SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
|
|
- Jerónimo Franco Belo
- 7 Há anos
- Visualizações:
Transcrição
1 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Rio de Janeiro/RJ MODELOS PARA CURVAS DE CRESCIMENTO: APLICAÇÃO A SÉRIES BRASILEIRAS Rosângela Nunes de Sousa Ponifícia Universidade Caólica do Rio de Janeiro DEE PUC/RJ Av. Marquês de São Vicene,, 4-04, Rio de Janeiro RJ rnunes@ele.puc-rio.br Reinaldo Casro Souza Ponifícia Universidade Caólica do Rio de Janeiro DEE PUC/RJ Av. Marquês de São Vicene,, 4-04, Rio de Janeiro RJ reinaldo@ele.pcu-rio.br Guemberg Hespanha Brasil Universidade Federal do Espírio Sano Deparameno de Esaísica UFES/ES Av Fernando Ferrari, s/n, ghbrasil@erra.com.br Resumo Traaremos da seleção e esimação de curvas maemáicas de crescimeno. Esas curvas são uilizadas para esabelecer o comporameno no passado e sugerir, por exrapolação, o comporameno no fuuro de um processo. Para ajusar a endência uilizaremos a família exponencial modificada, onde suas mais expressivas represenanes são a Logísica e a Gomperz. O objeivo principal é analisar as aproximações exisenes para modelar a série e propor um modelo paricular com base no procedimeno do Modelo Linear Dinâmico (DLM) denro de um enfoque Bayesiano. Apresenaremos rês abordagens: i) Clássica Esáica - Esima os parâmeros por MQP (Mínimos Quadrados Ponderados); ii) Clássica Dinâmica - Via FK (Filro de Kalman), que uiliza parâmeros variando no empo. iii) Dinâmica Bayesiana com faores de descono - Adicionamse faores de descono para modelar a variabilidade dos parâmeros. Aplicaremos a meodologia acima para a série real: Número de Noificações de Casos de AIDS no Brasil. A performance de previsão será medida pelos criérios MAD (Mean Absolue Deviaion) e MAPE (mean absolue percenage error) bem como eses para auocorrelações dos resíduos. Palavras Chaves: Curvas de Crescimeno, Logísica, Gomperz, Abordagem Bayesiana, Auocorrelação dos Resíduos. Absrac This paper deals wih he selecion and esimaion of mahemaical growh curves. These curves are used o esablish he mos adequae behavior in he pas which allows exrapolaion ino he fuure. To adjus he rend i will be used he modified exponenial family, wihin which he mos expressive represenaives are he Logisic and Gomperz. The main ask is o analyze he exisen approaches and o propose an alernaive model based on he Bayesian Dynamic Linear Model (DLM for shor). We will discuss hree approaches: i) Classical Saic Model- parameers esimaed by Weighed Leas Square; ii) Classical Dynamics uses he Kalman Filer, which allows ime varying parameers. iii) Dynamic Bayesian wih discoun facors o cope wih parameers variabiliy. We apply he above models o he following se of real daa; i.e. he noified number of AIDS cases in Brazil. The forecas performance is measured by he following crieria: MAD (Mean Absolue Deviaion) and MAPE (Mean Absolue Percenage Error) as well as ess for residual auocorrelaions. Key-Words: Growh Curves, Logisic, Gomperz, Bayesian Approach, Residual Auocorrelaion.
2 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Rio de Janeiro/RJ. Inrodução A arefa de analisar séries emporais não é fácil, pois muios faores influenciam nesa análise. Os faores que influenciam em um deerminado mercado não necessariamene influenciarão ouro. A arefa fica mais difícil se a previsão são vários passos à frene. Para resolver ese problema usamos curvas maemáicas para a endência. Esas curvas são uilizadas para esabelecer o comporameno no passado e sugerir, por exrapolação, o comporameno no fuuro de um deerminado fenômeno. Curvas de crescimeno são uilizadas para observações monoonicamene crescenes. Para ajusar a endência uilizaremos a família exponencial modificada, onde suas mais expressivas represenanes são a logísica e a gomperz. No campo da análise de séries emporais podemos observar várias aproximações que ajuda na melhoria da previsão de séries emporais. Hoje em dia podemos classificar as séries em 3 modelos a ciar: (i) Modelos Univariados emos disponíveis os dados hisóricos da série de ineresse. (ii) Modelos Causais ou Modelo de Função de Transferência além dos dados hisóricos da série de ineresse incluímos ambém oura série de empo que causa ou explica o fenômeno que é modelado. (iii) Modelos Mulivariados é uma misura dos modelos aneriores, conendo um veor da série de empo sem qualquer indicação de causalidade enre a série e o veor. O nosso ineresse é o modelo univariado conhecida como curvas de crescimeno em forma de S, i.é., uma série que pode ser descria da seguine maneira: X = f() + ε Onde: X é a série de ineresse; é o índice do empo; f() é a curva de crescimeno, com a seguine propriedade: lim f() consane, i.e., f() ende para uma consane (nível de sauração=a) ε é a componene de erro do modelo, assume média zero e variância consane. O objeivo principal é analisar as aproximações exisenes para modelar f() e propor um modelo paricular com base no procedimeno do Modelo Linear Dinâmico (DLM) denro de um enfoque Bayesiano. Apresenaremos uma abordagem esáica, dinâmica clássica e dinâmica Bayesiana com faores de descono e aplicaremos a meodologia exposa a séries reais. (i) Abordagem Clássica Esáica Esima os parâmeros por MQP (Mínimos Quadrados Ponderados); são apresenados 4 ipos de ponderadores e as implicações de cada um sobre a variância de cada curva. (ii) Abordagem Clássica Dinâmica Via FK (Filro de Kalman), o qual resolve a consância dos parâmeros no empo. Fazendo com que os parâmeros sejam re-esimados, com isso se adapando a mudanças ocorridas. (iii) Abordagem Bayesiana com Faores de Descono. Adicionam-se faores de descono para modelar a variabilidade dos parâmeros.. Curvas de Crescimeno Para modelos de curvas de crescimeno como uma função de empo adoamos a família exponencial modificada generalizada dada por: X =[a + b.exp(-c)]φ (.) Onde a, b, c > 0 e φ R são os hiperparâmeros do modelo com as seguines especificações: aφ - nível de sauração; b indicador do pono de início; c - indicador do crescimeno do processo.
3 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Rio de Janeiro/RJ Para cada valor de φ R, emos um membro da curva de crescimeno da família geral dada pela equação (.). Enreano, os rês mais populares membros da família são quando emos φ =, φ = - e φ como mosramos abaixo: (i) Exponencial Modificada Simples Obemos da equação (.) com φ = : X =[a - b.exp(-c)] (.) Para esa curva não eremos dificuldade para mosrar a axa de crescimeno dx/d é dada por: dx/d = c(a X) (.3) A figura abaixo mosra a curva sobre diferenes valores de a (nível de sauração), b (indicador inicial) e c (indica a velocidade do crescimeno). Variando a (nível de sauração) Variando b (marco inicial) Variando c (cresimeno do processo) (ii) Logísica Obemos da equação (.) com φ = -: X = /[a + b.exp(-c)] (.4) Não eremos dificuldade para mosrar que esa curva é simérica com o pono de inflexão x = a/. Também, a axa de crescimeno é dada por:
4 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Rio de Janeiro/RJ dx/d = c X [(a- X)/ X] (.) A figura abaixo mosra a curva sobre diferenes valores de a (nível de sauração), b (indicador inicial) e c (indica a velocidade do crescimeno). Logísica Variando a (nível de sauração) Variando b (marco inicial) Variando c (cresimeno do processo) (iv) Gomperz Obemos da equação (3.0) com φ : X = a.exp(-b[exp(-c)]) (.) Esa curva de crescimeno é assimérica com o pono de inflexão x = a/. A axa de crescimeno é dada por: dx/d = c X log[exp(a) / X] (.7) A figura abaixo mosra a curva sobre diferenes valores de a (nível de sauração), b (indicador inicial) e c (indica a velocidade do crescimeno).
5 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Rio de Janeiro/RJ Variando a (nível de sauração) Variando b (marco inicial) Variando c (cresimeno do processo) Seleção da Curva Apropriada Escolher uma curva apropriada levando em consideração o criério de ajuse, i. e., escolher a curva que minimiza uma medida de erro al MSE, MAPE, ec. Porém iso significa ajusar odas as curvas de fao para os dados sem qualquer enaiva para idenificação anerior das curvas. Considerando só a idenificação da curva de crescimeno anerior para o passo de esimação de hiperparâmeros nós podemos mencionar dois méodos, iso é,: (i) Méodo (idenificação) Ese méodo explora as caracerísicas maemáicas de cada curva, proposo por Gregg (4), usa médias móveis de amanho p+ (em geral p =, 7 ou ) como: X p X + p MM = ( p + ) E a axa média de mudanças no insane com um período p+: A média móvel e a axa média de mudanças são aproximações de X e a axa de crescimeno dx / d TM p. X p... X + X + =. p.( p + ).( p + ) p. X + p
6 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Rio de Janeiro/RJ respecivamene. O gráfico das funções desas esimaivas versus dá indicação da curva mais apropriada enre os rês modelos (Exponencial Modificada Simples, Logísica e Gomperz). O Algorimo consise de: () Fazer o gráfico de log (TM ) x ; () Fazer o gráfico de log (TM /MM ) x ; (3) Fazer o gráfico de log (TM /MM ) x ; (4) ( φ ) Fazer o gráfico de log (TM )-.log( MM ) x; φ () Se o gráfico feio em () for uma rea inclinada para a direia, ou seja, uma função linear decrescene, há indícios que o processo analisado possa er o mesmo comporameno de uma curva exponencial modificada; () Se o gráfico feio em () se aproximar de uma rea, a sugesão é a gomperz; (7) Se o gráfico feio em (3) se aproximar mais de uma rea, a sugesão é a logísica; (8) Se o gráfico feio em (4) se aproximar de uma rea, a sugesão é a exponencial modificada com o φ respecivo (ii) Méodo (idenificação) Nese méodo usam-se os dados originais (não ransformados), proposo por Young & Ord (8), o inconveniene dese méodo é exigir uma aproximação do nível de sauração. Caso o valor suposo eseja próximo o méodo funciona perfeiamene. As curvas são idenificadas por uma ransformação linear do modelo, ou seja, os dados esão próximos de uma rea. Fazemos o gráfico da função g(x) versus, onde g(x) é uma ransformação linearizada de X. Acrescenou-se a ese méodo a possibilidade de selecionar-se a curva exponencial modificada simples e exponencial generalizada com φ esimado. A forma geral para modelos de previsão: (A) X = F(, θ ) + ε, V ( X ) V( ε ) = σ (B) Z = g x ) = 0 + β = ( β + ε, onde: θ = f(a,b,c) veor paramérico g(.) denoa uma ransformação linearizane. σ V ( Y ) = dg(.) Dx Para Modelo Exponencial Modificado; g( ) = log( x a) Para Modelo Gomperz g ( ) = log( log( log( x / a') Para o Modelo Logísica, g3 ( ) = log( x /( a x )) Para Modelo Exponencial com φ conhecido a - Nível se sauração φ g 4 ( ) = log(( x ) a). O MÉTODO DE YOUNG & ORD PARA SELEÇÃO DAS CURVAS CONSISTE DE: (i) Selecionar enre os modelos (exponencial modificada, gomperz, logísica ou exponencial modificada com φ conhecido); e, (ii) Selecionar enre as esruuras de erros.
7 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Rio de Janeiro/RJ Noe que (A) e (B) implicam em esquemas esocásicos diferenes. De (A) emos: Var( y) = Var( E) = σ. Conudo de (B) emos que : σ Var( y) = [ dg( )/ dy], a qual aumena à medida que aumena. ALGORITMO () Transformar os dados aplicando g, g, g3 e g; 4 () Fazer os gráficos das ransformações em função de. (3) Opar em () pelo gráfico que mais se aproxima de uma rea. (4) Fazer o gráfico dos pseudo-resíduos (pr ), onde: (pr ) = Y ( y + y + y+ ) = Y 3 3 () Se o gráfico de pr versus for consane ao longo do empo, aceia-se a hipóese de variância consane (homocedasicidade) e conserva-se a decisão omada em (3), caso conrário, aceia-se a hipóese de heerocedasicidade e a necessidade de ransformação dos dados adoando g, g, g3 ou g; 4 dependendo da decisão em (3). Uma das desvanagens do procedimeno acima é a suposição de conhecimeno prévio do nível de sauração a. 4. Abordagens para a Esimação As meodologias serão desenvolvidas usando-se o Pc-Malab. Para a esimação dos hiperparâmeros da idenificação da curva de crescimeno, podemos seguir rês procedimenos dos quais são descrios abaixo: (i) Méodo de Esimação Abordagem Clássica Esáica Ese é clássico procedimeno de mínimo quadrado adapado para a presene curva de crescimeno. Devemos escolher os hiperparâmeros a, b e c de al modo pela função objeivo dada (forma geral): = [Xj (a + bec)] é minimizado. Os pesos wj são al que: Exponencial Modificada: wj = k/v(xj) Logísica: Gomperz: wj = kx / V(Xj) wj = k(.308xj) / V(Xj) Onde V(Xj) é a variância dos dados e k uma consane posiiva arbirária. O procedimeno não só dá o pono mais apropriado esimado para a, b e c, como ambém a mariz de covariância dos hiperparâmeros correspondenes e inervalos de confiança aproximados. (ii) Méodo de Esimação Abordagem Clássica Dinâmica (DFK) Esa é uma aproximação basane diferene proposa por Nigel & Meade (8) onde o empo se baseia nas curvas de crescimeno como apresenou nas equações (.), (.4) e (.), as curvas são reformuladas de uma base emporal direa para uma base observacional garanindo a monoonicidade da série na hora da exrapolação e uso do Filro de Kalman esendido permiindo lidar com os parâmeros varianes no empo. A abordagem dinâmica vem raar de rês principais limiações da abordagem clássica esáica. São elas:
8 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Rio de Janeiro/RJ () Consância dos coeficienes No desenvolvimeno de um fenômeno, um comporameno esável implicado pela consância dos coeficienes é indesejável. A suposição de consância raz uma esimação média sobre o conjuno de observações, o que conduzirá a imprecisões na hora da previsão. () Inconsisência enre recenes observações e previsões Embora um mercado de bens duráveis, por exemplo, seja um processo monoonicamene crescene nenhuma garania se em disso. Se X N, a mais recene observação, é maior que a esimaiva de mínimos quadrados enão é concebível que a esimaiva de X N+ deverá ser menor que X N, ou seja, um decréscimo no mercado é previso. (3) Medidas de Incereza O ajuse para mínimos quadrados não reconhece a naureza seqüencial dos dados, o que implica em inervalos de confiança para X quando N ão amplos, ou mais amplos do que para >N, onde X N é a úlima observação. Quando o experimeno pode ser repeido muias vezes ese comporameno é esperado, mas no desenvolvimeno de um mercado o experimeno ocorre somene uma vez, com a incereza concenrada na região >N. A mudança da base emporal para a base observacional vem superar o defeio apresenado em () e a uilização do FK esendido permie resolver (). X = f(a, b, c, ) X = h(b, b, X-, X-) + v Onde a função h(.) é da família das 3 curvas de crescimeno reformuladas: Exponencial Modificado h EM (β, β, X-) = (β + β*x-) (4.) onde: β = a.[ exp( c)] e β = exp( c ) Logísica h LOG (β, β, X-) = onde: β = x (4.) ( β + β * X ) exp( c ) e β = a.( exp( c)) Gomperz h GOM (β, β, X-) = β.x- (4.7) onde: log( β ) = [ exp( b)]. a e β = exp( c ) Sendo β > 0 e 0 < β < e relacionado para forma original dos hiperparâmeros a, b e c. As esimaivas dos parâmeros de ineresse β e β é levado seqüencialmene via algorimo Filro de Kalman Esendido adoando o veor de esado b = (b b). No seguine sisema de equações dinâmicas: X = H β + e β+ = Iβ + w ; Var( e ) = R ; Var( w ) = Q (4.8) onde: H h( β ) = β ^ β = β / o qual é obido direamene para cada curva como esado nas equações (4.) aé (4.7). O uso seqüencial do filro de Kalman [Wes & Harrison, (8)], a cada insane condicional esimados do veor de esado.
9 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Rio de Janeiro/RJ (iii) Méodo 3 de Esimação Abordagem Bayesiana Dinâmica: Filro de Kalman Esendido com Faores de Descono (BDM). Esa úlima formulação pode ser visa como uma melhoria da prévia dando uma inerpreação Bayesiana ao Modelo Linear Dinâmico mosrado na equação (4.8). Fazendo assim, a esimação de veor de esado é obida direamene pelo mesmo algorimo do Filro de Kalman. Porém, nós podemos usar o esquema de faor de descono agora para subsiuir a arefa de valores de colocação para as discrepâncias de ruído R e Q e o princípio de análise de referência para fixar a disribuição anerior para o veor esaal.. Aplicações Apresenaremos imporanes resulados do procedimeno descrio para modelos de curvas de crescimeno para O Número de Noificações de Casos de AIDS no Brasil. noificações de casos de AIDS no Brasil. Procedimeno: () Escolha das curvas sugeridas pelos méodos de Gregg e all e Young & Ord; () Esimação via abordagem esáica dos modelos sugeridos; Gregg e all (4); (3) Esimação via abordagem dinâmica, Meade (8), do melhor modelo esimado em (). (4) Esimação via abordagem dinâmica Bayesiana com faores de descono. () Gráfico da série, melhor modelo esáico, modelos dinâmicos, A seleção do melhor modelo foi feia segundo o SQE (Soma dos quadrados dos resíduos) e o EMPP (MAPE), dado por (para previsões com a mesma origem ): MAPE = 00. n + n = + Y Yˆ / + n X X p 00 ( ) =. Y n X = + Noação: X p () é o valor previso para X no insane. X é o valor real de X no insane. n é o número de observações usadas no ajuse. Todas as séries êm amanhos (n + T); separou-se os úlimos T dados para esar o desempenho prediivo do modelo. Série - Número de noificações de casos de aids no Brasil (0/8-08/8) e foram usados de Janeiro/8- Agoso/8 para esar a capacidade prediiva do modelo. Méodo [Gregg e all] Logísica φ =. 3. Méodo [Young & Ord] Logísica. ^
10 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Rio de Janeiro/RJ Esimação do Modelo Modelos Esáicos SQE MAPE $a )Logísica 4 Wj = 0 Y j / α j α= 0. Y j = X j Limie =470 )Logísica 4 Wj = 0 Y j / α α= 0. j Y j = X j Limie=88 j j σ a $b σ b $c σ c Mariz de Correlação Modelos Dinâmicos Condições Iniciais SQE MAPE 3)Logísica (Clássico) R = )Logísica com Faores de Descono Bayesiano) = 0 I x 0 Q = 3. I x β 0 = [ ] α = 0. β 0 Nm, C onde m 0 = [ ] C = 0 ( ) ( ) I x V 0 = β (x) = diag[ ] α = (I) Validade do Modelo A curva logísica foi indicada por ambos processos de escolha. Esudamos o caso com c>0, iso é, supondo que o número de noificações possuam um limie assinóico. (II) Validade Esaísica do Modelo O ajuse é razoável no início e basane bom na meade final; somene os modelos dinâmicos acompanham as mudanças ocorridas no período Fevereiro/87 Junho/87. A não significância dos parâmeros a e c e a sua ala correlação, sugere que além de um dos dois parâmeros acima não esar explicando nada, ouras curvas com parâmeros levemene diferenes ajusarão com a mesma precisão. (III) Capacidade de Previsão
11 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Rio de Janeiro/RJ Todos modelos apresenam boa capacidade prediiva, levemene melhores que o apresenado por Gamermann e Migon, onde MAPE Logísica =.4%, MAPE Gomperz =.0% e MAPE Exponencial =.434%, conra o nosso MAPE Modelo4 =.08%.. Conclusões O uso de peso na esimação como proposo por Gregg (), em duas vanagens: (i) Dá mais peso às mais recenes observações; (ii) E ambém permie uma checagem coninua no incremeno da discrepância de observação (são melhores que o decaimeno exponencial). Isso fez com que obivéssemos resulados razoáveis com o méodo esáico. Os dois méodos de idenificação da curva de crescimeno discuidos aqui são imporanes dando informação preciosa anes do ajuse da curva aual. Observe-se que esa pré-seleção funciona como se ivéssemos um especialisa ajudando na escolha de uma curva S apropriada. Também ineressane nesa escolha esá o fao que ambos produziram a mesma idenificação de curva pelo exemplo discuido aqui. O procedimeno alernaivo de Gregg e all (4), em esimar φ na equação: X =[a + b.exp(-c)] φ Demonsrou-se saisfaório nos eses realizados, principalmene para a logísiica (φ = -), Exponencial Modificada (φ = ) e Exponencial Modificada Generalizada (φ dado). De acordo com as ouras aproximações a dinâmica é melhor no senido de que são mais adapáveis a mudanças nos dados. Porém, para um ajusameno melhor e um desempenho de predição melhor deses modelos o usuário deveria se familiarizar com a escolha dos faores de descono. Como mosrou em ouros casos a curva de crescimeno que produz os melhores ajusamenos (menor SQE) não necessariamene produz as melhores previsões. Uma vez mais deve ser enfaizado que o objeivo principal dese esudo era mosrar que o modelo dinâmico para curva de crescimeno adoando qualquer um dos dois, um bayesiano ou uma filosofia clássica parece produzir resulados melhores que o procedimeno radicional. A série de AIDS esá sendo aualizada e ambém aplicaremos a meodologia exposa a séries reais brasileiras: Percenual de Domicílios com Telefones no Brasil e Crescimeno da Uilização de Telefones Celular no Brasil. 7. Referências Bibliográficas ANDERSON, Brian D. O.; MOORE, John B. (7) Opimal Filering, Prenice-Hall, New Jersey. BASS, Frank M. () A New Produc Growh for Model Consumer Durables, Managemen Science, Vol.,-7. BRESTSCHNEIDER, S. and BOZEMAN, B. (8), Adapaive diffusion modes for he growh of roboics in New York Sae Indusry, Technologial Forecasing and Social Change, 30, -. FRANSES, Philip Hans (00) Tesing for residual auocorrelaion in growh curve models, Tecnological Forecasing and Social Change,, -04. GAMERMANN, Dani e MIGON, Helio S. (88) Forecasing he Number of AIDS case in Brazil, Technical Repor Nº 3, ENCE. GAMERMANN, Dani e MIGON, Helio S. (8) Generalized Exponenial Growh Models: a Bayesian approach, Technical Repor nº 4, Laboraório de Esaísica, Federal Universiy of Rio de Janeiro.
12 SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Rio de Janeiro/RJ GAMERMANN, Dani e MIGON, Helio S. (a), Forecasing he number of AIDS cases in Brazil, The Saisician, 40, GAMERMANN, Dani e MIGON, Helio S. (b), Tracors in Spain - A dynamic reanalysis, J. Opl. Res. Soc,, Vol 4, N, -4. GREGG, J. V.; HOSSEL, C. H.; RICHARDSON,J. T. (4) Mahemaical Trend Curves: An Aid o Forecasing, Oliver & Boyd, Edinburgh. HARVEY, A. C. (84) Time Series Forecasing Based on he Logísic Curve, Journal Operaional Research Sociey, Vol. 3, nº 7, 4-4. MAR-MOLINERO, C. (80) Tracors in Spain: A Logísic Analysis Journal Operaional Research Sociey, Vol. 3, 4-. MEADE, Nigel (84) The Use of Growh Curves in Forecasing Marke Developmen: A Review and Appraisal, Journal of Forecasing, Vol. 3, 4-4. MEADE, Nigel (8) Forecasing Using Growh - An Adapaive Approach, Journal Operaional Research Sociey, Vol. 3, 03-. MEADE, Nigel; Islam Towhidul () Forecasing wih Growh Curves: An Empirical Comparasion, Inernaional Journal of Forecasing, Vol., -. MEADE, Nigel; Islam Towhidul (8) Tchenological Forecasing Model Selecion, Model Sabiliy and Combinig Models, Managemen Science, Vol. 44, -30. OLIVER, F. R. 8) Tracor in Spain: a Furher Logísic Analysis, Journal Operaional Research Sociey, Vol., 4-0. OLIVER, Rober M. (87) A Bayesian Model o Predic Sauraion and Logísic Growh, Journal Operaional Research Sociey, Vol.38, nº, 4-. SAUER, Leandro () Curvas de Crescimeno Uma Visão Geral, Disseração de Mesrado PUC-RJ. WEST, Mike; HARRISON,P. Jeff e MIGON, Hélio S. (8) Dynamic Generalized Linear Models and Bayesian Forecasing, Journal of he American Saisical Associaion, Vol. 80, nº 38, ISLAM, Towhidul () Forecasing Developmen of he Marke for Business Telephones in he U.K., Managemen Science, vol. 47, 0-8. WEST, Mike; HARRISON, Jeff (8) Bayesian Forecasing and Dynamic Models
5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t
5 Esudo de Casos Para a avaliação dos algorimos online/bach evolucionários proposos nese rabalho, foram desenvolvidas aplicações em problemas de filragem dos esados de um sisema não-linear unidimensional,
Leia maisSéries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial
Programa de Pós-graduação em Engenharia de Produção Análise de séries de empo: modelos de suavização exponencial Profa. Dra. Liane Werner Séries emporais A maioria dos méodos de previsão se baseiam na
Leia maisProf. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia maisConceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia maisCálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH
Cálculo do valor em risco dos aivos financeiros da Perobrás e da Vale via modelos ARMA-GARCH Bruno Dias de Casro 1 Thiago R. dos Sanos 23 1 Inrodução Os aivos financeiros das companhias Perobrás e Vale
Leia mais3 Retorno, Marcação a Mercado e Estimadores de Volatilidade
eorno, Marcação a Mercado e Esimadores de Volailidade 3 3 eorno, Marcação a Mercado e Esimadores de Volailidade 3.. eorno de um Aivo Grande pare dos esudos envolve reorno ao invés de preços. Denre as principais
Leia maisANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO Breno Richard Brasil Sanos
Leia maisMódulo de Regressão e Séries S Temporais
Quem sou eu? Módulo de Regressão e Séries S Temporais Pare 4 Mônica Barros, D.Sc. Julho de 007 Mônica Barros Douora em Séries Temporais PUC-Rio Mesre em Esaísica Universiy of Texas a Ausin, EUA Bacharel
Leia maisModelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indústria de Óleos Vegetais
XI SIMPEP - Bauru, SP, Brasil, 8 a 1 de novembro de 24 Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indúsria de Óleos Vegeais Regiane Klidzio (URI) gep@urisan.che.br
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 2ª Época (V1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (V) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL Ano lectivo 2015/16-1ª Época (V1) 18 de Janeiro de 2016
Nome: Aluno nº: Duração: h:30 m MESTRADO INTEGRADO EM ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL Ano lecivo 05/6 - ª Época (V) 8 de Janeiro de 06 I (7 valores) No quadro de dados seguine (Tabela
Leia maisModelos Não-Lineares
Modelos ão-lineares O modelo malhusiano prevê que o crescimeno populacional é exponencial. Enreano, essa predição não pode ser válida por um empo muio longo. As funções exponenciais crescem muio rapidamene
Leia maisAplicações à Teoria da Confiabilidade
Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI
Leia maisAplicação. Uma famosa consultoria foi contratada por uma empresa. que, entre outras coisas, gostaria de entender o processo
Aplicação Uma famosa consuloria foi conraada por uma empresa que, enre ouras coisas, gosaria de enender o processo gerador relacionado às vendas de deerminado produo, Ainda, o conraane gosaria que a empresa
Leia maisAnálise de séries de tempo: modelos de decomposição
Análise de séries de empo: modelos de decomposição Profa. Dra. Liane Werner Séries de emporais - Inrodução Uma série emporal é qualquer conjuno de observações ordenadas no empo. Dados adminisraivos, econômicos,
Leia mais*UiILFRGH&RQWUROH(:0$
*UiILFRGH&RQWUROH(:$ A EWMA (de ([SRQHQWLDOO\:HLJKWHGRYLQJ$YHUDJH) é uma esaísica usada para vários fins: é largamene usada em méodos de esimação e previsão de séries emporais, e é uilizada em gráficos
Leia mais3 Uma metodologia para validação estatística da análise técnica: a busca pela homogeneidade
3 Uma meodologia para validação esaísica da análise écnica: a busca pela homogeneidade Ese capíulo em como objeivo apresenar uma solução para as falhas observadas na meodologia uilizada por Lo e al. (2000)
Leia mais4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos.
4 Meodologia Proposa para o Cálculo do Valor de Opções Reais por Simulação Mone Carlo com Aproximação por Números Fuzzy e Algorimos Genéicos. 4.1. Inrodução Nese capíulo descreve-se em duas pares a meodologia
Leia mais4 O modelo econométrico
4 O modelo economérico O objeivo desse capíulo é o de apresenar um modelo economérico para as variáveis financeiras que servem de enrada para o modelo esocásico de fluxo de caixa que será apresenado no
Leia mais4 Filtro de Kalman. 4.1 Introdução
4 Filro de Kalman Ese capíulo raa da apresenação resumida do filro de Kalman. O filro de Kalman em sua origem na década de sessena, denro da área da engenharia elérica relacionado à eoria do conrole de
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (v) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia mais4 Método de geração de cenários em árvore
Méodo de geração de cenários em árvore 4 4 Méodo de geração de cenários em árvore 4.. Conceios básicos Uma das aividades mais comuns no mercado financeiro é considerar os possíveis esados fuuros da economia.
Leia mais4 Análise de Sensibilidade
4 Análise de Sensibilidade 4.1 Considerações Gerais Conforme viso no Capíulo 2, os algorimos uilizados nese rabalho necessiam das derivadas da função objeivo e das resrições em relação às variáveis de
Leia maisDEMOGRAFIA. Assim, no processo de planeamento é muito importante conhecer a POPULAÇÃO porque:
DEMOGRAFIA Fone: Ferreira, J. Anunes Demografia, CESUR, Lisboa Inrodução A imporância da demografia no planeameno regional e urbano O processo de planeameno em como fim úlimo fomenar uma organização das
Leia mais1 Pesquisador - Embrapa Semiárido. 2 Analista Embrapa Semiárido.
XII Escola de Modelos de Regressão, Foraleza-CE, 13-16 Março 2011 Análise de modelos de previsão de preços de Uva Iália: uma aplicação do modelo SARIMA João Ricardo F. de Lima 1, Luciano Alves de Jesus
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Paricia Maria Borolon, D. Sc. Séries Temporais Fone: GUJARATI; D. N. Economeria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Processos Esocásicos É um conjuno de variáveis
Leia maisProblema de controle ótimo com equações de estado P-fuzzy: Programação dinâmica
Problema de conrole óimo com equações de esado P-fuzzy: Programação dinâmica Michael Macedo Diniz, Rodney Carlos Bassanezi, Depo de Maemáica Aplicada, IMECC, UNICAMP, 1383-859, Campinas, SP diniz@ime.unicamp.br,
Leia maisMÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA
MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesa abordagem paramérica, para esimar as funções básicas da análise de sobrevida, assume-se que o empo de falha T segue uma disribuição conhecida
Leia mais3 O Modelo SAGA de Gestão de Estoques
3 O Modelo SG de Gesão de Esoques O Sisema SG, Sisema uomaizado de Gerência e poio, consise de um sofware conendo um modelo maemáico que permie fazer a previsão de iens no fuuro com base nos consumos regisrados
Leia maisAPLICAÇÃO DO MÉTODO DE HOLT NA PREVISÃO DE DADOS DE ÁGUA DA CIDADE DE RONDONÓPOLIS-MT
APLICAÇÃO DO MÉTODO DE HOLT NA PREVISÃO DE DADOS DE ÁGUA DA CIDADE DE RONDONÓPOLIS-MT Alerêdo Oliveira Curim 1 & Aldo da Cunha Rebouças Resumo - O conhecimeno prévio dos volumes de água de qualquer sisema
Leia mais5 Aplicação da Modelagem Estrutural ao problema de previsão de Preço Spot de Energia Elétrica.
Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 41 5 Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 5.1. Inrodução Nesa
Leia maisInstituto de Física USP. Física V - Aula 26. Professora: Mazé Bechara
Insiuo de Física USP Física V - Aula 6 Professora: Mazé Bechara Aula 6 Bases da Mecânica quânica e equações de Schroedinger. Aplicação e inerpreações. 1. Ouros posulados da inerpreação de Max-Born para
Leia maisAPLICAÇÃO DOS MODELOS BAYESIANOS NA COOPERATIVA REGIONAL TRITÍCOLA SERRANA LTDA. COTRIJUÍ
APLICAÇÃO DOS MODELOS BAYESIANOS NA COOPERATIVA REGIONAL TRITÍCOLA SERRANA LTDA. COTRIJUÍ Suzana Russo Profa DCET URI Sano Ângelo/RS Joanirse Oriz Miranda Bolsisa PROBIC/URI INTRODUÇÃO A produção e a comercialização
Leia maisSéries de Tempo. José Fajardo. Agosto EBAPE- Fundação Getulio Vargas
Séries de Tempo Inrodução José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo . Por quê o esudo de séries de empo é imporane? Primeiro, porque muios dados econômicos e financeiros
Leia maisUniversidade Federal do Rio de Janeiro
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL42 Coneúdo 8 - Inrodução aos Circuios Lineares e Invarianes...1 8.1 - Algumas definições e propriedades gerais...1 8.2 - Relação enre exciação
Leia maisEstimação de Hiperparâmetros para um Modelo de Previsão Holt-Winters com Múltiplos Ciclos por Algoritmos Genéticos
Deparameno de Engenaria Elérica Esimação de Hiperparâmeros para um Modelo de Hol-Winers com Múliplos iclos por Algorimos Genéicos Mario esar da Fonseca orrêa Orienadores: Marco Aurélio. Paceco e Reinaldo
Leia mais4 Modelo de fatores para classes de ativos
4 Modelo de aores para classes de aivos 4.. Análise de esilo baseado no reorno: versão original (esáica A análise de esilo baseada no reorno é um procedimeno esaísico que visa a ideniicar as ones de riscos
Leia maisExercícios sobre o Modelo Logístico Discreto
Exercícios sobre o Modelo Logísico Discreo 1. Faça uma abela e o gráfico do modelo logísico discreo descrio pela equação abaixo para = 0, 1,..., 10, N N = 1,3 N 1, N 0 = 1. 10 Solução. Usando o Excel,
Leia mais3 Modelo Teórico e Especificação Econométrica
3 Modelo Teórico e Especificação Economérica A base eórica do experimeno será a Teoria Neoclássica do Invesimeno, apresenada por Jorgensen (1963). Aneriormene ao arigo de Jorgensen, não havia um arcabouço
Leia mais4 Análise dos tributos das concessionárias selecionadas
4 Análise dos ribuos das concessionárias selecionadas Nese capíulo serão abordados os subsídios eóricos dos modelos esaísicos aravés da análise das séries emporais correspondenes aos ribuos e encargos
Leia maisJoão Vitor Dias Monteiro, Rosângela H. Loschi, Enrico A. Colosimo e Fábio N. Demarqui
Comparando as esimaivas produo e de Kim-Proschan: uma avaliação do efeio de diferenes modelos e proporções de censura nas esimaivas da função axa de falha João Vior Dias Moneiro, Rosângela H. Loschi, Enrico
Leia maisUTILIZAÇÃO DO MÉTODO DE HOLT-WINTERS PARA PREVISÃO DO LEITE ENTREGUE ÀS INDÚSTRIAS CATARINENSES
UTILIZAÇÃO DO MÉTODO DE HOLT-WINTERS PARA PREVISÃO DO LEITE ENTREGUE ÀS INDÚSTRIAS CATARINENSES Rober Wayne Samohyl Professor do Programa de Pós-Graduação em Engenharia de Produção e Sisemas UFSC. Florianópolis-SC.
Leia mais5 Metodologia Probabilística de Estimativa de Reservas Considerando o Efeito-Preço
5 Meodologia Probabilísica de Esimaiva de Reservas Considerando o Efeio-Preço O principal objeivo desa pesquisa é propor uma meodologia de esimaiva de reservas que siga uma abordagem probabilísica e que
Leia mais3 Modelos de Markov Ocultos
23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável
Leia maisCircuitos Elétricos I EEL420
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL420 Coneúdo 1 - Circuios de primeira ordem...1 1.1 - Equação diferencial ordinária de primeira ordem...1 1.1.1 - Caso linear, homogênea, com
Leia maisDEPARTAMENTO DE ESTATÍSTICA - UFSCar 6 a Lista de exercício de Teoria de Matrizes 28/06/2017
DEPARTAMENTO DE ESTATÍSTICA - UFSCar 6 a Lisa de exercício de Teoria de Marizes 8/06/017 1 Uma pesquisa foi realizada para se avaliar os preços dos imóveis na cidade de Milwaukee, Wisconsin 0 imóveis foram
Leia maisEconometria Semestre
Economeria Semesre 00.0 6 6 CAPÍTULO ECONOMETRIA DE SÉRIES TEMPORAIS CONCEITOS BÁSICOS.. ALGUMAS SÉRIES TEMPORAIS BRASILEIRAS Nesa seção apresenamos algumas séries econômicas, semelhanes às exibidas por
Leia maisIncertezas na Robótica Móvel Filtros Bibliografia Recomendada. EESC-USP M. Becker /78
Aula 5 Inrodução à Robóica Móvel Lidando com Incerezas Prof. Dr. Marcelo Becker EESC - USP Sumário da Aula Inrodução às Incerezas Incerezas na Robóica Móvel Filros Bibliografia Recomendada EESC-USP M.
Leia maisCaracterísticas dos Processos ARMA
Caracerísicas dos Processos ARMA Aula 0 Bueno, 0, Capíulos e 3 Enders, 009, Capíulo. a.6 Morein e Toloi, 006, Capíulo 5. Inrodução A expressão geral de uma série emporal, para o caso univariado, é dada
Leia maisExperiência IV (aulas 06 e 07) Queda livre
Experiência IV (aulas 06 e 07) Queda livre 1. Objeivos. Inrodução 3. Procedimeno experimenal 4. Análise de dados 5. Quesões 6. Referências 1. Objeivos Nesa experiência, esudaremos o movimeno da queda de
Leia maisInformation. Séries de Tempo. José Fajardo. EBAPE- Fundação Getulio Vargas. Agosto 2011
Informaion Séries de Tempo José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo Prf. José Faardo Informaion Ph. D in Mahemaical Economics (IMPA-Brazil) Mahemaical Finance, Financial
Leia maisPREVISÃO DE VENDAS ATRAVÉS DA METODOLOGIA DE BOX & JENKINS: UM ESTUDO DE CASO
! "#$ " %'&)(*&)+,.- /1.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& PREVISÃO DE VENDAS ATRAVÉS DA METODOLOGIA DE BOX
Leia maisCalcule a área e o perímetro da superfície S. Calcule o volume do tronco de cone indicado na figura 1.
1. (Unesp 017) Um cone circular reo de gerariz medindo 1 cm e raio da base medindo 4 cm foi seccionado por um plano paralelo à sua base, gerando um ronco de cone, como mosra a figura 1. A figura mosra
Leia maisSeção 5: Equações Lineares de 1 a Ordem
Seção 5: Equações Lineares de 1 a Ordem Definição. Uma EDO de 1 a ordem é dia linear se for da forma y + fx y = gx. 1 A EDO linear de 1 a ordem é uma equação do 1 o grau em y e em y. Qualquer dependência
Leia maisMovimento unidimensional 25 MOVIMENTO UNIDIMENSIONAL
Movimeno unidimensional 5 MOVIMENTO UNIDIMENSIONAL. Inrodução Denre os vários movimenos que iremos esudar, o movimeno unidimensional é o mais simples, já que odas as grandezas veoriais que descrevem o
Leia maisIntrodução ao Controle Ótimo: Otimização de funções e funcionais. Otimização paramétrica. Problema de controle ótimo com tempo final fixo.
Inrodução ao Conrole Óimo: Oimização de funções e funcionais. Oimização paramérica. Problema de conrole óimo com empo final fio. Oimização Deerminação de uma ação que proporciona um máimo de benefício,
Leia maisInstituto de Física USP. Física Moderna. Aula 23. Professora: Mazé Bechara
Insiuo de Física USP Física Moderna Aula 3 Professora: Mazé Bechara Aula 3 Bases da Mecânica quânica e equações de Schroedinger: para odos os esados e para esados esacionários. Aplicação e inerpreações.
Leia maisCapítulo 2: Proposta de um Novo Retificador Trifásico
30 Capíulo 2: Proposa de um Novo Reificador Trifásico O mecanismo do descobrimeno não é lógico e inelecual. É uma iluminação suberrânea, quase um êxase. Em seguida, é cero, a ineligência analisa e a experiência
Leia maisIII Congresso da Sociedade Portuguesa de Estatística Guimarães, 26 a 28 Junho 1995
1 III Congresso da Sociedade Poruguesa de Esaísica Guimarães, 26 a 28 Junho 1995 Políicas Ópimas e Quase-Ópimas de Inspecção de um Sisema Sujeio a Falhas Cláudia Nunes, João Amaral Deparameno de Maemáica,
Leia mais3 Metodologia do Estudo 3.1. Tipo de Pesquisa
42 3 Meodologia do Esudo 3.1. Tipo de Pesquisa A pesquisa nese rabalho pode ser classificada de acordo com 3 visões diferenes. Sob o pono de visa de seus objeivos, sob o pono de visa de abordagem do problema
Leia maisA entropia de uma tabela de vida em previdência social *
A enropia de uma abela de vida em previdência social Renao Marins Assunção Leícia Gonijo Diniz Vicorino Palavras-chave: Enropia; Curva de sobrevivência; Anuidades; Previdência Resumo A enropia de uma abela
Leia maisAntes de mais nada, é importante notar que isso nem sempre faz sentido do ponto de vista biológico.
O modelo malusiano para empo conínuo: uma inrodução não rigorosa ao cálculo A dinâmica de populações ambém pode ser modelada usando-se empo conínuo, o que é mais realisa para populações que se reproduzem
Leia maisTeoremas Básicos de Equações a Diferenças Lineares
Teoremas Básicos de Equações a Diferenças Lineares (Chiang e Wainwrigh Capíulos 17 e 18) Caracerização Geral de Equações a diferenças Lineares: Seja a seguine especificação geral de uma equação a diferença
Leia maisMODELO DE PREVISÃO PARA O FLUXO DE DESEMBARQUE DE PASSAGEIROS NO TERMINAL RODOVIÁRIO DE BELÉM RESUMO
MODELO DE PREVISÃO PARA O FLUXO DE DESEMBARQUE DE PASSAGEIROS NO TERMINAL RODOVIÁRIO DE BELÉM Edson Marcos Leal Soares Ramos (*) Silvia dos Sanos de Almeida (**) Dennison Célio de Oliveira Carvalho (***)
Leia maisAULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM
AULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 163 22. PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 22.1. Inrodução Na Seção 9.2 foi falado sobre os Parâmeros de Core e
Leia mais6 Análise do processo de filtragem
6 Análise do processo de filragem Ese capíulo analisa o processo de filragem para os filros de Kalman e de parículas. Esa análise envolve ão somene o processo de filragem, não levando em consideração o
Leia maisComportamento Assimptótico dos Mínimos Quadrados Questão: Será que a estimativa de mínimos quadrados converge para o valor verdadeiro dos parâmetros?
Conrolo por Compuador 3-Idenificação J. Miranda Lemos IST-DEEC Área Cienífica de Sisemas, Decisão e Conrolo 05 Comporameno Assimpóico dos Mínimos Quadrados Quesão: Será que a esimaiva de mínimos quadrados
Leia mais4 O Papel das Reservas no Custo da Crise
4 O Papel das Reservas no Cuso da Crise Nese capíulo buscamos analisar empiricamene o papel das reservas em miigar o cuso da crise uma vez que esa ocorre. Acrediamos que o produo seja a variável ideal
Leia maisEnunciado genérico. Trabalho: Séries Temporais Disciplina: Estatística Ambiental
Enunciado genérico Trabalho: Séries Temporais Disciplina: Esaísica Ambienal Criérios de escolha da série 1. A série escolhida deverá er uma exensão, N, de pelo menos 150 observações da variável em esudo;.
Leia maisIntrodução às Medidas em Física
Inrodução às Medidas em Física 43152 Elisabeh Maeus Yoshimura emaeus@if.usp.br Bloco F Conjuno Alessandro Vola sl 18 agradecimenos a Nemiala Added por vários slides Conceios Básicos Lei Zero da Termodinâmica
Leia mais4 Metodologia e resultados preliminares para análise de velocidade utilizando o gradiente descendente
4 Meodologia e resulados preliminares para análise de velocidade uilizando o gradiene descendene O processameno uilizando diferenes equações de sobreempo normal para a obenção de análise de velocidade
Leia mais5.3 Escalonamento FCFS (First-Come, First Served)
c prof. Carlos Maziero Escalonameno FCFS (Firs-Come, Firs Served) 26 5.3 Escalonameno FCFS (Firs-Come, Firs Served) A forma de escalonameno mais elemenar consise em simplesmene aender as arefas em sequência,
Leia maisGrupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísica II - Licenciaura em Gesão Época de Recurso 6//9 Pare práica (quesões resposa múlipla) (7.6 valores) Nome: Nº Espaço reservado para a classificação (não
Leia maisCapítulo 4. Propriedades dos Estimadores de Mínimos Quadrados
Capíulo 4 Propriedades dos Esimadores de Mínimos Quadrados Hipóeses do Modelo de Regressão Linear Simples RS1. y x e 1 RS. Ee ( ) 0 E( y ) 1 x RS3. RS4. var( e) var( y) cov( e, e ) cov( y, y ) 0 i j i
Leia maisModelo de Solow com Memória
Trabalho apresenado no XXXVII CNMAC, S.J. dos Campos - SP, 217. Proceeding Series of he Brazilian Sociey of Compuaional and Applied Mahemaics Modelo de Solow com Memória João Plínio Juchem Neo 1 Cenro
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS PROGRAMA DE MESTRADO EM ESTATÍSTICA THAIZE VIEIRA MARTINS
UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS PROGRAMA DE MESTRADO EM ESTATÍSTICA THAIZE VIEIRA MARTINS INTERVALOS DE PREVISÃO BOOTSTRAP PARA MODELOS ESTRUTURAIS Belo Horizone Maio
Leia mais2.6 - Conceitos de Correlação para Sinais Periódicos
.6 - Conceios de Correlação para Sinais Periódicos O objeivo é o de comparar dois sinais x () e x () na variável empo! Exemplo : Considere os dados mosrados abaixo y 0 x Deseja-se ober a relação enre x
Leia maisO Modelo Linear. 4.1 A Estimação do Modelo Linear
4 O Modelo Linear Ese capíulo analisa empiricamene o uso do modelo linear para explicar o comporameno da políica moneária brasileira. A inenção dese e do próximo capíulos é verificar se variações em preços
Leia maisAPLICAÇÕES DAS EQUAÇÕES EM DIFERENÇAS NA SOLUÇÃO DE ALGUNS PROBLEMAS EM CIÊNCIAS SOCIAIS APLICADAS
3 APLICAÇÕES DAS EQUAÇÕES EM DIFERENÇAS NA SOLUÇÃO DE ALGUNS PROBLEMAS EM CIÊNCIAS SOCIAIS APLICADAS Gusavo Baisa de Oliveira (Uni-FACEF) Anônio Carlos da Silva Filho (Uni-FACEF) INTRODUÇÃO A Renda Nacional,
Leia maisTabela: Variáveis reais e nominais
Capíulo 1 Soluções: Inrodução à Macroeconomia Exercício 12 (Variáveis reais e nominais) Na abela seguine enconram se os dados iniciais do exercício (colunas 1, 2, 3) bem como as soluções relaivas a odas
Leia mais5 Método dos Mínimos Quadrados de Monte Carlo (LSM)
Méodo dos Mínimos Quadrados de Mone Carlo (LSM) 57 5 Méodo dos Mínimos Quadrados de Mone Carlo (LSM) O méodo LSM revela-se uma alernaiva promissora frene às radicionais écnicas de diferenças finias e árvores
Leia maisREDUÇÃO DE DIMENSIONALIDADE
Análise de componenes e discriminanes REDUÇÃO DE DIMENSIONALIDADE Uma esraégia para abordar o problema da praga da dimensionalidade é realizar uma redução da dimensionalidade por meio de uma ransformação
Leia maisIV. METODOLOGIA ECONOMÉTRICA PROPOSTA PARA O CAPM CONDICIONAL A Função Máxima Verosimilhança e o Algoritmo de Berndt, Hall, Hall e Hausman
IV. MEODOLOGIA ECONOMÉRICA PROPOSA PARA O CAPM CONDICIONAL 4.1. A Função Máxima Verosimilhança e o Algorimo de Bernd, Hall, Hall e Hausman A esimação simulânea do CAPM Condicional com os segundos momenos
Leia mais3 Metodologia. 3.1 Modelos em Espaço de Estado Lineares Gaussianos
3 Meodologia 3.1 Modelos em Espaço de Esado Lineares Gaussianos 3.1.1 Esruura Básica A forma em Espaço de Esado Linear Gaussiana (forma em EE daqui por diane) consise em duas equações. A primeira delas
Leia maisFenômenos de adsorção em interfaces sólido/solução. Modelagens matemáticas de processos cinéticos
Modelagens maemáicas de processos cinéicos Em cinéica química, vários parâmeros definem a dinâmica dos processos químicos. Os principais são as consanes cinéicas de velocidade e a ordem da reação. Quando
Leia maisDesafios para o IBGE nas estimativas populacionais dos municípios brasileiros: aplicação de distintas metodologias
Desafios para o IBGE nas esimaivas populacionais dos municípios brasileiros: aplicação de disinas meodologias Gabriel Mendes Borges Leila Regina Ervai Luciano Gonçalves de Casro e Silva IBGE/DPE/COPIS
Leia mais2 Revisão Bibliográfica
Revisão Bibliográfica Ese capíulo apresena os principais conceios, abordagens e a formulação básica das meodologias que esão incluídas no modelo HPA. Conceios maemáicos e esaísicos mais dealhados podem
Leia mais5 Erro de Apreçamento: Custo de Transação versus Convenience Yield
5 Erro de Apreçameno: Cuso de Transação versus Convenience Yield A presene seção em como objeivo documenar os erros de apreçameno implício nos preços eóricos que eviam oporunidades de arbiragem nos conraos
Leia maisMovimento unidimensional. Prof. DSc. Anderson Cortines IFF campus Cabo Frio MECÂNICA GERAL
Movimeno unidimensional Prof. DSc. Anderson Corines IFF campus Cabo Frio MECÂNICA GERAL 218.1 Objeivos Ter uma noção inicial sobre: Referencial Movimeno e repouso Pono maerial e corpo exenso Posição Diferença
Leia maisTipos de Processos Estocásticos
Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 7: Inrodução ao álculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável
Leia maisExercícios Sobre Oscilações, Bifurcações e Caos
Exercícios Sobre Oscilações, Bifurcações e Caos Os ponos de equilíbrio de um modelo esão localizados onde o gráfico de + versus cora a rea definida pela equação +, cuja inclinação é (pois forma um ângulo
Leia mais2 Os métodos da família X Introdução
2 Os méodos da família X 2. Inrodução O méodo X (Dagum, 980) emprega médias móveis (MM) para esimar as principais componenes de uma série (Sysem of Naional Accouns, 2003): a endência e a sazonalidade.
Leia maisProf. Carlos H. C. Ribeiro ramal 5895 sala 106 IEC
MB770 Previsão usa ando modelos maemáicos Prof. Carlos H. C. Ribeiro carlos@comp.ia.br www.comp.ia.br/~carlos ramal 5895 sala 106 IEC Aula 14 Modelos de defasagem disribuída Modelos de auo-regressão Esacionariedade
Leia mais5 Solução por Regressão Simbólica 5.1. Introdução
5 Solução por Regressão Simbólica 5.. Inrodução ese capíulo é descrio um esudo de caso uilizando-se o modelo proposo no capíulo 4. reende-se com esse esudo de caso, mosrar a viabilidade do modelo, suas
Leia maisAPOSTILA DE MODELOS LINEARES EM SÉRIES TEMPORAIS
UNIVERSIDADE FEDERAL DE MINAS GERAIS - UFMG INSIUO DE CIÊNCIAS EXAAS ICEx DEPARAMENO DE ESAÍSICA ES APOSILA DE MODELOS LINEARES EM SÉRIES EMPORAIS Glaura da Conceição Franco (ES/UFMG) Belo Horizone, agoso
Leia maisContabilometria. Séries Temporais
Conabilomeria Séries Temporais Fone: Corrar, L. J.; Theóphilo, C. R. Pesquisa Operacional para Decisão em Conabilidade e Adminisração, Ediora Alas, São Paulo, 2010 Cap. 4 Séries Temporais O que é? Um conjuno
Leia mais6 Processos Estocásticos
6 Processos Esocásicos Um processo esocásico X { X ( ), T } é uma coleção de variáveis aleaórias. Ou seja, para cada no conjuno de índices T, X() é uma variável aleaória. Geralmene é inerpreado como empo
Leia maisMODELAGEM ESTOCÁSTICA DE SÉRIES FINANCEIRAS PARA APLICAÇÃO EM PROJETOS DE INVESTIMENTO DO SETOR ELÉTRICO
GAE/ 14 17 à de ouubro de 1999 Foz do Iguaçu Paraná - Brasil GRUPO VI GRUPO DE ESTUDOS DE ASPECTOS EMPRESARIAIS (GAE) MODELAGEM ESTOCÁSTICA DE SÉRIES FINANCEIRAS PARA APLICAÇÃO EM PROJETOS DE INVESTIMENTO
Leia maisFunção de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco
Função de risco, h() 3. Função de risco ou axa de falha Manuenção e Confiabilidade Prof. Flavio Fogliao Mais imporane das medidas de confiabilidade Traa-se da quanidade de risco associada a uma unidade
Leia maisTRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 18 LIVRO DO NILSON)
TRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 8 LIVRO DO NILSON). CONSIDERAÇÕES INICIAIS SÉRIES DE FOURIER: descrevem funções periódicas no domínio da freqüência (ampliude e fase). TRANSFORMADA DE FOURIER:
Leia mais