teoria de probabilidade e estatística, uma sequência de palavra série de tempo é usada alternativamente para
|
|
- Marta di Azevedo Paixão
- 6 Há anos
- Visualizações:
Transcrição
1 Na teoria de probabilidade e estatística, uma sequência de variáveis aleatórias é independente e indenticamente distribuida (i.i.d) se cada variável aleatória tem a mesma distribuição de probabilidade que as outras e são todas mutuamente independentes. A palavra série de tempo é usada alternativamente para uma amostra {xt }, tal como o PNB de 1947:1 até hoje, e para a probabilidade de um modelo para aquela amostra - a distribuição de probabilidades conjunta de variáveis aleatórias {xt }. 1
2 Um modelo de probabilidade possível para a distribuição conjunta de uma série de tempo é o modelo de ruído branco x t = ɛ t, ɛ t i.i.d N(0, σ 2 ). O problema com este modelo é que as séries de tempo econômicas em geral não são uma variável aleatória independente e identicamente distribuida. 2
3 Ruído branco Base das séries de tempos ɛ t i.i.d. N(0, σ 2 ) E(ɛ t ) = E(ɛ t ɛ t 1, ɛ t 2...) = 0 E ( ɛ t, ɛ t j ) = cov ( ɛ t, ɛ t j ) ) = 0 var (ɛ t ) = var (ɛ t ɛ t 1, ɛ t 2...)=σ 2 ɛ 3
4 Modelos ARMA AR(1) : x t = φx t 1 + ɛ t MA(1): x t = ɛ t + θɛ t 1 AR(p) : MA(q): ARMA(p,q) Operadores Lags e Polinômios L 2 x t = LLx t = Lx t 1 = x t 2 L j x t = x t j Polinômios em lag: a (L) x t = ( a 0 L 0 + a 1 L 1 + a 2 L² ) x t = a 0 x t + a 1 x t 1 + a 2 x t 2 4
5 Modelos ARMA: AR(1): x t = φlx t + ɛ t = (1 φl) x t = ɛ t AR(p): ( 1 φ 1 L φ 2 L 2... φ p L p) x t = ɛ t AR(p): A (L) x t = ɛ t ou a (L) x t = ɛ t MA(q): x t = ( 1 + θ 1 L + θ 2 L 2 +.(1.. + θ q L q) ɛ t MA(q): x t = B(L)x t ou x t = b(l)x t ARMA(p,q): a(l)x t = b(l)ɛ t 5
6 AR(1) para MA( ) Usando substituição recursiva ou operadores lag. Comece com um AR(1) x t = φx t 1 + ɛ t Substitua recursivamente x t = φ (φx t 2 + ɛ t 1 ) + ɛ t = x t = φ k x t k + φ k 1 ɛ t k φɛ t 1 + ɛ t AR(1)= ARMA(k,k-1) 6
7 Se o φ < 1 o lim k φ k x t k = 0 = x t = j=0 φ j ɛ t j AR(1)= MA( ) Usando operadores Lag (1 φl) x t = ɛ t = x t = (1 φl) 1 ɛ t Verifique a seguinte expressão: (1 z) 1 = 1 + z + z² + z³+...para z <1 Supondo que φ <1= φl < 1 chegamos: x t = j=0 φ j ɛ t j 7
8 AR(p) para MA( ) Considere um AR(2) x t = φ 1 x t 1 + φ 2 x t 2 + ɛ t = ( 1 φ 1 L φ 2 L 2) x t = ɛ t Fatorando o polinomio chegamos: ( 1 φ 1 L φ 2 L 2) = (1 λ 1 L) (1 λ 2 L) Precisamos inverter: x t = (1 λ 1 L) 1 (1 λ 2 L) 1 ɛ t x t = j=0 λ j 1 Lj j=0 λ j 2 Lj ɛt a resolução é cansativa 8
9 Técnica do fracionamento: 1 (1 λ 1 L)(1 λ 2 L) = a 1 λ 1 L + 1 λ b 2 L = a(1 λ 1L)+b(1 λ 2 L) (1 λ 1 L)(1 λ 2 L) Numerador tem que ser igual a 1. Segue-se: a + b = 1 λ 2 a + λ 1 b = 0 Resolvendo: b = λ 1 λ 2 λ a = λ 2 1 λ 1 λ 2 1 (1 λ 1 L)(1 λ 2 L) = λ 2 1 λ 1 λ 2 1 λ 1 L + λ 1 1 λ 2 λ 1 1 λ 2 L x t = λ 2 λ 1 λ 2 j=0 λ j 1 ɛ t j + λ 1 λ 2 λ 1 j=0 λ j 2 ɛ t j x t = j=0 λ 2 λ 1 λ 2 λ j 1 + λ 1 λ 2 λ λ j 1 2 ɛt j Lembra solução equação diferencial (exponencial nas raizes). 9
10 MA para AR( ) é fácil: x t = b(l)ɛ t = b(l) 1 x t = ɛ t Funções Autocovariância e Autocorrelação Autocovariância de uma série {x t }é definida como: γ j = cov(x t, x t j ) cov(x t, x t j ) = E [ (x t E (x t )) ( x t j E ( x t j ))] Como estamos supondo E(x t ) = 0 ou sem constantes, γ j = cov(x t, x t j ) = E(x t.x t j ) γ 0 = var(x t ) Autocorrelação: ρ j = γ j γ 0 Essas estatísticas são importantes para caracterizar a distribuição 10
11 das séries. 11
12 Autocorrelações e autocovariancias de processos ARMA Ruído Branco ɛ t i.i.d. N(0, σ ɛ ²) γ 0 = σ ɛ ², γ j = 0 para j 0 ρ 0 = 1, ρ j = 0 para j 0 MA(1) x t = ɛ t + θɛ t 1 Autocovariância γ 0 = var(ɛ t + θɛ t 1 ) = σ 2 ɛ + θ 2 σ 2 ɛ = (1 + θ 2 )σ 2 ɛ γ 1 = E((ɛ t + θɛ t 1 )(ɛ t 1 + θɛ t 2 )) = θσ 2 ɛ 12
13 γ 2 = E((ɛ t + θɛ t 1 )(ɛ t 2 + θɛ t 3 )) = 0 γ 3... = 0 Autocorrelação ρ 1 = 1+θ2 θ ρ 2 = 0 MA(2) x t = ɛ t + θ 1 ɛ t 1 + θ 2 ɛ t 2 γ 0 = E(ɛ t + θ 1 ɛ t 1 + θ 2 ɛ t 2 ) 2 = (1 + θ θ 2 2)σ 2 ɛ γ 1 = E((ɛ t + θ 1 ɛ t 1 + θ 2 ɛ t 2 )(ɛ t 1 + θ 1 ɛ t 2 + θ 2 ɛ t 3 )) = (θ 1 + θ 2 θ 1 )σ 2 ɛ γ 2 = θ 2 σ 2 ɛ γ 3 = γ 4 =... = 0 Autocorrelações: 13
14 ρ 1 = (θ 1 + θ 1 θ 2 )/(1 + θ1 2 + θ2) 2 ρ 2 = θ 2 /(1 + θ1 2 + θ2) 2 Padrão, MA(q) apresentam q autocorrelações diferentes de zero. Interessa também o padrão de MA( ) x t = θ(l)ɛ t = j=0 (θ j L j ) ɛ t γ k = θ j θ j+k σɛ 2 Todas as E(ɛ j ɛ k ) = 0 AR(1) Usar a representação do AR(1) por MA( ) 14
15 (1 φl) x t = ɛ t = x t = (1 φl) 1 ɛ t = φ j ɛ t j γ 0 = j=0 (φ 2j ) σ 2 ɛ = 1 1 φ 2 σ 2 ɛ γ 1 = ( φ j φ j+1) σɛ 2 = φ ( φ 2j ) σɛ 2 = γ k = φk 1 φ 2 σɛ 2 ρ k = φ k φ 1 φ 2 σ 2 ɛ Outra forma de calcular as autorrelações γ 1 = E(x t x t 1 ) = E((φx t 1 + ɛ t )(x t 1 )) = φσ 2 x ρ 1 = φ γ 2 = E(x t x t 2 ) = E((φx t 1 + ɛ t )(x t 2 )) = E((φ 2 x t 2 + φɛ t 1 + ɛ t )(x t 2 )) = φ 2 σ 2 x ρ 2 = φ 2 γ k = φ k σ 2 x ρ k = φ k 15
16 Estacionariedade e representação de Wold Os momentos não dependem do tempo calendário E(x t ) = E(x s ) para todo t e s. E(x t x t j ) = E(x s x s j ) para todo t e s. Definições Um processo {x t }é fortemente estacionário ou estritamente estacionário se a distribuição de probabilidade conjunta de {x t s,.., x t,...x t+s }é independente de t para todo s. 16
17 Um processo {x t }é fracamente estacionário ou covariancia estacionário se E(x t ) e E(x 2 t) são finitos e E(x t x t j ) dependem apenas to j e não do t. Raizes Unitárias Caminho aleatório x t = x t 1 + ɛ t ; E t 1 (ɛ t ) = 0; E t (x t+1 ) = x t Tendências estocásticas: tendência linear do PNB não se verificou recentemente sugerindo outros modelos Choques permanentes: teoria sugeriu possibilidades de que os choques fossem permanentes 17
18 Questões estatísticas: Nelson e Plosser (1982) não conseguiam rejeitar raizes unitárias séries economicas, confirmando choques permanentes. Campbell e Mankiw (1987) também nao rejeitaram as raizes unitárias e justificaram pela rigidez dos preços. Distribuição de estimações de AR(1) Suponha uma série gerada por um caminho aleatório y t = y t 1 + ɛ t Uma maneira é estimar por OLS y t = µ + φy t 1 + ɛ t 18
19 O problema é que as propriedades usuais dos estimadores não se verificam e não convergem em probabilidade. Dickey e Fuller as propriedades dos testes tradicionais e concluiram que são viesados para baixo levando a aceitar a estacionariedade quando as séries podem ser raizes unitárias. Eliminação inapropriada da tendência: y t = µ + y t 1 + ɛ t y t = bt + (1 φl) 1 ɛ t (1 φl)y t = (1 φl)bt + ɛ t = bt φb(t 1) + ɛ t = φb + b(1 φ)t + ɛ t 19
20 ou y t = α + γt + φy t 1 + ɛ t Processos estacionários e de raiz unitária Considere o processo com raiz unitária ou processo estacionário em diferenças (DS) Vamos tomar a(l) = 1. Neste caso (DS) é um caminho aleatório (random walk) com deslocamento (drift). y t = µ + y t 1 + ɛ t Alternativamente processo log(pnb) é estacionário em torno de uma tendência linear 20
21 y t = µt + b(l)ɛ t Corresponde a um processo estacionário em torno de uma tendência linear (TS) Podemos dizer então que o (TS) é um caso especial do DS Se a(l) contém raizes unitárias podemos escrever o modelo DS como y t = µt + b(l)ɛ t = (1 L)y t = µ + (1 L)b(L)ɛ t = µ + a(l)ɛ t note que a(l) = (1 L)b(L) Então TS é correto e o DS é valido, entretanto MA 21
22 tem uma raiz unitária não inversível. Removendo a tendência Diferenciando Considere um modelo de caminho aleatório com deslocamento y t = y 0 + µt + t i=1 ɛ i Tomando a primeira diferença y t =µ + ɛ t Considere um modelo que é a soma de uma tendência deterministica e um componente de ruído puro y t = y 0 + µt + ɛ t 22
23 A primeira diferença: y t = µ + ɛ t ɛ t 1 Neste caso y t não pode ser representado como um processo AR pois não é inversível. A maneira de transformar este modelo é estimar a equação y t = a + µt + ɛ t y t y(estimado) = ɛ t Um modelo TS pode ser transformado em uma série estacionária pela remoção da tendência deterministica. Um série 23
24 com raiz unitária, chamada de DS pode ser transformada em série estacionária por primeira diferenças. Usando o método inapropriado pode criar problemas Supoe um modelo mais geral TS a(l)y t = a + µt + b(l)ɛ t Tirando diferenças: a(l) y t = µ + b(l)(ɛ t ɛ t 1 ) = µ + (1 L)b(L)ɛ t Qual o problema com esta transformação? 24
Aula 1. Wilson Correa. June 27, 2017
Aula 1 Definições Básicas Wilson Correa June 27, 2017 Série de Tempo Definição Uma série de tempo é qualquer conjunto de observações ordenadas no tempo. Podem ser: Discretas. Ex: Valores Diários de Poluição,
Leia maisEconometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
Leia maisECONOMETRIA AVANÇADA Prova Intermediária - 09/04/2015
ECONOMETRIA AVANÇADA Prova Intermediária - 09/04/2015 Solução Questão I (2,0 pontos): Para o modelo y t = 0, 7y t 1 + ɛ t, com ruído branco ɛ t (0, 1), (a) (0,5) Obtenha a previsão h-passos a frente, ŷ
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 4
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 4 O Processo Média-Móvel Muitas vezes, a estrutura auto-regressiva não é suficiente para descrever totalmente
Leia maisSéries de Tempo. José Fajardo. Agosto Fundação Getulio Vargas-EBAPE. José Fajardo (FGV-EBAPE) Fundamentos Estatísticos Agosto / 49
Séries de Tempo José Fajardo Fundação Getulio Vargas-EBAPE Agosto 2011 José Fajardo (FGV-EBAPE) Fundamentos Estatísticos Agosto 2011 1 / 49 Definição de esperança não condicional ou incondicional Considere
Leia maisConceitos Básicos de Séries Temporais para Modelagem Macroeconômica
Conceitos Básicos de Séries Temporais para Modelagem Macroeconômica Material de apoio à aula de RBC Referencia bibliográfica: Introduction to Econometrics G S Maddala e Kajal Lahiri 4a. Edição, John Wiley
Leia maisMetodologia de Box-Jenkins. Metodologia de Box-Jenkins. Metodologia de Box-Jenkins
Programa de Pós-graduação em Engenharia de Produção Análise de séries temporais: Modelos de Box-Jenkins Profa. Dra. Liane Werner Metodologia de Box-Jenkins Para os modelos de decomposição e os modelos
Leia maisANÁLISE DE SÉRIES TEMPORAIS
ANÁLISE DE SÉRIES TEMPORAIS Ralph S. Silva http://www.im.ufrj.br/ralph/seriestemporais.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Definição
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia maisMestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007
Projeções de Séries S Temporais Econometria dos Mercados Financeiros Mestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007 Objetivo do curso
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 6
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 6 O Teorema de Wold O Teorema de Wold Lei dos Grandes Números Teorema Central do Limite -M O Teorema de Wold
Leia maisAnálise e Previsão de Séries Temporais Aula 2: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 2: Introdução às séries temporais egs@cin.ufpe.br Análise e Previsão de Séries Temporais Aula 1 Agenda Resumo da Aula anterior; Estimação e eliminação dos componentes
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Algoritmo para simular uma fila Medidas de interesse Média amostral Aula de hoje Teorema do Limite Central Intervalo de Confiança Variância amostral
Leia maisAula 4. Wilson Correa. August 5, 2015
Aula 4 Raíz Unitária e Cointegração Wilson Correa August 5, 2015 Introdução e Implicações Não estacionariedade possui possivelmente diversas origens em economia como resultado do progresso tecnológico
Leia maisEconometria Financeira
Ralph S. Silva http://www.im.ufrj.br/ralph/econometriafinanceira.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Setembro-Dezembro/2015 Análise
Leia maisGrupo I. (a) A função de probabilidade marginal de X, P (X = x), é dada por
Probabilidades e Estatística + Probabilidades e Estatística I Solução do Exame de 2 a chamada 3 de Fevereiro de 2003 LEFT + LMAC Grupo I (a) A função de probabilidade marginal de X, P (X = x), é dada por
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 12
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 12 Regressão com Variáveis Não-Estacionárias Considere três processos estocásticos definidos pelas seguintes
Leia maisSistemas de Equações Diferenciais Lineares
Capítulo 9 Sistemas de Equações Diferenciais Lineares Agora, estamos interessados em estudar sistemas de equações diferenciais lineares de primeira ordem: Definição 36. Um sistema da linear da forma x
Leia maisExercícios de Teoria da Probabilidade e Processos Estocásticos Parte II
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II 13 de Dezembro de 2013 Exercício 1. Descreva o espaço de probabilidade associado às seguintes experiências aleatórias: 1. Uma moeda
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Lei dos Grandes Números e Teorema Central do Limite 02/14 1 / 9 Lei dos Grandes Números Lei
Leia maisProcessos de Poisson
Processos de Poisson Mauro C. M. Campos 1 SUMÁRIO I Alguns fatos sobre a distribuição exponencial 1 II Alguns fatos sobre a distribuição de Poisson 2 III Processos estocásticos em tempo contínuo 2 IV Processos
Leia maisPRE29006 LISTA DE EXERCÍCIOS #
INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES PRE9006 LISTA DE EXERCÍCIOS #3 06. Exercícios. [, Exercício 7.] Seja A uma variável
Leia maisMódulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios
Módulo IV: Processos Aleatórios Estacionários, Cicloestaionaridade e Análise de Continuidade de Processos Aleatórios Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia
Leia maisAnálise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
UNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Análise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Leia maisModulo I. Séries Temporais: ARIMA
UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA Modulo I Séries Temporais: ARIMA Curso: Bacharelado em Estatística Disciplina: Estatística Aplicada Nome: Verena
Leia maisLista de Exercicios 1. Medidas Resumo. Estimação. Distribuições Amostrais
Introcução à Inferência Estatística. Departamento de Física é Matemática. USP-RP. Prof. Rafael A. Rosales 15 de agosto de 007 Lista de Exercicios 1 Medidas Resumo. Estimação. Distribuições Amostrais 1
Leia maisRedução de Variância: Amostragem Antitética
Redução de Variância: Amostragem Antitética Frederico Almeida & Guilherme Aguilar Universidade Federal de Minas Gerais September 20, 2018 Frederico Almeida & Guilherme Aguilar (ICEX - UFMG) Redução de
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia maisMódulo III: Processos de Poisson, Gaussiano e Wiener
Módulo III: Processos de Poisson, Gaussiano e Wiener Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica Processos Estocásticos Campina Grande - PB Módulo
Leia maisEconometria Semestre
Econometria Semestre 2010.01 174 174 21.4. PROCESSOS ESTOCÁSTICOS INTEGRADOS O passeio aleatório é apenas um caso particular de uma classe de processos estocásticos conhecidos como processos integrados.
Leia maisModelos Lineares Generalizados - Componentes do Modelo
Modelos Lineares Generalizados - Componentes do Modelo Erica Castilho Rodrigues 01 de Abril de 2014 3 Vejamos agora quais as componentes de um Modelo Linear Generalizado. Temos um conjunto de variáveis
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia maisMarkov Switching Models. Profa. Airlane Alencar. Depto de Estatística - IME-USP. lane. Ref: Kim e Nelson (1999) e Hamilton (1990)
Markov Switching Models Profa. Airlane Alencar Depto de Estatística - IME-USP www.ime.usp.br/ lane Ref: Kim e Nelson (1999) e Hamilton (1990) 1 Objetivo Mudança nos parâmetros de um modelo de regressão
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 2
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 2 O Modelo Estrutural Seja z t = (z 1t,...,z mt ) R m um vetor composto das variáveis de interesse. Considere
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino IST-Secção de Sistemas e Controlo
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas
Leia maisCointegração: Uma relação de equilíbrio de longo prazo
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA Cointegração: Uma relação de equilíbrio de longo prazo Autor: Thaís Neves Pereira Orientador: Professor Dr.
Leia maisAumentando a Eciência de Métodos Monte Carlo: Redução de Variâncias por Condicionamento
Aumentando a Eciência de Métodos Monte Carlo: Redução de Variâncias por Condicionamento Ian Meneghel Danilevicz Walmir dos Reis Miranda Filho Métodos Computacionais Aplicados à Estatística Prof.: Cristiano
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f(x) 1.e 1 2. x µ σ 2, x R 2π. σ com - < µ < e σ >
Leia maisPROCESSOS ESTOCÁSTICOS
PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas e Sinais CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos
Leia maisPROCESSOS ESTOCÁSTICOS. O resultado de muitas experiências aleatórias é função do tempo ou de uma (ou mais) coordenada espacial.
37 PROCESSOS ESTOCÁSTICOS O resultado de muitas experiências aleatórias é função do tempo ou de uma (ou mais) coordenada espacial. Ex: i) O valor da temperatura média diária ou semanal numa cidade. O acontecimento
Leia maisMódulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk
Módulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica
Leia maisTestes HEGY de raízes unitárias sazonais: efeitos de observações atípicas, erros de medida e quebras estruturais. Karen Elisa do Vale Nogueira Penna
Testes HEGY de raízes unitárias sazonais: efeitos de observações atípicas, erros de medida e quebras estruturais Karen Elisa do Vale Nogueira Penna Dissertação apresentada ao Instituto de Matemática e
Leia maisFundamentos de Estatística
Fundamentos de Estatística Clássica Workshop Análise de Incertezas e Validação Programa de Verão 2017 Marcio Borges 1 1LABORATÓRIO NACIONAL DE COMPUTAÇÃO CIENTÍFICA mrborges@lncc.br Petrópolis, 9 de Fevereiro
Leia maisA análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004).
3 Séries temporais A análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004). 3.1. Princípios fundamentais Conforme Box et al. (1994), uma
Leia maisSistemas lineares. Aula 6 Transformada de Laplace
Sistemas lineares Aula 6 Transformada de Laplace Introdução Transformada de Laplace Convergência da transformada de laplace Exemplos Região de Convergência Introdução Transformações matemáticas: Logaritmo:
Leia maisA estacionariedade prova-se de maneira semel- hante.
Se por outro lado (U 1, U 2,...) é IID então mostremos que X n U 1 + + U n tem incrementos independentes e estacionários. De facto, dados n > m temos que X n X m U m+1 + + U n. Tome-se quaisquer n 1
Leia maisProbabilidade de Ruína e Processos de Lévy α-estáveis
Apresentação Probabilidade de Ruína e Processos de Lévy α-estáveis Universidade de São Paulo IME - USP 08 de abril, 2010 Apresentação Distribuições Estáveis e Processos de Lévy α-estáveis Convergência
Leia maisP4 de Álgebra Linear I de junho de 2005 Gabarito
P4 de Álgebra Linear I 25.1 15 de junho de 25 Gabarito 1) Considere os pontos A = (1,, 1), B = (2, 2, 4), e C = (1, 2, 3). (1.a) Determine o ponto médio M do segmento AB. (1.b) Determine a equação cartesiana
Leia maisSolução dos Exercícios - Capítulos 1 a 3
Capítulo 9 Solução dos Exercícios - Capítulos a 3 9. Capítulo. a Como o valor se refere aos pacientes estudados, e não a todos os pacientes, esse é o valor de uma estatística amostral. b Estatística amostral
Leia maisNome: Número: Espaço reservado para classificações
Instituto Superior de Economia e Gestão Universidade de Lisboa Licenciaturas em Economia e em Finanças Econometria - Época Normal - 07/01/2015 Duração 2 horas Nome: Número: Notas: A utilização do telemóvel
Leia maisECONOMETRIA EXERCÍCIOS DO CAPÍTULO 6
ECONOMETRIA EXERCÍCIOS DO CAPÍTULO 6 1. Exercício C18.13 i) a iv) de W. 2. Exercício C18.2 de W. 3. (Exercício 9 do exame de ER de 25/6/2010.) Com dados anuais de 1952 a 2009, pretendese analisar as propriedades
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Leia maisLista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL.
Introdução à Inferência Estatística Departamento de Física é Matemática. USP-RP. Prof. Rafael A. Rosales 5 de setembro de 004 Lista de Exercicios 1 MEDIDAS RESUMO. ESTIMAÇÃO PONTUAL. 1 Medidas Resumo DISTRIBUIÇÕES
Leia mais6. Predição Linear e Controlo de Variância Mínima
1 6. Predição Linear e Controlo de Variância Mínima Objectivo: Projectar controladores discretos lineares para sistemas com perturbações estocásticas. Preparação para o Controlo Adaptativo. Referência:
Leia maisEXAME NACIONAL DE SELEÇÃO 2010
EXAME NACIONAL DE SELEÇÃO 2010 PROVA DE ESTATÍSTICA 1 o Dia: 30/09/2009 - QUARTA FEIRA HORÁRIO: 10h 30m às 12h 45m (horário de Brasília) EXAME NACIONAL DE SELEÇÃO 2010 PROVA DE ESTATÍSTICA 1º Dia: 30/09
Leia maisCONHECIMENTOS ESPECÍFICOS
Considere que o tempo de duração (X, em horas) de uma viagem por via ferroviária seja uma variável aleatória com função de densidade de probabilidade expressa por f(x) = 2e!2(x!5) em que x $ 5 horas. Com
Leia maisGabarito - Lista 5 - Questões de Revisão
Gabarito - Lista 5 - Questões de Revisão Monitores: Camila Steffens e Matheus Rosso Parte I - Teoria assintótica 1. Enuncie a lei dos grandes números e o teorema central do limite. A LGN em sua expressão
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME Objetivo Dada M classes ω 1, ω 2,..., ω M e um
Leia maisProcessos estocásticos
36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Processos estocásticos Geovany A. Borges gaborges@ene.unb.br
Leia maisEstatísticas Inferenciais Distribuições Amostrais. Estatística
Estatística Na descrição dos conjuntos de dados x 1,..., x n, não foi feita menção ao conceito de população. Estatísticas inferenciais: preocupadas com a fonte dos dados e em tentar fazer generalizações
Leia mais4 de outubro de MAT140 - Cálculo I - Método de integração: Frações Parciais
MAT140 - Cálculo I - Método de integração: Frações Parciais 4 de outubro de 2015 Iremos agora desenvolver técnicas para resolver integrais de funções racionais, conhecido como método de integração por
Leia maisResumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf
Parte 7 Processos Estocásticos Ramiro Brito Willmersdorf ramiro@willmersdorf.net Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Processos Estocásticos 2 Classicação
Leia mais-0LUDQGD/HPRV,67 3UREOHPDV0,&' 1. 0RGHODomR,GHQWLILFDomRH&RQWUROR'LJLWDO 3UREOHPDV -0LUDQGD/HPRV
-0LUDQGD/HPRV,67 3UREOHPDV0,&' 0RGHODomR,GHQWLILFDomRH&RQWUROR'LJLWDO 3UREOHPDV -0LUDQGD/HPRV Sugerem-se também os problemas dos capítulos correspondentes de Astrom e Wittenmark, &RPSXWHU&RQWUROOHG6\VWHPV.
Leia maisExercícios de Teoria da Probabilidade e Processos Estocásticos Parte I
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte I 2014/2015 Os exercícios assinalados com (*) têm um nível de dificuldade superior. Exercício 1. Seja (X, F) um espaço mensurável. Mostre
Leia maisCOS767 - Modelagem e Análise Aula 3 - Simulação
COS767 - Modelagem e Análise Aula 3 - Simulação Validando resultados da simulação Média e variância amostral Teorema do Limite Central Intervalo de confiança Organizando as execuções da simulação Verificando
Leia maisMAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisModelagem de um sistema por cadeias de Markov
Modelagem de um sistema por cadeias de Markov Sistemas sem memória : somente o estado imediatamente anterior influencia o estado futuro. rocesso estacionário: probabilidades de transição de um estado para
Leia maisAula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas
Aula 3 - Revisão de Probabilidade e Estatística: Esclarecimento de Dúvidas Matheus Rosso e Camila Steffens 19 de Março de 2018 Independência de variáveis aleatórias Duas V.A. são independentes se, e somente
Leia maisCálculo das Probabilidades I
Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Função Geradora de Momentos 10/13 1 / 19 Calculamos algumas características da
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Desigualdades 02/14 1 / 31 Um teorema de grande importância e bastante utilidade em probabilidade
Leia mais6- Probabilidade e amostras: A distribuição das médias amostrais
6- Probabilidade e amostras: A distribuição das médias amostrais Anteriormente estudamos como atribuir probabilidades a uma observação de alguma variável de interesse (ex: Probabilidade de um escore de
Leia maisSistemas Reparáveis - Processo de Contagem
Sistemas Reparáveis - Processo de Contagem Enrico A. Colosimo Colaboração: Rodrigo C. P. dos Reis e Maria Luiza Toledo Programa de Pós-Graduação em Estatística - UFMG Teoria básica de Processos de Contagem
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos
Leia maiscanal para sinais contínuos
Processos estocásticos, Entropia e capacidade de canal para sinais contínuos 24 de setembro de 2013 Processos estocásticos, Entropia e capacidade de canal para1 sin Conteúdo 1 Probabilidade de sinais contínuos
Leia mais4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Leia mais14 Estimador assintótico
Teoria de Controle (sinopse) 4 J. A. M. Felippe de Souza Neste capítulo continuaremos no estudo de que foi iniciado no capítulo anterior. Estimadores de Estado, A exemplo dos capítulos anteriores será
Leia mais= 2 sen(x) (cos(x) (b) (7 pontos) Pelo item anterior, temos as k desigualdades. sen 2 (2x) sen(4x) ( 3/2) 3
Problema (a) (3 pontos) Sendo f(x) = sen 2 (x) sen(2x), uma função π-periódica, temos que f (x) = 2 sen(x) cos(x) sen(2x) + sen 2 (x) 2 cos(2x) = 2 sen(x) (cos(x) sen(2x) + sen(x) cos(2x) ) = 2 sen(x)
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação
Leia maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
Leia mais3 Dados e metodologia
3 Dados e metodologia 3.1 Apresentação de Dados Para a realização dessa pesquisa foram utilizados os dados da série histórica dos preços da soja (em grão) do Estado do Paraná, obtidos da base de dados
Leia maisÁlgebra Linear Exercícios Resolvidos
Álgebra Linear Exercícios Resolvidos Agosto de 001 Sumário 1 Exercícios Resolvidos Uma Revisão 5 Mais Exercícios Resolvidos Sobre Transformações Lineares 13 3 4 SUMA RIO Capítulo 1 Exercícios Resolvidos
Leia maisCointegração fracionária em séries financeiras. Victor Sakimoto Shie DISSERTAÇÃO APRESENTADA INSTITUTO DE MATEMÁTICA E ESTATÍSTICA
Cointegração fracionária em séries financeiras Victor Sakimoto Shie DISSERTAÇÃO APRESENTADA AO INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DA UNIVERSIDADE DE SÃO PAULO PARA OBTENÇÃO DO TÍTULO DE MESTRE EM CIÊNCIAS
Leia maisMAB-515 Avaliação e Desempenho (DCC/UFRJ)
MAB-515 Avaliação e Desempenho (DCC/UFRJ) Aula 6: Desigualdades, Limites e 1 Normalização Desigualdade de Chebyshev Lei dos Grandes Números 2 3 Normalização Sumário Normalização Desigualdade de Chebyshev
Leia maisfolha prática 5 valores próprios e vetores próprios página 1/3
folha prática 5 valores próprios e vetores próprios página 1/ Universidade de Aveiro Departamento de Matemática 1. Determine os valores próprios e vetores próprios de cada uma das seguintes matrizes. Averigue
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 2012/02 1 Introdução 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição
Leia maisEstimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios. Wooldridge, Cápítulo 15
Estimação de Variáveis Instrumentais e Mínimos Quadrados de Dois Estágios Wooldridge, Cápítulo 5 Variáveis Instrumentais () 2 Variáveis Instrumentais Considere o seguinte modelo de regressão linear múltipla
Leia mais2 Metodologia. 2.1 Série Temporal
2 Metodologia 2.1 Série Temporal Uma série temporal é um conjunto de observações de uma dada variável, ordenada pelo parâmetro tempo. Estas observações são, em geral, feitas em intervalos de tempo equidistantes.
Leia maisAula 7 Métodos Quantitativos Avançados
Universidade de São Paulo Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Programa de Pós-Graduação em Controladoria e Contabilidade Aula 7 Métodos Quantitativos Avançados Autor:
Leia maisINSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 2007/2008 Semestre: 1 o
INSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 27/28 Semestre: o MATEMÁTICA COMPUTACIONAL Exercícios [4 Sendo A M n (C) mostre que: (a) n A 2 A n A 2 ; (b)
Leia mais