Séries de Tempo. José Fajardo. Setembro Fundação Getulio Vargas-EBAPE. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
|
|
- Jessica Olivares Minho
- 8 Há anos
- Visualizações:
Transcrição
1 Séries de Tempo José Fajardo Fundação Getulio Vargas-EBAPE Setembro 2011 José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
2 Motivação A série temporal não estacionária não pode ser estimda trivialmente. Problema: é impossível estimar todos os momentos da série e fazer inferências estatísticas. A variância não condicional de um AR (1) é: var (y t ) = 1 1 φ 2. Se φ = 1, o que caracteriza uma série não estacionária de raiz unitária, então a variância explode. Solução: diferenciar a série tantas vezes quantas sejam necessárias para estacionarizá-la. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
3 TENDÊNCIA ESTACIONÁRIA Suponha o seguinte modelo: y t = y 0 + δt + ψ (L) ε t. Tal modelo é chamado de tendência estacionária, porque flutua em torno de uma tendência determinística. A série também poderia ser estacionarizada pela primeira diferença, isto é: y t (1 L) y t = y t y t 1 = δ + (1 L) ψ (L) ε t. Essa diferenciação estacionariza a série, entretanto introduz ruído por tornar o erro não invertível. Logo, se uma série é tendência estacionária, é melhor estimá-la usando a variável explicativa t. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
4 TENDÊNCIA ESTOCÁSTICA Considere outra possibilidade: y t = δ + ε t = y t = y t 1 + δ + ε t. Compondo recursivamente y t, obtém-se: y t = y 0 + δt + t i=1 A variável aleatória y t é dada pela composição de todos os choques havidos, t i=1 ε i. Define-se tal série como sendo tendência estocástica ou diferença estacionária. Os choques produzem mudanças permanentes na série y t, ainda que aleatórias. Séries, cuja tendência é estocástica, são séries integradas e denotadas por I (d), em que d é a ordem de integração. Séries integradas com erros estacionários são chamadas de séries ARIMA (p, d, q). Diferenciando d vezes a série, obtém-se uma série estacionária. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61 ε i.
5 Tendência estocástica pura No caso I (1) com δ = 0, define-se o passeio aleatório ou tendência estocástica pura pela equação: y t = y t 1 + ε t. A previsão condicional H passos à frente é dada pela observação atual, isto é: E t (y t+h ) = y t + A covariância é dependente do tempo: H h=1 E t (ε t+h ) = y t. ( ) t Var (y t ) = Var ε i = tσ 2 ; i=1 ( ) ( ) t t j Cov (y t, y t j ) = E ε i ε s = (t j) σ 2. i=1 s=1 José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
6 Tendência estocástica pura Divide-se a covariância pelo produto do desvio padrão em t e t j: (t j) σ2 t j ρ j = = = 1 j tσ (t j)σ t t. Remark Num processo não estacionário, a autocorrelação demora a cair, pois j t se reduz lentamente. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
7 Tendência estocástica com drift Ao adicionar um drift ao modelo, encontra-se o passeio aleatório com drift: y t = y t 1 + δ + ε t = = y 0 + δt + t i=1 Nesse caso, o comportamento de y t depende de um componente determinístico e de outro estocástico. A previsão H passos à frente é: E t (y t+h ) = y t + δh + H h=1 ε i. E t (ε t+h ) = y t + δh. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
8 Tendência estocástica com drift e ruído É possível generalizar o modelo de passeio aleatório adicionando um ruído a ele. É o passeio aleatório com ruído: em que {η t } é um ruído branco; ε t η t j. y t = y 0 + t i=1 ε i + η t, Pode-se, com isso, encontrar que: y t = ε t + η t. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
9 Tendência estocástica com drift e ruído Importância: ser I (1) com uma correlação menor do que naquele passeio aleatório puro, em razão da presença de σ 2 η: ( ) t Var (y t ) = Var ε i + η t = tσ 2 + σ 2 η; i=1 ( ) ( ) t t j Cov (y t, y t s ) = E ε i + η t ε s + η t j = (t j) σ 2 ; i=1 s=1 ρ s = (t j) σ 2 ( ) [ ] 1 < j tσ 2 + σ 2 η (t j) σ 2 + σ 2 t. η José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
10 Tendências: Figura: Séries temporais com tendência. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
11 Tendência geral mais componente irregular O modelo mais geral possível inclui tendência determinística e estocástica e resíduos que seguem um processo ARMA (p, q). O modelo é chamado de tendência geral mais componente irregular: y t = δt + y 0 + t i=1 ε i + ψ (L) η t. (1) José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
12 REMOVENDO A TENDÊNCIA No modelo com tendência estocástica, basta diferenciá-lo, inclusive se houver tendência determinística: y t = δ + ε t + ψ (L) η t. Se y t for integrado de ordem d, toma-se a d-ésima diferença. Porém, como estimar uma série cuja tendência é determinística? 1 Estime por mínimos quadrados ordinários: y t = δ 0 + δ 1 t + δ 2 t δ n t n + e t, em que e t = ψ (L) ε t, e obtenha os resíduos estimados: ê t. 2 Estime o modelo ARMA (p, q) a partir dos resíduos estimados. Para determinar n, use testes t, F ou AIC /BIC. Em geral, estima-se o modelo com um n máximo, n max. Se o teste t sobre δ nmax não é rejeitado, retira-se t n e estima-se o modelo até t n 1, repetindo o teste. Procede-se assim até rejeitar que δ n i = 0. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
13 REMOVENDO A TENDÊNCIA É proibido diferenciar uma série que é tendência estacionária, porque isso adiciona ruído à série original. É proibido estimar uma série que é tendência estocástica usando tendência determinística, porque isso não elimina a tendência estocástica. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
14 REGRESSÃO ESPÚRIA A necessidade de definir variável explicada e explicativa torna-se muito importante na presença de raiz unitária. Podem-se encontrar relações econométricas entre duas ou mais variáveis econômicas sem qualquer relação de causalidade entre uma e outra por puro acaso. Por exemplo, a regressão de uma variável I (1) com outra I (1) obtida independentemente gera alto R 2 e significante t-estatístico. Contudo, o resultado é sem significado. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
15 REGRESSÃO ESPÚRIA Considere a seguinte experiência. Gere duas séries I (1) independentemente uma da outra e regrida uma contra a outra. Qual resultado você obtém? Em 75% das vezes, parecer-lhe-á que elas são correlacionadas. Suponha: y t = y t 1 + ε y,t ; z t = z t 1 + ε z,t. A Figura 2 mostra duas séries geradas independentemente uma da outra, como no modelo anterior. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
16 REGRESSÃO ESPÚRIA Regrida y t contra z t : y t = α + βz t + e t. Nas simulações com 300 observações, com a amostra entre 201 e 300, obteve-se o seguinte resultado: y t = 6, 37 (1,544) 0, 770z t + e t, R 2 = 0, 30, (0,142) em que o desvio padrão está entre parênteses. Conclusão: cuidado com a regressão que se faz. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
17 DICKEY-FULLER Considere o seguinte modelo: y t = φy t 1 + ε t. Tendência: estimar esse modelo e usar um teste convencional de t sobre φ, tendo como hipótese nula H 0 : φ = 1. Alternativamente, poder-se-ia alterar o teste subtraindo y t 1 de ambos os lados: y t = (φ 1) y t 1 + ε t = αy t 1 + ε t, (2) em que se define α φ 1. Assim, H 0 : φ = 1 é equivalente a H 0 : α = 0. Problema: sob a nula, a distribuição do teste não é convencional, ou seja, não é igual à distribuição t estatística, pois y t não é estacionário. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
18 DICKEY-FULLER: experimento de Monte Carlo Visualização: 1 Gere uma seqüência de erros normais com esperança nula e variância σ 2, {ε t }, com T + n observações; 2 Gere a seqüência {y t } sob a hipótese nula de raiz unitária, dado y 0 ; 3 Estime a equação (2) usando as T últimas realizações e armazene o valor da estatística t; 4 Retorne ao item (1) S vezes (em geral, S ); 5 Faça o gráfico da distribuição da estatística t. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
19 DICKEY-FULLER: experimento de Monte Carlo A Figura 3 mostra o historgrama empírico dessa estatística em que T = 100, n = 50, S = e y 0 = 0. Figura: Distribuição da estatística t student sob H 0 : φ = 1. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
20 DICKEY-FULLER: experimento de Monte Carlo A média da estatística t não é zero. Em 10% das vezes, a estatística t < 1, 60; em 5%, t < 1, 95; e em 1%, t < 2, 60. Ou seja, o uso da estatística t olhando para a tabela convencional implicaria cometer o erro do tipo I 1 com muito mais freqüência. 1 rejeitar a nula quando ela verdadeira José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
21 DICKEY-FULLER: experimento de Monte Carlo Dickey and Fuller (1979), Distribution of the estimator for autoregressive time series with a unit root. J. of the American Statistical Association. Recalcularam o valor da estatística t, esta se altera, conforme se define a equação de regressão e segundo o tamanho da amostra: y t = αy t 1 + ε t τ; y t = µ + αy t 1 + ε t τ µ ; y t = µ + δt + αy t 1 + ε t τ τ. Sob H 0 : α = 0, as três estatísticas associadas foram obtidas por meio de simulações de Monte Carlo. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
22 DICKEY-FULLER Como calcular a estatística do teste de Dickey e Fuller? 1 Supondo T + 1 observações, {y t } T t=0, faça OLS e subtraia 1 do parâmetro φ, para proceder ao teste sob H 0 : α = 0: 2 Calcule a variância amostral: α = T t=1 y t 1 y t T t=1 y 2 t 1 1. S 2 = 1 T T 1 ( y t αy t 1 ) 2. t=1 3 Calcule o desvio padrão do coeficiente α, s ( α): s ( α) = S. T t=1 yt Obtenha o valor calculado da estatística t: τ = α s ( α). José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
23 DICKEY-FULLER AUMENTADO Problema do teste anterior: o erro é um ruído branco. Será? Suponha que y t seja um processo auto-regressivo de ordem p, com raiz unitária: y t = µ + φ 1 y t φ p 1 y t p+1 + φ p y t p + ε t. Como testar esse modelo para raiz unitária? Idéia: estimar o modelo com as variáveis auto-regressivas. Forma de corrigir o desvio do valor correto da estatística, ou seja, trata-se de encontrar os desvios de y t em relação à sua média, para deslocar a distribuição de α em direção a zero, caso a hipótese nula seja verdadeira. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
24 DICKEY-FULLER AUMENTADO Adicione e subtraia φ p y t p+1 à equação anterior: y t = µ + φ 1 y t φ p 1 y t p+1 + φ p y t p + +φ p y t p+1 φ p y t p+1 + ε t = ) = µ + φ 1 y t (φ p 1 + φ p y t p+1 φ p y t p+1 + ε t. Utilizando o mesmo procedimento, desta vez com (φ p 1 + φ p ) y t p+2 : ) ) y t = µ + φ 1 y t (φ p 1 + φ p y t p+2 (φ p 1 + φ p y t p+2 + ) + (φ p 1 + φ p y t p+1 φ p y t p+1 + ε t = µ + φ 1 y t ) (φ p 2 + φ p 1 + φ p + y t p+2 (φ p 1 + φ p ) y t p+2 φ p y t p+1 + ε t. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
25 DICKEY-FULLER AUMENTADO Repetindo isso p vezes, obtém-se ao final: p 1 y t = µ + αy t 1 + i=1 λ i y t i + ε t, em que α = (1 p i=1 φ i ) ; λ i = p 1 j=i φ j+1. O teste então pode ser feito, usando os mesmo valores críticos encontrados por Dickey e Fuller. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
26 DICKEY-FULLER AUMENTADO E se o modelo for ainda mais complexo, com termos de médias móveis, o que fazer? Mesmo procedimento no caso de um ARIMA (m, 1, n), j que sempre se pode transformar um MA (q) num AR ( ). Como estimar um modelo de infinitas defasagens? Provou-se que um modelo ARIMA (m, 1, n) pode ser bem aproximado por um ARIMA (p, 1, 0), em que p T 3 1 (Ver Said and Dickey, 1984). Experimentos de Monte Carlo mostraram que o valor da estatística t permanece inalterado. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
27 DICKEY-FULLER AUMENTADO Como escolher a ordem p para executar o teste de raiz unitária? Para definir p, existem duas possibilidades equivalentes. 1 Acrescentar o número de defasagens suficientes para encontrar resíduos que sejam isentos de autocorrelação. 2 Fixar um p max relativamente alto. Em seguida, estimar o modelo por mínimos quadrados ordinários para p max, p max 1,..., 0 e coletar os valores de algum dos critérios de informação como Hannan-Quinn, Schwarz ou Akaike, ou utilizando testes estatísticos convencionais até que se rejeite a hipótese nula, usando como nível de significância 20%. Como definir o p max? Critério proposto por Schwert (1989): [ ( ) 1 ] T 4 p max = int 12, 100 em que int (x) é a parte inteira de x. Uma série com 100 observações teria um p max de 12 defasagens. Outra série com 200 observações teria 14 defasagens, no máximo. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
28 DEMAIS TESTES DE DICKEY E FULLER O teste de Dickey e Fuller pode ser feito conjuntamente para dois ou três coeficientes. Considere as seguintes especificações: y t = αy t 1 + p i=1 y t = µ + αy t 1 + λ i y t i + ε t ; p i=1 y t = µ + δt + αy t 1 + λ i y t i + ε t ; p i=1 λ i y t i + ε t. Dickey e Fuller (1981) calcularam estatísticas F para testes conjuntos, chamando-as de Φ i, i = 1, 2, 3, com distribuições não convencionais. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
29 DEMAIS TESTES DE DICKEY E FULLER As hipóteses a testar são: H 0 : α = µ = 0 Φ 1 ; H 0 : α = δ = µ = 0 Φ 2 ; H 0 : α = δ = 0 Φ 3. Essas estatísticas são construídas da mesma forma que os testes convencionais: ( ε ε restrita ε ε ) não restrita /r Φ i = ε ε, não restrita / (T k) em que r é o número de restrições, igual a 2 ou 3; T é o número de observações; k é o número de parâmetros estimados no modelo não restrito. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
30 PHILLIPS-PERRON Usar um modelo auto-regressivo gera perda de graus de liberdade. Talvez fosse melhor um teste especificado independentemente das ordens p e q do modelo. Phillips e Perron (1988) usam essa idéia e propõem uma correção não paramétrica ao teste de Dickey e Fuller, gerando uma estatística consistente mesmo que haja variáveis defasadas dependentes e correlação serial nos erros. As equações estimadas e os testes designados são idênticos aos de Dickey e Fuller. A interpretação também é análoga. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
31 PHILLIPS-PERRON Possibilidades com as respectivas estatísticas associadas: y t = αy t 1 + u t z t, y t = µ + αy t 1 + u t z t,µ, y t = µ + δt + αy t 1 + u t z t,τ, em que u t é um processo estacionário. Phillips e Perron (1988) também definem testes diretamente sobre os coeficientes do modelo, em vez de usar a estatística t, como anteriormente. Eles chamaram tais testes de z α. A correção, z t,µ, empregada por Phillips e Perron para τ µ é seqüencialmente estimada da seguinte forma, dado y 0 : Estime as seguintes médias: y = T t=1 y t T, y 1 = T t=1 y t 1 T ; Estime o parâmetro de maior interesse: α = T t=1(y t 1 y 1 )(y t y) 1; T t=1(y t 1 y 1 ) 2 José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
32 PHILLIPS-PERRON Estime a constante ou drift: µ = y ( α + 1) y 1 ; Estime a variância populacional da regressão: σ 2 = T t=1 ût 2 T = T t=1( y t µ αy t 1 ) 2 T ; Calcule o desvio padrão do parâmetro de interesse: σ s ( α) = ; T t=1 y 2 t 1 Calcule a estatística de Dickey e Fuller: τ µ = Estime a variância de longo) prazo, HAC: υ 2 = σ T M j=1 ω T t=j+1 û t û t j ; ( j M+1 Calcule a estatística de Phillips e Perron: ( ) ( ) ẑ t,µ = τ µ σ υ 1 υ 2 σ 2 2. υ T 2 T t=1 y 2 t 1 α s( α) ; José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
33 Variância de longo prazo O termo υ 2 é a variância de longo prazo, em que estão incluídas todas as autocovariâncias do processo u t : υ 2 = lim T T 1 T j=0 t=j+1 u t u t j T Não existem infinitas observações para calcular j= γ j, logo trunca-se j em algum ponto. A opção T a T não é boa, pois quanto mais distante a autocovariância, menos informação ela produz em troca de muito mais ruído É necessário calcular M j= M γ j, em que γ j = γ j, pode-se escrever: M j= M γ j = γ M lim M,T T M j=1 γ j. 0. Como José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
34 Variância de longo prazo Para o cálculo amostral, estima-se: M γ j = T t=1 ût 2 T j= M + 2 T M T j=1 t=j+1 û t û t j. Por razões de amostras finitas, é preciso ponderar as observações mais distantes das observações mais recentes. ( ) Essa ponderação é dada pela função ω j M+1, ou função janela: { 1 z, se z < 1; Bartlett: ω (z) = 0, se z z 2 + 6z 3, se 0 z 1 2 ; Parzen: ω (z) = 2 (1 z) 3, se 1 2 z 1; Quadrática : ω (z) = 3 ( 6π 5 z) 2 0, caso contrário. [ ( sen 6π 5 z) 6π 5 z cos ( ) ] 6π 5 z. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
35 Variância de longo prazo Perron (1990) recomenda o uso da janela de Parzen, embora grande parte dos trabalhos empíricos ainda use a janela de Bartlett. Não é trivial definir que valor M deveria ser. Critério de Newey-West (1994) ou Andrews (1991). Definida a janela, procede-se à correção não paramétrica ( definida pela ) estatística ẑ t,µ. Multiplique τ µ por σ υ e subtraia 1 υ 2 σ 2 2. υ T 2 T t=1 yt 1 ( ) 2 O termo 1 υ 2 σ 2 2 é subtraído para centrar a distribuição υ T 2 T t=1 y 2 t 1 de z t em zero. O termo σ υ é multiplicado para corrigir a amplitude de distribuição do teste. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
36 Estratégia de teste 1 Estime y t = µ + δt + αy t 1 + u t e teste H 0 : α = 0 H 1 : α < 0. Se rejeitar a hipótese nula, não é necessário avançar. [ ] [ ] [ ] [ ] 2 α 0 α 0 Teste: H 0 : = H δ 0 1 : =, usando a δ 0 estatística Φ 3 de Phillips e Perron. Se não rejeitar H 0, há raiz unitária. α 0 α 0 3 Se não rejeitar H 0, teste: δ = 0 H 1 : δ = 0 µ 0 µ 0 usando Φ 2 de Phillips e Perron. Se não rejeitar H 0, teste para raiz unitária usando a estatística z t. 4 Se [ rejeitar ] [ H 0,] teste sem[ tendência ] [ ] α 0 α 0 = H µ 0 1 : = usando a estatística Φ µ 0 1 de Phillips e Perron. Se rejeitar H 0, teste usando a estatística z t,µ. 5 Se não rejeitar H 0 usando Φ 1, teste usando a estatística z t. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
37 KPSS Kwiatkowski, Phillips, Schmidt and Shin (1992) Teste de Dickey e Fuller: baixo poder = o teste não consegue rejeitar a nula para uma infinidade de séries importantes. Hipóteses: H 0 : y t I (0) (estacionariedade) contra H 1 : y t I (1): Assuma que y t = x t + u t, x t = x t 1 + υ t Onde υ t i.i.d (0, σ 2 ) e u t um processo estacionario. Idéia: testar a variância de passeio aleatório x t. Se essa variância for nula, o processo é estacionário: H 0 : σ 2 υ = 0 H 1 : σ 2 υ > 0. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
38 KPSS Pode-se acrescentar uma tendência determinística ao modelo da seguinte forma: Logo: x t = x t 1 + δ + υ t y t = δ + υ t + u t. var ( y t ) γ 0 = σ 2 υ + 2σ 2 u; γ 1 = σ 2 u = ρ 1 = σ2 u σ 2 υ + 2σ 2 ; u γ j = 0, j > 1. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
39 KPSS Considere y t = µ + δt + x t + u t, com x t = x t 1 + υ t e defina e t x t + u t. 1 Estime y t = µ + δt + e t e obtenha: ê t = y t µ δt. 2 Defina a soma parcial dos resíduos como: 3 O teste KPSS é dado por: S t = t ê j. j=1 KPSS = T t=1 S 2 t T 2 υ 2, υ 2 = T t=1 ê 2 t T + 2 T M ( ) j T ω ê t ê t j j=1 M + 1 t=j+1 José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
40 KPSS Se y t é estacionário, então S t será I (1) e o numerador do KPSS é um estimador da variância de S t que, por sua vez, tem um limite assintótico. O termo no denominador assegura que a distribuição é livre de ruídos. Se, por outro lado, y t é I (1), o numerador vai crescer sem limites, o que faz a estatística se tornar bastante grande. O poder do KPSS é muito baixo se o modelo se trata de um ARIMA (p, 1, 1). José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
41 ERS: Elliot, Rothemberg and Stock (1996) Qual é o problema de poder? Quando α 1, mas α < 1, o teste comete o erro do tipo II: não rejeita a nula, quando ela é falsa. Suponha: y t = d t + u t ; u t = αu t 1 + e t ; e t = ψ (L) ε t ; d t = N δ n t n δ x t. n=0 Perron e Ng relatam que o teste ADF tem um poder de 25, 8% quando δ n = 0 e α = 0, 95, T = 200. Isto é, em 74, 2% das simulações do modelo, o teste ADF não rejeitou a nula, quando ela era falsa. A mesma tabela mostra que o poder aumenta para 92, 5% quando α = 0, 85. Elliot, Rothemberg e Stock argumentam que o poder do teste pode ser aumentado se termos determinísticos forem expurgados da regressão. Eles denominaram este teste de DF-GLS. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
42 ERS a Dada uma seqüência qualquer observada {y t } T t=0, defina a nova seqüência: ( y α 0, yt α ) (y0, (1 αl) y t ), t = 1, 2,..., T, b c d para algum α 1 c T ; Encontre δ (α) que minimiza a seguinte função: [ L (α) = yt α δ (α) xt α min {δ n (α)} N n=0 ] [ y α t δ (α) x α t Em seguida, obtenha a série com os termos determinísticos expurgados, em que o sobrescrito d representa detrended: y d t y t δ (α) x t ; Proceda ao teste de Dickey-Fuller usando a nova seqüência: y d t = αy d t 1 + p i=1 ] ; λ i y d t i + ε t. (3) José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
43 ERS Como yt d é livre de termos determinísticos, é desnecessário incluir constante ou tendência, sendo c dado por: { 7, se N = 0; c = 13, 5, se N = 1. O valor de c decorre de experimentos de Monte Carlo, de forma a maximizar o poder do teste α = 1 contra α = α, quando se fixa o poder em 50%. A intuição do teste é que o poder vai aumentar conforme α se distancie de α. Na prática, o valor de c fixado para um poder de 50% funciona bem para faixas de poder que variam de 25% a 95%. Resultado: o poder do teste ADF aumenta, passando de 10% para 26%, quando α = 0, 95 e φ 1 = 0, 5, e para 95%, quando α passa a 0, 70. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
44 ERS: Point Optimal 1 Obtenha os resíduos da regressão y t = d t + αy t 1 + p i=1 λ i y t i + ε t,p ; 2 Calcule a variância amostral desses resíduos: σ 2 p = T t=p+1 ε 2 t,p T p ; 3 Calcule a variância de longo prazo em que λ (1) p λ i : i=1 υ 2 AR = σ 2 p [ ] 2, 1 λ (1) 4 Calcule a estatística P T, ajustada pela correlação serial dos resíduos: P T = L (α) αl (1) υ 2. AR José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
45 ERS: Point Optimal Se a série for integrada, a diferenciação gerará uma série de variância pequena se α = 1, porém o valor de L (α = 1) será grande. Logo, P T é grande e não se rejeita a hipótese nula. Se a série for estacionária, a diferenciação da série em L (α = 1) será estacionária, e o mesmo acontecerá com L (α = 1). Os valores serão baixos e, conseqüentemente, P T terá um valor baixo. Portanto, se PT calculado < PT crítico, rejeita-se a nula de raiz unitária. Uma variante do teste é usar como variância de longo prazo o estimador: υ 2 = σ T σ 2 = T t=1 êt 2, T ê t = y t µ δt. M ( ) j T ω ê t ê t j ; j=1 M + 1 t=j+1 José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
46 NG E PERRON O teste de raiz unitária tem problema de tamanho, quando θ 1: y t = φy t 1 + ε t + θε t 1 (1 φl) y t = (1 + θl) ε t. Se θ estiver próximo de 0, 9, a rejeição da hipótese nula é muito mais freqüente do que se desejaria, em razão das distorções de tamanho. Ng e Perron relatam que o tamanho do teste DF-GLS quando θ = 0, 8, T = 100 é de 62, 4%, enquanto o ideal seria de 5% ou 10%. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
47 Embora as duas séries sejam integradas, é difícil reconhecer isso José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61 NG E PERRON A Figura 4 mostra duas séries simuladas com os mesmos erros. Porém, a série que flutua ao redor de zero foi calculada com θ = 0, 8. Figura: Passeios aleatórios com diferentes médias móveis.
48 NG E PERRON Perron e Ng (1996) propõem os M testes, Modificados, em que alguma eventual tendência já foi expurgada : ( y 2 TT υar) 2 Mz α = T = z 2 T t=1 yt 1 2 α + T 2 Mz t = Mz α MSB = z t MSB = T t=1 yt 1 2 T 2 υ 2 AR MP GLS T = c 2 T 2 T t=1 yt 1 d T c (yt d ) 2 υ 2 AR c 2 T 2 T t=1 yt 1 d 1 c T (yt d ) 2 υ 2 AR 2 ( α 1)2 ; T t=1 yt 1 2 υ 2 ( α 1) 2 ; AR, quando N = 0;, quando N = 1. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
49 CRITÉRIO DE INFORMAÇÃO E JANELA ÓTIMA Assim como as demais regras de decisão para raiz unitária, se o valor calculado dessa estatística for menor que o valor crítico, rejeita-se a hipótese de raiz unitária. Os testes são sensíveis ao tamanho da defasagem auto-regressiva p. Por exemplo, Ng e Perron mostram por simulações de Monte Carlo que o tamanho do teste DF-GLS com uma amostra de 250 observações, H = 0 e θ = 0, 8, reduz-se de 98, 5%, quando p = 0, para 9, 9%, quando p = 10. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
50 CRITÉRIO DE INFORMAÇÃO E JANELA ÓTIMA Foi preciso desenvolver uma técnica dependente da amostra para selecionar a defasagem ótima. Critério de Informação Definição Modified AIC - MAIC ln σ 2 + (n + τ) 2 T Modified BIC - MBIC ln σ 2 + (n + τ) ln T T Modified HQ - MHQ ln σ 2 + (n + τ) 2 T ln ln T. em que n é o número de parâmetros estimados na regressão 3; τ = α 2 T (yt 1) d 2 t=p max +1 ; σ 2 p = T t=p max +1 σ 2 p ε 2 t,p T p max. Observe aqui que ε 2 t,p é calculado a partir da regressão y t = d t + αy t 1 + em que p é fixado otimamente. p i=1 λ i y t i + ε t,p, Ng e Perron recomendam que se use o método MAIC. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
51 EXEMPLO Considere agora o exemplo da série de inflação, usando a janela espectral GLS-detrended AR com constante, com M = 12, definido pelo critério AIC modificado. Então, tem-se: IPCA Mz GLS α,µ Mz GSL t,µ MSB GLS MP GLS T Valor Calculado 1, 138 0, 593 0, , 967 1% 13, 800 2, 580 0, 174 1, 780 Valores Críticos 5% 8, 100 1, 980 0, 233 3, % 5, 700 1, 620 0, 275 4, 450 Nesse caso, não se rejeita. O resultado do teste é invariante a outras especificações de janela, ou cálculo paramétrico da variância de longo prazo. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
52 RAÍZES UNITÁRIAS SAZONAIS Maneira mais direta: usar variáveis dummies para captá-las: y t = µ t + p i=1 λ i y t i+1 + ε t, µ t = α 0 + α 1 D 1t + α 2 D 2t + α 3 D 3t + αy t 1 + δt. Experimentos de Monte Carlo demonstram que a distribuição do teste sobre α não se altera na presença de sazonalidade determinística, mesmo na presença de tendência temporal, t. Sendo impossível usar dummies e havendo raiz unitária sazonal, suponha dados trimestrais, de modo que: (1 φ 1 L) (1 + φ 2 L) (1 iφ 3 L) (1 + iφ 4 L) y t = ε t. Se houver raiz unitária sazonal, então φ 1 = φ 2 = φ 3 = φ 4 = 1, gerando ( 1 L 4). José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
53 RAÍZES UNITÁRIAS SAZONAIS Possibilidades: a b c Se φ 1 = 1, y t é o típico caso de um passeio aleatório, testado como já sabido; Se φ 2 = 1, a seqüência tende a se replicar a cada seis meses, portanto há uma raiz unitária semi-anual, já que a solução homogênea é: y t + y t 1 = 0. Por exemplo, se y t = 1, y t+1 = 1, y t+2 = 1,... Se φ 3 = 1 ou φ 4 = 1, a seqüência tem uma raiz unitária de ciclo anual. Para ver isso, suponha y t = 1, então y t+1 = i, y t+2 = i 2 = 1, y t+3 = i, y t+4 = 1. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
54 RAÍZES UNITÁRIAS SAZONAIS Para entender o teste, expanda (1 φ 1 L) (1 + φ 2 L) (1 iφ 3 L) (1 + iφ 4 L) por Taylor em torno de φ 1 = φ 2 = φ 3 = φ 4 = 1. (1 φ 1 L) (1 + φ 2 L) (1 iφ 3 L) (1 + iφ 4 L) y t = ε t [ ( 1 L 4) L ( 1 + L + L 2 + L 3) (φ 1 1) +L ( 1 L + L 2 L 3) (φ 2 1) il ( 1 L 2) (1 + il) (φ 3 1) + +il ( 1 L 2) (1 il) (φ 4 1)]y t Definindo α j φ j 1, para todo j = 1, 2, 3, 4, e notando que i (1 + il) = i L e i (1 il) = i + L, pode-se escrever: ( 1 L 4 ) y t = α 1 ( 1 + L + L 2 + L 3) y t 1 α 2 ( 1 L + L 2 L 3) y t ( 1 L 2) [α 3 (i L) α 4 (i + L)] y t 1 + ε t. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
55 RAÍZES UNITÁRIAS SAZONAIS Ou seja: ( 1 L 4 ) y t = ( α L + L 2 + L 3) ( y t 1 α 2 1 L + L 2 L 3) y t ( 1 L 2) [i (α 3 α 4 ) (α 3 + α 4 ) L] y t 1 + ε t. Definindo 2α 3 = α 6 iα 5 e 2α 4 = α 6 + iα 5, tem-se que (α 3 α 4 ) i = α 5 e (α 3 + α 4 ) = α 6. Disso resulta que: ( 1 L 4 ) y t = α 1 ( 1 + L + L 2 + L 3) y t 1 α 2 ( 1 L + L 2 L 3) y t ( 1 L 2) (α 5 α 6 L) y t 1 + ε t. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
56 RAÍZES UNITÁRIAS SAZONAIS 1 Com base nessas derivações, monte séries auxiliares: x t 1 = y t 1 + y t 2 + y t 3 + y t 4 ; z t 1 = y t 1 y t 2 + y t 3 y t 4 ; m t 1 = y t 1 y t 3. 2 Estime a regressão aumentada de Dickey e Fuller: ( 1 L 4 ) y t = µ t + α 1 x t 1 α 2 z t 1 + α 5 m t 1 α 6 m t 2 + p i=1 λ i ( 1 L 4 ) y t i + ε t. 3 Se não se rejeita α 1 = 0, existe raiz unitária não sazonal. Se não se rejeita α 2 = 0, existe uma raiz unitária semestral. Se não se rejeita o teste F conjunto que α 5 = α 6 = 0, de modo que o valor calculado seja menor do que o valor crítico, há sazonalidade anual. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
57 RAÍZES UNITÁRIAS SAZONAIS Tabela: Valores Assintóticos para o Teste de Raiz Unitária Sazonal H 0 : α 1 = 0 α 2 = 0 α 5 = α 6 = 0 Regressores/T µ t = µ t = α µ t = α i=1 α i D it µ t = α 0 + δt µ t = α i=1 α i D it + δt Fonte: Tabelas 1A e 1B de Hyllleberg, et alli (1990). É preciso consultar as tabelas originais para outras amostragens. As hipóteses anteriores não são conjuntamente excludentes. José Fajardo (FGV-EBAPE) Processos Não Estacionários Setembro / 61
COMENTÁRIO 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 maisESTUDO DO EFEITO DAS AÇÕES DE MARKETING SOBRE O FATURAMENTO DE UMA INSTITUIÇÃO DE SAÚDE DO SUL DE MINAS GERAIS UTLIZANDO TÉCNICAS DE SÉRIES TEMPORAIS
ESTUDO DO EFEITO DAS AÇÕES DE MARKETING SOBRE O FATURAMENTO DE UMA INSTITUIÇÃO DE SAÚDE DO SUL DE MINAS GERAIS UTLIZANDO TÉCNICAS DE SÉRIES TEMPORAIS Maria de Lourdes Lima Bragion 1, Nivaldo Bragion 2,
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 maisO ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2
3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata
Leia maisEste capítulo é divido em duas seções, a primeira seção descreve a base de
30 3. Metodologia Este capítulo é divido em duas seções, a primeira seção descreve a base de dados utilizada, identificando a origem das fontes de informação, apresentando de forma detalhada as informações
Leia maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia maisSimulação Transiente
Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação
Leia mais7Testes de hipótese. Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno. H 0 : 2,5 peças / hora
7Testes de hipótese Prof. Dr. Paulo Picchetti M.Sc. Erick Y. Mizuno COMENTÁRIOS INICIAIS Uma hipótese estatística é uma afirmativa a respeito de um parâmetro de uma distribuição de probabilidade. Por exemplo,
Leia maisAPLICAÇÕES DA DERIVADA
Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,
Leia maisx0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?
Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões
Leia maisResoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - EPPGG
Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-010 - EPPGG 11. Em uma caixa há 1 bolas de mesmo tamanho: 3 brancas, 4 vermelhas e 5 pretas. Uma pessoa, no escuro, deve retirar n bolas
Leia maisE A D - S I S T E M A S L I N E A R E S INTRODUÇÃO
E A D - S I S T E M A S L I N E A R E S INTRODUÇÃO Dizemos que uma equação é linear, ou de primeiro grau, em certa incógnita, se o maior expoente desta variável for igual a um. Ela será quadrática, ou
Leia maisAula 11 Esperança e variância de variáveis aleatórias discretas
Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição
Leia maisEstabilidade. Carlos Alexandre Mello. Carlos Alexandre Mello cabm@cin.ufpe.br 1
Estabilidade Carlos Alexandre Mello 1 Introdução Já vimos que existem três requisitos fundamentais para projetar um sistema de controle: Resposta Transiente Estabilidade Erros de Estado Estacionário Estabilidade
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 maisCláudio Tadeu Cristino 1. Julho, 2014
Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino
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 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 maisa 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Leia maisSéries de Tempo. José Fajardo. Setemebro 2011. Fundação Getulio Vargas-EBAPE. José Fajardo (FGV-EBAPE) Vetor Auto-regressivo Setemebro 2011 1 / 70
Séries de Tempo José Fajardo Fundação Getulio Vargas-EBAPE Setemebro 2011 José Fajardo (FGV-EBAPE) Vetor Auto-regressivo Setemebro 2011 1 / 70 INTRODUÇÃO O uso de modelos univariados é limitado para expressar
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos
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 maisINTRODUÇÃO AO ESTUDO DE EQUAÇÕES DIFERENCIAIS
INTRODUÇÃO AO ESTUDO DE EQUAÇÕES DIFERENCIAIS Terminologia e Definições Básicas No curso de cálculo você aprendeu que, dada uma função y f ( ), a derivada f '( ) d é também, ela mesma, uma função de e
Leia maisEventos independentes
Eventos independentes Adaptado do artigo de Flávio Wagner Rodrigues Neste artigo são discutidos alguns aspectos ligados à noção de independência de dois eventos na Teoria das Probabilidades. Os objetivos
Leia maisCAPÍTULO 12 AUTOCORRELAÇÃO
Econometria Semestre 2010.01 121 121 CAPÍTULO 12 AUTOCORRELAÇÃO 12.1. A NATUREZA DO PROBLEMA O objetivo deste capítulo é examinar as conseqüências da violação de uma das hipóteses fundamentais do modelo
Leia maisTópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções
Tópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções 1. INTRODUÇÃO Ao se obter uma sucessão de pontos experimentais que representados em um gráfico apresentam comportamento
Leia maisIMES Catanduva. Probabilidades e Estatística. no Excel. Matemática. Bertolo, L.A.
IMES Catanduva Probabilidades e Estatística Estatística no Excel Matemática Bertolo, L.A. Aplicada Versão BETA Maio 2010 Bertolo Estatística Aplicada no Excel Capítulo 3 Dados Bivariados São pares de valores
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisEscolha de Portfólio. Professor do IE-UNICAMP http://fernandonogueiracosta.wordpress.com/
Escolha de Portfólio considerando Risco e Retorno Aula de Fernando Nogueira da Costa Fernando Nogueira da Costa Professor do IE-UNICAMP http://fernandonogueiracosta.wordpress.com/ Relação entre risco e
Leia maisAula 5 Técnicas para Estimação do Impacto
Aula 5 Técnicas para Estimação do Impacto A econometria é o laboratório dos economistas, que busca reproduzir o funcionamento do mundo de forma experimental, como se faz nas ciências naturais. Os modelos
Leia maisAS LEIS DE NEWTON PROFESSOR ANDERSON VIEIRA
CAPÍTULO 1 AS LEIS DE NEWTON PROFESSOR ANDERSON VIEIRA Talvez o conceito físico mais intuitivo que carregamos conosco, seja a noção do que é uma força. Muito embora, formalmente, seja algo bastante complicado
Leia maisPor que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...
Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª
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 maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES
Caros concurseiros, Como havia prometido, seguem comentários sobre a prova de estatística do ICMS RS. Em cada questão vou fazer breves comentários, bem como indicar eventual possibilidade de recurso. Não
Leia maisNECESSIDADES DE PREVISÃO DA CADEIA DE SUPRIMENTOS. Mayara Condé Rocha Murça TRA-53 Logística e Transportes
NECESSIDADES DE PREVISÃO DA CADEIA DE SUPRIMENTOS Mayara Condé Rocha Murça TRA-53 Logística e Transportes Setembro/2013 Introdução Estimativas acuradas do volume de produtos e serviços processados pela
Leia maisNotas sobre a Fórmula de Taylor e o estudo de extremos
Notas sobre a Fórmula de Taylor e o estudo de etremos O Teorema de Taylor estabelece que sob certas condições) uma função pode ser aproimada na proimidade de algum ponto dado) por um polinómio, de modo
Leia maisUtilização do SOLVER do EXCEL
Utilização do SOLVER do EXCEL 1 Utilização do SOLVER do EXCEL José Fernando Oliveira DEEC FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO MAIO 1998 Para ilustrar a utilização do Solver na resolução de
Leia maisEstimação do Pass-Through Cambial no Brasil referente aos Índices de Preços ao Consumidor
Estimação do Pass-Through Cambial no Brasil referente aos Índices de Preços ao Consumidor Luiz Armando dos Santos Aleixo - estudante do curso de Estatística - 3 o ano - Escola Nacional de Ciências Estatísticas
Leia maisIntrodução. Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra.
Métodos Monte Carlo Introdução Métodos de inferência são usados para tirar conclusões sobre a população usando informações obtidas a partir de uma amostra. Estimativas pontuais e intervalares para os parâmetros;
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
Leia maisO método de Monte Carlo: algumas aplicações na Escola Básica
1 Universidade de São Paulo/Faculdade de Educação Seminários de Ensino de Matemática (SEMA-FEUSP) Coordenador: Nílson José Machado novembro/2009 O método de Monte Carlo: algumas aplicações na Escola Básica
Leia maisUTILIZAÇÃO DE RECURSOS ESTATÍSTICOS AVANÇADOS DO EXCEL PREVISÃO
UTILIZAÇÃO DE RECURSOS ESTATÍSTICOS AVANÇADOS DO EXCEL PREVISÃO! Fazendo regressão linear! Relacionando variáveis e criando uma equação para explicá-las! Como checar se as variáveis estão relacionadas!
Leia maisAVALIAÇÃO DO MODELO DE ONDAS
AVALIAÇÃO DO MODELO DE ONDAS O modelo de onda WAVEWATCH implementado operacionalmente no CP- TEC/INPE global é validado diariamente com os dados do satélite JASON-2. Este novo produto tem como finalidade
Leia maisEXPERIMENTO N o 6 LENTES CONVERGENTES INTRODUÇÃO
EXPERIMENTO N o 6 LENTES CONVERGENTES INTRODUÇÃO Ao incidir em uma lente convergente, um feixe paralelo de luz, depois de passar pela lente, é concentrado em um ponto denominado foco (representado por
Leia mais5 Equacionando os problemas
A UA UL LA Equacionando os problemas Introdução Nossa aula começará com um quebra- cabeça de mesa de bar - para você tentar resolver agora. Observe esta figura feita com palitos de fósforo. Mova de lugar
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES 1
CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 Olá pessoal! Resolverei neste ponto a prova de Matemática e Estatística para Técnico Administrativo para o BNDES 2008 organizado pela CESGRANRIO. Sem mais delongas,
Leia maisOndas Eletromagnéticas. E=0, 1 B=0, 2 E= B t, 3 E
Ondas Eletromagnéticas. (a) Ondas Planas: - Tendo introduzido dinâmica no sistema, podemos nos perguntar se isto converte o campo eletromagnético de Maxwell em uma entidade com existência própria. Em outras
Leia maisLISTA DE EXEMPLOS - PROBABILIDADE
LISTA DE EXEMPLOS - PROBABILIDADE EXEMPLO 1 CONVERTENDO UM ARREMESSO LIVRE Ache a probabilidade de que o jogador de basquete da NBA, Reggie Miller, converta um arremesso livre depois de sofrer uma falta.
Leia maisMÓDULO 6 INTRODUÇÃO À PROBABILIDADE
MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para
Leia maisINE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis
INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis O objetivo deste texto é apresentar os principais procedimentos
Leia maisHipótese Estatística:
1 PUCRS FAMAT DEPTº DE ESTATÍSTICA TESTE DE HIPÓTESE SÉRGIO KATO Trata-se de uma técnica para se fazer inferência estatística. Ou seja, a partir de um teste de hipóteses, realizado com os dados amostrais,
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia mais2 Independência e dependência das taxas de juro
1 Incerteza e juro aleatório Considere-se o intervalo [0, n], o tempo medido em anos, e a partição [0, 1], (1, 2],..., (n 1, 1] e suponha-se que no início do ano t são aplicadas C t unidades de capital,
Leia mais1. Introdução. 1.1 Introdução
1. Introdução 1.1 Introdução O interesse crescente dos físicos na análise do comportamento do mercado financeiro, e em particular na análise das séries temporais econômicas deu origem a uma nova área de
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas CMP1132 Processo e qualidade de software II Prof. Me. Elias Ferreira Sala: 402 E Quarta-Feira:
Leia mais5 Transformadas de Laplace
5 Transformadas de Laplace 5.1 Introdução às Transformadas de Laplace 4 5.2 Transformadas de Laplace definição 5 5.2 Transformadas de Laplace de sinais conhecidos 6 Sinal exponencial 6 Exemplo 5.1 7 Sinal
Leia maisCAPÍTULO 9 Exercícios Resolvidos
CAPÍTULO 9 Exercícios Resolvidos R9.1) Diâmetro de esferas de rolamento Os dados a seguir correspondem ao diâmetro, em mm, de 30 esferas de rolamento produzidas por uma máquina. 137 154 159 155 167 159
Leia mais4 Segmentação. 4.1. Algoritmo proposto
4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças
Leia maisUNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2
UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI) ENG. DE PRODUÇÃO PROBABILIDADE E ESTATÍSTICA 2 LISTA N O 2 Prof.: William Morán Sem. I - 2011 1) Considere a seguinte função distribuição conjunta: 1 2 Y 0 0,7 0,0
Leia mais3 Classificação. 3.1. Resumo do algoritmo proposto
3 Classificação Este capítulo apresenta primeiramente o algoritmo proposto para a classificação de áudio codificado em MPEG-1 Layer 2 em detalhes. Em seguida, são analisadas as inovações apresentadas.
Leia maisN1Q1 Solução. a) Há várias formas de se cobrir o tabuleiro usando somente peças do tipo A; a figura mostra duas delas.
1 N1Q1 Solução a) Há várias formas de se cobrir o tabuleiro usando somente peças do tipo A; a figura mostra duas delas. b) Há várias formas de se cobrir o tabuleiro com peças dos tipos A e B, com pelo
Leia maisÉ POSSÍVEL ATINGIR A META DO MINISTÉRIO DA SAÚDE PARA A DOAÇÃO ESPONTÂNEA?
É POSSÍVEL ATINGIR A META DO MINISTÉRIO DA SAÚDE PARA A DOAÇÃO ESPONTÂNEA? Rejane Corrêa da Rocha 1, Thelma Sáfadi 2, Luciane Texeira Passos Giarola 3 INTRODUÇÃO É considerado doador todo o cidadão que
Leia mais(a 1 + a 100 ) + (a 2 + a 99 ) + (a 3 + a 98 ) +... + (a 50 + a 51 ).
Questão 1. A sequência 0, 3, 7, 10, 14, 17, 21,... é formada a partir do número 0 somando-se alternadamente 3 ou 4 ao termo anterior, isto é: o primeiro termo é 0, o segundo é 3 a mais que o primeiro,
Leia maisHistogramas. 12 de Fevereiro de 2015
Apêndice B Histogramas Uma situação comum no laboratório e na vida real é a de se ter uma grande quantidade de dados e deles termos que extrair uma série de informações. Encontramos essa situação em pesquisas
Leia maisCaracterização temporal de circuitos: análise de transientes e regime permanente. Condições iniciais e finais e resolução de exercícios.
Conteúdo programático: Elementos armazenadores de energia: capacitores e indutores. Revisão de características técnicas e relações V x I. Caracterização de regime permanente. Caracterização temporal de
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 6. O trabalho feito pela força para deslocar o corpo de a para b é dado por: = =
Energia Potencial Elétrica Física I revisitada 1 Seja um corpo de massa m que se move em linha reta sob ação de uma força F que atua ao longo da linha. O trabalho feito pela força para deslocar o corpo
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 maisFração como porcentagem. Sexto Ano do Ensino Fundamental. Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M.
Material Teórico - Módulo de FRAÇÕES COMO PORCENTAGEM E PROBABILIDADE Fração como porcentagem Sexto Ano do Ensino Fundamental Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M. Neto
Leia maisIvan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:
Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear A medida de correlação é o tipo de medida que se usa quando se quer saber se duas variáveis possuem algum tipo de relação, de maneira que quando uma varia a outra varia também.
Leia maisINE 5111 Gabarito da Lista de Exercícios de Probabilidade INE 5111 LISTA DE EXERCÍCIOS DE PROBABILIDADE
INE 5 LISTA DE EERCÍCIOS DE PROBABILIDADE INE 5 Gabarito da Lista de Exercícios de Probabilidade ) Em um sistema de transmissão de dados existe uma probabilidade igual a 5 de um dado ser transmitido erroneamente.
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
Leia maisRoda de Samba. Série Matemática na Escola
Roda de Samba Série Matemática na Escola Objetivos 1. Apresentar uma aplicação de funções quadráticas; 2. Analisar pontos de máximo de uma parábola;. Avaliar o comportamento da parábola com variações em
Leia mais6.3 Equivalência entre Autômatos com Pilha Não-Determinísticos e Gramáticas Livre do Contexto
Capítulo 6. Autômatos com Pilha 6.3 Equivalência entre Autômatos com Pilha Não-Determinísticos e Gramáticas Livre do Contexto Nos exemplos da seção anterior, vimos que os autômatos com pilha existem para
Leia mais4.10 Solução das Equações de Estado através da Transformada de Laplace Considere a equação de estado (4.92)
ADL22 4.10 Solução das Equações de Estado através da Transformada de Laplace Considere a equação de estado (4.92) A transformada de Laplace fornece: (4.93) (4.94) A fim de separar X(s), substitua sx(s)
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 maisAULAS 04 E 05 Estatísticas Descritivas
1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES
Caríssimos. Recebi muitos e-mails pedindo ajuda com eventuais recursos para as provas do BACEN. Em raciocínio lógico, eu não vi possibilidade de recursos, apesar de achar que algumas questões tiveram o
Leia maisESTATÍSTICA NA CASIO fx 82 MS
ESTATÍSTICA NA CASIO fx 82 MS Como Fazer Cálculos Estatísticos na Casio fx-82ms Os cálculos estatísticos são realizados em dois modos: O chamado Desvio Padrão - SD E o modo de Regressão REG CONFIGURANDO
Leia maisCurso de Graduação em Administração. Administração da Produção e Operações I
Curso de Graduação em Administração Administração da Produção e Operações I 22º Encontro - 11/05/2012 18:50 às 20:30h COMO SERÁ NOSSO ENCONTRO HOJE? - ABERTURA - CAPACIDADE E TURNOS DE TRABALHO. 02 Introdução
Leia maisMétodos Matemáticos para Gestão da Informação
Métodos Matemáticos para Gestão da Informação Aula 05 Taxas de variação e função lineares III Dalton Martins dmartins@gmail.com Bacharelado em Gestão da Informação Faculdade de Informação e Comunicação
Leia mais[a11 a12 a1n 4. SISTEMAS LINEARES 4.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo
4. SISTEMAS LINEARES 4.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a
Leia maisUNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo
UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos
Leia maisPÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método
Leia maisResoluções comentadas das questões de Estatística da prova para. ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ
Resoluções comentadas das questões de Estatística da prova para ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ Realizada pela Fundação João Goulart em 06/10/2013 41. A idade média de todos
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Matrizes; Matrizes Especiais; Operações com Matrizes; Operações Elementares
Leia maisFundamentos da Metrologia Científica e Industrial Ambiente Virtual: Balança Digital
Fundamentos da Metrologia Científica e Industrial Ambiente Virtual: Balança Digital 1. Apresentação Quatro elementos estão disponíveis no ambiente virtual: Balança digital a ser calibrada Coleção de massas
Leia mais2. A FERRAMENTA SOLVER (EXCEL)
Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção 2. A FERRAMENTA SOLVER (EXCEL) Diversas ferramentas para solução de problemas de otimização, comerciais ou acadêmicos, sejam eles lineares
Leia maisPRO FOR WINDOWS (FPW)
INTRODUÇÃO OAO FORECAST PRO FOR WINDOWS (FPW) Considerações Básicas Introdução ao Forecast Pro Software para análise e previsão de séries temporais. Características importantes Roda sob as diversas versões
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES
Olá pessoal! Neste ponto resolverei a prova de Matemática Financeira e Estatística para APOFP/SEFAZ-SP/FCC/2010 realizada no último final de semana. A prova foi enviada por um aluno e o tipo é 005. Os
Leia maisFaculdade Sagrada Família
AULA 12 - AJUSTAMENTO DE CURVAS E O MÉTODO DOS MÍNIMOS QUADRADOS Ajustamento de Curvas Sempre que desejamos estudar determinada variável em função de outra, fazemos uma análise de regressão. Podemos dizer
Leia maisIntrodução à Análise Química QUI 094 ERRO E TRATAMENTO DE DADOS ANALÍTICOS
Introdução a Analise Química - II sem/2012 Profa Ma Auxiliadora - 1 Introdução à Análise Química QUI 094 1 semestre 2012 Profa. Maria Auxiliadora Costa Matos ERRO E TRATAMENTO DE DADOS ANALÍTICOS Introdução
Leia maisOrganização e Arquitetura de Computadores I
Organização e Arquitetura de Computadores I Aritmética Computacional Slide 1 Sumário Unidade Lógica e Aritmética Representação de Números Inteiros Aritmética de Números Inteiros Representação de Números
Leia maisficha 3 espaços lineares
Exercícios de Álgebra Linear ficha 3 espaços lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 3 Notação Sendo
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia maisFigura 1 Busca Linear
----- Evidentemente, possuir os dados não ajuda o programador ou o usuário se eles não souberem onde os dados estão. Imagine, por exemplo, uma festa de casamento com cem convidados na qual não se sabe
Leia maisResolução de Problemas
Resolução de Problemas 1. (Uerj) Com o intuito de separar o lixo para fins de reciclagem, uma instituição colocou em suas dependências cinco lixeiras, de acordo com o tipo de resíduo a que se destinam:
Leia maisRegra do Evento Raro p/ Inferência Estatística:
Probabilidade 3-1 Aspectos Gerais 3-2 Fundamentos 3-3 Regra da Adição 3-4 Regra da Multiplicação: 3-5 Probabilidades por Meio de Simulações 3-6 Contagem 1 3-1 Aspectos Gerais Objetivos firmar um conhecimento
Leia mais6. Geometria, Primitivas e Transformações 3D
6. Geometria, Primitivas e Transformações 3D Até agora estudamos e implementamos um conjunto de ferramentas básicas que nos permitem modelar, ou representar objetos bi-dimensionais em um sistema também
Leia maisEQUAÇÕES E INEQUAÇÕES DE 1º GRAU
1 EQUAÇÕES E INEQUAÇÕES DE 1º GRAU Equação do 1º grau Chamamos de equação do 1º grau em uma incógnita x, a qualquer expressão matemática que pode ser escrita sob a forma: em que a e b são números reais,
Leia mais