Complementos de Econometria. Licenciatura em Economia. ISCTE-IUL, Dep. de Economia MODELOS EM TIME SERIES (PARTE 2) Luís Filipe Martins
|
|
- Rubens Ferreira Imperial
- 8 Há anos
- Visualizações:
Transcrição
1 Complementos de Econometria Licenciatura em Economia ISCTE-IUL, Dep. de Economia MODELOS EM TIME SERIES (PARTE 2) Luís Filipe Martins Departamento de Métodos Quantitativos, ISCTE-IUL, Escola de Gestão Lisboa, Outubro de 2009
2 Recapitulação (ver apontamentos) MRLM (incluindo o termo independente): y t = + 2 x t2 + ::: + k x tk + u t = x 0 t + u t ; t = ; :::; T () y = X + u x tk = (; x t2 ; :::; x tk ) 0 ; t = ; :::; T ; k = ( ; 2 ; :::; k ) 0 ; y T = y ::: y T A ; X T k = Sob hipoteses Gauss-Markov, b OLS = X 0 0 X X y = x 2 ::: x k ::: ::: ::: x T 2 ::: x T k A ; u T = 2 u ::: u T! TX TX x t x 0 t x t y t (2) é BLUE (inclui consistencia). Usar formulas de Econometria, nomeadamente, \ V bjx = b 2 u X X 0 : (3) MAS, admita-se que em modelos com time series os erros estão autocorrelacionados Cov(u t ; u s jx) = Cov(u t ; u s jx ; :::; x T ) 6= 0; t; s = ; :::; T; (4) para algum t 6= s: Então, OLS continua a ser consistente mas não é BLUE (há outro estimador - que não o OLS - que é mais t= t= A
3 \ eciente: FGLS) e a formula usual de V bjx para o OLS passa a ser b kk = V \ bjx = X 0 0 X X X b X X 0 ; (5) onde T T = E(uu 0 jx) 6= 2 ui T : Nestas circunstâncias, sugere-se MANTER o OLS (não usar o FGLS) mas usar uma matriz b kk robusta a autocorrelação. Essa formula deve-se a Newey and West (HAC). Pela simplicidade e boas propriedades, assumir que o modelo para o u t é um AR(): u t = u t + " t ; " t wn 0; 2 " ; t = ; :::; T: (6) Então, u t é estacionário e de memória que se dissipa para jj < e, neste caso, E (u t ) = 0; V (u t ) = 2 " ( 2 ) ; (l) = l V (u t ) ; Cor (u t ; u t+l ) = l : Testes à (ausência) de autocorrelação dos erros: Durbin-Watson (testa AR() em modelos estáticos) h Durbin e h alt (testa AR() em modelos dinâmicos) Breusch-Godfrey (testa AR(p), u t = u t + ::: + p u t p + " t ) 3 (7)
4 2 Variaveis Dummy, Tendência Deterministica e Sazonalidade Em time series também faz sentido usarem-se variaveis Dummy como regressores (ver Econometria ). Exemplo: C t = + 2 R t + 3 D t + 4 D t R t + u t ; (8) em que C t é o nivel de consumo em t; R t é o rendimento e D t é uma Dummy em que D t = para t em tempo de paz e D t = 0 para t em tempo de guerra. Qual é a interpretação de 3 e 4? Pode-se (e deve-se) aplicar os testes de Chow de Econometria. Outro exemplo é em modelos com sazonalidade (ver em baixo). Modelos com tendencia deterministica: (linear) y t = + 2 t + u t ; t = ; :::; T (9) (quadrática) y t = + 2 t + 3 t 2 + u t ; (exponencial) log y t = + 2 t + u t : Podem-se incluir regressores x t ; Estimação pode ser por OLS (ver hipoteses) MAS sem testes t porque a distribuição não é a standard; Usar o R 2 ;... Utilidade: Retirar tendência (deterministica) a y t ("detrending"). () Estimar por OLS o do modelo com tendencia - ; b (2) Subtrair by t = b + b 2 t a y t para obter a série sem tendencia (detrended) by t d = y t by t (que é igual a bu t quando 4
5 não há x t ): Assim, y t cresce/decresce com o tempo mas by d t ca mais ou menos constante com o tempo. Modelos com sazonalidade (por exemplo, y t é o volume de vendas de brinquedos e os dados são mensais). Sazonalidade reecte impactos motivados por factores de periodicidade inferior a um ano. Neste caso, y t = + 2 S 2t + ::: + 2 S 2;t + u t ; (0) em que S j;t é uma dummy onde S j;t = se t é uma observação do mês j e S j;t = 0 se t não é uma observação do mês j: Utilidade: Retirar sazonalidade a y t ("dessasonalização"). () Estimar por OLS o do modelo com S 0 ts - b ; (2) Subtrair by t a y t para obter by s t : 5
6 3 Modelos com desfasamentos e modelos dinâmicos Modelo DL(q) (distributed lag of order q = modelo com um numero nito q de desfasamentos): y t = x t + x t + ::: + q x t q + u t ; t = ; :::; T () Perda de q observações; Estimador OLS com propriedades standard (ver hipoteses do MRLM); Pode haver mais do que um regressor (não incluir a propria variavel dependente y) com desfasamentos;... Como E (y t jx t ; :::; x t q ) = x t + x t + ::: + q x t q ; (2) denem-se os multiplicadores de (i) impacto imediato 0 (y tjx t ; :::; x t q ) ; t (ii) impacto a s passos, s q (multiplicador de curto prazo a s periodos) e (iii) longo-prazo s (y tjx t ; :::; x t q t s ; s = ; :::; q; (4) = qx i = i=0 6 X i : (5) i=0
7 O multiplicador de LP tambem pode ser encontrado atraves do modelo em equilibrio onde qx y = x + x + ::: + q x = 0 + i x : (6) Modelo AR(p) - dinâmico - (já visto antes para os erros do modelo principal): y t = 0 + y t + ::: + p y t p + u t ; t = ; :::; T (7) Estimador OLS com propriedades standard (ver hipoteses do MRLM, nomeadamente erros u t não autocorrelacionados). Modelo ADL(p,q): y t = 0 + y t + ::: + p y t p + 0 x t + x t + ::: + q x t q + u t : (8) Estimador OLS com propriedades standard (ver hipoteses do MRLM, nomeadamente erros u t não autocorrelacionados); Pode haver mais do que um regressor (não incluir a propria variavel dependente y) com desfasamentos; Para calcular os multiplicadores de CP devemos ter em atenção que um "choque"de x em t faz variar y em t; t + (via y t ); t + 2; :::; Para os multiplicadores de LP recomenda-se o uso do modelo i=0 7
8 em equilibrio y = 0 + y + ::: + p y + 0 x + x + ::: + q x (9) px qx = 0 + i y + i x, (20) i= Modelo ADL(,): i=0! px i y = 0 + i= 8 qx i x (2) y t = 0 + y t + 0 x t + x t + u t ; t = ; :::; T (22) Para j j < ; tem-se que y t = i=0 ( L) 0 + ( 0 + L) ( L) x t + u t ; t = ; :::; T; (23) onde L é o operador desfasamento (Ly t = y t ; L 2 y t = y t 2 ): Para = 0; e como ( L) = + L + 2 L L 3 + :::; (24) os multiplicadores de CP podem ser obtidos através do DL() X y t = 0 ( ) + 0 i x t i + u t : (25) Este DL() tem desfasamentos geometricos (Koyck) porque i=0
9 os coecientes 0 i decaem geometricamente para zero quando i tende para innito. Muitas vezes, a autocorrelação dos erros resulta de uma "má especicação" (escolha) do modelo principal. Senão vejamos... Considere-se o modelo y t = x t + u t em que u t = u t + " t : Este modelo é "equivalente" a um ADL(,) com erros G.M. porque u t = ( L) " t: y t = y t + x t x t + " t (26) 9
10 4 Testes de raíz unitária As propriedades do OLS são as standard desde que as variaveis do MRLM sejam "estacionarias em covariância". Essa hipotese tem sido assumido implicitamente no estudo. Uma serie é "estacionaria" se, dito de uma forma simplista, utua uniformemente ao longo do tempo em torno de um valor xo. Estas series não "explodem", não "divergem" no tempo. São variáveis em "equilibrio" (ver multiplicador de LP). Matemáticamente, () E (y t ) = ; constante, para todo t; (2) V (y t ) = 2 ; constante, para todo t; (3) Cov (y t ; y t l ) = l ; uma função do desfasamento l mas constante para todo t: Exemplos de modelos em que y t é estacionária: y t = + u t ou y t = y t + " t ; para jj < : MAS os seguintes modelos denem variaveis que não são estacionárias ("explodem";"divergem") 0 y t = + 2 t + u t (27) y t = y t + " t (passeio aleatório sem deriva) y t = + y t + " t (passeio aleatório com deriva) (28) Sabe-se que o estimador OLS no MRLM com variáveis não estacionárias não tem as propriedades standard. Nestas condições, o OLS é superconsistente, a distribuição não é a usual (testes t tendem a ser muito elevados) e o R 2 tende a ser próximo de.
11 Portanto, convém distinguir/testar a estacionaridade das series antes de proceder à estimação OLS do MRLM. Considere-se o modelo AR() y t = y t + " t : Se = o processo não é estacionário (passeio aleatório; I(); tem raíz unitária); Se jj < o processo é estacionário (I(0); não tem raíz unitária). Teste DF (Dickey-Fuller): O modelo y t = y t + " t é equivalente a 4y t = y t + " t ; (29) onde 4y t = y t y t e = ( ) : Fazer teste t ao parametro para testar H 0 : = (não estacionaridade) versus < (estacionaridade). A distribuição do teste não é a usual (ver tabela dos valores criticos). One sided (left). Pode ser feito para 4y t = + y t + " t ou 4y t = + t + y t + " t (30) mas as distribuições (valores criticos) são diferentes. Teste ADF assume que " t é autocorrelacionado: 4y t = y t + 4y t + ::: + p 4y t p + " t ; (3) e a distribuição é a mesma da do teste DF. Teste PP (Phillips-Perron) tem as mesmas hipoteses da do DF
12 mas a estatistica e a distribuição são diferentes Teste KPSS inverte as hipoteses (a hipotese nula é de estacionaridade) e a estatistica e distribuição são diferentes das do DF e do PP. 2
13 5 Cointegração e modelo com mecanismo de correcção de erros Regressão espuria (desprovida de qualquer sentido economico): y t = x t + u t em que y t e x t são passeios aleatórios (I()) INDEPENDENTES. Como explicado anteriormente, sabe-se que o OLS é superconsistente, a distribuição não é a usual (testes t tendem a ser muito elevados), o R 2 tende a ser próximo de e a DW tende a ser próxima de 0 (isto porque u t é igualmente tipo I()). Este resultado é espurio porque apesar de não haver qualquer relação entre y t e x t os testes t são (enganadoramente) signicativos! Mas há casos em que y t e x t são passeios aleatórios (I()) mas em que existe 6= 0 tal que y t x t = u t é estacionário (I(0)). Exemplo: Consumo e Produto; Taxas de juro com diferentes maturidades;... Nestas condições, diz-se que y t e x t estão cointegradas, u t é o erro de equilibrio e é o parametro/vector de cointegração. Plots: No caso de relação espuria, as duas series divergem individualmente e não aparentam mover-se par a par. No caso de cointegração, as series divergem individualmente mas há uma "força" que as faz caminhar lado a lado. Teste de cointegração de Engle e Granger (EG): Como o que distingue a regressão espuria da relação de cointegração é o processo " t (se é I() ou I(0)) o teste de cointegração 3
14 é equivalente a um teste de raiz unitária (DF) aos residuos OLS y t xt b = bu t : Sob H 0 não há cointegração; Sob H há cointegração. A distribuição do teste não é igual à do DF. Se há cointegração, então um modelo a considerar é o ECM (modelo com mecanismo de correção de erros): 4 4y t = + (y t x t ) + 4x t + " t ; (32) onde todas as variaveis são estacionarias (4y t ; 4x t e y t x t ): Como não é conhecido, estimação a dois passos OLS: () Estimar em y t = x t + u t ; (2) Estimar 4y t = + y t xt b + 4x t + " t : (33) Neste modelo, a dinâmica de curto prazo está em 4x t e a de longo prazo (equilibrio) está em y t xt b : Porque é que "convêm" que seja negativo e não nulo ( < 0)? Qual é a interpretação para? Resumindo: Se y t e x t são I(0), usar modelo em niveis: y t = x t + u t : Se y t e x t são I() não cointegradas, usar modelo em primeiras diferenças (variações): 4y t = 4x t + u t : Se y t e x t são I() cointegradas, usar modelo ECM: 4y t = + (y t x t ) + 4x t + " t :
15 6 Previsão Prever uma (ou mais) serie é construir um valor (ou intervalo de conança) plausivel para o futuro (ainda não observado) com base num modelo e no histórico da mesma. Previsão out of-sample: Do total de observações T; separar em R e T R = m periodos. As R observações (in-sample) servem para estimar o modelo que será usado e avaliado para efeitos de previsão; As m observações são usadas para calcular os erros de previsão. Com base num modelo prever by t+h (h-passos). Normalmente, -passo: by t+ : Por exemplo, para y t = + 2 t + u t temos que by t+ = b + b 2 (t + ) : Por exemplo, para y t = y t + " t temos que by t+ = y t : Erro de previsão: e t+ = y t+ by t+ : Medida de erro: Como há m previsões e erros de previsão, e R+k ; k = ; :::; m; construir RMSE q(raiz quadrada do P erro quadratico médio): RM SE = m m k= e2 R+k : Entre modelos alternativos para previsão, escolher o que tem um menor RMSE. Outras medidas: Mean absolute error; Mean relative error. Previsão por extrapolação: Com base num dado modelo, prever by T +h : Como T + h ainda não foi observado não há erro de previsão até esse momento ocorrer. 5
16 7 O Modelo ARCH O modelo ARCH() de Engle, 982, (autoregressive conditional heteroskedasticity of order one) é útil para modelar a VARIÂNCIA CONDICIONAL (não o valor esperado condicional) quando esta não é constante ao longo do tempo como é, por exemplo, o caso dos retornos de activos (bolsa em geral). Modelo em níveis y t = + 2 x t2 + ::: + k x tk + u t = x 0 t + u t ; t = ; :::; T (34) que, sob E (u t jx t ) = 0; e com erros homocedasticos 6 E (y t jx t ) = x 0 t (35) V (u t jx t ) = 2 (36) mas que tem erros heterocedasticos CONDICIONADO no seu passado: V (u t ju t ) = E u 2 tju t = 0 + u 2 t ; (37) onde 0 > 0; 0 para que V (u t ju t ) > 0: Para "estabilidade" < : Distinguir Heterocedasticidade, V (u t jx t ) = h (x t ) (não é o interesse deste modelo), de Heterocedasticidade Condicional - V (u t ju t ; x t ) = V (u t ju t ) = f (u t ) : Para que V (u t ju t ) = E u 2 tju t temos de assumir que
17 E (u t ju t ) = 0; ou seja, os erros não estão autocorrelacionados (não podem ser AR()). Podendo escrever o modelo como 7 u 2 t = 0 + u 2 t + v t ; (38) onde E (v t ju t ) = 0; notamos que y t = x 0 t + u t não é linear nos parametros e por isso não se deve usar OLS. Alternativas: OLS não linear ou Máxima verosimilhança. Teste a efeitos ARCH: Teste t a no modelo com residuos OLS. bu 2 t = 0 + bu 2 t + v t ; (39) Plot de variâncias condicionais (estimadas) no tempo: \ V (u t ju t ) = b 0 + b bu 2 t : (40)
Macroeconometria 2. Mestrado em Economia Monetária e Financeira Mestrado em Economia. ISCTE-IUL, Dep. de Economia
1 Macroeconometria 2 Mestrado em Economia Monetária e Financeira Mestrado em Economia ISCTE-IUL, Dep. de Economia MODELOS DE HETEROCEDASTICIDADE CONDICIONADA Luís Filipe Martins luis.martins@iscte.pt http://iscte.pt/~lfsm
Leia maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
Leia maisTruques e Dicas. = 7 30 Para multiplicar fracções basta multiplicar os numeradores e os denominadores: 2 30 = 12 5
Truques e Dicas O que se segue serve para esclarecer alguma questão que possa surgir ao resolver um exercício de matemática. Espero que lhe seja útil! Cap. I Fracções. Soma e Produto de Fracções Para somar
Leia maisMacroeconometria 1. Mestrado em Economia Monetária e Financeira Mestrado em Economia. ISCTE-IUL, Dep. de Economia MÉTODOS TRADICIONAIS DE PREVISÃO
1 Macroeconometria 1 Mestrado em Economia Monetária e Financeira Mestrado em Economia ISCTE-IUL, Dep. de Economia MÉTODOS TRADICIONAIS DE PREVISÃO Luís Filipe Martins luis.martins@iscte.pt http://iscte.pt/~lfsm
Leia maisCOMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder
Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem
Leia mais6 OS DETERMINANTES DO INVESTIMENTO NO BRASIL
6 OS DETERMINANTES DO INVESTIMENTO NO BRASIL Este capítulo procurará explicar os movimentos do investimento, tanto das contas nacionais quanto das empresas abertas com ações negociadas em bolsa através
Leia maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Leia maisInstituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época Normal 9/01/2013 Duração 2 horas
Instituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época Normal 9/01/2013 Duração 2 horas NOME: Turma: Processo Espaço Reservado para Classificações A utilização do telemóvel
Leia mais3º Ano do Ensino Médio. Aula nº10 Prof. Daniel Szente
Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº10 Prof. Daniel Szente Assunto: Função exponencial e logarítmica 1. Potenciação e suas propriedades Definição: Potenciação é a operação
Leia maisProblemas de Valor Inicial para Equações Diferenciais Ordinárias
Problemas de Valor Inicial para Equações Diferenciais Ordinárias Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática Aplicada - Mestrados
Leia mais1. Os métodos Não-Paramétricos podem ser aplicados a uma ampla diversidade de situações, porque não exigem populações distribuídas normalmente.
TESTES NÃO - PARAMÉTRICOS As técnicas da Estatística Não-Paramétrica são, particularmente, adaptáveis aos dados das ciências do comportamento. A aplicação dessas técnicas não exige suposições quanto à
Leia maisIntrodução às equações diferenciais
Introdução às equações diferenciais Professor Leonardo Crochik Notas de aula 1 O que é 1. é uma equação:... =... 2. a incógnita não é um número x R, mas uma função x(t) : R R 3. na equação estão presentes,
Leia maisPREVISÃO COM COINTEGRAÇÃO E MODELO A CORREÇÃO DE ERRO: APLICAÇÃO EMPÍRICA NO CONSUMO DE GASOLINA DO BRASIL.
PREVISÃO COM COINTEGRAÇÃO E MODELO A CORREÇÃO DE ERRO: APLICAÇÃO EMPÍRICA NO CONSUMO DE GASOLINA DO BRASIL. ROBERT W. SAMOHYL Professor Ph.D. do PPGEP da UFSC UFSC/CT/PPGEP Caixa Postal 476 CEP: 88797,
Leia mais6 Análises Adicionais
6 Análises Adicionais Nesta seção serão apresentadas algumas análises adicionais para avaliar a robustez dos resultados 46. Inicialmente verificaremos se os resultados das seções 5.1.1 e 5.2.1 se mantêm
Leia maisAULAS 02 E 03 Modelo de Regressão Simples
1 AULAS 02 E 03 Modelo de Regressão Simples Ernesto F. L. Amaral 04 e 09 de março de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução à
Leia maisMD Sequências e Indução Matemática 1
Sequências Indução Matemática Renato Martins Assunção assuncao@dcc.ufmg.br Antonio Alfredo Ferreira Loureiro loureiro@dcc.ufmg.br MD Sequências e Indução Matemática 1 Introdução Uma das tarefas mais importantes
Leia maisO teste de McNemar. A tabela 2x2. Depois
Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a significância de mudanças é particularmente aplicável aos experimentos do tipo "antes
Leia maisComplementaridade versus substituição entre investimento público e privado na economia brasileira: 1965-90*
Complementaridade versus substituição entre investimento público e privado na economia brasileira: 1965-90* Carlos Henrique Rocha** Joanílio Rodolpho Teixeira*** I. Introdução; 2. o modelo e algumas considerações
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia maisAmbos têm os algarismos 7854 seguidos, a potência de dez apenas moverá a vírgula, que não afeta a quantidade de algarismos significativos.
ALGARISMOS SIGNIFICATIVOS Os algarismos significativos são os algarismos que têm importância na exatidão de um número, por exemplo, o número 2,67 tem três algarismos significativos. Se expressarmos o número
Leia maisO comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
ESTATÍSTICA INDUTIVA 1. CORRELAÇÃO LINEAR 1.1 Diagrama de dispersão O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
Leia maisÁlgebra. SeM MiSTéRio
Álgebra SeM MiSTéRio Série SeM MiSTéRio Alemão Sem Mistério Álgebra Sem Mistério Cálculo Sem Mistério Conversação em Alemão Sem Mistério Conversação em Espanhol Sem Mistério Conversação em Francês Sem
Leia maisDEPRECIAÇÃO E OBSOLÊNCIA
UNIVERSIDADE ESTADUAL DE CAMPINAS - UNICAMP INSTITUTO DE FILOSOFIA E CIÊNCIAS HUMANAS - IFCH DEPARTAMENTO DE ECONOMIA E PLANEJAMENTO ECONÔMICO - DEPE CENTRO TÉCNICO ESCONÔMICO DE ASSISTÊNCIA EMPRESARIAL
Leia maisEquações Diferenciais Ordinárias
Equações Diferenciais Ordinárias Uma equação diferencial é uma equação que relaciona uma ou mais funções (desconhecidas com uma ou mais das suas derivadas. Eemplos: ( t dt ( t, u t d u ( cos( ( t d u +
Leia maisMétodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo. Funções Exponenciais e Logarítmicas Progressões Matemáticas
Métodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo Funções Exponenciais e Logarítmicas Progressões Matemáticas Funções Exponenciais e Logarítmicas. Progressões Matemáticas Objetivos
Leia mais3 Matemática financeira e atuarial
3 Matemática financeira e atuarial A teoria dos juros compostos em conjunto com a teoria da probabilidade associada à questão da sobrevivência e morte de um indivíduo são os fundamentos do presente trabalho.
Leia maisO mercado de bens CAPÍTULO 3. Olivier Blanchard Pearson Education. 2006 Pearson Education Macroeconomia, 4/e Olivier Blanchard
O mercado de bens Olivier Blanchard Pearson Education CAPÍTULO 3 3.1 A composição do PIB A composição do PIB Consumo (C) são os bens e serviços adquiridos pelos consumidores. Investimento (I), às vezes
Leia maisNotas de Cálculo Numérico
Notas de Cálculo Numérico Túlio Carvalho 6 de novembro de 2002 2 Cálculo Numérico Capítulo 1 Elementos sobre erros numéricos Neste primeiro capítulo, vamos falar de uma limitação importante do cálculo
Leia maisIntrodução ao Estudo da Corrente Eléctrica
Introdução ao Estudo da Corrente Eléctrica Num metal os electrões de condução estão dissociados dos seus átomos de origem passando a ser partilhados por todos os iões positivos do sólido, e constituem
Leia maisfunção de produção côncava. 1 É importante lembrar que este resultado é condicional ao fato das empresas apresentarem uma
90 6. CONCLUSÃO Segundo a teoria microecônomica tradicional, se as pequenas empresas brasileiras são tomadores de preços, atuam nos mesmos mercados e possuem a mesma função de produção, elas deveriam obter
Leia mais8 Cálculo da Opção de Conversão
83 8 Cálculo da Opção de Conversão Uma usina de açúcar relativamente eficiente pode produzir 107 kg de açúcar a partir de cada tonelada de cana processada, da qual também é produzida obrigatoriamente uma
Leia maisPrevisão da taxa de juros Selic e do câmbio nominal a partir de um modelo Var com restrição
Previsão da taxa de juros Selic e do câmbio nominal a partir de um modelo Var com restrição Luciano D Agostin * José Luís da Costa Oreiro ** Os indicadores macroeconômicos de emprego, produto e inflação
Leia maisCC- 1 INTRODUÇÃO AO CUSTO DE CAPITAL
CC- 1 INTRODUÇÃO AO CUSTO DE CAPITAL Estimação de Taxas de Desconto Custo do Capital (1) CC- 2! Custo do capital próprio: " Remuneração exigida pelos titulares de capitais próprios, tendo em consideração
Leia maisConstrução dos números racionais, Números fracionários e operações com frações
Construção dos números racionais, Números fracionários e operações com frações O número racional pode ser definido a partir da aritmética fechamento da operação de divisão entre inteiros ou partir da geometria
Leia maisCapítulo 2. VARIÁVEIS DO TIPO INTEIRO
Capítulo 2. VARIÁVEIS DO TIPO INTEIRO OBJETIVOS DO CAPÍTULO Conceitos de: variáveis do tipo inteiro, atribuição, avisos e erros de compilação, erros de execução, comentários dentro do programa-fonte Operadores
Leia maisIntrodução ao estudo de equações diferenciais
Matemática (AP) - 2008/09 - Introdução ao estudo de equações diferenciais 77 Introdução ao estudo de equações diferenciais Introdução e de nição de equação diferencial Existe uma grande variedade de situações
Leia maisUML (Unified Modelling Language) Diagrama de Classes
UML (Unified Modelling Language) Diagrama de Classes I Classes... 2 II Relações... 3 II. Associações... 3 II.2 Generalização... 9 III Exemplos de Modelos... III. Tabelas de IRS... III.2 Exames...3 III.3
Leia maisMatemática Computacional - Exercícios
Matemática Computacional - Exercícios 1 o semestre de 2009/2010 - LEMat e MEQ Teoria de erros e Representação de números no computador Nos exercícios deste capítulo os números são representados em base
Leia maisLista de Exercícios - Potenciação
Nota: Os exercícios desta aula são referentes ao seguinte vídeo Matemática Zero 2.0 - Aula 14 - Potenciação ou Exponenciação - (parte 1 de 2) Endereço: https://www.youtube.com/watch?v=20lm2lx6r0g Gabaritos
Leia maisUsando o do-file editor Automatizando o Stata
Usando o do-file editor Automatizando o Stata 1 O QUE É O EDITOR DE DO-FILE O Stata vem com um editor de texto integrado, o do-file editor (editor de do-files, em português), que pode ser usado para executar
Leia maisLista 1 para a P2. Operações com subespaços
Lista 1 para a P2 Observação 1: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós sugerimos
Leia maisAnálise de Regressão Linear Simples e Múltipla
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques (DepMAT ESTV) Análise de Regres. Linear Simples e Múltipla
Leia maisEstudo de Casos 57. 5.1. Estudo de Caso 1: Velocidade Intervalar e Espessura da Camada
Estudo de Casos 57 5 Estudo de Casos Neste capítulo são relatados três estudos de caso com sismogramas de referência sintéticos que têm como objetivo avaliar o modelo proposto. Na descrição dos estudos
Leia maisAritmética de Ponto Flutuante e Noções de Erro. Ana Paula
Aritmética de Ponto Flutuante e Noções de Erro Sumário 1 Introdução 2 Sistemas de Numeração 3 Representação de Números Inteiros no Computador 4 Representação de Números Reais no Computador 5 Operações
Leia maisCapítulo 8. CICLOS. Tabela 8.1 Programa8a.f90.
Capítulo 8. CICLOS OBJETIVOS DO CAPÍTULO Conceito de ciclo Comandos do FORTRAN: DO END DO, EXIT 8.1 programa8a.f90 Para inicializar as atividades deste capítulo, deve-se executar: 1) Para acessar o programa
Leia maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisCapítulo 5: Aplicações da Derivada
Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f
Leia maisAula 9 ESCALA GRÁFICA. Antônio Carlos Campos
Aula 9 ESCALA GRÁFICA META Apresentar as formas de medição da proporcionalidade entre o mundo real e os mapas através das escalas gráficas. OBJETIVOS Ao final desta aula, o aluno deverá: estabelecer formas
Leia maisSistemas de Manutenção da Verdade-4. "Truth Maintenance System" Objectivos de um TMS: 1. Identificar a responsabilidade pelas conclusões
Sistemas de Manutenção da Verdade-1 Sistemas de Manutenção da Verdade-2 Sistemas de Manutenção da Verdade TMS "Truth Maintenance System" Um sistema de manutenção da verdade ou TMS é um mecanismo que auxilia
Leia maisMICROECONOMIA II. 1º Teste 04/04/2008 A. Licenciatura em Economia LEC106
Licenciatura em Economia MICROECONOMIA II LEC106 1º Teste 0/0/2008 A Antes de iniciar o exame, leia atentamente as observações que se seguem: a duração da prova é de 1 hora e 15 minutos; a prova é constituída
Leia mais24/Abril/2013 Aula 19. Equação de Schrödinger. Aplicações: 1º partícula numa caixa de potencial. 22/Abr/2013 Aula 18
/Abr/013 Aula 18 Princípio de Incerteza de Heisenberg. Probabilidade de encontrar uma partícula numa certa região. Posição média de uma partícula. Partícula numa caixa de potencial: funções de onda e níveis
Leia maisAULAS 14, 15 E 16 Análise de Regressão Múltipla: Problemas Adicionais
1 AULAS 14, 15 E 16 Análise de Regressão Múltipla: Problemas Adicionais Ernesto F. L. Amaral 20 e 22 de abril e 04 de maio de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte:
Leia mais6 SINGULARIDADES E RESÍDUOS
6 SINGULARIDADES E RESÍDUOS Quando uma função f (z) não é diferenciável num complexo z 0 ; diremos que z 0 é uma singularidade de f (z) ; z 0 dir-se-á uma singularidade isolada de f (z) se, contudo, f
Leia mais- Gestão Financeira 1 -
1 Cap 2 - Administração do Capital de Giro 2.1 Introdução 2.2 O capital circulante e capital circulante líquido 2.3 Políticas de gerenciamento do capital circulante 2.4 Capital de Giro Próprio 2.5 Capital
Leia maisRegressão Logística. Daniel Araújo Melo - dam2@cin.ufpe.br. Graduação
Regressão Logística Daniel Araújo Melo - dam2@cin.ufpe.br Graduação 1 Introdução Objetivo Encontrar o melhor modelo para descrever a relação entre variável de saída (variável dependente) e variáveis independentes
Leia maisCálculo da distância mínima a um. obstáculo para produção de eco
Cálculo da distância mínima a um obstáculo para produção de eco Aceite para publicação em 11 de fevereiro de 2013 Introdução Esta atividade tem como objetivo estimar experimentalmente a distância a que
Leia maisPotenciação no Conjunto dos Números Inteiros - Z
Rua Oto de Alencar nº 5-9, Maracanã/RJ - tel. 04-98/4-98 Potenciação no Conjunto dos Números Inteiros - Z Podemos epressar o produto de quatro fatores iguais a.... por meio de uma potência de base e epoente
Leia maisCAPÍTULO 2. Grafos e Redes
CAPÍTULO 2 1. Introdução Um grafo é uma representação visual de um determinado conjunto de dados e da ligação existente entre alguns dos elementos desse conjunto. Desta forma, em muitos dos problemas que
Leia mais3 Previsão da demanda
42 3 Previsão da demanda Este capítulo estuda o processo de previsão da demanda através de métodos quantitativos, assim como estuda algumas medidas de erro de previsão. Num processo de previsão de demanda,
Leia maisCAPÍTULO 6 TRANSFORMAÇÃO LINEAR
INODUÇÃO AO ESUDO DA ÁLGEBA LINEA CAPÍULO 6 ANSFOMAÇÃO LINEA Introdução Muitos problemas de Matemática Aplicada envolvem o estudo de transformações, ou seja, a maneira como certos dados de entrada são
Leia maisAula 2 Sistemas de Numeração (Revisão)
Aula 2 Sistemas de Numeração (Revisão) Anderson L. S. Moreira anderson.moreira@recife.ifpe.edu.br http://dase.ifpe.edu.br/~alsm 1 O que fazer com essa apresentação 2 Agenda Breve revisão da aula anterior
Leia maisNIVELAMENTO 2007/1 MATEMÁTICA BÁSICA. Núcleo Básico da Primeira Fase
NIVELAMENTO 00/ MATEMÁTICA BÁSICA Núcleo Básico da Primeira Fase Instituto Superior Tupy Nivelamento de Matemática Básica ÍNDICE. Regras dos Sinais.... Operações com frações.... Adição e Subtração....
Leia mais4. RESULTADOS E DISCUSSÃO
4. RESULTADOS E DISCUSSÃO 4.1. Energia cinética das precipitações Na Figura 9 estão apresentadas as curvas de caracterização da energia cinética aplicada pelo simulador de chuvas e calculada para a chuva
Leia maisUniversidade Federal de São Carlos Departamento de Matemática 083020 - Curso de Cálculo Numérico - Turma E Resolução da Primeira Prova - 16/04/2008
Universidade Federal de São Carlos Departamento de Matemática 08300 - Curso de Cálculo Numérico - Turma E Resolução da Primeira Prova - 16/0/008 1. (0 pts.) Considere o sistema de ponto flutuante normalizado
Leia maisA otimização é o processo de
A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Eiste um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento de otimização.
Leia mais. VALORES MOBILIÁRIOS
. VALORES 2.. V MOBILIÁRIOS 2. Valores Mobiliários O QUE SÃO VALORES MOBILIÁRIOS? Valores mobiliários são documentos emitidos por empresas ou outras entidades, em grande quantidade, que representam direitos
Leia maisMÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA
MÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA Em um amostra, quando se têm os valores de uma certa característica, é fácil constatar que os dados normalmente não se distribuem uniformemente, havendo uma
Leia maisNome do aluno: MATRIZ DE CORRECÇÃO
Pós-Graduação em Gestão Imobiliária Princípios de Economia Urbana 006-007 Nome do aluno: MATRIZ DE CORRECÇÃO " # $ % $ & 1. $ ' " ( " ). "# " 3 $ * #"$" %$$& #$ $% 4 $ +, " % ' ' - %. )((* + )((* +, )((*
Leia maisExpansão linear e geradores
Espaços Vectoriais - ALGA - 004/05 4 Expansão linear e geradores Se u ; u ; :::; u n são vectores de um espaço vectorial V; como foi visto atrás, alguns vectores de V são combinação linear de u ; u ; :::;
Leia maisCURSO de CIÊNCIAS ECONÔMICAS - Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA 2 o semestre letivo de 2006 e 1 o semestre letivo de 2007 CURSO de CIÊNCIAS ECONÔMICAS - Gabarito INSTRUÇÕES AO CANDIDATO Verifique se este caderno contém:
Leia maisINSTITUTO TECNOLÓGICO
PAC - PROGRAMA DE APRIMORAMENTO DE CONTEÚDOS. ATIVIDADES DE NIVELAMENTO BÁSICO. DISCIPLINAS: MATEMÁTICA & ESTATÍSTICA. PROFº.: PROF. DR. AUSTER RUZANTE 1ª SEMANA DE ATIVIDADES DOS CURSOS DE TECNOLOGIA
Leia maisFUNÇÃO DE 1º GRAU. = mx + n, sendo m e n números reais. Questão 01 Dadas as funções f de IR em IR, identifique com um X, aquelas que são do 1º grau.
FUNÇÃO DE 1º GRAU Veremos, a partir daqui algumas funções elementares, a primeira delas é a função de 1º grau, que estabelece uma relação de proporcionalidade. Podemos então, definir a função de 1º grau
Leia maisECONOMIA MÓDULO 17. AS ELASTICIDADES DA DEMANDA (continuação)
ECONOMIA MÓDULO 17 AS ELASTICIDADES DA DEMANDA (continuação) Índice 1. As Elasticidades da Demanda (continuação)...3 1.1. Elasticidade-preço cruzada da demanda... 3 1.2. Elasticidade-renda da demanda...
Leia maisCapítulo 3 Modelos Estatísticos
Capítulo 3 Modelos Estatísticos Slide 1 Resenha Variáveis Aleatórias Distribuição Binomial Distribuição de Poisson Distribuição Normal Distribuição t de Student Distribuição Qui-quadrado Resenha Slide
Leia maisEstruturas de Repetição
Estruturas de Repetição Lista de Exercícios - 04 Algoritmos e Linguagens de Programação Professor: Edwar Saliba Júnior Estruturas de Repetição O que são e para que servem? São comandos que são utilizados
Leia maisINSTRUMENTAÇÃO E CONTROLE DE PROCESSOS TRANSFORMADAS DE LAPLACE
INSTRUMENTAÇÃO E CONTROLE DE PROCESSOS TRANSFORMADAS DE LAPLACE Preliminares No estudo de sistemas de controle, e comum usar-se diagramas de blocos, como o da figura 1. Diagramas de blocos podem ser utilizados
Leia mais7. Estrutura de Decisão
7. Estrutura de Decisão Neste tipo de estrutura o fluxo de instruções a ser seguido é escolhido em função do resultado da avaliação de uma ou mais condições. Uma condição é uma expressão lógica. A classificação
Leia maisPor que estudar econometria? Passos para uma análise econômica empírica. Por que estudar econometria? Tipos de dados Cross Section
Por que estudar econometria? Inexistência de dados experimentais (experimentos controlados) em economia O que é Econometria? Necessidade de usar dados não experimentais, ou melhor, dados observados para
Leia maisECONOMETRIA EXERCÍCIOS DO CAPÍTULO 2
ECONOMETRIA EXERCÍCIOS DO CAPÍTULO 2 1. Exercício C7.8 de W (4th edition), apenas as alíneas i) a iv). 2. Exercício 7.7 de W. 3. Exercício C8.7 de W, com excepção da questão sobre WLS em ii). 4. Exercício
Leia mais7 - Análise de redes Pesquisa Operacional CAPÍTULO 7 ANÁLISE DE REDES. 4 c. Figura 7.1 - Exemplo de um grafo linear.
CAPÍTULO 7 7 ANÁLISE DE REDES 7.1 Conceitos Básicos em Teoria dos Grafos Diversos problemas de programação linear, inclusive os problemas de transporte, podem ser modelados como problemas de fluxo de redes.
Leia maisEstatística II Antonio Roque Aula 9. Testes de Hipóteses
Testes de Hipóteses Os problemas de inferência estatística tratados nas aulas anteriores podem ser enfocados de um ponto de vista um pouco diferente: ao invés de se construir intervalos de confiança para
Leia maisAnálise de Projectos ESAPL / IPVC. Estrutura e Processo de Elaboração do Cash-Flow
Análise de Projectos ESAPL / IPVC Estrutura e Processo de Elaboração do Cash-Flow A necessidade do Cash Flow Sempre que um investimento possa ter uma incidência significativa sobre o sistema de produção
Leia mais6. Programação Inteira
Pesquisa Operacional II 6. Programação Inteira Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção Programação Inteira São problemas de programação matemática em que a função objetivo, bem
Leia maisAula 5 Distribuição amostral da média
Aula 5 Distribuição amostral da média Nesta aula você irá aprofundar seus conhecimentos sobre a distribuição amostral da média amostral. Na aula anterior analisamos, por meio de alguns exemplos, o comportamento
Leia maisFaculdade de Economia Universidade Nova de Lisboa TÓPICOS DE CORRECÇÃO DO EXAME DE CÁLCULO I. Ano Lectivo 2007-08 - 1 o Semestre
Faculdade de Economia Universidade Nova de Lisboa TÓPICOS DE COECÇÃO DO EXAME DE CÁLCULO I Ano Lectivo 7-8 - o Semestre Exame Final em 7 de Janeiro de 8 Versão B Duração: horas e 3 minutos Não é permitido
Leia maisDepartamento de Informática. Análise de Decisão. Métodos Quantitativos LEI 2006/2007. Susana Nascimento snt@di.fct.unl.pt.
Departamento de Informática Análise de Decisão Métodos Quantitativos LEI 26/27 Susana Nascimento snt@di.fct.unl.pt Advertência Autores João Moura Pires (jmp@di.fct.unl.pt) Susana Nascimento (snt@di.fct.unl.pt)
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) II Métodos numéricos para encontrar raízes (zeros) de funções reais. Objetivos:
Leia maisXVIII CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 19 a 23 de outubro de 2009
REGRESSÃO MÚLTIPLA APLICADA AOS DADOS DE VENDAS DE UMA REDE DE LOJAS DE ELETRODOMÉSTICOS VANESSA SIQUEIRA PERES 1 RESUMO: Esse trabalho foi realizado com o objetivo de ajustar os dados de vendas de uma
Leia maisModelagem de Sistemas Dinâmicos. Eduardo Camponogara
Equações Diferenciais Ordinárias Modelagem de Sistemas Dinâmicos Eduardo Camponogara Departamento de Automação e Sistemas Universidade Federal de Santa Catarina DAS-5103: Cálculo Numérico para Controle
Leia maisSessão Saber profundo Contribuição dos xs (http://www.midomenech.com.br/artigos.asp)
Sessão Saber profundo Contribuição dos xs (http://www.midomenech.com.br/artigos.asp) Carlos H. Domenech e Patrícia Fonseca Em 0 palavras ou menos Durante a etapa Analisar do DMAIC o Belt usualmente deseja
Leia maisModelos de Equações simultâneas
Modelos de Equações simultâneas y 1 = α 1 y 2 + β 1 z 1 + u 1 y 2 = α 2 y 1 + β 2 z 2 + u 2 Capítulo 16 1 Modelo de equações simultâneas Exemplo de determinação de horas e salário. 2 Modelo de equações
Leia maisANEMÔMETRO A FIO QUENTE
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA ELÉTRICA INSTRUMENTAÇÀO ELTRÔNICA ANEMÔMETRO A FIO QUENTE Cayo Cid de França Moraes 200321285 Natal/RN ANEMÔMETRO
Leia maisInstituto Superior Técnico Departamento de Matemática Última actualização: 11/Dez/2003 ÁLGEBRA LINEAR A
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise Última actualização: 11/Dez/2003 ÁLGEBRA LINEAR A FICHA 8 APLICAÇÕES E COMPLEMENTOS Sistemas Dinâmicos Discretos (1) (Problema
Leia mais4. Metodologia. Capítulo 4 - Metodologia
Capítulo 4 - Metodologia 4. Metodologia Neste capítulo é apresentada a metodologia utilizada na modelagem, estando dividida em duas seções: uma referente às tábuas de múltiplos decrementos, e outra referente
Leia maisOBJETIVO MATERIAL POPULAÇÃO APLICAÇÃO INSTRUÇÕES 31/08/2011
OBJETIVO TESTE DE ATENÇÃO CONCENTRADA TEACO-FF Avaliação Psicológica II Professora: Patrícia Volpato Avalia a capacidade de uma pessoa em selecionar apenas uma fonte de informação diante de vários estímulos
Leia maisEvidências do processo de descoberta de preços de ADRs de empresas brasileiras
III Fórum Baiano de Economia Aplicada 2014 Evidências do processo de descoberta de preços de ADRs de empresas brasileiras R. Ballini, Rodrigo L. F. Silveira, L. Maciel Instituto de Economia, Universidade
Leia maisEng Civil Washington Peres Núñez Dr. em Engenharia Civil pela Universidade Federal do Rio Grande do Sul
PESQUISA ANÁLISE DE CARACTERÍSTICAS DE QUALIDADE DE MISTURAS ASFÁLTICAS PRODUZIDAS NA ATUALIDADE NO SUL DO BRASIL E IMPACTOS NO DESEMPENHO DE PAVIMENTOS FLEXÍVEIS. MANUAL DE OPERAÇÃO DO BANCO DE DADOS
Leia mais29/Abril/2015 Aula 17
4/Abril/015 Aula 16 Princípio de Incerteza de Heisenberg. Probabilidade de encontrar uma partícula numa certa região. Posição média de uma partícula. Partícula numa caixa de potencial: funções de onda
Leia maisSérgio Rangel Fernandes Figueira (1) Adhemar Sanches (2) Ana Claudia Giannini Borges (1) David Ferreira Lopes Santos (1)
Técnicas de cointegração na análise dos impactos dos preços do etanol, da gasolina e da massa salarial sobre a demanda por gasolina no Brasil no período de 2005 até 2011. Sérgio Rangel Fernandes Figueira
Leia maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
Leia mais