Econometria em Finanças e Atuária
|
|
- Maria de Begonha de Andrade Abreu
- 6 Há anos
- Visualizações:
Transcrição
1 Ralph S. Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013
2 Motivação Motivação Por exemplo, queremos analisar a série de vendas mensais de um certo tipo doce no Reino Unido de janeiro de 1976 a dezembro de 1981 e, se possível, utilizar a série de preços, na escala do logaritmo, deste doce como variável explicativa. Tendência? Sazonalidade? Variáveis causais (explicativas)? Vendas Preços Mês (a) Vendas Mês (b) Preços Figura : Vendas e logaritmo dos preços mensais de um certo tipo doce no Reino Unido de janeiro de 1976 a dezembro de 1981.
3 Modelos dinâmicos Modelos dinâmicos A maioria das análises estatísticas utiliza modelos estáticos: modelos com uma descrição fixa (através de parâmetros fixos) ao longo das unidades de observação. Por exemplo: Análise de regressão, Modelos ARMA, y t = α + βx t + ε t, ε t N (0, σ 2 ); e y t = α+φ 1 y t 1 + +φ py t p +θ 1 ε t 1 + +θ qε t q +ε t, ε t N (0, σ 2 ). Em séries temporais, essa hipótese muitas vezes é violada: as estruturas mudam com a passagem do tempo. Séries temporais ligados às atividades humanas são alvos de mudanças: Abruptas - devido a grandes mudanças, hecatombes, novas leis; Graduais.
4 Modelos dinâmicos Aqui, todos os modelos são dinâmicos: A descrição (os parâmetros) muda com a passagem do tempo. Neste curso em especial, os modelos dinâmicos nos permitem a modelagem da tendência (média) e variância (volatilidade). Eles incluem como caso particular os modelos estáticos. Normalmente, a passagem do tempo traz observações e aumenta o nosso conhecimento. Em modelos dinâmicos temos também perda de informação devido à passagem do tempo. Exemplo: o nível de vendas mês passado é mais relevante hoje que o nível de vendas em janeiro. Construção do modelo dinâmico é feita em duas etapas: 1 a : Qualitativa; 2 a : Quantitativa de uma forma local. Em modelos estáticos, a mesma quantificação é válida globalmente.
5 Abordagem bayesiana Abordagem bayesiana A construção de um modelo é uma arte. Um modelo é uma representação de uma realidade; será tão adequado quanto à sua capacidade de alcançar os objetivos a que ele se destina. Portanto, a construção do modelo traz inerente em si um caráter subjetivo. Previsão é uma afirmação sobre um futuro incerto. A incerteza aqui será sempre representada através de probabilidade. Portanto, a previsão será sempre formulada em termos de probabilidade condicionada ao nosso estado de conhecimento. Se ele muda, nossa previsão mudará.
6 Abordagem bayesiana Nosso conhecimento provém de duas fontes: A série histórica ou dados; Outros conhecimentos (subjetivos). Exemplos: entrada em vigor de leis, falência de competidor. Ambas as fontes são importantes, podem e devem ser utilizadas. A abordagem bayesiana incorpora esses elementos natural e coerentemente. Aplicando à previsão, significa que o modelo padrão é posto para funcionar. Se acontecimentos não rotineiros intervém, o modelo os incorpora: Preparando para mudança; e/ou Alterando o que for necessário. Exemplo: se o competidor vai falir, precisa usar seu conhecimento sobre a divisão do mercado para formular a mudança que ele espera que aconteça.
7 O modelo de regressão usual O modelo de regressão usual Em um modelo de regressão temos uma variável resposta Y que é explicada por um conjunto de variáveis explicativas x 1,..., x p através da relação y = θ 0 + θ 1x θ px p + erro. Em geral, assume-se que o erro tem distribuição N (0, σ 2 ). A equação acima pode ser mais compactamente escrita como: y = x θ + erro, sendo x = 1 x 1. x p e θ = θ 0 θ 1. θ p.
8 O modelo de regressão usual A natureza das variáveis explicativas ou regressoras é bastante ampla. Podendo assim, utilizar-se qualquer variável quantificável. Os coeficientes de regressão θ 1,..., θ p informam sobre a influência que os regressores têm sobre a resposta y. Na prática, seus valores são desconhecidos e estimados a partir de uma coleção de observações feitas sobre o modelo acima. Observamos respostas y 1,..., y n com seus respectivos regressores x 1,..., x n. Simbolicamente, temos: y t = x tθ + erro t, t = 1,..., n.
9 Definição do modelo dinâmico Definição do modelo dinâmico Em modelos dinâmicos os parâmetros mudam com o passar do tempo. O modelo de regressão é estendido para Note a indexação de θ. y t = x tθ t + erro t, t = 1,..., n. A formulação acima cria uma profusão de parâmetros a serem estimados. O modelo acima necessita de mais informação. Essa informação vem do fato que os parâmetros sucessivos estão intimamente relacionados. Em geral, um parâmetro é igual ao seu antecessor mais uma pequena perturbação causada pelas mudanças às quais o sistema está sujeito. Se o sistema é estático, como em regressão, temos: θ t = θ t 1 = θ.
10 Definição do modelo dinâmico Em modelos dinâmicos, vamos admitir a forma mais geral θ t = G tθ t 1 + w t, sendo que G t contém valores conhecidos (ou parâmetros fixos) e w t é uma perturbação aleatória. A equação acima é conhecida como equação do sistema. A matriz de evolução G t controla a parte determinística da evolução do sistema e estabelece a propagação do sistema ao longo do tempo. A perturbação w t é responsável pela introdução de incertezas devidas à passagem do tempo e consequente perda de informação. Note que se G t = I e w t = 0, o modelo se reduz ao caso estático.
11 Exemplo Exemplo Se observamos uma série de vendas explicada pela respectiva série de preços através de uma relação estável teremos: vendas t = nível t + β tpreço t + erro t nível t = nível t 1 + nível t β t = β t 1 + β t. As vendas são explicadas pelo preço em uma regressão dinâmica. A maior (ou menor) estabilidade dessa relação será controlada pela magnitude dos incrementos nível t e β t.
12 Modelo linear dinâmico Modelo linear dinâmico O modelo linear dinâmico pode então ser definido como: Equação das observações: y t = F tθ t + v t, v t N (0, V t) Equação do sistema: θ t = G tθ t 1 + w t, w t N (0, W t) No exemplo acima, y t = venda t, F t = (1, preço t ) ( ) ( ) nívelt 1 0 θ t =, G β t = I 2 = t 0 1 e w t = ( nível β )
13 Modelo linear dinâmico Exemplo Vamos analisar a série de vendas mensais de um certo tipo doce no Reino Unido de janeiro de 1976 a dezembro de Também utilizaremos a série de preços, na escala do logaritmo, deste doce como variável explicativa. Vendas Preços Mês (a) Vendas Mês (b) Preços Figura : Vendas e logaritmo dos preços mensais de um certo tipo doce no Reino Unido de janeiro de 1976 a dezembro de Mostrar os dados do exercício no R: aplicacao_06.r
14 Alguns modelos Alguns modelos Consideraremos três modelos. Modelo de tendência estável. É composto apenas de um nível que varia segundo um passeio aleatório. vendas t = nível t + v t, v t N (0, V t) nível t = nível t 1 + w t, w t N (0, W t). Segundo esse modelo, o nível permanece localmente constante, mas varia quando se considera longos períodos de tempo. Usualmente, a variação das observações em torno dos níveis (medida por V ) é bem maior que as variações temporais do nível ao longo do tempo (medidas por W ). O modelo de tendência estável é obtido ao particularizar o modelo dinâmico com F t = 1 e G t = 1. Para a série de vendas de doce faremos V t = V e W t = W para todo t (variâncias constantes ao longo do tempo).
15 Alguns modelos Observações importantes Consideraremos a análise somente após observar toda a série. Isto é, a análise suavizada. É possível considerar a análise sequencial no tempo. Para uma subclasse dos modelos dinâmicos (lineares e com erros normais) é possível aplicar o filtro de Kalman na análise sequencial. Por exemplo, os três modelos que veremos para os dados de vendas do doce. O filtro de Kalman também pode ser empregado nestes modelos para a análise por máxima verossimilhança. Nos consideraremos somente a análise bayesiana. Precisaremos descrever o modelo e a distribuição priori dos parâmetros. Utilizaremos o WinBUGS (ou OpenBUGS) para fazer a análise. Podemos calcular o Critério de Informação do Desvio (DIC) para comparar modelos. Mostrar exemplo no WinBUGS: doce_modelo_01.odc
16 Alguns modelos Modelo de tendência linear. Isso é quantificado através de um parâmetro adicional. vendas t = nível t + v t, v t N (0, V t) nível t = nível t 1 + crescimento t 1 + w 1t crescimento t = crescimento t 1 + w 2t, sendo w t = (w 1t, w 2t) N (0, W t). ( ) 1 Esse modelo é obtido com F t = e G 0 t = ( Aqui, o nível permanece localmente linear, mas a forma da reta pode variar com o tempo. ( σ 2 Para a série de vendas de doce faremos V t = V e W t = W = σ2 2 para todo t (independência e variâncias constantes ao longo do tempo). ). ) Mostrar exemplo no WinBUGS: doce_modelo_02.odc
17 Alguns modelos Modelo de regressão dinâmica. Introduzimos variáveis explicativas com coeficientes variando no tempo. vendas t = nível t + β tpreço t + v t, v t N (0, V t) nível t = nível t 1 + w 1t β t = β t 1 + w 2t, sendo w t = (w 1t, w 2t) N (0, W t). ( ) ( ) nívelt 1 Esse modelo é obtido com θ t =, F β t = e G t preço t = I. t ( ) σ 2 Para a série de vendas de doce faremos V t = V e W t = W = σ2 2 para todo t (independência e variâncias constantes ao longo do tempo). Mostrar exemplo no WinBUGS: doce_modelo_03.odc
18 Alguns modelos Modelo de efeitos sazonais. Considere o modelo y t = γ t + v t, sendo γ t a componente de sazonalidade. Seja s o número de períodos nos dados. Por exemplo, s = 12 para dados mensais; s = 4 para dados trimestrais; e s = 7 para dados diários e modelagem de padrões semanais. A maneira mais simples de modelar efeitos sazonais é utilizando variáveis binárias. A soma dos efeitos do período devem ser igual a zero, s 1 γ t = j=1 γ t j. Para permitir que o padrão mude ao longo do tempo, introduzimos um novo termo de erro, s 1 γ t = γ t j + w t, w t N (0, σ 2 ). j=1 O valor esperado da soma dos efeitos sazonais é zero.
19 Previsão Previsão Estamos interessados na previsão de horizonte h na origem t, y t+h. Podemos considerar o conjunto {y t+1, y t+2,..., y t+h } como não observados (dados faltantes). Do ponto de vista bayesiano, devemos estimar estas quantidades condicional aos dados. Este procedimento é facilmente implementado no WinBUGS. Em geral, tomamos a média a posterior de y t+h como a previsão (pontual). Temos também o intervalo de previsão (intervalo de credibilidade) de y t+h. Mostrar exemplos no WinBUGS: doce_modelo_01_b.odc e doce_modelo_02_b.odc
20 Superposição de modelos Superposição de modelos Estamos interessados em uma forma geral para estruturar e acomodar as várias componentes intervenientes em um modelo dinâmico. Por exemplo, variáveis causais e sazonalidade. Muitas séries temporais exibem um comportamento bastante complexo. Ao identificarmos as características mais marcantes, estamos caminhando na direção de formular um modelo. A série ilustrada na figura a seguir é um exemplo típico. A tendência global parece ser de uma variação suave do nível. Se agora nos concentramos na variação em torno desse nível, podemos detectar um comportamento cíclico. Essa inspeção permitiu identificar as duas componentes do modelo: uma componente para a tendência e outro para a sazonalidade.
21 Superposição de modelos Exemplo (Mostrar exemplo no R: aplicacao_07.r) Vendas Mês Figura : Venda de carros nos EUA de janeiro de 1960 a dezembro de 1968.
22 Superposição de modelos A estrutura dos modelos dinâmicos é apropriada para isto, pois permite que as componentes sejam modeladas separadamente e depois integradas em um modelo. No caso mais comum de duas componentes: tendência e sazonalidade, estruturamos a equação das observações com dois termos: y t = y Nt + y St + v t. Cada um dos termos é descrito na dinâmica a seguir. y Nt = F Ntθ Nt θ Nt = G Ntθ Nt 1 + w Nt e y St = F Stθ St θ St = G Stθ St 1 + w St.
23 Superposição de modelos Se agora integramos esses termos, obtemos a equação das observações Y t = F tθ t + v t sendo F t = ( FNt F St ) e θ t = ( θnt ). θ St Similarmente, a equação do sistema (integrado) fica θ t = G tθ t 1 + w t, w t N (0, W t) sendo G t = ( ) GNt 0 0 G St e W t = ( ) WNt 0. 0 W St Modelos com mais componentes são construídos da mesma forma: cada termo contribui para a equação das observações e com um bloco de parâmetros para a equação do sistema.
24 Superposição de modelos Exemplo (superposição: tendência linear e sazonalidade) Vamos analisar a série de venda de carros nos EUA. Note a tendência linear e a sazonalidade. Mostrar exemplo no WinBUGS: carro_modelo_01.odc Exercício - Trabalho II Agora, como exercício, analise a série vendas mensais de vinho na Austrália de janeiro de 1980 a dezembro de Arquivo vinho.txt ou vinho_winbugs.txt Dica: note a presença de tendência linear, sazonalidade e variância crescente ao longo do tempo.
4 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 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 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 maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisExercícios Selecionados de Econometria para Concursos Públicos
1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência
Leia maisModelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência
Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Erica Castilho Rodrigues 12 de Agosto Introdução 3 Vimos como usar Poisson para testar independência em uma Tabela 2x2.
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisInvestigação Operacional 2º Semestre 2002/2003 Problema Resolvido
º Semestre 00/003 Problema Resolvido Resolução do problema 3 Comecemos por traçar o gráfico da série cronológica 10 140 130 10 Yt 110 100 0 4 6 8 10 1 14 16 18 0 a) Caracterizar uma série é dizer se ela
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
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 Tópicos Tópicos Séries
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 9 Modelos de Regressão com Variáveis Binárias Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Variáveis
Leia maisMINISTÉRIO DA EDUCAÇÃO INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS - INEP DIRETORIA DE AVALIAÇÃO PARA CERTIFICAÇÃO DE COMPETÊNCIAS
MINISTÉRIO DA EDUCAÇÃO INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS - INEP DIRETORIA DE AVALIAÇÃO PARA CERTIFICAÇÃO DE COMPETÊNCIAS Exame Nacional de Certificação de Competências de Jovens e
Leia maisGestão de Stocks. Estudo realizado por: Dulce Varandas e Lídia Teixeira. Orientação:
Implementação de um Sistema de Gestão Empresarial (ERP) numa empresa do sector metalúrgico Gestão de Stocks Estudo realizado por: Orientação: Dulce Varandas e Lídia Teixeira Prof. Jorge Pinho de Sousa
Leia maisCanais discretos sem memória e capacidade do canal
Canais discretos sem memória e capacidade do canal Luis Henrique Assumpção Lolis 17 de outubro de 2013 Luis Henrique Assumpção Lolis Canais discretos sem memória e capacidade do canal 1 Conteúdo 1 Canais
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 maisEstatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br
Estatística - Análise de Regressão Linear Simples Professor José Alberto - (11 9.7525-3343 sosestatistica.com.br 1 Estatística - Análise de Regressão Linear Simples 1 MODELO DE REGRESSÃO LINEAR SIMPLES
Leia maisResolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.
de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisétodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia maisModelo de regressão estável aplicado a econometria
Modelo de regressão estável aplicado a econometria financeira Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br 1 Objetivos
Leia maisCapítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia
Departamento de Engenharia Civil Prof. Dr. Doalcey Antunes Ramos Capítulo 3: Elementos de Estatística e Probabilidades aplicados à Hidrologia 3.1 - Objetivos Séries de variáveis hidrológicas como precipitações,
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto
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 maisHomocedasticidade? Exemplo: consumo vs peso de automóveis
REGRESSÃO Análise de resíduos Homocedasticidade? Exemplo: consumo vs peso de automóveis 60 50 Consumo (mpg) 40 30 0 10 0 1500 000 500 3000 3500 4000 4500 Peso 0 Diagrama de resíduos 15 10 Resíduos 5 0-5
Leia maisAULA 01 Principais Conceitos em Econometria
1 AULA 01 Principais Conceitos em Econometria Ernesto F. L. Amaral 02 de março de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução à econometria:
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 maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia maisProcedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear
Procedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear Rogério Antonio de Oliveira 1 Chang Chiann 2 1 Introdução Atualmente, para obter o registro
Leia mais(a) 0,90 (b) 0,67 (c) 1,0 (d) 0,005
359$'((67$7Ë67,&$6(/(d 0(675$'80*,QVWUXo}HVSDUDDSURYD D&DGDTXHVWmRUHVSRQGLGDFRUUHWDPHQWHYDOHSRQWR E4XHVW}HV GHL[DGDV HP EUDQFR YDOHP ]HUR SRQWRV QHVVH FDVR PDUTXH WRGDV DV DOWHUQDWLYDV F &DGDTXHVWmRUHVSRQGLGDLQFRUUHWDPHQWHYDOHSRQWR
Leia maisMÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência
MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência Introdução 1 Muito frequentemente fazemos perguntas do tipo se alguma coisa tem relação com outra. Estatisticamente
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 mais2 Medida de Incertezas: Fundamentos
2 Medida de Incertezas: Fundamentos 2. Introdução O resultado de um processo de medição fornece uma determinada informação que usualmente é chamada de conhecimento. A fim de quantificar quão completo é
Leia mais3 Modelos Comparativos: Teoria e Metodologia
3 Modelos Comparativos: Teoria e Metodologia Para avaliar o desempenho do modelo STAR-Tree, foram estimados os modelos Naive, ARMAX e Redes Neurais. O ajuste dos modelos ARMAX e das redes neurais foi feito
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 mais4 Processos Estocásticos e Simulação de Monte Carlo
33 4 Processos Estocásticos e Simulação de Monte Carlo O processo estocástico faz a descrição de uma variável com comportamento ao menos em parte de maneira aleatória através do tempo, onde se assume valores
Leia maisMomentos: Esperança e Variância. Introdução
Momentos: Esperança e Variância. Introdução Em uma relação determinística pode-se ter a seguinte relação: " + " = 0 Assim, m =, é a declividade e a e b são parâmetros. Sabendo os valores dos parâmetros
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia maisMODELO DE DECISÃO PARA ESCOLHA DE PORTFOLIO DE INVESTIMENTOS
MODELO DE DECISÃO PARA ESCOLHA DE PORTFOLIO DE INVESTIMENTOS Rodrigo José Pires Ferreira UFPE Cx. Postal 7462, Recife PE, 50.630-970 rodrigo@ufpe.br Adiel Teixeira de Almeida Filho UFPE Cx. Postal 7462,
Leia maisMATRIZ DE REFERÊNCIA PARA O ENEM 2009
MINISTÉRIO DA EDUCAÇÃO INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS ANÍSIO TEIXEIRA MATRIZ DE REFERÊNCIA PARA O ENEM 2009 EIXOS COGNITIVOS (comuns a todas as áreas de conhecimento) I. Dominar
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 maisCurso Profissional de Nível Secundário
Curso Profissional de Nível Secundário Técnico Auxiliar de Saúde 2 TAS Ano Letivo: 2014/2015 Matemática (200 horas) 11º Ano PLANIFICAÇÃO A LONGO PRAZO A7 Probabilidades Fenómenos aleatórios. 2 aulas Argumento
Leia maisCentro Internacional de Pobreza (PNUD/IPEA) Fabio Veras Soares. Estimação do Impacto de Múltiplos Tratamentos e do. Escore de Propensão Generalizado
Estimação do Impacto de Múltiplos Tratamentos e do Efeito Dosagem: Escore de Propensão Generalizado Fabio Veras Soares Centro Internacional de Pobreza (PNUD/IPEA) Vimos nas aulas anteriores que o escore
Leia maisFATORES EXPLICATIVOS DO SALDO DA BALANÇA COMERCIAL DO BRASIL 1990 A 1997
Economia e Desenvolvimento, nº 11, março/2000 Artigo Acadêmico FATORES EXPLICATIVOS DO SALDO DA BALANÇA COMERCIAL DO BRASIL 1990 A 1997 Zenir Adornes da Silva * Resumo: Neste artigo, analisa-se a influência
Leia maisOpções Reais. Modelagem do Ativo Básico. Processos Estocásticos. Modelando Incerteza. Processos Estocásticos. IAG PUC-Rio
Opções Reais Modelagem do Ativo Básico Prof. Luiz Brandão brandao@iag.puc-rio.br IAG PUC-Rio Processos Estocásticos Modelando Incerteza Processos Estocásticos A incerteza em um projeto pode ter mais do
Leia maisESCOLA SECUNDÁRIA DE LOUSADA
ESCOLA SECUNDÁRIA DE LOUSADA 2012 2013 PLANIFICAÇÃO DA DISCIPLINA DE MATEMÁTICA Curso Profissional de Técnico de Multimédia ELENCO MODULAR A7 Probabilidades 28 A6 Taxa de variação 36 A9 Funções de crescimento
Leia maisTÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Teorema Central do Limite (TCL) Se y 1, y 2,...,
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisANOVA - parte I Conceitos Básicos
ANOVA - parte I Conceitos Básicos Erica Castilho Rodrigues 9 de Agosto de 2011 Referências: Noções de Probabilidade e Estatística - Pedroso e Lima (Capítulo 11). Textos avulsos. Introdução 3 Introdução
Leia maisMatriz de Referência da área de Matemática Ensino Fundamental
Matemática EF Matriz de Referência da área de Matemática Ensino Fundamental C1 Utilizar o conhecimento numérico para operar e construir argumentos ao interpretar situações que envolvam informações quantitativas.
Leia mais4 Modelos Lineares Generalizados
4 Modelos Lineares Generalizados Neste capítulo, serão apresentados arcabouços teóricos dos modelos lineares generalizados (MLGs) e como casos particulares desses modelos são aplicáveis ao problema da
Leia maisTestes de hipóteses Paramétricos
Testes de hipóteses Paramétricos Modelos de análise de variância com um factor Teste de Bartlett Teste de comparações múltiplas de Scheffé Rita Brandão (Univ. Açores) Testes de hipóteses Paramétricos 1
Leia maisTécnicas econométricas para avaliação de impacto O uso de métodos de regressão e introdução aos métodos de diferençasdas-diferenças
Técnicas econométricas para avaliação de impacto O uso de métodos de e introdução aos métodos de diferençasdas-diferenças Bruno César Araújo Instituto de Pesquisa Econômica Aplicada IPEA Brasília, 30 de
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 maisDE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisESTATÍSTICA BAYESIANA
UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS PET MATEMÁTICA Orientadora: Rosângela Helena Loschi ESTATÍSTICA BAYESIANA Marina Muniz de Queiroz INTRODUÇÃO A estatística clássica associa
Leia maisUMA ANÁLISE ECONOMÉTRICA DO ICMS *
UMA ANÁLISE ECONOMÉTRICA DO ICMS * Carlos Eduardo S. Marino ** * Trabalho de conclusão da disciplina de Econometria I, ministrada pelos professores Ivan Castelar e Vitor Monteiro, realizada no primeiro
Leia maisEstatística para Cursos de Engenharia e Informática
Estatística para Cursos de Engenharia e Informática BARBETTA, Pedro Alberto REIS, Marcelo Menezes BORNIA, Antonio Cezar MUDANÇAS E CORREÇOES DA ª EDIÇÃO p. 03, após expressão 4.9: P( A B) = P( B A) p.
Leia maisINE 7001 Estatística para Administradores I Turma Prática 1 15/08/2016 GRUPO:
INE 7001 Estatística para Administradores I Turma 02301 - Prática 1 15/08/2016 No arquivo Prática_em_planilhas.xlsx, procurar pela planilha Prática1. Usando o primeiro conjunto de dados (dados sobre os
Leia maisMedidas de Dispersão. Prof.: Joni Fusinato
Medidas de Dispersão Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com 1 Dispersão Estatística As medidas de posição (média, mediana, moda) descrevem características dos valores numéricos
Leia maisCONCEITOS FUNDAMENTAIS
CONCEITOS FUNDAMENTAIS ECONOMETRIA É a aplicação de métodos estatísticos e matemáticos na análise de dados econômicos com o propósito de dar conteúdo empírico a teorias econômicas e confirmá-las ou não.
Leia maisTeste de hipótese de variância e Análise de Variância (ANOVA)
Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Testes sobre variâncias Problema: queremos saber se há diferenças estatisticamente
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 maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisINTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... ANÁLISE DE VARIÂNCIA. Departamento de Matemática ESTV.
INTRODUÇÃO Exemplos Para curar uma certa doença existem quatro tratamentos possíveis: A, B, C e D. Pretende-se saber se existem diferenças significativas nos tratamentos no que diz respeito ao tempo necessário
Leia maisX 1 X 2 Y
Universidade da Beira Interior - Departamento de Matemática ESTATÍSTICA APLICADA À GESTÃO Ficha de exercícios 3 Regressão Múltipla 2015/2016 1. Considere os seguintes dados: X 1 X 2 Y 8 0.7 1.8 1.8 6 6.4
Leia maisANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos:
ANÁLISE DOS RESÍDUOS Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: seguem uma distribuição normal; têm média zero; têm variância σ 2 constante
Leia maisEstatística e Matemática Aplicadas a Data Science. Diógenes Justo BM&FBOVESPA & Professor FIAP
Estatística e Matemática Aplicadas a Data Science Diógenes Justo BM&FBOVESPA & Professor FIAP Agenda Modelagem para Data Science (Matemática e Estatística) Detecção de Fraudes Forecast (financeiro) Conclusões
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) 2a AULA 02/03/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 2a aula (02/03/2015) MAE229 1 / 16
Leia mais1 Introdução aos Métodos Estatísticos para Geografia 1
1 Introdução aos Métodos Estatísticos para Geografia 1 1.1 Introdução 1 1.2 O método científico 2 1.3 Abordagens exploratória e confirmatória na geografia 4 1.4 Probabilidade e estatística 4 1.4.1 Probabilidade
Leia maisAmostragem e distribuições por amostragem
Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística
Leia maisUso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN
Uso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN Ben Dêivide de Oliveira Batista 1 2 Tales Jesus Fernandes 2 Thelma Sáfadi 2 Wesley de Oliveira Santos 3 1 Introdução
Leia mais)XQGDPHQWRVGHSUREDELOLGDGHHHVWDWtVWLFD
)XQGDPHQWRVGHUREDELOLGDGHHHVWDWtVWLFD,QWURGXomR A história da estatística pode ser dividida em três fases. De acordo com PEANHA (00), a estatística inicialmente não mantinha nenhuma relação com a probabilidade,
Leia maisCUSTOS SEMIVARIÁVEIS A Segregação entre a Parcela Fixa e a Parcela Variável
CUSTOS SEMIVARIÁVEIS A Segregação entre a Parcela Fixa e a Parcela Variável Amostragem de 6 meses passados Utilizando os dados obtidos para fazer uma equação de projeção. Aplicação de técnicas de métodos
Leia maisClassificação dos Exames Nacionais 2011/2012 de Matemática A. Abordagem Bayesiana
Classificação dos Exames Nacionais 2011/2012 de Matemática A Abordagem Bayesiana Pedro Martins Ricardo Cotrim Lisboa, 8 Julho 2015 Fórum Estatístico, DGGEC Sumário 1 2 3 4 5 6 7 8 9 10 Motivação e Objetivos
Leia maisINTERFERÊNCIA. S 1 r 1 P S 2 r 2 E 1
INSTITUTO DE FÍSICA DA UFBA DEPARTAMENTO DE FÍSICA DO ESTADO SÓLIDO DISCIPLINA : FÍSICA GERAL E EXPERIMENTAL IV-E (FIS 4) INTERFERÊNCIA Sejam duas fontes puntiformes de luz S e S e um ponto P situado a
Leia maisIntrodução a Inferência Bayesiana
Introdução a Inferência Bayesiana Helio S. Migon IM and COPPE - UFRJ migon@im.ufrj.br 2006 Conteúdo 1. Conceitos Básicos da Inferência 2. Distribuição a Priori 3. Sumariazação 4. Inferência Preditiva 1
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisEstimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Leia maisPlanificação a médio e longo prazo. Matemática B. 11º Ano de escolaridade. Total de aulas previstas: 193. Ano letivo 2015/2016
Planificação a médio e longo prazo Matemática B 11º Ano de escolaridade. Total de aulas previstas: 193 Ano letivo 2015/2016 Professor responsável: Paulo Sousa I O programa Matemática B do 11º Ano - Página
Leia maisPaulo Jorge Silveira Ferreira. Princípios de Econometria
Paulo Jorge Silveira Ferreira Princípios de Econometria FICHA TÉCNICA TÍTULO: Princípios de Econometria AUTOR: Paulo Ferreira ISBN: 978-84-9916-654-4 DEPÓSITO LEGAL: M-15833-2010 IDIOMA: Português EDITOR:
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia maisAula 5 Previsão da Demanda Quinta-feira
Aula 5 Previsão da Demanda Quinta-feira Profa. Luciana Menezes Andrade luciana.menezes@kroton.com.br Desligue o celular ou coloque no silencioso; Não leia nem responda mensagens Atenção aos horários de
Leia maisCapítulo 3. Introdução à Probabilidade E à Inferência Estatística
Capítulo 3 Introdução à Probabilidade E à Inferência Estatística definições e propriedades: Propriedade 5: A probabilidade condicional reflete como a probabilidade de um evento pode mudar se soubermos
Leia maisGabarito da 1 a Lista de Exercícios de Econometria II
Gabarito da 1 a Lista de Exercícios de Econometria II Professor: Rogério Silva Mattos Monitor: Delano H. A. Cortez Questão 1 Considerando que o modelo verdadeiro inicialmente seja o seguinte: C = a + 2Y
Leia maisAULA 30 16/06/2009 Econometria. Bibliografia:Introdução do livro: GUJARATI, D. Econometria Básica. São Paulo: Makron Books, 2000.
AULA 30 16/06/2009 Econometria. Bibliografia:Introdução do livro: GUJARATI, D. Econometria Básica. São Paulo: Makron Books, 2000. O que é econometria? Definição do grego: Oikonomia - economia Metron medida.
Leia mais5 Modelagem da previsão de atenuação por chuvas em enlaces LEO
Modelagem da previsão de atenuação por chuvas em enlaces LEO Neste capítulo são apresentadas as aplicações das modelagens realizadas nos capítulos anteriores a previsão da atenuação por chuvas em enlaces
Leia maisINSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE ESTATÍSTICA. Cursos: Licenciatura em Enfermagem
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE ESTATÍSTICA Cursos: Licenciatura em Enfermagem Teste Final o Ano/3 o Semestre 007/08 Data: a feira, 9 de Novembro de 007 Duração: 4h às h Instruções:.
Leia maisEstatística I Aula 2. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 2 Prof.: Patricia Maria Bortolon, D. Sc. Análise Exploratória de Dados Consiste em resumir e organizar os dados coletados Utiliza-se tabelas, gráficos ou medidas numéricas para resumir
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
Leia maisM l u t l i t c i oli l n i e n arid i a d de
Multicolinearidade 1 Multicolinearidade Quando existem relação linear exata entre as variáveis independentes será impossível calcular os estimadores de MQO. O procedimento MQO utilizado para estimação
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 de Sobrevivência
Análise de Sobrevivência Modelagem paramétrica Valeska Andreozzi 1 valeska.andreozzi@fc.ul.pt & Marilia Sá Carvalho 2 cavalho@fiocruz.br 1 Centro de Estatística e Aplicações da Universidade de Lisboa,
Leia maisRESUMO TRAÇADO DE RETAS, ALGARISMOS SIGNIFICATIVOS E PROPAGAÇÃO DE ERROS
RESUMO TRAÇADO DE RETAS, ALGARISMOS SIGNIFICATIVOS E PROPAGAÇÃO DE ERROS Dados experimentais em um gráfico. Quando se obtém dados experimentais em um gráfico nunca pode se contentar com quantidade de dados
Leia maisPredição da Taxa de Desemprego Brasileira utilizando com Modelo de Regressão com Erros Autocorrelacionados
Predição da Taxa de Desemprego Brasileira utilizando com Modelo de Regressão com Erros Autocorrelacionados José Eduardo Holanda Ellery Coelho 1 Hellano Vieira de Almeida 2 Rafael Braz Azevedo Farias 3
Leia maisDesenvolvimento de um modelo de ensino da Física
Desenvolvimento de um modelo de ensino da Física Modelação ou desenvolvimento de um modelo Processo cognitivo de aplicação dos princípios de uma teoria para produzir um modelo de um objecto físico ou de
Leia maisAgrupamento de Escolas do Fundão
Agrupamento de Escolas do Fundão MATEMÁTICA P GPI 13 12º Ano CURRÍCULO DA DISCIPLINA E Nº DE AULAS PREVISTAS Período PLANIFICAÇÃO ANUAL Módulos a leccionar + Conteúdos Programáticos Módulo A6- Taxa de
Leia mais