitão médio num rebanho bem manejado poderá apresentar um ganho médio de a gramas, do nascimento à desmama.
Leia maisAnálise de séries temporais financeiras
Séries Temporais Financeiras Aula -1 Análise de séries temporais financeiras Em princípio, não haveria diferenças entre a análise de séries temporais financeiras e aquelas ocorrendo em outras áreas, como
Leia maisSumário dos exemplos:
Sumário dos exemplos: I Representação gráfica para Variáveis Quantitativas II Histograma para variáveis contínuas no soft MINITAB III Tabela de freqüências e histograma para v. contínuas, no Excel IV Exemplo
Leia mais'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV
69 'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV O presente capítulo objetiva entender o comportamento das séries de retorno financeiras para as carteiras de investimento elaboradas no capítulo anterior. Tal análise
Leia maisMedidas de localização (ou de tendência central) Média: definida como o centro de massa (ou ponto de equilíbrio) do conjunto.
Aula 02 01 de abril Medidas de localização (ou de tendência central) Média: definida como o centro de massa (ou ponto de equilíbrio) do conjunto. No geral, a melhor média é a que mais se aproxima do centro
Leia maisTransformações e Ponderação para corrigir violações do modelo
Transformações e Ponderação para corrigir violações do modelo Diagnóstico na análise de regressão Relembrando suposições Os erros do modelo tem média zero e variância constante. Os erros do modelo tem
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisIntrodução à probabilidade e estatística I
Introdução à probabilidade e estatística I Medidas resumo para tabelas de frequências Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Medidas resumo para
Leia maisEstatística. 1 Medidas de Tendência Central 2 Medidas de Posição 3 Medidas de Dispersão. Renata Souza
Estatística 1 Medidas de Tendência Central 2 Medidas de Posição 3 Medidas de Dispersão Renata Souza Medidas Depois que você conheceu os conceitos de coleta de dados, variação, causas comuns e causas especiais,
Leia maisEng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Eng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Revisão de Estatística Coleta de dados Análise de dados
Leia maisPROBABILIDADE E ESTATÍSTICA ESTATÍSTICA DESCRITIVA
PROBABILIDADE E ESTATÍSTICA ESTATÍSTICA DESCRITIVA Prof.ª Sheila Regina Oro Projeto Recursos Educacionais Digitais Autores: Bruno Baierle e Maurício Furigo ESTATÍSTICA DESCRITIVA A Estatística Descritiva
Leia maisTeste de hipóteses. Testes de Hipóteses. Valor de p ou P-valor. Lógica dos testes de hipótese. Valor de p 31/08/2016 VPS126
3/8/26 Teste de hipóteses Testes de Hipóteses VPS26 Ferramenta estatística para auxiliar no acúmulo de evidências sobre uma questão Média de glicemia de um grupo de animais é diferente do esperado? Qual
Leia maisAnálise Bayesiana de Dados - Aplicações 1 -
Análise Bayesiana de Dados - Aplicações 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Aplicações da IB : Pressão sistólica
Leia maisSUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
Leia maisSCC0173 Mineração de Dados Biológicos
SCC073 Mineração de Dados Biológicos Análise Exploratória de Dados Parte A: Revisão de Estatística Descritiva Elementar Prof. Ricardo J. G. B. Campello SCC / ICMC / USP Tópicos Análise Exploratória de
Leia maisElementos de Estatística
Elementos de Estatística Lupércio F. Bessegato & Marcel T. Vieira UFJF Departamento de Estatística 2013 Medidas Resumo Medidas Resumo Medidas que sintetizam informações contidas nas variáveis em um único
Leia maisTomada de Decisão para uma Única Amostra
Tomada de Decisão para uma Única Amostra Testes de Hipóteses Teste de Hipóteses Procedimento de tomada de decisão sobre hipóteses envolvendo a população Aspecto bastante útil da Inferência Estatística:
Leia maisAula 4: Medidas Resumo
Aula 4: Professor: José Luiz Padilha da Silva email: jlpadilha@ufpr.br Departamento de Estatística Universidade Federal do Paraná Curitiba, 2018 José Luiz Padilha da Silva (UFPR) ce003 - Estatística II
Leia maisConstrução da base de dados
Construção da base de dados Construção da base de dados Construção da base de dados Exemplos de Inquéritos O instrumento de notação Codificação e dicionário das variáveis Data view e variable view Introdução
Leia maisEstatística Descritiva
Estatística Descritiva Prof. Henrique Dantas Neder Instituto de Economia Universidade Federal de Uberlândia Typeset by FoilTEX 1 Tópicos introdutórios A estatística descritiva trata dos métodos estatísticos
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Pertencem ao grupo de ferramentas estatísticas que permitem caracterizar um conjunto de dados sob ponto de vista da tendência
Leia maisAntes de resolvermos a)-c), vamos relembrar a diferença entre esperança (variância) conditional e esperança (variância) incondicional.
Econometria Avançada - 015-1 SOLUÇÃO Terceira lista de exercícios Problema 1. Seja r t os retornos (ou log-retornos) diários de um ativo financeiros (por exemplo, S&P500 ou Petrobrás ON) tal que r t =
Leia maisISCTE IUL, Instituto Universitário de Lisboa Licenciatura em Gestão Estatística I 1º Teste 29 de Outubro de 2011 Duração: 1h 30m
ISCTE IUL, Instituto Universitário de Lisboa Licenciatura em Gestão Estatística I 1º Teste Duração: 1h 30m Nota: Não são prestados esclarecimentos durante a prova! Só é permitida a consulta do formulário
Leia maisà Análise de Padrões
CC-226 Introdução à Análise de Padrões Prof. Carlos Henrique Q. Forster Variáveis, Estatísticas sticas e Distribuições de Probabilidades Tópicos de hoje Definições Alguns estimadores estatísticos Distribuições
Leia maisMAE 5882 aula 02. O log-retorno de período k (agregação temporal dos retornos)
Agregação de Retornos MAE 5882 aula 02 O log-retorno de período k (agregação temporal dos retornos) Agregação cross-section (transversal), para diversos ativos de uma carteira de investimentos, c: Suponha
Leia maisCoeficiente de Assimetria
Coeficiente de Assimetria Rinaldo Artes Insper Nesta etapa do curso estudaremos medidas associadas à forma de uma distribuição de dados, em particular, os coeficientes de assimetria e curtose. Tais medidas
Leia mais3 Dados e metodologia
3 Dados e metodologia 3.1 Apresentação de Dados Para a realização dessa pesquisa foram utilizados os dados da série histórica dos preços da soja (em grão) do Estado do Paraná, obtidos da base de dados
Leia maisEstatística Descritiva (II)
Estatística Descritiva (II) Arquivo PULSE do Minitab Experimento envolvendo alunos. Cada um tem altura, peso, sexo, hábito de fumar e nível de atividade física anotados. Todos jogam moedas: se CARA, é
Leia maisVariável Salário: Quantitativa contínua. Para construir os histogramas solicitados temos,
1 Exercício 1 Variável Salário: Quantitativa contínua Para construir os histogramas solicitados temos, Tabela 1: Distribuição de frequências da variável salário Classe de Salário n i f i Amplitude i Densidade
Leia maisTRANSFORMAÇÕES. 1 Tornar comparáveis descritores medidos em diferentes unidades
TRANSFORMAÇÕES Razões para transformar os dados antes das análises: 1 Tornar comparáveis descritores medidos em diferentes unidades Isso é feito através da padronização (Standardization), que significa
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ CAMPUS PONTA GROSSA METROLOGIA II
METROLOGIA II Professor: Eng. PAULO ROBERTO CAMPOS ALCOVER JUNIOR Curso de Tecnologia em Fabricação Mecânica 2 Período ; ; ; ; ;. 2 : Definições de Estatística; Conceitos Básicos; Medidas Descritivas:
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral
Leia maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias nuas
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 04: Variáveis Aleatórias Contínuas nuas Função densidade de probabilidade contínua nua f(x) a b f(x) 0 para
Leia maisGráficos de Controle para Variáveis
Gráficos de Controle para Variáveis CE219 - Controle Estatístico de Qualidade Prof. Cesar Taconeli taconeli@ufpr.br Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Tópicos Tópicos Séries
Leia maisTécnicas Multivariadas em Saúde. Vetores Aleatórios. Métodos Multivariados em Saúde Roteiro. Definições Principais. Vetores aleatórios:
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisCálculo das Probabilidades I
Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Função Geradora de Momentos 10/13 1 / 19 Calculamos algumas características da
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA "LUIZ DE QUEIROZ" DEPARTAMENTO DE CIÊNCIAS EXATAS RELATÓRIO DE ATIVIDADE PRÁTICA Relatório da aula prática nº 1, da disciplina LCE602 - Estatística
Leia maisAula 03: Dados Profa. Ms. Rosângela da Silva Nunes
Aula 03: Dados Profa. Ms. Rosângela da Silva Nunes 1 de 29 Tipos de Conjuntos de dados Registro Tabela do BD Matriz de dados Document 1 Document 2 team coach pla y ball score game wi n lost timeout 3 0
Leia maisExame Final de Métodos Estatísticos
Exame Final de Métodos Estatísticos Data: de Junho de 26 Duração: 3h. Nome: Curso: Declaro que desisto N. Mec. Regime: As cotações deste exame encontram-se na seguinte tabela. Responda às questões utilizando
Leia maisModelos de regressão para dados correlacionados. Cibele Russo
Modelos de regressão para dados correlacionados Cibele Russo cibele@icmc.usp.br ICMC USP Mini-curso oferecido no Workshop on Probabilistic and Statistical Methods 28 a 30 de janeiro de 2013 Cibele Russo
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 3 Medidas Numéricas Descritivas Leitura: Levine et al. Capítulo 3 Cap 3-1 Objetivos Nesta parte, aprenderemos: a descrever as propriedades de tendência central, variação
Leia maisRevisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)
Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:
Leia maisEstatísticas Descritivas. Estatística
Estatística Estatísticas descritivas: usadas para mostrar/descrever algumas informações da amostra, ou seja, servem para fazer um resumo ou descrição dos dados. Não consideram a origem dos dados. Exemplos:
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS As variáveis aleatórias X e Y seguem uma distribuição de Bernoulli com probabilidade de sucesso igual a 0,4. Considerando S = X + Y e que os eventos aleatórios A = [X = 1] e B
Leia maisMÉTODOS QUANTITATIVOS APLICADOS. Prof. Danilo Monte-Mor
MÉTODOS QUANTITATIVOS APLICADOS Prof. Danilo Monte-Mor Métodos Quantitativos Aulas 1 e 2 Análise Exploratória de Dados 2 Danilo Soares Monte Mor Currículum Vitae Prof. Dr. e especialista em Métodos Quantitativos
Leia maisEstatística Descritiva
Estatística Descritiva Cristian Villegas clobos@usp.br Departamento Ciências Exatas, ESALQ (USP) Agosto de 2012 Cristian Villegas. Departamento Ciências Exatas, ESALQ-USP 1 1 Medidas de tendência central
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisMAE 5882 aula 02. O log-retorno de período k (agregação temporal dos retornos)
Agregação de Retornos MAE 5882 aula 02 O log-retorno de período k (agregação temporal dos retornos) Agregação cross-section (transversal), para diversos ativos de uma carteira de investimentos, c: Suponha
Leia maisAnálise de Resíduos. investiga características que comprometem a validade do MRLS:
Análise de Resíduos investiga características que comprometem a validade do MRLS: (1) relação entre X e Y não é linear (2) erros não tem variância constante (3) erros correlacionados (4) erros não são
Leia maisModelos para Séries Temporais Aula 1. Morettin e Toloi, 2006, Capítulo 2 Morettin, 2011, Capítulo 2 Bueno, 2011, Capítulo 2
Modelos para Séries Temporais Aula 1 Morettin e Toloi, 2006, Capítulo 2 Morettin, 2011, Capítulo 2 Bueno, 2011, Capítulo 2 Modelos para Séries Temporais Os modelos utilizados para descrever séries temporais
Leia maisMorgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Cronograma parcial DPS1037 Data Aula Conteúdo 10/ago 1 Introdução à Engenharia da
Leia maisSS714 - Bioestatística
SS714 - Bioestatística Silvia Shimakura silvia.shimakura@ufpr.br Página da disciplina: http://www.leg.ufpr.br/doku.php/disciplinas:ss714 ESTATÍSTICA DESCRITIVA Organização Descrição Quantificação de variabilidade
Leia maisATLAS BRASIL 2013 DIMENSÃO DESENVOLVIMENTO HUMANO E OUTRAS VARIÁVEIS
PONTÍFICIA UNIVERSIDADE CATÓLICA DE SÃO PAULO Faculdade de Economia, Administração, Contabilidade e Atuariais. ATLAS BRASIL 2013 DIMENSÃO DESENVOLVIMENTO HUMANO E OUTRAS VARIÁVEIS Disciplina: Métodos Quantitativos
Leia maisAnálise de Dados da Avaliação I
Interfaces Pessoa Máquina Análise de Dados da Avaliação I Cap. 11 Análise dos Dados de Avaliação 14 Melhor e Pior? Melhor e Pior? Resumo da Aula Anterior Avaliação com utilizadores Planeamento Participantes
Leia maisANÁLISE DE CONGLOMERADOS E OS INDICADORES DE GOVERANÇA MUNDIAL
PUC - SP ANÁLISE DE CONGLOMERADOS E OS INDICADORES DE GOVERANÇA MUNDIAL José Renato Lamberti Stella Milanez MESTRADO EM ADMINISTRAÇÃO DE EMPRESAS MÉTODOS QUANTITATIVOS PROF. DR. ARNOLDO HOYOS SÃO PAULO
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Distribuição Normal Motivação: Distribuição
Leia maisConfiabilidade em Sistemas Eletrônicos
Confiabilidade em Sistemas Eletrônicos Matemá'ca da Confiabilidade Alessandro L. Koerich Introdução Os princípios da confiabilidade moderna são baseados principalmente em esta@saca e probabilidade. Em
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 2 REVISÃO DE ESTATÍSTICA
ENGENHARIA DA QUALIDADE A ENG 09008 AULA REVISÃO DE ESTATÍSTICA PROFESSORES: CARLA SCHWENGBER TEN CATEN ROGÉRIO FEROLDI MIORANDO Introdução Em um ambiente industrial, os dados devem formar a base para
Leia maisDistribuição Normal. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011
Distribuição Normal Prof a Dr a Alcione Miranda dos Santos Universidade Federal do Maranhão Programa de Pós-Graduação em Saúde Coletiva email:alcione.miranda@gmail.com Abril, 2011 1 / 18 Sumário Introdução
Leia maisConsidere os portfolios X, Y e Z, abaixo, caracterizados pelas respectivas distribuições de probabilidades:
Fundação Getulio Vargas Curso de Graduação Disciplina: Estatística Professor: Moisés Balassiano 1. Investidores geralmente constroem portfolios, ou carteiras, contendo diversas aplicações financeiras.
Leia maisMódulo 5 As modificações da 2ª. Edição. Cartas de controle para condições especiais (construção e interpretação).
Módulo 5 As modificações da 2ª. Edição. Cartas de controle para condições especiais (construção e interpretação). Manual da 2ª. edição Conteúdos (1) CAPÍTULO I Melhoria contínua e introdução ao CEP. Seções
Leia maisUMA ANÁLISE DE ÍNDICES DE DESENVOLVIMENTO BÁSICO DA REGIÃO DE ARARAS
PONTÍFICIA UNIVERSIDADE CATÓLICA DE SÃO PAULO Faculdade de Economia, Administração, Contabilidade e Atuariais UMA ANÁLISE DE ÍNDICES DE DESENVOLVIMENTO BÁSICO DA REGIÃO DE ARARAS Aluna: Erika Camila Buzo
Leia maisModelos de Regressão para Dados de Contagem
UNIVERSIDADE FEDERAL DO PARANÁ Departamento de Estatística Modelos de Regressão para Dados de Contagem CE225 - Modelos Lineares Generalizados Professor Cesar Taconelli Andrea A Alves, GRR: 20096668 NathanM
Leia maisVariáveis Aleatórias Contínuas e Distribuições de Probabilidade
Variáveis Aleatórias Contínuas e Distribuições de Probabilidade Motivação A quantidade de oxigênio dissolvido é importante para aferir a qualidade de um regato. Os níveis aceitáveis de oxigênio variam
Leia maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
Leia mais3 MEDIDAS RESUMO 3.2 Medidas de dispersão. Silvio Sandoval Zocchi
3 MEDIDAS RESUMO 3.2 Medidas de dispersão Silvio Sandoval Zocchi 20 de agosto de 2008 Medida de dispersão é um valor que quantifica a variabilidade dos dados. Algumas medidas de dispersão: Amplitude Amplitude
Leia maisANÁLISE DE DADOS ANÁLISE PARCIAL DOS RESULTADOS DOS EXAMES NACIONAIS DO ENSINO SECUNDÁRIO DE Sérgio Sobral Nunes
ANÁLISE DE DADOS ANÁLISE PARCIAL DOS RESULTADOS DOS EXAMES NACIONAIS DO ENSINO SECUNDÁRIO DE 2001 Sérgio Sobral Nunes Análise de Dados Mestrado em Gestão de Informação, Setembro de 2002 Índice 1 DESCRIÇÃO
Leia maisIntrodução aos Modelos Lineares em Ecologia
Introdução aos Modelos Lineares em Ecologia Prof. Adriano Sanches Melo - Dep. Ecologia UFG asm.adrimelo no gmail.com Página do curso: www.ecologia.ufrgs.br/~adrimelo/lm/ Livro-texto: Crawley, M.J. 2005.
Leia maisInferência para duas populações
Inferência para duas populações Capítulo 13, Estatística Básica (Bussab&Morettin, 8a Edição) 7a AULA 27/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 7a aula (27/04/2015) MAE229 1 / 27 1.
Leia maisUMA PESQUISA EXPLORATORIA DOS INDICADORES DO IRBEM-2011 DA REDE NOSSA SÃO PAULO
PONTÍFICIA UNIVERSIDADE CATÓLICA DE SÃO PAULO Faculdade de Economia, Administração, Contabilidade e Atuariais UMA PESQUISA EXPLORATORIA DOS INDICADORES DO IRBEM-2011 DA REDE NOSSA SÃO PAULO Aluno: Claudemir
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisENADE Exame Nacional de Desempenho de Estudantes. Instituições do Ensino Superior do Município de São Paulo
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO PUC-SP MÉTODOS QUANTITATIVOS DE PESQUISA EMPÍRICA Prof. Dr. ARNOLDO HOYOS ENADE 9 Exame Nacional de Desempenho de Estudantes Instituições do Ensino Superior
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO FEA - Faculdade de Economia e Administração Programa de Estudos Pós-Graduados em Administração
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO FEA - Faculdade de Economia e Administração Programa de Estudos Pós-Graduados em Administração PESQUISA IRBEM INDICADORES DE REFERÊNCIA DE BEM-ESTAR NO MUNICÍPIO
Leia maisFigura 1: Gráfico de pontos.
4. Representação gráfica para variáveis quantitativas Gráfico de pontos O gráfico de pontos é a primeira representação da amostra, fornecendo um aspecto visual da concentração e distribuição dos pontos
Leia maisMAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 Considere os dados abaixo sobre distribuição de salário (em reais) num grupo de 1000 individuos. Tabela 1: Distribuição de frequências da variável salário Classe de Salário n i f i 500-1000
Leia maisUnidade III Medidas Descritivas
Unidade III Medidas Descritivas Medidas separatrizes Quantis Medidas de dispersão Amplitude total Desvio Médio Variância Desvio Padrão Coeficiente de Variabilidade Desvio Interquartílico Na aula anterior...
Leia maisIntervalo de confiança. Intervalo de confiança. Inferência. Generalizar os resultados da pesquisa a todo o universo de eleitores margem de erro
Intervalo de confiança As pesquisas sobre intenção de voto antes das eleições. Intervalo de confiança Os resultados divulgados na mídia são acompanhados de uma margem de erro. Candidato A: 33% ± 3% Candidato
Leia maisESTATÍSTICA. June 4, UFOP June 4, / 87
ESTATÍSTICA June 4, 2013 UFOP June 4, 2013 1 / 87 NOME 1 Medidas de Tendência Central Média aritmética Mediana Moda Separatrizes 2 Medidas de Dispersão Amplitude Total Variância e Desvio-padrão Coeficiente
Leia mais7 Análise dos Dados e Cálculos
71 7 Análise dos Dados e Cálculos 7.1 Validade dos Processos Estocásticos 7.1.1 Teste de Dickey-Fuller De início, para verificar a rejeição de hipótese de que as séries seguem um MGB foi realizado um teste
Leia maisAnálise de Resíduos. investigar características que comprometem a validade do MRLS:
Análise de Resíduos investigar características que comprometem a validade do MRLS: (1) relação entre X e Y não é linear (2) erros não tem variância constante (3) erros correlacionados (4) erros não são
Leia maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Estimação pontual Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Introdução Exemplo Desejamos comprar um
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO FEA - FACULDADE DE ECONOMIA E ADMINISTRAÇÃO PROGRAMA DE ESTUDOS PÓS-GRADUADOS EM ADMINISTRAÇÃO
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO FEA - FACULDADE DE ECONOMIA E ADMINISTRAÇÃO PROGRAMA DE ESTUDOS PÓS-GRADUADOS EM ADMINISTRAÇÃO PESQUISA SOCIO-ECONOMICA AO NIVEL MUNICPAL NO BRASIL Focando
Leia maisEstatística e Probabilidade
Aula 3 Cap 02 Estatística Descritiva Nesta aula... estudaremos medidas de tendência central, medidas de variação e medidas de posição. Medidas de tendência central Uma medida de tendência central é um
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO FEA - Faculdade de Economia e Administração Programa de Estudos Pós-Graduados em Administração
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO FEA - Faculdade de Economia e Administração Programa de Estudos Pós-Graduados em Administração PESQUISA SOCIO-ECONOMICA AO NIVEL MUNICIPAL NO BRASIL focando
Leia maisDistribuição Gaussiana. Verificação da Suposição de Normalidade dos Dados
Distribuição Gaussiana Verificação da Suposição de Normalidade dos Dados Verificação da Suposição de Normalidade dos Dados Já é conhecido que o modelo gaussiano não é adequado para muitas variáveis aleatórias
Leia mais