Módulo de Regressão e Séries S Temporais
|
|
- Nathalia Peres
- 5 Há anos
- Visualizações:
Transcrição
1 Quem sou eu? Módulo de Regressão e Séries S Temporis Pre 3 Mônic Brros, D.Sc. Julho de 007 Mônic Brros Douor em Séries Temporis PUC-Rio Mesre em Esísic Universiy of Texs Ausin, EUA Bchrel em Memáic Universiy of Wshingon, Sele, EUA Professor d PUC-Rio (Depo. De Eng. Eléric) E-mils: monic@ele.puc-rio.br, monic@mbrros.com Home pge: hp:// monic@mbrros.com monic@mbrros.com Progrm do Curso Modelgem ARIMA de Box & Jenins szonl e não szonl Função de uocorrelção e uocorrelção prcil Modelo Idenificção de (p, q, d, P, Q, D) Esimção Esísics de juse e nálise dos resíduos Exercícios MODELO UNIVARIADO (Não Szonl e Szonl) monic@mbrros.com 3 monic@mbrros.com 4
2 PROCESSO ESTOCÁSTICO STICO Tod vriável leóri que evolui no empo, i.e., gurd um esruur de dependênci no empo é um processo esocásico. SÉRIE TEMPORAL É um relizção priculr de um processo esocásico. Exemplo: Inflção, Reornos Finnceiros, Demnd, ec... 5 σ MÉDIA de um processo (série) μ = E ( ) m T = = T Teórico Esimdor VARIÂNCIA de um processo (série) S = {( μ ) } = E T ( m ) = T Teórico Esimdor monic@mbrros.com 6 AUTOCOVARIÂNCIA de um processo (série) AUTOCORRELAÇÃO de um processo (série) γ {( μ )( μ )} = E + c T = + T = ( m )( m ) Teórico Esimdor É medid pdronizd d dependênci liner de lg, (é uocovriânci pdronizd) γ ρ = γ 0 = VAR (, + ) ( ) VAR( ) COV + Teórico Onde =,... é o lg ou defsgem Lembrr que: γ = COV ( ) = VAR( ) = σ = consne 0, monic@mbrros.com 7 monic@mbrros.com 8
3 ρ + Enão: pr odos os lgs,, 3,... Esimdor r (uocorrelção esimd de lg ) c T = = = c0 T r ( m )( m ) ( m ) = O gráfico de r() versus é chmdo correlogrm do processo (ou d série ). + PROCESSO ESTACIONÁRIO (de ª ordem) Um processo esocásico é dio esácionário de ª ordem se: (i) E[ ] = μ z [ ] pr qulquer (ii) E (consne) pr qulquer μ z = σ z (iii) Cov [, + ] = função pens do lg pr qulquer insne i.e, o processo em médi e vriânci consnes e uocovriânci só depende do lg monic@mbrros.com 9 monic@mbrros.com 0 Exemplos PROCESSO RUÍDO BRANCO Escionário Não Escionário n Médi Não Escionário n Médi Não Escionário n Vriânci E n Vriânci monic@mbrros.com Um processo esocásico é chmdo de ruído brnco e denodo por se, lém de escionário de ª ordem, ele não presen qulquer dependênci seril, ou sej,, pr = 0 ρ = 0, pr > 0 Ou sej, um ruído brnco é um seqüênci de observções com médi e vriânci consnes e uocorrelções nuls em odos os lgs. monic@mbrros.com
4 Objeivo de Análise de Série S Temporl Dd um série emporl que não é brnc, iso é, que exibe um esruur de dependênci seril, chr o melhor modelo memáico que descrev es dependênci seril e rnsforme num ruído brnco. Se um série já é ruído brnco, enão não exise modelo univrido pr el! O operdor B, conhecido como Operdor de Arso ou Bcwrd Shif Operor é bsne usdo por n descrição dos modelos e é definido como: B = - monic@mbrros.com 3 Exemplos ) ) = α + α + β + β 4 4 = α B + α B + β B + β 4 = ( α B + α B ) + ( β B+ β ) = α + α + α = α B + α B + α B + 3 = ( α B + α B + α B 3 ) + 3 monic@mbrros.com 4 Função de uocorrelção prcil de lg É um medid de dependênci liner ou correlção liner enre e + eliminndo dependênci dos ermos inermediários +, i.e.: MODELO ARIMA de Box e Jenins Sej um série escionári de ª ordem. A modelgem BJ propõe modelos lineres pr, conhecidos como ARIMA(p, d, q). φ (, K ) = Corr, + +, + monic@mbrros.com 5 monic@mbrros.com 6
5 Csos Priculres do ARIMA(p, d, q) AR(p) = modelo uoregressivo de ordem p MA(q) = modelo médis móveis de ordem q MODELOS AR(p) Modelo Auoregressivo de ordem p ( φ ) AR() : = φ +, B = - ( ) AR() : = φ + φ +, φ B φ B = - - p ( K ) AR(p) : = φ -+ φ -+ K+ φp-p +, φ B φ B φpb = monic@mbrros.com 7 monic@mbrros.com 8 Problem Se ordem p do modelo cresce, eremos muios prâmeros φ i ; i =,..., p pr esimr, o que requer séries de mnhos elevdos, nem sempre disponíveis. Solução enconrd Reduzir ordem p d pre AR rvés d inclusão no modelo de defsgens no ruído brnco (lém ds defsgens d própri série emporl). Isso eqüivle dicionr um esruur MA o modelo (médi móvel = Moving Averge ) monic@mbrros.com 9 Modelos MA(q) = Médis Móveis de ordem q MA() : = θ -, = ( θb) ( ) MA() : = θ - θ -, = θb θb q ( K q ) MA(q) : = θ - θ - K θq -q, = θb θb θ B monic@mbrros.com 0
6 Exemplo (modelo MA()) = Exemplo (modelo AR com infinios lgs) ( + θ B + θ B + K) θ, = θb + θ iso é : = + θ +... ( θ B) =, = Como no cso do AR (p), pr ordens MA ls é melhor rblhr com o AR inverido que erá, cermene, menos prâmeros serem esimdos. AR( ) MA( q) MA( ) AR( p) Princípio d Prcimôni! monic@mbrros.com monic@mbrros.com Modelos ARMA (p, q) ARMA(,) : -φ ( φb) = ( θ B) - = θ- ARMA(,) : - φ - φ = θ θ ( φ φ ) = ( θ θ ) B B B B ARMA(p,q) : - φ -K - φ = θ K - θ - p -p - q -q ( φ φ K φ ) = ( θ θ θ ) p q p K q monic@mbrros.com 3 B B B B B B Fundmeno eórico dos modelos BJ Pssgem de um ruído brnco por um filro liner de memóri infini ger um processo escionário de ordem. (Teori gerl de sisems lineres) ψ( B) = ψ ψ ψ 3 3 K 3 =( ψ ψ ψ3 K) B B B ( ) = ψ B monic@mbrros.com 4
7 Fundmeno Teórico Como ψ( B) coném infinios prâmeros, enão BJ sugerem escrevê-lo como rzão de dois polinômios: ou sej ψ( B) θ = φ θ B = ( ) φ( B) ( B) ( B) φ ( B) = θ ( B) Logo, modelgem BJ consise em chr esruur ARMA (i.e., s defsgens p e q) mis dequd pr série. monic@mbrros.com 5 Processos Não-Escionários Homogêneos Y é não Escionário n Médi Sej = Y -Y - = Y -BY = (-B)Y = Y (série escionári) X é não Escionário n Médi Y = X =X -X - Y : Não Escionário n Médi = Y = X = X (série escionári) monic@mbrros.com 6 Generlizção Um processo esocásico é não escionário homogêneo se ele se orn escionário pós plicção de d diferençs Se Y é não escionário homogêneo enão: d = Y éescionário! Modelo ARIMA (p,d,q) d φ( B) = θ( B) φ( B) = φ B φ B φ B K θ( B) = θ B θ B θ B d = ( B) d K p q p q monic@mbrros.com 7 monic@mbrros.com 8
8 Exemplos i) ARIMA (,,) ( - φ B) ( - B) = ( - θ B) [ ] -( φ + ) B + φ B = ( -θ B ) -( φ + ) + φ = θ II) MODELO BJ Fluxogrm Opercionl Y ==> d ==> θ(b), φ(b) ==> = (φ +) - - φ θ - ii) ARIMA (0,,) = ( θb θb ) ( B + B ) = ( θ B θ B ) = + = + monic@mbrros.com 9 θ θ θ θ Série originl (não escionári) Série escionári pós d diferençs monic@mbrros.com 30 Fluxo Opercionl BJ Y ~ Operdor diferenç Idenificção Idenificção ~ Ordem AR(p) e MA(q) Vlores de p,d,q pr Y. Esimção $ $ φ e θ i j Esimção i) d rvés dos gráficos de d Y. Não Ruído ~ é brnco Sim Teses ii) p e q rvés ds ACF e PACF (correlogrm e correlogrm prcil de d Y ). monic@mbrros.com Previsão 3 monic@mbrros.com 3
9 No gráfico seguir esá um série não escionári, pr qul são necessáris dus diferençs é enconrr um série escionári. A uocorrelção (ACF) d série originl decresce MUITO lenmene, como mosrdo seguir Gráfico d Série originl monic@mbrros.com 33 monic@mbrros.com 34 O gráfico d. diferenç d série é: A ACF d série diferencid é: monic@mbrros.com 35 monic@mbrros.com 36
10 A série duplmene diferencid é: E su função de Auocorrelção: monic@mbrros.com 37 Logo, form necessáris dus diferençs pr ornr série originl escionári. monic@mbrros.com 38 Esimção φ i s e θ j s são esimdos minimizndo som dos qudrdos dos resíduos (ou erro de previsão), i.e. φ i s e θ j s is que Σ sej mínim = Obs: Os erros pdrões esimdos permiem esr s hipóeses nuls H o : φ i = 0 e H o : θ j = 0 Teses de sobrefixção juse modelos miores (mis elbordos) subsiu p por p + e q por q + e verifique se os prâmeros são significnes Teses nos Resíduos Devem ser ruído brnco, com médi nul e vriânci pequen NÃO DEVE EXISTIR AUTOCORRELAÇÃO NOS RESÍDUOS!!!! monic@mbrros.com 39 monic@mbrros.com 40
11 Tese de Ljung e Box (ou Pormneu) Esísic de ese é clculd prir ds ACFs esimds dos resíduos. A esísic de Ljung e Box mede mgniude d ACF dos resíduos pr diversos lgs, ou sej, esende esísic de Durbin-Wson (só lg ). r () i Q= n( n+ )Σ i= ( n- ) Sob hipóese de um ruído brnco, Q é um vriável com densidde Qui-qudrdo com M grus de liberdde. Onde n = T-d M = -(p+q) monic@mbrros.com 4 MODELOS PARA SÉRIES SAONAIS (SARIMA) BJ propõem um esruur similr o modelo ARIMA(p,d,q) pr s séries szonis, considerndo o inervlo de "S" (S; período szonl, e.g. S =, S = 4, ec.) o invés do inervlo uniário dos modelos simples. Modelo MA(Q) Purmene Szonl MA(Q)szonl MA(QS) simples com prâmeros não-nulos somene nos lgs S, S,...,QS. monic@mbrros.com 4 Correlogrm do MA(Q) Exemplo: S = ; MA() Szonl ρ w = - Θ - - Θ -4 ρ... S S 3S QS Ou sej: não exise qulquer ipo de dependênci denro de um período szonl; só exisem dependêncis enre períodos szonis. monic@mbrros.com 43 4 Pelo viso neriormene pr o modelo simples, PACF do MA(Q) szonl é compos de exponenciis e/ou senóides morecids nos lgs S, S, 3S,... monic@mbrros.com 44 K
12 Modelo AR(P) Purmene Szonl φ w = Φ w + Φ w Φ w s s p ps s s ps ou: w = ( + Φ B + Φ B Φ B ) p Dí: AR(P) Szonl = AR(PS) Simples com prâmero não-nulos nulos somene nos lg's S, S,..., PS Por nlogi (e dulidde) s funções ACF e PACF do AR(P) Szonl são: ρ S S... PS K Modelo ARMA(P,Q) purmene Szonl. w = Φ w + Φ w Φ w + Θ... Θ s s P Ps s Q Qs s s P ps s s Qs Q ou: (-Φ B -Φ B -Φ B ) w = (-Θ B -Θ B -...-Θ B )... monic@mbrros.com S S... PS (P+)S K 45 monic@mbrros.com 46 Modelos SARIMA Tmbém m conhecido como ARIMA muliplicivo d θ(b)/ φ(b) b Θ (B s )/Φ(B s). s D Exemplo: Modelo Airline É o modelo szonl muliplicivo que represen séries s szonis que exibem um endênci e sobrepos es, um componene szonl mulipliciv, ípic de ddos de negócios e, priculr, de vends de pssgens éres. O modelo é: SARIMA (0,, ) x (0,, ) É fcil mosrr que o correlogrm do modelo irline presen vlores não nulos nos lg's,, e 3, como bixo: φ(b) d b = θ(b) Φ (B s ). s D = Θ (B s )b ρ Onde S D d s Φ( B ). φ( B). Θ( B ). ( B). s = θ gru PS + p +SD + d gru QS + q... S (S)ARIMA (p, d, q) x (P, D, Q) D S = (-B S ) D 3 K monic@mbrros.com 47 monic@mbrros.com 48
13 Modelo Airline (SARIMA(0,,)x(0,,) S ) Exemplo: Modelo Airline pr ddos rimesris (s = 4) 4 4 ( B)( B ) = ( θb)( ΘB ) De um mneir gerl, se o período szonl é S, o modelo orn-se: S S ( B)( B ) = ( θb)( ΘB ) Define-se vriável de inervenção, como série emporl, denod por X i, compos de vlores "0 e "", onde "0" represen usênci de um fenômeno. O modelo BJ com inervenção éddo por: φ d bi ( B) = θ ( B) + w B X i onde w i é o "efeio" d vriável de inervenção X i em. b i é o lg de defsmeno do efeio d vriável X i em. monic@mbrros.com 49 monic@mbrros.com 50 Tipos de Inervenção Exemplo Série não szonl PIB preços de 006 ( ) Legend PIB_R$_ PulsoSzonl X3(j+s) ; j=,...,s ; =,... 0 X 3 (j+s) 5 X E+005 j j+s j+s j+3s... monic@mbrros.com monic@mbrros.com 5
14 A série é clrmene não escionári, porno idenificção ds ordens p e q irá requerer diferencição prévi d série. ACF d série sem diferencição Ms, qul cr d ACF e PACF d série sem diferencição? monic@mbrros.com 53 monic@mbrros.com 54 PACF d série sem diferencição ACF d série pós ª. Diferenç monic@mbrros.com 55 monic@mbrros.com 56
15 PACF d série pós ª. Diferenç Pelos gráficos neriores... ACF d série diferencid sugere MA() ou MA(). PACF d série diferencid sugere AR(). Opções: ARIMA(,,) ou ARIMA(,,) monic@mbrros.com 57 monic@mbrros.com 58 Ajuse de ARIMA(,,) Forecs Model for PIB_R$_006 ARIMA(,,) Term Coefficien Sd. Error -Sisic Significnce [] b[] <- b[] Wihin-Smple Sisics Smple size 60 Number of prmeers 3 Men.0e+006 Sndrd deviion 6.939e+005 R-squre Adjused R-squre Durbin-Wson.05 Ljung-Box(8)=6.9 P=0.99 Forecs error 3.9e+004 BIC 4.35e+004 MAPE RMSE 3.83e+004 MAD.59e+004 monic@mbrros.com 59 Ajuse de ARIMA(,,) Forecs Model for PIB_R$_006 ARIMA(,,) Term Coefficien Sd. Error -Sisic Significnce [] b[] Wihin-Smple Sisics Smple size 60 Number of prmeers Men.0e+006 Sndrd deviion 6.939e+005 R-squre Adjused R-squre Durbin-Wson.7 * Ljung-Box(8)=34. P= Forecs error 3.85e+004 BIC 4.054e+004 MAPE RMSE 3.787e+004 MAD.607e+004 Todos os coefs. significnes, ms lguns dos erros in smple ligeirmene miores que no modelo nerior Exper selecion do FPW sugere ese modelo monic@mbrros.com 60
16 Exemplo Série szonl Consumo mensl de energi eléric ol Brsil ACF d série originl Legend TOTAL monic@mbrros.com monic@mbrros.com 6 PACF d série originl ACF d série com um diferenç NÃO szonl monic@mbrros.com 63 monic@mbrros.com 64
17 PACF d série com um diferenç NÃO szonl ACF d série com um diferenç szonl A diferenç szonl não serve pr ornr série escionári. Enão, o que ineress é pens diferenç não szonl. monic@mbrros.com 65 monic@mbrros.com 66 Pelos gráficos neriores... O problem é BEM MAIS complicdo que no cso não szonl... ACF d série diferencid olhe o lgs e mbém lgs múliplos de, sugerindo MA() não szonl e MA() szonl. PACF d série diferencid sugere AR() e AR() szonl. Modelo enivo: SARIMA(,,)(,0,) monic@mbrros.com 67 SARIMA(,,)(,0,) Forecs Model for ol ARIMA(,,)*(,0,) Term Coefficien Sd. Error -Sisic Significnce [] <- b[] <- A[] B[] Try lernive model ARIMA(0,,)*(,0,) Wihin-Smple Sisics Smple size 340 Number of prmeers 4 Men.87e+004 Sndrd deviion 64 R-squre 0.99 Adjused R-squre Durbin-Wson.77 Ljung-Box(8)=7.5 P=0.487 Forecs error BIC 60.6 Necessidde de rejusr esruur do modelo, jogndo for prâmeros não significnes. MAPE RMSE 58.3 monic@mbrros.com 68 MAD 343
18 SARIMA(0,,)(,0,) Forecs Model for ol ARIMA(0,,)*(,0,) Term Coefficien Sd. Error -Sisic Significnce b[] A[] B[] Wihin-Smple Sisics Smple size 340 Number of prmeers 3 Men.87e+004 Sndrd deviion 64 R-squre Adjused R-squre Durbin-Wson.767 Ljung-Box(8)=8.8 P= Forecs error 587 BIC MAPE RMSE MAD SARIMA(,,0)(,0,) Forecs Model for ol ARIMA(,,0)*(,0,) Term Coefficien Sd. Error -Sisic Significnce [] A[] B[] Wihin-Smple Sisics Smple size 340 Number of prmeers 3 Men.87e+004 Sndrd deviion 64 R-squre 0.99 Adjused R-squre Durbin-Wson.757 Ljung-Box(8)=7.44 P=0.507 Forecs error 585. BIC MAPE RMSE 58.5 MAD monic@mbrros.com 69 monic@mbrros.com 70 Como escolher denre os dois úlimos modelos? Esísics de erros denro d mosr BIC Holdou seprr lguns meses como se não perencessem à série e verificr cpcidde de previsão ACF dos resíduos é imporne que os resíduos de um modelo B/J não enhm esruur. monic@mbrros.com 7
Introdução. Séries Temporais. Nuno Fidalgo. Metodologia clássica popular para a previsão a curto prazo.
Séries Temporis Nuno Fidlgo Inrodução Meodologi clássic populr pr previsão curo przo. 6000 5000 Consumos de gás em Lisbo Previsão dos fuuros vlores d série emporl com bse nos vlores pssdos d própri vriável
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 maisA Previsão com o Método de Winter 1
A Previsão com o Méodo de Winer. Inrodução O méodo de Winer é um méodo de morecimeno exponencil que lev em con os componenes de szonlidde d série de ddos observdos. O méodo se bsei principlmene no modelo
Leia mais2 REVISÃO BIBLIOGRÁFICA
REVIÃO BIBLIOGRÁFICA. Inrodução Nes pre do rblho, serão presendos lguns conceios de séries emporis, ssim como lguns modelos esísicos e modelos de ineligênci compucionl que são uilizdos pr previsão. Além
Leia maisEconometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
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 maisPREVISÃO DO PREÇO DOS PRINCIPAIS GRÃOS DO RIO GRANDE DO SUL
UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE CIÊNCIAS NATURAIS E EXATAS DEPARTAMENTO DE ESTATÍSTICA PROGRAMA DE PÓS-GRADUAÇÃO EM ESTATÍSTICA E MODELAGEM QUANTITATIVA PREVISÃO DO PREÇO DOS PRINCIPAIS GRÃOS
Leia maisMODELAGEM DA PRODUÇÃO DE LEITE DA UNIDADE DE RECEBIMENTO E RESFRIAMENTO NA ELEGÊ ALIMENTOS S.A. EM SANTO ÂNGELO - RS
MODELAGEM DA PRODUÇÃO DE LEITE DA UIDADE DE RECEBIMETO E RESFRIAMETO A ELEGÊ ALIMETOS S.A. EM SATO ÂGELO - RS Orienor: Prof MsC. Bruno Aemr Menges - DECT Co-Orienor: Prof Dr Suzn Russo - DECT Bolsis PIIC/URI:
Leia mais6 Cálculo Integral (Soluções)
6 Cálculo Inegrl (Soluções). () Sej d {,..., n } um decomposição de [, ]. Podemos ssumir que d (cso conrário, om-se d d {}, e em-se S d ( f ) S d ( f ), s d ( f ) s d ( f )). Sej k, pr lgum k {,..., n
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 maisMATRIZES. Neste caso, temos uma matriz de ordem 3x4 (lê-se três por quatro ), ou seja, 3 linhas e 4
A eori ds mrizes em cd vez mis plicções em áres como Economi, Engenhris, Memáic, Físic, enre ours. Vejmos um exemplo de mriz: A bel seguir represen s nos de rês lunos do primeiro semesre de um curso: Físic
Leia maisMODELAGEM AUTOMÁTICA DE SÉRIES TEMPORAIS
MODELAGEM AUTOMÁTICA DE SÉRIES TEMPORAIS Oscr S. Silv Fo., Wgner Cezrino; e Sérgio N. Miymoo Cenro de Pesquiss Reno Archer - CenPRA Rod. D. Pedro I, Km. 43,6 Cmpins SP Absrc: In his pper, n environmen
Leia maisCaracterísticas 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 maisAdriano Pedreira Cattai. Universidade Federal da Bahia UFBA Semestre
Cálculo II A, MAT Adrino Pedreir Ci hp://www.lunospgm.uf.r/drinoci/ Universidde Federl d Bhi UFBA Semesre 6. Inrodução No Teorem Fundmenl do Cálculo TFC, os ies de inegrção, e em, são números reis e f
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM UM ÚNICO FATOR E A ANÁLISE DE VARIÂNCIA
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM UM ÚNICO FATOR E A ANÁLISE DE VARIÂNCIA Dr. Sivldo Leite Correi EXEMPLO DE UM PROBLEMA COM UM ÚNICO FATOR Um empres do rmo textil desej desenvolver
Leia maisALGEBRA LINEAR AUTOVALORES E AUTOVETORES. Prof. Ademilson
LGEBR LINER UTOVLORES E UTOVETORES Prof. demilson utovlores e utovetores utovlores e utovetores são conceitos importntes de mtemátic, com plicções prátics em áres diversificds como mecânic quântic, processmento
Leia maisEstimação no Domínio do tempo: Covariâncias e modelos ARIMA
Estimação no Domínio do tempo: Covariâncias e modelos ARIMA Airlane Pereira Alencar 8 de Março de 2019 Alencar, A.P., Rocha, F.M.M. (IME-USP) Processos Estocásticos 8 de Março de 2019 1 / 26 Índice 1 Estacionariedade
Leia maisXVIII Seminário Nacional de Distribuição de Energia Elétrica
XVIII Seminário Ncionl de Disribuição de Energi Eléric SENDI 2008-06 10 de ouubro Olind - Pernmbuco - Brsil Projeção Mensl d Demnd de Energi Eléric Uilizndo VEC e Esimiv Box- Jenkins Pr os Prâmeros. Plvrs-chve:
Leia mais3. Equações diferenciais parciais 32
. Eqções diferenciis prciis.. Definição de eqção diferencil prcil Definição: Chm-se eqção diferencil prcil m eqção qe coném m o mis fnções desconhecids de ds o mis vriáveis e s ss derivds prciis em relção
Leia maisANÁLISE DE SÉRIES TEMPORAIS
ANÁLISE DE SÉRIES TEMPORAIS Ralph S. Silva http://www.im.ufrj.br/ralph/seriestemporais.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Estimação
Leia maisÁLGEBRA LINEAR - 1. MATRIZES
ÁLGEBRA LINEAR - 1. MATRIZES 1. Conceios Básicos Definição: Chmmos de mriz um el de elemenos disposos em linhs e coluns. Por exemplo, o recolhermos os ddos populção, áre e disânci d cpil referenes à quros
Leia maisLista de Exercícios 4 Cinemática
Lis de Eercícios 4 Cinemáic. Fís1 633303 04/1 G.1 E.4 p. 14 IF UFRJ 2004/1 Físic 1 IFA (prof. Mr) 1. Um objeo em elocidde ~ ± consne. No insne ± = 0, o eor posição do objeo é ~r ±. Escre equção que descree
Leia maisModulo I. Séries Temporais: ARIMA
UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA Modulo I Séries Temporais: ARIMA Curso: Bacharelado em Estatística Disciplina: Estatística Aplicada Nome: Verena
Leia mais20/07/15. Matemática Aplicada à Economia LES 201
Mtemátic Aplicd à Economi LES 201 Auls 3 e 4 17 e 18/08/2015 Análise de Equilíbrio Sistems Lineres e Álgebr Mtricil Márci A.F. Dis de Mores Análise de Equilíbrio em Economi (Ching, cp 3) O significdo do
Leia maisQ(s 1,I) = Q(s 1,I) (1- α ) + α (r + γ max a Q(s 4,I))= 0. Q(s 4,I) = Q(s 4,I) (1- α ) + α (r + γ max a Q(s 7,D))= 0
Plno de Auls: einforcemen Lerning Conceios básicos Elemenos de um sisem L Crcerísics Fundmenos Teóricos Processos de Decisão de Mrkov Propriedde de Mrkov Funções de Vlor Aprendizdo L Méodos pr solução
Leia maisUniversidade Federal de Viçosa DEPARTAMENTO DE MATEMÁTICA MAT Cálculo Dif. e Int. I PRIMEIRA LISTAA
Universidde Federl de Viços DEPARTAMENTO DE MATEMÁTICA MAT - Cálculo Dif e In I PRIMEIRA LISTAA Memáic básic Professors: Gbriel e Crin Simplifique: ) b ) 9 c ) d ) ( 9) e ) 79 f ) g ) ) ) i j ) Verddeiro
Leia maiscoeficiente de atrito entre o móvel e o plano: µ = 2 3 ; inclinação do plano: θ = 45º. figura 1
wwwfisicexecombr É ddo um plno áspero inclindo de 45º em relção o horizone, do qul AB é um re de mior declie Um corpo é irdo no senido scendene, enr em repouso em B reornndo o pono A Admiindo-se que o
Leia mais1 Distribuições Contínuas de Probabilidade
Distribuições Contínus de Probbilidde São distribuições de vriáveis letóris contínus. Um vriável letóri contínu tom um numero infinito não numerável de vlores (intervlos de números reis), os quis podem
Leia maisDefinição: Sejam dois números inteiros. Uma matriz real é uma tabela de números reais com m linhas e n colunas, distribuídos como abaixo:
I MTRIZES Elemeos de Álgebr Lier - MTRIZES Prof Emíli / Edmé Defiição: Sem dois úmeros ieiros Um mriz rel é um bel de úmeros reis com m lihs e colus, disribuídos como bixo: ( ) i m m m m Cd elemeo d mriz
Leia maisRESOLUÇÃO DA PROVA DE MATEMÁTICA VESTIBULAR DA UNICAMP 2016 FASE 2. POR PROFA. MARIA ANTÔNIA CONCEIÇÃO GOUVEIA
RESOLUÇÃO DA PROVA DE MATEMÁTICA VESTIBULAR DA UNICAMP 6 FASE. POR PROFA. MARIA ANTÔNIA CONCEIÇÃO GOUVEIA. O gráfico de brrs bixo exibe distribuição d idde de um grupo de pessos. ) Mostre que, nesse grupo,
Leia maisO T E O R E M A F U N D A M E N TA L D O C Á L C U L O. Prof. Benito Frazão Pires
4 O T E O R E M A F U N D A M E N TA L D O C Á L C U L O Prof. Benio Frzão Pires Conforme foi viso n Aul, se f : [, b] R for conínu, enão inegrl b f() eisirá e será igul à áre líqui (conbilizno o sinl)
Leia maisSÉRIES TEMPORAIS APLICADAS AO PLANEJAMENTO ENERGÉTICO DA OPERAÇÃO DO SIN
4 SÉRIES TEMPORAIS APICADAS AO PANEJAMENTO ENERGÉTICO DA OPERAÇÃO DO SIN 4. INTRODUÇÃO Grnde re dos fenôenos ue ocorre n nurez ossui cooreno leório, de odo ue é use iossível firr coo nurez vi se coorr
Leia maisGABARITO. 2 Matemática A. 08. Correta. Note que f(x) é crescente, então quanto menor for o valor de x, menor será sua imagem f(x).
Eensivo V. Eercícios ) D y = log ( + ) Pr = : y = log ( + ) y = log y = Noe que o gráfico pss pel origem. Porno, únic lerniv possível é D. ) M + = log B B M + = log B B M + = log + log B B Como M = log
Leia maisAssíntotas verticais. lim f lim lim. x x x. x 2 x 2. e e e e e. lim lim
1. 1.1. Assínos vericis 0 0 1 ) lim f lim lim 4 6 1 i 6 1 1 6 14 i) é riz dos polinómios e 4 6 1. Uilizndo regr de Ruffini pr os decompor, conclui-se que: 1 e que 4 6 1 1 6 e e e e e lim f lim 0 e e 1
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 maisESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO Departamento de Engenharia Mecânica
SCOLA POLITÉCNICA DA UNIVSIDAD D SÃO PAULO Deprmeno de ngenhri Mecânic PM-50MCÂNICA DOS SÓLIDOS II Profs.: Celso P. Pesce e. mos Jr. Prov /0/0 Durção: 00 minuos Quesão (5,0 ponos): A figur io ilusr um
Leia maisESCOAMENTOS VARIÁVEIS EM PRESSÃO (Choque Hidráulico)
ESCOAMENTOS ARIÁEIS EM PRESSÃO (Choque idráulico Méodo de Allievi 8-5-3 Méodo de Allievi 1 8-5-3 Méodo de Allievi Choque idráulico Equções Dierenciis: Equilíbrio Dinâmico Conservção d Mss riáveis dependenes:
Leia maisMetodologia de Box-Jenkins. Metodologia de Box-Jenkins. Metodologia de Box-Jenkins
Programa de Pós-graduação em Engenharia de Produção Análise de séries temporais: Modelos de Box-Jenkins Profa. Dra. Liane Werner Metodologia de Box-Jenkins Para os modelos de decomposição e os modelos
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 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 maisUNIVERSIDADE DE SÃO PAULO ESCOLA POLITÉCNICA
UNVERSDDE DE SÃO PULO ESOL POLTÉN Deprtmento de Engenhri de Estruturs e Geotécnic URSO ÁSO DE RESSTÊN DOS TERS FSÍULO Nº 5 Flexão oblíqu H. ritto.010 1 FLEXÃO OLÍU 1) udro gerl d flexão F LEXÃO FLEXÃO
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia maisCálculo I Lista numero 11
Cálculo I Lis numero ie e inegrl rcisio.prcino@gmil.com Márcio Feijão e T Prcino-Pereir Curso de Físic lun@: 8 de mrço de 7 Univ. Es. Vle do Acrú Produzido com L A TEX sis. op. Debin/GNU/Linux www.clculo.sobrlmemic.org/
Leia maisIntegrais Duplas em Regiões Limitadas
Cálculo III Deprtmento de Mtemátic - ICEx - UFMG Mrcelo Terr Cunh Integris Dupls em egiões Limitds Ou por curiosidde, ou inspirdo ns possíveis plicções, é nturl querer usr integris dupls em regiões não
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 maisCapítulo 3. Modelos Probabilísticos
Capítulo 3 Modelos Probabilísticos 3.1 Introdução Neste capítulo serão descritos vários modelos adequados para dados de séries temporais. Tais modelos são chamados de processos estocásticos. Matematicamente
Leia maisCAPÍTULO 4 BASE E DIMENSÃO
Lui Frncisco d Cru Deprmeno de Memáic Unesp/Buru CAPÍTULO BASE E DIMENSÃO Inrodução Em muis plicções não é ineressne rblhr com um espço veoril ineiro ms com um pre dese espço ou sej um subespço que sej
Leia maisn. 6 SISTEMAS LINEARES
n. 6 SISTEMAS LINEARES Sistem liner homogêneo Qundo os termos independentes de tods s equções são nulos. Todo sistem liner homogêneo dmite pelo menos solução trivil, que é solução identicmente nul. Assim,
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 4
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 4 O Processo Média-Móvel Muitas vezes, a estrutura auto-regressiva não é suficiente para descrever totalmente
Leia maisEconometria Financeira
Ralph S. Silva http://www.im.ufrj.br/ralph/econometriafinanceira.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Setembro-Dezembro/2015 Análise
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 maisCapítulo 7 - Estimação por intervalos 3
Cpítulo 7 - Estimção por intervlos Conceição Amdo e An M. Pires Cpítulo 7 - Estimção por intervlos 3 7.1 Noções básics....................................................... 4 7. Intervlos de confinç pr
Leia maisEQUAÇÃO DO 2 GRAU. Seu primeiro passo para a resolução de uma equação do 2 grau é saber identificar os valores de a,b e c.
EQUAÇÃO DO GRAU Você já estudou em série nterior s equções do 1 gru, o gru de um equção é ddo pelo mior expoente d vriável, vej lguns exemplos: x + = 3 equção do 1 gru já que o expoente do x é 1 5x 8 =
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 maisCálculo Numérico Módulo III Resolução Numérica de Sistemas Lineares Parte I
Cálculo Numérico Módulo III Resolução Numéric de Sistems Lineres Prte I Prof: Reinldo Hs Sistems Lineres Form Gerl... n n b... n n b onde: ij n n coeficientes i incógnits b i termos independentes... nn
Leia maisEixo Temático: Estratégia e Internacionalização de Empresas
Eixo Temático: Estratégia e Internacionalização de Empresas PREVISÃO DA ARRECADAÇÃO DE ICMS DO ESTADO DO RIO GRANDE DO SUL: UMA ABORDAGEM COM MODELOS ARIMA RESUMO PREDICTING THE COLLECTION OF ICMS OF RIO
Leia maisEXEMPLO 3 - CONTINUAÇÃO
AJUSTE A U POLINÔIO Se curv f for jusd um polômo de gru, eremos f * () 0 Segudo o mesmo procedmeo eror, chegremos o segue ssem ler: m L O L L 0 EXEPLO Os ddos bo correspodem o volume do álcool ídrco em
Leia maisCE017 - ANÁLISE DE SÉRIES TEMPORAIS NOTAS DE AULA
CE07 - ANÁLISE DE SÉRIES TEMPORAIS NOTAS DE AULA Esas Noas de Aula êm apenas o objeivo de faciliar o rabalho do aluno em sala de aula na pare de anoação do coneúdo exposo pelo professor e com iso se ganha
Leia maisConceitos Básicos de Séries Temporais para Modelagem Macroeconômica
Conceitos Básicos de Séries Temporais para Modelagem Macroeconômica Material de apoio à aula de RBC Referencia bibliográfica: Introduction to Econometrics G S Maddala e Kajal Lahiri 4a. Edição, John Wiley
Leia maisFernando de Oliveira Durão
(Sucessões Cronológicas) Uma inrodução Fernando de Oliveira Durão (Documeno Provisório) Parcialmene adapado de noas de Alex Trindade Deparmen of Saisics Universiy of Florida www.sa.ufl.edu/~rindade/sa6934
Leia maisteoria de probabilidade e estatística, uma sequência de palavra série de tempo é usada alternativamente para
Na teoria de probabilidade e estatística, uma sequência de variáveis aleatórias é independente e indenticamente distribuida (i.i.d) se cada variável aleatória tem a mesma distribuição de probabilidade
Leia mais1 Assinale a alternativa verdadeira: a) < <
MATEMÁTICA Assinle lterntiv verddeir: ) 6 < 7 6 < 6 b) 7 6 < 6 < 6 c) 7 6 < 6 < 6 d) 6 < 6 < 7 6 e) 6 < 7 6 < 6 Pr * {} temos: ) *, * + e + * + ) + > + + > ) Ds equções (I) e (II) result 7 6 < ( 6 )
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 mais2. Séries Temporais Definição
23 2. Séries Temporais 2.1. Definição Um processo estocástico é uma função aleatória que evolui no tempo (e/ou no espaço), definida sob um espaço de probabilidades. Mais precisamente, um processo estocástico
Leia maisFaculdade de Computação
UNIVERIDADE FEDERAL DE UBERLÂNDIA Fculdde de Computção Disciplin : Teori d Computção Professor : ndr de Amo Revisão de Grmátics Livres do Contexto (1) 1. Fzer o exercicio 2.3 d págin 128 do livro texto
Leia maisMATRIZES, DETERMINANTES E SISTEMAS LINEARES PROF. JORGE WILSON
MATRIZES, DETERMINANTES E SISTEMAS LINEARES PROF. JORGE WILSON PROFJWPS@GMAIL.COM MATRIZES Definição e Notção... 11 21 m1 12... 22 m2............ 1n.. 2n. mn Chmmos de Mtriz todo conjunto de vlores, dispostos
Leia maisAula de Medidas Dinâmicas I.B De Paula
Aul de Medids Diâmics I.B De Pul A medição é um operção, ou cojuto de operções, destids determir o vlor de um grdez físic. O seu resultdo, comphdo d uidde coveiete, costitui medid d grdez. O objetivo dest
Leia mais10/09/2016 UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS DA TERRA DEPARTAMENTO DE GEOMÁTICA AJUSTAMENTO II GA110. Prof. Alvaro Muriel Lima Machado
UNIVERSIDDE FEDERL DO PRNÁ SEOR DE IÊNIS D ERR DEPRMENO DE GEOMÁI JUSMENO II G Prof. lvro Muriel Lim Mchdo justmento de Observções Qundo s medids não são feits diretmente sobre s grndezs procurds, ms sim
Leia mais3 Teoria dos Conjuntos Fuzzy
0 Teori dos Conjuntos Fuzzy presentm-se qui lguns conceitos d teori de conjuntos fuzzy que serão necessários pr o desenvolvimento e compreensão do modelo proposto (cpítulo 5). teori de conjuntos fuzzy
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 maisAplicação. Uma famosa consultoria foi contratada por uma empresa. que, entre outras coisas, gostaria de entender o processo
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
Leia maisEletromagnetismo I. Eletromagnetismo I - Eletrostática. Equação de Laplace (Capítulo 6 Páginas 119 a 123) Eq. de Laplace
Eletromgnetismo I Prof. Dniel Orquiz Eletromgnetismo I Prof. Dniel Orquiz de Crvlo Equção de Lplce (Cpítulo 6 Págins 119 123) Eq. de Lplce Solução numéric d Eq. de Lplce Eletromgnetismo I 2 Prof. Dniel
Leia maisAprendizagem de Máquina
prendizgem de Máquin prendizdo por reforço Inrodução. O prendizdo por reforço é um écnic que possibili prendizgem prir d inerção com o mbiene. (hp://www.cs.ulber.c/~suon/book/he-book.hml) inerção com o
Leia maisUniversidade Federal de Pelotas Vetores e Álgebra Linear Prof a : Msc. Merhy Heli Rodrigues Determinantes
Universidde Federl de Pelots Vetores e Álgebr Liner Prof : Msc. Merhy Heli Rodrigues Determinntes Determinntes Definição: Determinnte é um número ssocido um mtriz qudrd.. Determinnte de primeir ordem Dd
Leia maisUTILIZAÇÃO DE MODELOS ARIMA PARA PREVISÃO DA ARRECADAÇÃO DE ICMS DO ESTADO DO RIO GRANDE DO SUL
UTILIZAÇÃO DE MODELOS ARIMA PARA PREVISÃO DA ARRECADAÇÃO DE ICMS DO ESTADO DO RIO GRANDE DO SUL Deise Scheffer Universidade Federal de Santa Maria scheffer.deise@gmail.com Adriano Mendonça Souza Universidade
Leia maisTÓPICOS. Equação linear. Sistema de equações lineares. Equação matricial. Soluções do sistema. Método de Gauss-Jordan. Sistemas homogéneos.
Note bem: leitur destes pontmentos não dispens de modo lgum leitur tent d bibliogrfi principl d cdeir ÓPICOS Equção liner. AUA 4 Chm-se tenção pr importânci do trblho pessol relizr pelo luno resolvendo
Leia maisComprimento de arco. Universidade de Brasília Departamento de Matemática
Universidde de Brsíli Deprtmento de Mtemátic Cálculo Comprimento de rco Considerefunçãof(x) = (2/3) x 3 definidnointervlo[,],cujográficoestáilustrdo bixo. Neste texto vmos desenvolver um técnic pr clculr
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 maisweekday hour holidays o diagrama de potências, a ponta do diagrama (MW) a energia vendida, a energia a distribuída (MWh)
Previsão de consumos Nuno Fidlgo I () 6 4 2 8 6 4 2 3 6 9 2 8 2 24 h27 weekdy hour I () 6 4 2 8 6 4 2 3 6 9 2 8 2 24 h27.. holidys temperture Prever o quê? o digrm de potêncis, pont do digrm (MW) energi
Leia maisTrigonometria FÓRMULAS PARA AJUDÁ-LO EM TRIGONOMETRIA
Trigonometri é o estudo dos triângulos, que contêm ângulos, clro. Conheç lgums regrs especiis pr ângulos e váris outrs funções, definições e trnslções importntes. Senos e cossenos são dus funções trigonométrics
Leia maisResolução Numérica de Sistemas Lineares Parte I
Cálculo Numérico Resolução Numéric de Sistems ineres Prte I Prof. Jorge Cvlcnti jorge.cvlcnti@univsf.edu.br MATERIA ADAPTADO DOS SIDES DA DISCIPINA CÁCUO NUMÉRICO DA UFCG - www.dsc.ufcg.edu.br/~cnum/ Sistems
Leia maisCAPÍTULO EXERCÍCIOS pg. 127
CAPÍTULO. EXERCÍCIOS pg.. Deerinr equção d re ngene às seguines curvs, nos ponos indicdos. Esboçr o gráico e cd cso..,,, ; R.. As igurs que segue osr s res ngenes pr os ponos e. Coo o vlor de é genérico
Leia maisFísica Geral e Experimental I (2011/01)
Diretori de Ciêncis Exts Lbortório de Físic Roteiro Físic Gerl e Experimentl I (/ Experimento: Cinemátic do M. R. U. e M. R. U. V. . Cinemátic do M.R.U. e do M.R.U.V. Nest tref serão borddos os seguintes
Leia maisBhaskara e sua turma Cícero Thiago B. Magalh~aes
1 Equções de Segundo Gru Bhskr e su turm Cícero Thigo B Mglh~es Um equção do segundo gru é um equção do tipo x + bx + c = 0, em que, b e c são números reis ddos, com 0 Dd um equção do segundo gru como
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 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 maisECONOMETRIA AVANÇADA Prova Intermediária - 09/04/2015
ECONOMETRIA AVANÇADA Prova Intermediária - 09/04/2015 Solução Questão I (2,0 pontos): Para o modelo y t = 0, 7y t 1 + ɛ t, com ruído branco ɛ t (0, 1), (a) (0,5) Obtenha a previsão h-passos a frente, ŷ
Leia mais4. Modelagem (3) (4) 4.1. Estacionaridade
24 4. Modelagem Em um modelo esaísico adequado para se evidenciar a exisência de uma relação lead-lag enre as variáveis à visa e fuura de um índice é necessário primeiramene verificar se as variáveis logarimo
Leia maisDiogo Pinheiro Fernandes Pedrosa
Integrção Numéric Diogo Pinheiro Fernndes Pedros Universidde Federl do Rio Grnde do Norte Centro de Tecnologi Deprtmento de Engenhri de Computção e Automção http://www.dc.ufrn.br/ 1 Introdução O conceito
Leia maisApós encontrar os determinantes de A. B e de B. A, podemos dizer que det A. B = det B. A?
PROFESSOR: EQUIPE DE MATEMÁTICA BANCO DE QUESTÕES - MATEMÁTICA - ª SÉRIE - ENSINO MÉDIO ============================================================================================= Determinntes - O vlor
Leia maisAlocação sequencial - Pilhas
Alocção seqüencil - pilhs Alocção sequencil - Pilhs Pilhs A estrutur de ddos Pilh é bstnte intuitiv. A nlogi é um pilh de prtos. Se quisermos usr um pilh de prtos com máxim segurnç, devemos inserir um
Leia maisExemplo: y 3, já que sen 2 e log A matriz nula m n, indicada por O m n é tal que a ij 0, i {1, 2, 3,..., m} e j {1, 2, 3,..., n}.
Mrzes Mrz rel Defnção Sem m e n dos números neros Um mrz rel de ordem m n é um conuno de mn números res, dsrbuídos em m lnhs e n coluns, formndo um bel que se ndc em gerl por 9 Eemplo: A mrz A é um mrz
Leia maisMatrizes. Matemática para Economistas LES 201. Aulas 5 e 6 Matrizes Chiang Capítulos 4 e 5. Márcia A.F. Dias de Moraes. Matrizes Conceitos Básicos
Mtemátic pr Economists LES uls e Mtrizes Ching Cpítulos e Usos em economi Mtrizes ) Resolução sistems lineres ) Econometri ) Mtriz Insumo Produto Márci.F. Dis de Mores Álgebr Mtricil Conceitos Básicos
Leia maisPrevisão da precipitação pluviométrica na cidade de Natal-RN, com modelos de séries temporais
INTRODUCÃO Prevsão d precpção pluvomérc n cdde de Nl-RN, com modelos de séres empors Nje Cléco Nunes d Slv Thelm Sáfd Joel Jorge Nuvung 3 Wederson Lendro Ferrer 4 Oses Mchdo Gomes 5 André Brbos Venur d
Leia maisUNIVERSIDADE FEDERAL DA BAHIA DEPARTAMENTO DE MATEMÁTICA MAT ALGEBRA LINEAR I-A PROF.: GLÓRIA MÁRCIA
UNIVERSIDADE FEDERAL DA BAHIA DEPARTAMENTO DE MATEMÁTICA MAT - ALGEBRA LINEAR I-A PROF.: GLÓRIA MÁRCIA LISTA DE EXERCÍCIOS ) Sejm A, B e C mtries inversíveis de mesm ordem, encontre epressão d mtri X,
Leia maisFísica I FEP111 ( )
Físic I FEP 4345) º Semesre de 3 Insiuo de Físic Uniersidde de São Pulo Professor: Vldir Guimrães E-mil: ldirg@if.usp.br Fone: 39.74 4 e 5 de goso Moimeno Unidimensionl Noção cienífic Vmos conencionr escreer
Leia maisUniversidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 - CAPES MATRIZES
Universidde Federl do Rio Grnde FURG Instituto de Mtemátic, Esttístic e Físic IMEF Editl - CAPES MATRIZES Prof. Antônio Murício Medeiros Alves Profª Denise Mri Vrell Mrtinez Mtemátic Básic pr Ciêncis Sociis
Leia maisCálculo Diferencial e Integral I 2 o Teste - LEAN, MEAer, MEAmb, MEBiol, MEMec
Cálculo Diferencil e Integrl I o Teste - LEAN, MEAer, MEAmb, MEBiol, MEMec de Junho de, h Durção: hm Apresente todos os cálculos e justificções relevntes..5 vl.) Clcule, se eistirem em R, os limites i)
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia mais