Universidade de Aveiro Departamento de Matemática. Ângela Marlene Pires da Cruz. Análise Bayesiana de Séries Temporais

Tamanho: px
Começar a partir da página:

Download "Universidade de Aveiro Departamento de Matemática. Ângela Marlene Pires da Cruz. Análise Bayesiana de Séries Temporais"

Transcrição

1 Uversdade de Avero Dearameo de Maemáca 8 Âgela Marlee Pres da Cruz Aálse Baesaa de Séres Temoras

2 Uversdade de Avero Dearameo de Maemáca 8 Âgela Marlee Pres da Cruz Aálse Baesaa de Séres Temoras Dsseração areseada à Uversdade de Avero ara cumrmeo dos requsos ecessáros à obeção do grau de Mesre em Maemáca realzada sob a oreação ceífca da Profª. Douora Isabel Mara Smões Perera Professora Auxlar do Dearameo de Maemáca da Uversdade de Avero

3 Dedco ese rabalo à ma famíla e amgos elo casável aoo.

4 o júr resdee Prof. Dra. Adrea Olvera Hall Professora assocada da Uversdade de Avero Prof. Dra. Mara Eduarda da Roca Po Auguso da Slva Professora assocada da Faculdade de Ecooma do Poro

5 agradecmeos Á ma oreadora Professora Douora Isabel Perera ela sua dsobldade aeção e ajuda em odas as dúvdas que surgram ao logo do rabalo. Aos meus as e rmãos elo amor e aoo emocoal que me deram ao logo da ma vda académca. Agradeço ada aos meus amgos que me aoaram durae eses aos.

6 alavras-cave Aálse Baesaa meodologa de Gbbs WBUGS gruos de macas solares. resumo O resee rabalo roõe-se aalsar a meodologa baesaa ara algus modelos de séres emoras omeadamee os auoregressvos os de médas móves os eros auoregressvos e os eros de médas móves. É fea uma areseação dos fudameos Baesaos sua alcação aos modelos referdos uma exemlfcação ara cada modelo ulzado um sofware adequado e uma alcação da meodologa a dados de gruos de macas solares de Paleua.

7 kewords Baesa aalss Gbbs meodolog WBUGS grous of susos. absrac Ts sud rooses o exame e Baesa aroac for some models e of me seres cludg e auoregressve e movg average e eger auoregressve ad e eger of movg averages. Cosss a reseao of e baesa meodolog s alcao o e refered models a exemlfcao for eac model usg a arorae sofware ad a alcao of e meodolog o e susos of Paleua daa.

8 Ídce Lsa de Fguras Lsa de Tabelas Glossáro de abrevauras Noação v v x x Fudameos da Esaísca Baesaa 3. Irodução Dsrbuções a ror Iferêca Baesaa Esmação oual Esmação or regões Teses de óeses Predção....5 Méodos Comuacoas... Aálse Baesaa de algus modelos leares de séres emoras 5. Processos auoregressvos Iferêca baesaa ara rocessos AR() Iferêca baesaa ara rocessos AR() Prevsão Exemlo de um rocesso auoregressvo usado o WBUGS Processos de médas móves... 3

9 .. Iferêca baesaa ara rocessos MA() Iferêca baesaa ara rocessos MA(q) Prevsão Exemlo de um rocesso de médas móves usado o WBUGS Aálse Baesaa de algus modelos de coagem Oeração g Processos auo-regressvos de valor ero Iferêca baesaa ara rocessos INAR () de Posso Iferêca baesaa ara rocessos INAR() geomérca Iferêca baesaa ara rocessos INAR () de Posso Iferêca baesaa ara rocessos INAR () geomérca Prevsão Exemlo de um rocesso ero auoregressvo de Posso ulzado WBUGS Processos de médas móves de valor ero Iferêca baesaa ara rocessos INMA() de Posso Iferêca baesaa ara rocessos INMA() geomérca Iferêca baesaa ara rocessos INMA() de Posso Iferêca baesaa ara rocessos INMA() geomérca Prevsão Aálse de gruos de macas solares de Paleua 75 Coclusão e Dscussões 8 Aexo A - Dados ulzados ao logo do rabalo 83 Aexo B - Dados das macas solares 89 Aexo C - Códgos do R e do WBUGS 9 Aexo D - Dsrbuções de Probabldade 99

10 Referêcas Bblográfcas 5

11 v

12 Lsa de Fguras. Comorameo da sére Y ara rocesso auoregressvo Gráfcos das desdades margas a oseror dos arâmeros do modelo auoregressvo de rmera ordem da sére Y. 3.3 Comorameo da sére Y ara rocesso de médas móves Gráfcos das desdades margas a oseror dos arâmeros do modelo de médas móves de rmera ordem da sére Y Comorameo da sére Y ara rocesso ero auoregressvo Gráfcos das desdades margas a oseror dos arâmeros do modelo auoregressvo ero de rmera ordem da sére Y Número de Gruos de macas solares semaas ere 99 e Fuções de auocorrelação e auocorrelação arcal amosras Gráfcos das dsrbuções margas a oseror dos arâmeros do modelo INAR() v

13 v

14 Lsa de Tabelas. Meddas descrvas da sére Y ara o rocesso auoregressvo Ouu do WBUGS com as esmavas dos arâmeros do modelo auoregressvo de rmera ordem da sére Y Meddas descrvas da sére Y ara o rocesso de médas móves Ouu do WBUGS com as esmavas dos arâmeros do modelo de médas móves de rmera ordem da sére Y Meddas descrvas da sére Y ara o rocesso ero auoregressvo Ouu do WBUGS com as esmavas dos arâmeros do modelo auoregressvo ero de rmera ordem da sére Y Meddas descrvas da sére de gruos de macas solares Ouu do WBUGS com as esmavas dos arâmeros do modelo INAR () ara o umero de gruos de macas solares.. 78 v

15 v

16 Glossáro de abrevauras AR MA ARMA CODA INAR INMA MCMC v.a. f.g....d. Auoregressvo com suore em R Méda móvel com suore em R Auoregressvo méda móvel com suore em R Covergece Dagoss ad Ouu Aalss Sofware for Gbbs Samlg Ouu Auoregressvo com suore em Z Méda móvel com suore em Z Méodo de Moe Carlo va cadeas de Markov Varável aleaóra Fução geradora de robabldade Ideedees e decamee dsrbuídas x

17 x

18 Noação ( θ ) Dsrbução a ror do arâmero θ θ Dsrbução a oseror do arâmero θ dado P ( Y Y ) x

19 x

20 Irodução O esudo de séres emoras é um ema que em do grade eresse ara maemácos ecoomsas e muos ouros rofssoas de dversas áreas. Em odas as áreas um coecmeo révo da evolução das varáves em esudo forece uma maor efcáca a omada de decsões. A aálse desas séres ode ser fea ulzado a meodologa clássca de modelação e revsão mas receemee á uma oura meodologa que em do um crescee eresse: a meodologa baesaa. Ese rabalo em orao como objecvo uma abordagem da meodologa baesaa a modelação e revsão de algus modelos séres emoras. Os modelos aqu abordados são modelos auoregressvos (AR) modelos de médas móves (MA) modelos eros auoregressvos (INAR) e modelos eros de médas móves (INMA). A ferêca ara os arâmeros e as alcações são feas com base o Amosrador de Gbbs. O Caulo é desado aos fudameos ulzados ese rabalo aresea-se a ferêca baesaa e os méodos de smulação e corole de covergêca. O Caulo desa-se a aálse dos modelos auoregressvos e de médas móves como defdo or Broomelg (98). No Caulo 3 descreve-se a meodologa baesaa ara os modelos eros auoregressvos e eros de médas móves. Para as alcações ulzam-se os sofwares R e WBUGS.

21

22 Caíulo Fudameos da Esaísca Baesaa. Irodução A aálse Baesaa de dados é uma alerava morae aos rocedmeos clásscos de modelação esmação e revsão de dados que em do uma crescee alcação em roblemas de váras áreas. Cosse um rocedmeo geérco de ferêca a arr de dados ulzado modelos robablíscos ara descrever varabldade em quadades observadas ou descrever graus de cerezas em quadades sobre as quas se quer comreeder (geralmee os arâmeros dos modelos ou fuções deses arâmeros). Cosdera-se o vecor aleaóro Y ( Y Y K ) ( ) R Y uma sua observação K e uma quadade de eresse descoecda θ. Se Θ é o esaço de ossíves valores de θ eão ode-se cosderar que { Θ} F :θ θ deoa a famíla (aramérca) de modelos ara Y. A formação de que se dsõe sobre θ ode ser rereseada robablscamee or ( θ ) e or ( θ ) a dsrbução amosral de codcoada a θ. Observada e de acordo com um smles resulado da Teora de Probabldades (Teorema de Baes) a fução desdade de robabldade que defe a relação ere e θ é dada or ( θ ) ( θ ) ( θ ) ( θ ) (..) 3

23 e eão ( θ ) ( θ ) ( θ ). (..) O deomador reresea a dsrbução margal de e suodo que θ é coíuo obém-se aravés do egral ( θ ) dθ ( θ ) ( θ ) dθ. (..3) Noe que em (..) θ. ormalzadora de ( ) que ão deede de θ fucoa como uma cosae Para um valor fxo de a fução ( θ ) forece a formação amosral de cada um dos ossíves valores de θ equao ( θ ) é camada dsrbução a ror de θ. Esas duas foes de formação a ror e amosral são combadas levado a dsrbução a oseror de θ ( θ ). Assm ode-se escrever a exressão (..) Iso é em-se: da segue forma ( θ ) ( θ ) ( θ ). (..4) dsrbução a oseror dsrbução a ror dsrbução amosral ode deoa roorcoaldade. É uvo que a robabldade a oseror de um arcular cojuo de valores de θ será equea se ( θ ) ou ( θ ) for equea ara ese cojuo. Em arcular se arburmos robabldade a ror gual a zero ara um cojuo de valores de θ eão a robabldade a oseror será zero qualquer que seja a amosra observada. Suoa-se agora que é reedda uma acualzação da ferêca ou seja a observação é obda em k fases ( k ). Na rmera fase a dsrbução a oseror de θ aós a observação de é dada or: 4

24 ( θ ) ( θ ) ( ). (..5) θ Quado se observa seguda fase a formação a ror de θ é agora elo que a dsrbução a oseror é obda do segue modo: θ ( θ ) ( θ ) ( ). (..6) θ Subsudo agora ( θ ) ela exressão (..5) em-se: ( θ ) ( θ ) ( θ ) ( ). (..7) θ Procededo de forma sucessva a fase k em-se: ( θ... ) ( θ... ) ( ). (..8) θ Pelo que se ode coclur que a ordem em que as observações são rocessadas elo eorema de Baes é rrelevae e erme a acualzação da dsrbução a oseror a medda que a formação amosral é dsoblzada. Esa meodologa aresea algumas dfculdades omeadamee a escola da dsrbução a ror e a obeção da dsrbução a oseror. A roóso desas dfculdades são areseadas de seguda dferees formas de esecfcação da dsrbução a ror.. Dsrbuções a ror A ulzação da formação a ror em ferêca Baesaa requer a esecfcação de uma dsrbução a ror ara o arâmero de eresse θ. Esa dsrbução deve reresear robablscamee o coecmeo que se em sobre θ aes da realzação do esudo. A arr dese coecmeo ode-se defr uma famíla aramérca de desdades so é cosdera-se que a dsrbução a ror de θ erece a uma famíla de dsrbuções. Os arâmeros dexadores desa famíla de dsrbuções são camados erarâmeros e devem ser esecfcados de acordo com ese coecmeo. 5

25 Geralmee a abordagem em que se cosdera uma famíla de dsrbuções facla a aálse e o caso mas morae é o das a ror s cojugadas. Nesa ersecva a escola da dsrbução a ror que corore a formação sobre θ deve ser fea aravés da famíla cojugada da dsrbução ( θ ) os sso erme que as dsrbuções a ror e a oseror ereçam à mesma classe de dsrbuções. Assm a acualzação do coecmeo que se em de θ evolve aeas uma mudaça os erarâmeros. Quado ão exse formação objecva sobre θ ou quado se esera que a formação a ror é vaga devem ser ulzadas dsrbuções a ror ão formavas. A rmera dea areseada or Baes e Lalace é de que o caso de ão aver formação a ror sufcee devem ser cosderados odos os ossíves valores de θ como gualmee rováves so é ulzar uma dsrbução a ror uforme. Coudo esa escola ode orgar algumas dfculdades éccas vso que se o ervalo de varação de θ for lmado eão ( θ ) c (cosae osva c ) e a dsrbução é mróra: Θ ( θ ) dθ. Oura dfculdade ode surgr caso Ψ( θ ) seja uma rearamerzação ão lear moóoa de θ. Pelo eorema de rasformação de varáves é ão uforme. Jeffres (96) roôs uma classe de a ror s ão formavas varaes a rearamerzações. Ulzado a medda de formação eserada de Fser sobre θ a ror ão formava de Jeffres em fução de desdade dada or: ( θ ) [ I( θ )] / ode ( θ ) ( Y θ ) l I EY θ. θ Se { ( θ ) : θ Θ} F é uma classe de dsrbuções amosras eão uma classe de dsrbuções P é θ cojugada a F se ( ) F e P ( ) P θ θ.(gamerma Ca. ) 6

26 Se θ for um vecor aramérco eão ( θ ) I( θ ) / ode ( θ ) da marz de formação de Fser I( θ ) [ I( θ θ )]. j I é o deermae Em geral esa regra coduz a dsrbuções mróras uma vez que Θ θ dθ ; coudo so só levaa roblemas se a dsrbução a oseror ambém for mróra elo que é ecessáro cerfcar que a dsrbução a oseror é róra aes de fazer qualquer ferêca. Uma oção ara se ober os arâmeros de modo a que a dsrbução seja ão Var θ. formava é deermar os valores dos erarâmeros as que.3 Iferêca Baesaa A dsrbução a oseror de um arâmero θ comreede oda a formação robablísca a reseo dese arâmero e o gráfco da sua fução de desdade a oseror é a melor forma de raduzr qualavamee o comorameo dsrbucoal θ de descrção do rocesso de ferêca. Todava é de grade uldade resumr a formação da dsrbução a oseror aravés de meddas de localzação dsersão e forma dsrbucoal. Qualquer medda de localzação a oseror (méda medaa moda) ermem esmar oualmee o arâmero θ..3. Esmação oual A escola das esmavas a ersecva baesaa deede da forma da dsrbução a oseror. A moda a oseror é dada or: ˆ θ : ( ˆ θ ) max ( θ ). (.3..) θ Θ Adme-se a coudade do arâmero ao logo do rabalo 7

27 Não é ecessáro o cálculo do egral dado em (..3) os é sufcee coecer a dsrbução a oseror a meos de uma cosae de roorcoaldade ara deermar a moda e sso facla a sua ulzação como medda de localzação. A medda mas ulzada é a méda a oseror que é ˆ θ E [ θ ] E ode [ θ ] θ( θ ) dθ... k. (.3..) A medaa a oseror é ˆ θ ( ˆ θ ˆ θ... ˆ ) P P Θ defda or ( θ ˆ θ ) ( θ ˆ θ ) θ k... k. (.3..3) A escola da melor esmava basea-se a relevâca de cada uma desas quadades ara o roblema e as facldades de cálculo..3. Esmação or regões A rcal resrção da esmação oual é que quado se esma um arâmero aravés de um úco valor umérco oda a formação resee a dsrbução a oseror é resumda aravés desse úmero. É morae ambém assocar alguma formação sobre a recsão da esecfcação dessa quadade umérca. Para al é morae a esmação or regões que coeam a maor are da formação robablísca a oseror. Dz-se que R é uma regão de credbldade ara θ de grau γ se e só se P ( θ R ) ( θ ) dθ γ. R ( ) (.3..) Qualquer regão de credbldade é defda umercamee e adme uma erreação robablísca e dreca. Vso que exse uma fdade de regões de credbldade com o mesmo grau de credbldade γ eressa cosderar a regão que comreeda odos os valores de γ mas credíves a oseror ou seja 8

28 ( θ ) ( θ ) θ R( ) θ R( ). (.3..3) Defe-se eão R como a regão de credbldade γ com desdade a oseror máxma (abrevadamee regão HPD Hges Poseror Des) se ode c γ é a maor cosae al que { θ Θ : ( θ ) c } (.3..4) R γ P ( θ R ) γ. (.3..5).3.3 Teses de óeses Cosdera-se o ese de óeses H : θ Θ versus H : θ Θ ode Θ Θ Θ. A razão das vaages a favor de H é dada or: O ( H H ) P P ( θ Θ ) ( θ Θ ). (.3.3.) Rejea-se a óese ula se ( H ) > P( H ) O( H H ) P. < Para aalsar a fluêca dos dados a aleração da credbldade relava de H e H comara-se a razão a oseror O( H H ) ( H ) ( H ) ( H ) ( H ) P com a razão a ror P P O ( H H ). Tomado a razão deses quocees em-se o que se desga or P Facor de Baes a favor de H : O B ( H H ) O( H H ). (.3.3.) Ese facor reresea o eso relavo da evdêca coda os dados a favor de uma das óeses em causa. Se B for muo grade ou muo equeo relavamee à udade em-se evdêca esaísca muo fore os dados a favor de H ou H resecvamee. 9

29 A róra cosderação de um roblema de eses de óeses é já uma dcação de algum o de formação a ror rovavelmee vaga e sso ão ode dexar de orgar resrções ao uso de dsrbuções ão formavas. A coveêca desas aceua-se quado corresodem a dsrbuções mróras vso que a deermação a sua defção se esede ao facor de Baes. Para orear esa dfculdade decorree do uso de dsrbuções mróras Ke e al (999) sugerem uma sére de meddas ajusadas do facor de Baes omeadamee o uso de facor de Baes arcas facor de Baes rísecas facor de Baes fraccoas ere ouros..4 Predção Assm como a esaísca clássca ambém a esaísca baesaa or vezes a ferêca sobre os arâmeros do modelo escoldo ão é a úlma faldade mas um meo que ossbla a redção de observações fuuras. Dadas observações de um vecor aleaóro Y com dsrbução ( θ ) redzer um vecor aleaóro dsrbução redva a oseror é dada or: reede-se ~ Y com dsrbução amosral deedee de θ. Eão a ~ ~ θ ( θ ) dθ. (.4.) Caso se verfque a deedêca ere e ~ codcoado em θ é ossível reescrever a equação aeror como: ~ ~ θ ( θ ) dθ. (.4.) Porao ( ) θ é a dsrbução a oseror de θ em relação a (que já fo observado) mas é a ror de θ em relação a ~ (que ada ão fo observado).

30 .5 Méodos Comuacoas Como fo vso aerormee a ferêca sobre o arâmero θ é fea aravés da dsrbução a oseror com base o cálculo de robabldades e gualmee em eseraças. o: Muas quadades de eresse assam ela ecessdade do cálculo de egras do Em geral só é coecda ( ) Θ g ( θ ) ( θ ) dθ. (.5.) θ a meos de uma cosae de roorcoaldade e eão eses cálculos rereseam uma dfculdade uma vez que em semre se cosegue ober exressões exlícas ara os egras em causa. Exsem algus méodos baseados em aroxmações umércas e aalícas que odem aroxmar eses egras. Nos méodos aalícos desacam-se a aroxmação da dsrbução a oseror a uma Normal mulvarada (Walker 986 ou 969) e o méodo de Lalace (Tere e Kadae 986). Nos méodos de egração umérca evdeca-se a quadraura erava (Nalor e Sm 98). Oura alerava é a ulzação de méodos aroxmados baseados em smulações ara obeção deses egras omeadamee os méodos de Moe Carlo. Nese rabalo somee se raam os méodos de Moe Carlo..5. Méodo de Moe Carlo Ordáro Ese méodo erme ober uma aroxmação do egral: E [ g( θ ) ] g( θ ) ( θ ) dθ. (.5..) Θ O méodo cosse em smular uma amosra aleaóra de dmesão N θ θ... θ da dsrbução ( θ ) calcular g( θ ) g( θ )... g( θ ) aroxmação do valor eserado de (.5..) so é N e usar a méda amosral como uma N E N N [ g( θ ) ] g( θ ) (.5..)

31 que em uma covergêca quase cera ela le dos grades úmeros 3. Alem dsso a recsão desa aroxmação ode ser medda elo erro adrão de Moe Carlo N ( N ) N g N N ( θ ) g( θ ). (.5..3).5. Méodo de Moe Carlo va cadeas de Markov Um méodo com mua relevâca ara o cálculo das esmavas baesaas é o méodo de Moe Carlo va cadeas de Markov (MCMC). A dea ada é ober uma amosra da dsrbução a oseror e calcular esmavas amosras de caraceríscas desa dsrbução. A dfereça é a cosrução de um rocesso esocásco que seja fácl de smular e cuja dsrbução esacoára covrja ara a dsrbução de eresse o roblema. O rocesso esocásco ulzado é a cadea de Markov cuja dsrbução de equlíbro é a que se reede smular. O algormo de Merools-Hasgs garae a covergêca da cadea de Markov ara a dsrbução de equlíbro que ese caso é a dsrbução a oseror. Uma veree arcular dese algormo é o méodo de amosragem de Gbbs que se basea um resulado robablísco em que se a dsrbução a oseror for osva em suore da dsrbução de θ eão ( )... k Θ... Θ Θ k com θ é deermada exclusvamee elo cojuo das suas dsrbuções codcoas comleas ( θ ) ( θ θ θ θ ) θ k. assos θ... k ode Em ermos rácos o algormo de Gbbs ode ser esecfcado elos segues. Icalzar o coador de erações e esecfque um valor cal () () () ( θ θ... θ k ) () θ. N uma sucessão de varáves aleaóras..d. e defa-se S N Y e 3 Seja { } Y...Y com N N Y coverge quase ceramee ara um µ fo se e só se ( Y ) < Y N Y E ode µ E. S. Eão N N

32 . Para... l gerar ovos valores gerado os valores: () θ a arr de θ a arr de ( θ θ θ3... θk. x) θ a arr de ( θ θ θ3... θk. x) M () θ k a arr de ( θ k θ k. x) θ e assm sucessvamee Quado é obda a covergêca ou seja quado se aroxma da codção de () equlíbro eão o vecor gerado essa eração θ ode ser cosderado uma realzação θ. de valores de θ com dsrbução ( ) Resulados assocados as cadeas de Markov (ver Glks e al 996) erme coclur que quado θ ( θ θ... θ k ) ede em dsrbução ara um vecor cuja fução de desdade de robabldade cojua é ( ) méda dos arâmeros a oseror é g ( θ ) E g( θ ) [ ] θ e o esmador da ara qualquer fução g ( ) ode E [ g( θ ) ] reresea o valor eserado de ( θ ) θ. relação à dsrbução a oseror ( ) g em Os méodos de MCMC são uma óma ferramea ara resolução de muos roblemas rácos a aálse Baesaa. Porém algumas quesões relacoadas à covergêca eses méodos ada merecem basae esqusa. Ereao uma quesão que ode surgr é Quaas erações deve er o rocesso de smulação ara garar que a cadea covrja ara o esado de equlíbro?. Como a cadea ão é calzada a dsrbução esacoára uma ráca comum é usar um eríodo de aquecmeo (Glks e al. 996). A cadea assa or l m erações sedo as rmeras l erações cas descaradas. Esera-se que deos dese eríodo de aquecmeo a cadea ea esquecdo os valores cas e covergdo ara a dsrbução 3

33 de equlíbro; a amosra resulae de amao m será uma amosra da dsrbução de equlíbro. Para elmar uma ossível auocorrelação dos valores gerados seleccoam-se a arr do eríodo de aquecmeo as observações esaçadas de um valor k (esaçameo de amosragem). Para avalar a covergêca dos méodos de MCMC usam-se algus créros que exsem a leraura. As éccas mas oulares são as Geweke (99) que sugere méodos baseados em séres emoras Rafer e Lews (99) que areseam fórmulas que relacoam a dmesão da cadea de Markov a ser cosruída o esaçameo e a dmesão da amosra a ser ulzada e Gelma e Rub (99) que usa resulados baseados a aálse de varâca clássca ara duas ou mas cadeas smuladas com valores cas dferees. As éccas de Geweke Rafer-Lews Gelma-Rub e ouras esão mlemeadas o acoe CODA (Bes el al 996) execuável o freeware R. 4

34 Caíulo Aálse Baesaa de algus modelos leares de séres emoras Uma sére emoral ambém desgada or sére croológca é uma sucessão de observações feas sequecalmee ao logo do emo ode a ordem de recola desemea um ael exremamee morae. Ou or ouras alavras uma sére emoral é uma sequêca de dados obdos em ervalos de emo gualmee esaçados durae um eríodo esecífco. Em geral deoa-se essa deedêca do emo or e desga-se or Y a -ésma observação da sére emoral. A maora das aálses ecoómcas evolve séres emoras. Eão é morae er boas éccas ara a aálse de modelos de séres emoras. A morâca da meodologa Baesaa em séres emoras em aumeado radamee ao logo da úlma década exlcada ela facldade de mlemeação comuacoal. Esa é sem dúvda almeada or uma cada vez maor valorzação das vaages que mlca a ferêca baesaa. Além dsso o aradgma baesao é arcularmee aural ara revsão edo em coa odos os arâmeros ou mesmo modelo de cereza. Nese caíulo faz-se uma aálse de deermados modelos de séres emoras ara vesgar como a meodologa Baesaa ode ser alcada a aálse de séres 5

35 emoras. Esa abordagem é alcada aos modelos auoregressvos (AR) e modelos de médas móves (MA).. Processos auoregressvos Seja um rocesso esocásco { :... }. Um modelo lear auo-regressvo de Y ordem abrevadamee AR ( ) (do glês Auoregressve) é aquele cujo valor corree é exresso como uma combação lear de seus valores assados... e de um ruído braco forma:. Um modelo auoregressvo ode eão ser escro da segue K K (..) ode K são úmeros reas (com dferee de zero) e é um rocesso ruído braco com meda µ e varâca σ. ou Ulzado o oerador araso em-se: ( B B B ) (..) K ( B B K B ) K. (..3) Φ B B B K B que é deomado or Desgado olómo auoregressvo de ordem obém-se Φ ( B). (..4) Nese coexo um coceo morae é o de esacoaredade. Um rocesso de séres emoras esacoáro é um rocesso cuja dsrbução é esável ao logo do emo o segue sedo: se se fzer uma aálse de qualquer colecção de varáves aleaóras a sequêca e deslocar-se essa sequêca k eríodos de emo a dsrbução deve ermaecer alerada. Esecfcamee a méda e a varâca do rocesso são cosaes ao logo do emo e a covarâca ere k e deede somee da dsâca ere dos ermos k e ão da localzação do eríodo de emo cal. Segue medaamee que a 6

36 correlação ere k e ambém somee deede de k. Porao um rocesso AR é esacoáro se odas as raízes do olómo auoregressvo de ordem Φ ( B) esverem fora do círculo uáro. Em arcular ara que B coduzdo a codção de esacoaredade <. emos que Θ B B mlca Ao coráro da abordagem clássca a aálse Baesaa de um modelo AR ( ) ão exge a esacoaredade dos rocessos. Como saleado or Zeller (97) o ressuoso de esacoaredade de um rocesso AR ( ) ode ser cosderado como um ressuoso a ser avalado em vez de uma resrção ecessára... Iferêca baesaa ara rocessos AR() Cosdera-se o rocesso auoregressvo de rmera ordem AR ( ) : K (...) ode é um úmero real dferee de zero e é um rocesso ruído braco gaussao com meda µ e varâca σ. é dada or Sob esas codções a fução verosmlaça de e σ com base as observações ' ode (... ) l σ σ ( σ ) ex ( ) (...) é a sére emoral ressuõe-se que é coecda a rmera observação. e σ são os arâmeros descoecdos e ) Usado a dsrbução a ror ão formava de Jeffres No que se refere à formação réva sobre e σ assuma-se que ouco se sabe sobre eses arâmeros e ode-se ulzar a abordagem de Zeller (97) sem a resrção de esacoaredade usado uma dsrbução a ror ão formava usual: 7

37 8...3 σ σ com < < e < < σ. Eão usado o eorema de Baes a dsrbução a oseror ara os arâmeros é dada or...4. ex σ σ σ Para ober a dsrbução margal a oseror ara é ecessáro egrar em ordem a σ...5. ex σ σ σ σ σ d d É claro que é deedee de σ elo que cosdera-se C. Desa forma o egral dado em ode ser reescro do segue modo...6. ex σ σ σ d C Efecuado uma mudaça de varável w C w C σ σ e dw w C d 3 / σ em-se: ex ex C dw w w C C dw w C C w. Vso que dw w w ex é uma cosae em relação a em-se...7. C

38 9 Mas [ ] s ˆ ) ( ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ode s ˆ ˆ e ˆ esmador de elo méodo dos mímos quadrados. Eão a exressão dada em...7 é subsuída or ˆ ) ( ˆ ) ( s s C...8 elo que se ode verfcar que dsrbução margal a oseror ara é uma -Sude uvarada com graus de lberdade. Do mesmo modo a dsrbução margal a oseror ara σ é ode ser obda egrado...4 em ordem a ˆ ˆ ex ) ( ex ˆ ) ( ex ex σ σ σ σ σ σ σ σ σ σ d N ucleo da s d s d d

39 σ σ e s σ ex σ σ π ex ( ˆ ) d σ π σ ( ) s σ ˆ σ ( ) ex ( ). Logo a dsrbução margal a oseror ara σ é uma dsrbução gama verda de arâmeros. e ) Usado a dsrbução a ror cojugada Uma oura abordagem é a ulzação de dsrbuções a ror cojugadas e aqu ulza-se o arâmero τ que é desgado or recsão em vez do arâmero σ. σ Esa oção deve-se ao faco de ser mas ráco cosderar uma dsrbução a ror gama ara o arâmero τ do que uma dsrbução gama verda ara σ. Eão a fução verosmlaça dada a equação (...) ode ser rescra da segue forma: l τ ( τ ) τ ex ( ). (...9) Esa verosmlaça sugere uma dsrbução a ror ormal ara codcoado a τ e uma dsrbução a ror gama ara τ ou seja al que τ ( τ ) τ ex ( µ ) [ ] τ ~ N( µ ) (...) τ ( τ ) ( τ ) τ ( τ ) τ ex{ τ } τ ~ Gama( ) (...) ode µ é a méda e τ a medda de recsão em (...) e em (...) coecdos. Logo a dsrbução a ror cojugada é dada or são

40 [ ].... ex µ τ τ τ Vso que se esá a rabalar com a classe das a ror s cojugadas ara os arâmeros a dsrbução a oseror cojua dos arâmeros ambém é ormal-gama e odem-se ecorar os arâmeros a oseror. Assm a dsrbução a oseror cojua calculada de acordo com a equação..4 é dada or...3. ex µ τ τ τ Iegrado...3 em ordem a τ a dsrbução margal a oseror ara é dada or τ µ τ τ σ τ d d ex. Suoa-se C µ e como C é uma cosae o egral eão...4. ex τ τ τ d C Efecuado uma mudaça de varável C w w C τ τ e dw C d τ em-se: ex ex dw w w C dw C w C w e vso que w dw w ex ode ser vsa como uma cosae em relação a em-se

41 ...5 ; µ C elo que aós algumas rasformações ode-se verfcar que a dsrbução margal a oseror ara é uma -Sude com graus de lberdade. Ada egrado...3 em ordem a a dsrbução margal a oseror ara τ é...6 ex ex ex µ τ τ τ µ τ τ τ τ d d d Para smlfcar µ µ µ µ µ µ µ µ µ µ µ

42 3 µ µ µ µ µ Rereseado V µ é ossível rescrever...6 a forma...7 ex ex ex ex ex ex V V d V τ τ τ τ τ τ µ τ τ τ eão τ em uma desdade gama com arâmeros e V... Iferêca baesaa ara rocessos AR() Cosderado agora o rocesso auoregressvo de ordem dado ela equação.. a sua fução verosmlaça é obda a forma ex l σ σ σ ou a forma marcal suodo Z Y.... ex ' σ σ σ Z Z l

43 4 ) Usado a dsrbução a ror ão formava de Jeffres Coecdas as observações... e usado a dsrbução a ror ão formava (Zeller 97) dada or...3 com < <... e < < σ eão elo eorema de Baes a dsrbução a oseror ara os arâmeros... e σ é...3 ex σ σ σ K ou...4. ex ' σ σ σ Z Z Iegrado...4 em ordem a σ e efecuado algus cálculos aálogos ao caso dos auoregressvos de rmera ordem a dsrbução margal a oseror ara é dada or [ ]...5. ' Z Z Mas [ ] [ ] ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ' ' ' ' ' ' ' ' Z Z vs Z Z Z Z Z Z Z Z Z Z Z Z Z Z Z Z S ode v Z Z s ˆ ˆ ' e ˆ é o esmador de elo méodo de mímos quadrados. Eão

44 ' ' [ ] vs ( ˆ ) Z Z( ˆ ) ' ( ) ( Z) ( Z) vs v ' ' ' ( ˆ ' ) ( ˆ ) ( ˆ Z Z Z Z v ) ( ˆ ) s v Logo a dsrbução margal a oseror ara é uma -Sude -varada com v graus de lberdade e arâmero de localzação ˆ. ara σ é Ada egrado (...4) em ordem a a dsrbução margal a oseror v σ σ ' ( σ ) ex ( ˆ) ( ˆ Z Z ) (...6) e logo a dsrbução margal a oseror ara σ é uma dsrbução gama verda de arâmeros v e ( Z ˆ ) ' ( Z ˆ ). ) Usado a dsrbução a ror cojugada Ulzado a abordagem de Broomelg (98) que ulza a famíla de dsrbuções cojugadas ode-se observar que a forma da fução verosmlaça dada a equação (...) sugere uma dsrbução a ror ormal ara e uma gama τ ou seja al que ( τ ) ( τ ) ( τ ) (...7) ' ( τ ) τ ex ( µ ) P( µ ) [ ] τ ~ N ( µ ( τ ) ) (...8) τ P ( τ ) τ ex{ τ } τ ~ Gama( ) (...9) ode os erarâmeros µ P e são coecdos com µ R > > e P uma marz defda osva de ordem. 5

45 Assm a dsrbução a oseror cojua calculada de acordo com o eorema de Baes é dada or ( ) ( τ ) τ ode A P C P a j [ D] (...) [ ] τ ' ex ( A C) A( A C) ( j ) ' ' µ c j D µ Pµ C A C com o j-ésmo elemeo aj j e j c é vecor ( ) a é marz com o j-ésmo elemeo c j j. Iegrado (...) em ordem a τ a dsrbução margal a oseror ara é dada or ( ) [ ]... ' A C A A C D eão em uma desdade -Sude com graus de lberdade localzação A C e marz recsão ( ) AD. ara τ é Ada egrado (...) em ordem a a dsrbução margal a oseror τ [ ] ( ) τ τ ex D (...) eão τ em uma desdade gama com arâmeros e D. É de regsar que quer admdo a ror de Jeffres ou cojugada as dsrbuções margas a oseror são coecdas elo que faclmee se deermam as esmavas baesaas dos arâmeros. 6

46 7..3 Prevsão Como fo referdo aerormee or vezes o objecvo da aálse de séres emoras é rever valores fuuros k... do rocesso e assm como fo vso a dsrbução redva forece um rocedmeo de revsão. Suoa-se que é reedda a revsão do valor fuuro eão a desdade de dado τ e é..3. ex τ τ τ K ode R so é ~ τ N K. Agora esa desdade ode ser escra como..3. ex ' ' F E τ τ τ ode E é uma marz com o j-ésmo elemeo ) ( ) ( j e F é um vecor com o j-ésmo elemeo ) ( j os [ ] ' E K M K M O M K K K e Como τ τ ρ τ d d eão [ ]. ' F K M K

47 ' τ ( ) τ ex ( A C) A( A C) τ τ ex ' ' [ D E F ] ' ' ' [ ( A E) ( C F ) C A C D ] ddτ. ddτ Iegrado em ordem a τ e obém-se ara ( ) [ ]..3.3 ' ' D C A C C F A E C F R é a desdade redva a um asso de revsão. Aós smlfcação verfcase que é uma desdade -Sude com um asso a free calculam-se aravés de E( ) graus de lberdade. As revsões ouas ˆ...4 Exemlo de um rocesso auoregressvo usado o WBUGS Para exemlfcar a aálse baesaa de rocesso auoregressvo usado o WBUGS ulza-se um cojuo de dados gerados o sofware esaísco R. Pare-se do rcío de que o rocesso auoregressvo em resíduos que seguem uma dsrbução ormal com méda zero e varâca uára 6 e com a relação K (..4.) deerma-se o cojuo de 3 observações que se ecora o Aexo A. A defção da varável e algumas meddas de esaísca descrva omeadamee a méda o desvo adrão o mímo e o máxmo do cojuo de dados são areseados a abela.. Nº de observações Mímo Máxmo Méda Desvo Padrão Y Tabela.: Meddas descrvas da sére A Fgura. reresea o comorameo das 3 observações geradas a arr de resíduos de Posso Y 8

48 Fgura.: Comorameo da sére Y Assuma-se que o arâmero segue uma dsrbução a ror ormal com meda e varâca uára e o arâmero τ segue uma dsrbução Ga (.E-4.E-4). Sabe-se ada que o modelo é da forma ( 3...) 3 e orao exressa-se o modelo ara o WBUGS da segue a forma: Cosderam-se 6 e τ como valores cas ara os arâmeros do modelo. Noa-se que a codção de esacoaredade se verfca os 6 [ ]. Porao ajusou-se um modelo auoregressvo de rmera ordem e calculou-se os valores das meddas de dscreâca. O ouu com as esmavas dos arâmeros do modelo é areseado a abela.. 9

49 Tabela.: Ouu do WBUGS com as esmavas dos arâmeros do modelo auoregressvo de rmera ordem da sére Y Na Fgura. são areseados os gráfcos das desdades margas a oseror dos arâmeros do modelo. Aqu ode-se comrovar as coclusões da aálse efecuada o óco.. ) em que o arâmero segue uma dsrbução -Sude com 3 ^ ( 4) 3 graus de lberdade e o arâmero τ segue uma dsrbução gama de arâmeros 55 e - (348) V ^ ( 4) V µ Fgura.: Gráfcos das desdades margas a oseror dos arâmeros do modelo auoregressvo de rmera ordem da sére Y 3

50 O modelo auoregressvo de rmera ordem ecorado elo WBUGS é: com τ K (...). Processos de médas móves O rocesso { Y } dz-se um rocesso de médas móves de ordem q abrevadamee MA ( q ) (do glês Movg Average) se sasfaz a equação: θ Kθ q q... (..) θ ode θ θ θ K q são úmeros reas (com q θ dferee de zero) e é um rocesso de ruído braco com méda µ e varâca σ. Ulzado o oerador araso B que é defdo or: B j j (..) O rocesso ode ser escra a forma: q ( θ B θ B θ B ) Φ( B). (..3) K q Uma roredade muo morae ara os rocessos MA ( q ) é a verbldade. Um rocesso MA ( q ) é verível se as raízes da equação Φ( B ) círculo uáro ou seja se Φ( B ) ara B. esverem fora do Prova-se aós cálculos muo smles que a méda do rocesso é zero e a varâca em a segue forma Var Y q γ σ θ com θ. 3

51 3.. Iferêca baesaa ara rocessos MA() Suoa-se que são obdas observações... ' de um rocesso de médas móves de rmera ordem verível so é do modelo: θ ode... e ) ( ~ τ N. Suodo coecdo e ulo em-se: θ θ θ θ θ θ θ θ θ θ θ θ θ L M M Cosequeemee o modelo... ode ser escro a forma marcal θ. A ode.... θ θ θ θ K K M M O M M M M K K K A A fução verosmlaça de θ e τ com base as observações é dada or...3 ex l l θ τ π τ τ θ τ θ com θ θ θ L.

52 ) Usado a dsrbução a ror ão formava de Jeffres Ulzado a abordagem de Zeller (97) com a dsrbução a ror ão formava de Jeffres usual ( θ τ ) (...3) τ com < θ < e < τ <. E usado o eorema de Baes a dsrbução a oseror ara os arâmeros é τ ( θ σ ) τ ex ( θ ). (...4) Para ober a dsrbução margal a oseror ara θ é ecessáro egrar (...4) em ordem a τ Cosderado ( θ ) C τ ( θ ) ρ( θ τ ) dτ τ ex ( θ ) dτ. (...5) em-se τ ( θ ) τ ex C dτ. (...6) τ Efecuado uma mudaça de varável C w τ w e C ou seja ( w) dτ dw em-se: C ( θ ) ex ex C C C { w} dw ( w) { } w dw C ( θ ) ( θ ). ( 3...7) Do mesmo modo a dsrbução margal a oseror ara σ é ode ser obda egrado (...4) em ordem a θ τ ( τ ) ( θ τ ) dθ τ ex ( θ ) dθ (...8) 33

53 que ão em uma forma fecada. ) Usado a dsrbução a ror cojugada Suõe-se θ e τ deedees a ror e escole-se a dsrbução margal a ror de θ como uma dsrbução uforme ere e (vso que a codção de verbldade erme que θ se sue esse ervalo) e a dsrbução margal a ror de τ como uma dsrbução Ga ( ) so é com f.d. τ ex( τ ) > τ. forma Alcado o eorema de Baes a dsrbução a oseror é dada ela segue τ [( ) ] ( θ τ ) τ τ ex ( θ ) τ ex ( θ ). (...3) Para a obeção das dsrbuções margas a oseror ode-se usar o modelo a forma marcal com a marz A ( θ ) dada em (...) Assm a dsrbução margal de θ é τ ' ' e usa-se a relação ( AA ) ( θ ). θ τ [( ) ] ( ) τ ex ( θ ) dτ ' ' ( θ ) AA (...4) Pode-se coclur que a dsrbução margal de θ segue uma desdade -Sude com graus de lberdade. A dsrbução margal a oseror de τ é dada or ( ) ( τ ) τ [ ] τ ' ex ( ' AA ) dθ (...6) R 34

54 35 que ão em uma forma fecada. Mas odem ser calculadas as codcoas comleas ara θ e τ e ulzar o algormo de Gbbs ara ober as esmavas dos arâmeros. A oseror codcoal comlea ara θ é dada or obda aravés de...3 { } AA ' ' ex ex ex ex τ θ τ θ τ τ τ θ. Agora a oseror codcoal comlea ara τ é [ ] ex θ τ τ θ τ segue uma dsrbução gama de arâmeros e θ. Dadas as codcoas comleas ode-se ulzar o algormo de Gbbs ara ober as esmavas dos arâmeros θ e τ... Iferêca baesaa ara rocessos MA(q) Para o caso de um rocesso de médas móves de ordem q suoa-se que são obdas observações... ' e seja: q q θ θ θ ode q ) ( e ) ( ~ τ N. Suodo... ) ( q em-se: q q q q θ θ θ θ θ θ θ θ θ θ θ θ θ θ θ θ θ M M com q.

55 Dese modo a fução verosmlaça de θ θ θ... θ ) e τ com base as observações é dada or l ( q τ τ π ( θ τ ) l( θ τ ) ex ( θ ) (...) ode ( θ ) θ θ... θ q q. ) Usado a dsrbução a ror ão formava de Jeffres Jeffres usual com Ulzado a abordagem de Zeller com a dsrbução a ror ão formava de ( θ τ ) τ (...3) < θ < e < τ <. Eão usado o eorema de Baes a dsrbução a oseror ara os arâmeros é τ ( θ σ ) τ ex ( θ ). (...4) Para ober a dsrbução margal a oseror ara θ é ecessáro egrar (...4) em ordem a τ ou seja τ ( θ ) ( θ τ ) dτ τ ex ( θ ) dτ (...5) ( θ ) ( θ ). (...6) Do mesmo modo a dsrbução margal a oseror ara σ é ode ser obda egrado (...4) em ordem a θ que ão em uma forma fecada. τ ( τ ) ( θ τ ) dθ τ ex ( θ ) dθ (...7) Assm como fo feo ara os rocessos de médas móves de rmera ordem ambém os modelos de ordem sueror odem-se calcular as codcoas comleas ara 36

56 37 os arâmeros e ulzar de seguda o algormo de Gbbs ara ober as esmavas baesaas dos arâmeros. ) Usado a dsrbução a ror cojugada Com as mesmas dsrbuções ulzadas ara o caso dos rocessos de médas móves de rmera ordem so é suõem-se θ e τ deedees a ror e escole-se a dsrbução margal a ror de θ como uma dsrbução uforme ere e (vso que a codção de verbldade erme que θ se sue esse ervalo) e a dsrbução margal a ror de τ como uma dsrbução Ga > τ. Alcado o eorema de Baes a dsrbução a oseror é obda a segue forma [ ] ex ex θ τ τ θ τ τ τ τ θ...8 e a dsrbução margal de θ é [ ]. ex ' ' θ τ θ τ τ θ AA d...9 Logo a dsrbução margal de θ segue uma desdade -Sude (q varada) com q graus de lberdade. A dsrbução margal a oseror de τ é dada or [ ]... ex ' ' R d AA θ τ τ τ que ão em uma forma fecada. E como fo vso aerormee odem ser calculadas as codcoas comleas ara θ e τ e ulzar o algormo de Gbbs ara ober a dsrbução margal de τ.

57 A oseror codcoal comlea ara θ j j K q obda aravés de (...8) é dada or que ão ossu uma forma fecada. τ ( θ j θ j τ ) ex ( θ j ) j Agora a oseror codcoal comlea ara τ é segue uma dsrbução gama de arâmeros [( ) ] ( τ θ ) τ ex ( θ ) τ e θ...3 Prevsão O rocedmeo de revsão ara os rocessos de médas móves é smlar a efecuada ara os rocessos auoregressvos com a ulzação da dsrbução redva baesaa. Cosdera-se eão o rocesso de médas móves de ordem q AR(q) θ θ θ q q.... (..3.) Seja a observação que se reede rever eão a desdade de dado θ e τ é dada or τ ' ( ) ' θ τ τ ex ( ) ( BB ) ( ) (..3.) ode ( θ ) θ θ... θ q q e B é semelae a marz A defda aerormee com mas uma colua e uma la referees aos valores de. d d eão a dsrbução redva é Como ( θ τ ) ( θ τ ) θ τ ' τ ' ( ) τ ex ( ) ( BB ) ( ) ' ' [ ][ ( AA ) ] dd τ a arr da qual se odem fazer revsões um asso à free. 38

58 ..4 Exemlo de um rocesso de médas móves usado o WBUGS Para ese exemlo ulza-se ambém o sofware R ara gerar os dados cas. Pare-se do rcío de que o rocesso de médas móves em resíduos que seguem uma dsrbução ormal com méda zero e varâca uára e com a relação θ... deerma-se o cojuo de 3 observações que se ecora o Aexo A. (..4.) A defção da varável e algumas meddas de esaísca descrva omeadamee a méda o desvo adrão o mímo e o máxmo do cojuo de dados são areseados a abela.3. Nº de observações Mímo Máxmo Méda Desvo Padrão Y Tabela.3: Meddas descrvas da sére A Fgura.3 reresea as 3 observações geradas e verfca-se uma ormaldade dos dados da sére Y. Y Fgura.3: Comorameo da sére Y 39

59 Assuma-se que o arâmero θ segue uma dsrbução a ror uforme de arâmeros e o arâmero τ segue uma dsrbução Ga (.E-4.E-4). Sabe-se ada que o modelo é da forma ( 3...) 3 e orao o modelo ara o WBUGS ode exressar-se elas exressões: Cosderam-se θ 6 e τ como valores cas ara os arâmeros do modelo. Noa-se que a codção de verbldade se verfca os 6 [ ] θ. Porao ajusou-se um modelo de médas móves de rmera ordem e calculou-se os valores das meddas de dscreâca. O ouu com as esmavas dos arâmeros do modelo é areseado a abela.4. Tabela.4: Ouu do WBUGS com as esmavas dos arâmeros do modelo de médas móves de rmera ordem da sére Y Na fgura.4 são areseados os gráfcos das desdades margas a oseror dos arâmeros do modelo. Aqu ode-se comrovar as coclusões da aálse efecuada o 4

60 óco 3.. ) em que a dsrbução margal do arâmero θ é uma dsrbução - Sude com 3 ^ ( 4) 99 graus de lberdade equao a dsrbução margal do arâmero τ ão era defcada. Fgura.4: Gráfcos das desdades margas a oseror dos arâmeros do modelo de médas móves de rmera ordem da sére Y O modelo de médas móves de rmera ordem ecorado elo WBUGS é: K (..4.) -.46 com τ.63 4

61 4

62 Caíulo 3 Aálse Baesaa de algus modelos de coagem A modelação de séres emoras de valor dscreo em sdo meos desevolvdo em odas as áreas de vesgação de séres emoras os o faco de que os valores das varáves serem eros lma a alcação da meodologa desevolvda ara séres com rereseações mas radcoas; omeadamee modelos leares vso que o roduo de uma cosae real or uma varável aleaóra de valor ero roduz uma varável aleaóra real. Ulmamee em avdo um úmero de eavas de desevolver uma classe adequada de modelos que se ossam alcar as séres emoras de valor dscreo. Varáves dscreas de séres emoras odem surgr em város coexo or coagem de acoecmeos objecos ou dvíduos ao logo do emo ou em ervalos cosecuvos de emo. Algus exemlos são o úmero de acdees de uma deermada fábrca em cada mês o úmero de acees raados or ora um osal ou udade de emergêca o úmero de escado caurado or semaa em deermada área do mar. Eses dados odem ambém surgr da dscrezação de uma varável coíua de séres emoras or exemlo a redução de volumes dáros de recação ara uma sére bára de (das secos) e (das molados). Em muos casos exsem muos valores ara a varável dscrea e faz sedo uma aroxmação a uma sére coua. Porém muas vezes sso ão é ossível e é ecessáro ecorar modelos esecífcos ara 43

63 rocessos de coagem. Além dsso frequeemee a sére observada aresea grade deedêca o emo ou mas geralmee deedêca as covarâcas. A aureza de as deedêcas coduzu a modelos leares geeralzados ou uma abordagem semelae a regressão mas arcularmee a regressão de Posso. Porao a dsrbução de Posso revela uma grade morâca o rocesso de modelação de dados de coagem. Têm sdo roosos város modelos ara rocessos esacoáros com dsrbução margal dscrea e ese caíulo serão esudados algus deles omeadamee modelos auoregressvos de valores eros de rmera e seguda ordem (INAR () e INAR ()) e modelos de médas móves de valores eros de rmera e seguda ordem (INMA () e INMA ()). Eses modelos baseam-se uma oeração desgada oeração g. 3. Oeração g Os rocessos INAR e INMA são resecvamee uma adaação dos modelos AR e MA a dados eros em que a oeração mullcação é subsuída ela oeração g defda or Seuel e va Har (979). A oeração g reresea-se or o. A oeração g ere o arâmero e a varável aleaóra Y defe-se como ode { ( )} Y U o Y ( ) ( 3..) U é uma sucessão..d de v.a. s de Beroull com robabldade de sucesso so é U ( ) ~ B( ). A sucessão { ( )} o Y Y e o Y. U desga-se or rocesso de coagem. Assm Dese modo a oeração g é uma oeração aleaóra dscrea com uma dsrbução de robabldade assocada. Porao o Y Y em dsrbução bomal de arâmeros Y e. Por ese movo a oeração dada em ( 3..) é ambém desgada oeração g bomal. 44

64 Algumas roredades da oeração g bomal foram esudadas or Olvera (). Assm ara a oeração defda em ( 4..) desacam-se as segues: ode Y W e Z são varáves aleaóras. ( ) E( o Y ) E( Y ) ( ) E[ W ( o Y )] E[ WY ] ( 3 ) E[ ( o Y )( o Z )] E( YZ) 3. Processos auo-regressvos de valor ero O rocesso auo-regressvo de valores eros (do glês INeger-valued AuoRegressve) fo roduzdo or McKeze ( ) e oserormee or Al-Os & Alzad (987). Recorreram à oeração g bomal defda or Seuel e va Har (979) ara subsur a oeração de mullcação usual o rocesso AR() e rouseram o rocesso INAR() arcularmee usado ara séres de coagem. Um rocesso esocásco dscreo de valor ero ão egavo { Y } dz-se um rocesso de coagem INAR () se sasfaz a codção o ( 3..) ode ] ] a oeração o é a oeração g bomal defda em ( 3..) e { } é uma sucessão de varáves aleaóras eras ão egavas deedees e decamee dsrbuídas com méda µ varâca fa σ e deedees de. Assm ese rocesso dca que de modo deedee em cada momeo cada elemeo ode couar o rocesso com robabldade ou abdca com robabldade. Para o rocesso INAR () Al-Os & Alzad (987) ere ouros demosraram que o valor eserado ode escrever-se como E ( Y ) E( Y ) E( o Y ) E( ) E( Y ) µ o ( 3..) usado a roredade ( ) da oeração g bomal. E ada devdo à esacoaredade do rocesso dada em ( 3..) em-se ( Y ) E( Y ) ( 3..) ode ser reescra do segue modo: E e orao a equação 45

65 E ( Y ) E( Y ) µ ( ) E( Y ) µ E( Y ) µ /( ). ( 3..3) A varâca é dada or Var ( Y ) Var( o Y ) Var( o Y ) Var( ) [ Y ] E[ ( ) Y ] σ VarE Y o Var Y 443 B( Y ) E Var [ ( o Y Y )] Var σ Y U σ Var [ Y ] E( Y ) ( 3..4) σ Aalogamee devda à esacoaredade do rocesso dada em ( 3..) em-se Var ( Y ) Var K e orao a equação (..3) Y Var 3 ode ser reescra do segue modo: ( Y ) Var[ Y ] E( Y ) σ Var( Y ) Var( Y ) E( Y ) σ ( ) Var ( Y ) µ σ Var( Y ) ( µ σ )/( ) Relavamee às fuções de auocovarâca e auocorrelação elas são defdas elas exressões segues: γ k ( k ) Cov( ) γ Y Y k k ( k) Corr ρ Y Y k. Porao esas roredades êm algumas semelaças com as roredades do rocesso AR () vso que ambos os modelos êm a mesma esruura de auocorrelação. Du e L (99) rouseram uma exesão ara a ordem INAR (): o o... o ode { } é defdo como em ( 4..) [ ] coagem k o k k e as séres de são muuamee deedees e deedees de { }. Ada Du e L (99) mosraram que as codções de esacoaredade de seguda ordem dos rocessos INAR () são as mesmas de um rocesso AR () ou seja um rocesso INAR () é esacoáro se as raízes do olómo auoregressvo de ordem 46

66 esverem fora do círculo uáro. Mas arde Laour (998) mosrou que a codção de esacoaredade é equvalee a <. Eses mesmos auores rouseram esmadores k k de Yule-Walker ara os arâmeros descoecdos e demosraram que o méodo de mímos quadrados codcoas forece esmavas assmocamee ormas. Em 5 Slva N. desevolveu um rabalo com cdêca os modelos INAR de Posso com um esudo comaravo ere as abordages clássca e baesaa. As dsrbuções que roduzem soluções esacoáras ara o rocesso auoregressvo de valor ero são: Posso geomérca e bomal egava. Nese rabalo serão cosderadas as dsrbuções de Posso e geomérca ara o rocesso das ovações. 3.. Iferêca baesaa ara rocessos INAR () de Posso Cosderado um rocesso INAR () se se reeder ober uma dsrbução de Posso ara a dsrbução de { Y } é ecessáro que { } ambém ea uma dsrbução se de Posso. Mas cocreamee { Y } em dsrbução de Posso com méda ( ) e só se { } em dsrbução de Posso de méda. Porao a dsrbução de Posso em um ael aálogo ao da dsrbução ormal o modelo ARMA. Cosdera-se o rocesso auo-regressvo de valor ero de rmera ordem INAR () dado or: o ( 3...) ode a oeração o é a oeração g bomal ( ) e { } é uma sucessão de varáves aleaóras de Posso de arâmero ão correlacoadas e deedees de. é dada or Sob esas codções e dado a fução verosmlaça da amosra (... ) 47

67 Y Y P Y P Y Y P Y l o A varável aleaóra Y Y é a covolução da dsrbução bomal de arâmeros Y e com a dsrbução de Posso de arâmero orao a sua fução massa de robabldade é dada or.! m m m C e Y Y P P o Dese modo a fução verosmlaça codcoal a é dada or 3...! M C e l ode M... m. Cosderemos a dsrbução bea como dsrbução a ror ara o arâmero e a dsrbução gama como dsrbução a ror ara o arâmero so é ~ > b a b a Be b a e ~ ex > d c d c Ga d c. A escola das dsrbuções bea e gama ara dsrbuções a ror dos arâmeros rede-se com o faco de serem as cojugadas da bomal e Posso resecvamee. Suodo e deedees a dsrbução a ror cojua é dada or

68 c a b ( ) ex( d) ( ) ode > < < e os erarâmeros a b c e d são coecdos e osvos. Noa-se que se a b c e d em-se o caso de uma dsrbução a ror ão formava. Assm a dsrbução a oseror cojua calculada de acordo com a equação (..4) é dada or dada or M b C ( )! c a ( ) ex[ ( d ) ] ( ) ( 4...3) ( ). Iegrado ( 3...3) em ordem a a dsrbução margal a oseror ara é M b C ( )! c a ( ) ex[ ( d ) ] ( ) dada or ( ) d. Iegrado ( 3...3) em ordem a a dsrbução margal a oseror ara é M b C ( )! c a ( ) ex[ ( d ) ] ( ) ( ) d. Como se ode verfcar eses egras são muo comlexos e orao é ecessáro ulzar a meodologa de Gbbs ara ober as esmavas de e. Para al devem-se calcular as dsrbuções codcoas comleas ara os arâmeros e. A dsrbução codcoal comlea ara o arâmero é ode c ( ) ex[ ( d ) ] L( ) ( 3...4) L ( ) C ( )! M e >. 49

69 A dsrbução dada em ( 3...4) é uma combação lear de fuções desdade de robabldade de varáves aleaóras com dsrbução gama. ode Aalogamee a dsrbução codcoal comlea ara é dada or a b ( ) ( ) ( ) ( ) K ( 3...5) K ( ) ( ) M C! e < <. A dsrbução dada em ( 3...5) é uma combação lear de fuções desdade de robabldade de varáves aleaóras com dsrbução bea. Agora que são coecdas as dsrbuções codcoas comleas ara os arâmeros ode-se ulzar o algormo de Gbbs ara deermar as esmavas. 3.. Iferêca baesaa ara rocessos INAR() geomérca Cosdera-se o rocesso auo-regressvo de valor ero de rmera ordem INAR () dada or: o ( 3...) ode a oeração o é a oeração g bomal ( ) e { } é uma sucessão de varáves aleaóras geomércas com méda deedees de. ( < < ) ão correlacoadas e é dada or Sob esas codções e dado l a fução verosmlaça da amosra (... ) ( ) P( Y... Y ) P( Y Y ) P ( o Y Y ) ( ). 5

70 A varável aleaóra Y Y é a covolução da dsrbução bomal de arâmeros Y e com a dsrbução geomérca com méda robabldade é dada or orao a sua fução massa de ( ) m ( ) P( ) ( ) m ( ) P ( o Y Y ) ( ) m C ( ). Dese modo a fução verosmlaça codcoal a é dada or l ( ) ( ) ( ) C ( 3...) M ode M m( ).... Cosderado ovamee a dsrbução bea como dsrbução a ror ara os arâmeros e em-se e a b ( ) ~ Be( a b) a b > c d ( ) ~ Be( c d ) c d >. A escola da dsrbução bea ara dsrbução a ror dos arâmeros rede-se ovamee com o faco de ser a cojugada da bomal e da geomérca. Suodo e deedees a dsrbução a ror cojua é dada or a b c d ( ) ( ) ( ) ode < < e os erarâmeros a b c e d são coecdos e osvos. 5

71 Assm a dsrbução a oseror cojua calculada de acordo com o eorema de Baes é dada or a b c d ( ) ( ) ( ) ( ) ( ) C. ( 3...3) M Aalogamee ao verfcado a secção aeror ambém ão se obêm formas fecadas ara as dsrbuções a oseror margas de e daí a ecessdade da obeção das dsrbuções codcoas comleas. Assm a dsrbução codcoal comlea ara o arâmero é ode a b ( ) ( ) ( ) N( ) ( 3...4) N M C. A dsrbução dada em ( 3...4) é uma combação lear de fuções desdade de robabldade de varáves aleaóras com dsrbução bea. Do mesmo modo a dsrbução codcoal comlea ara é dada or ode c d ( ) ( ) ( ) ( ) M ( 3...5) M ( ) ( ) C M e < <. A dsrbução dada em ( 3...5) é uma combação lear de fuções desdade de robabldade de varáves aleaóras ambém com dsrbução bea. Agora que são coecdas as dsrbuções codcoas comleas ara os arâmeros ode-se ulzar o algormo de Gbbs ara deermar as esmavas Iferêca baesaa ara rocessos INAR () de Posso Cosderemos o rocesso auo-regressvo de valor ero de seguda ordem INAR() dado or: 5

72 o o 3 ( 3...) ode a oeração o é a oeração g bomal ( ) e { } é uma sucessão de varáves aleaóras de Posso de arâmero ão correlacoadas e deedees de e. Adme-se a erreação de Du e L (99) a qual (...) 3 ode ser erreado como um rocesso esecal de reovameo múllo com mgração a qual um eríodo e emo fxo cada coagem é flrada duas vezes: uma or cada o sae e segudamee or o sae. Nese coexo o e o são muuamee deedees ere s e deedees de { } ode o ~ B( ) e ~ B( ) o. < O rocesso auo-regressvo de valor ero de seguda ordem é esacoáro se. O valor médo é dado or Dados e modelo INAR() é dada or l /( ) E. Y a fução verosmlaça da amosra (... ) ( ) P( Y Y... Y ) P ( Y Y ) P Y ara o ( o o Y Y ) ( ). Pode-se verfcar que a varável aleaóra Y Y Y é a covolução das dsrbuções bomas de arâmeros ( Y ) e ( ) orao a sua fução massa de robabldade é dada or Y com a dsrbução de Posso de arâmero 53

73 54.! m max m m j j j j C C e Y Y P P o o... 4 Dese modo a fução verosmlaça codcoal a e é dada or l Uma vez que < as dsrbuções dos arâmeros e ão oderão ser deedees. Assm e couado a usar as dsrbuções cojugadas cosdera-se b a Be ~ > b a ~ d c Beg > d c < < 4 e ~ > f e f e Ga. Assm a dsrbução a ror cojua é dada or ex d c d c b a e f ode < < > e os erarâmeros e d c b a e f são coecdos e osvos. Assm a dsrbução a oseror cojua calculada de acordo com a equação..4 é dada or d c d c b a e f 3 ex Ver Aexo D

74 ode ( ) é da forma dada em (...) 3. Faclmee se verfca que os egras da equação ( 3...4) em ordem aos arâmeros e são muo comlexos e ão se cosegue ober uma forma fecada. Porao é ecessáro ulzar a meodologa de Gbbs ara ober as esmavas de e. Para al devem-se calcular as dsrbuções codcoas comleas ara os arâmeros assm como fo feo ara o rocesso auo-regressvo de valor ero de rmera ordem. e a ( ) ex( f) ( ) ( ) c d ( ) c d b 3 ( ). As dsrbuções codcoas comleas ara os arâmeros e são resecvamee: a ( ) ( ) ( ) c d ( ) c d b 3 3 ( ) ( 3...5) c d ( ) ( ) ( ) ( 3...6) 3 e ( ) ex( f) ( ). ( 3...7) Coecdas as dsrbuções codcoas comleas ara os arâmeros ode-se ulzar o algormo de Gbbs ara deermar as esmavas Iferêca baesaa ara rocessos INAR () geomérca Cosdera-se o rocesso auo-regressvo de valor ero de seguda ordem INAR() dada or: o o 3 ( 3...) ode a oeração o é a oeração g bomal ( ) e { } de varáves aleaóras geomércas com méda de e. é uma sucessão ão correlacoadas e deedees 55

75 Dados e modelo INAR() é dada or a fução verosmlaça da amosra (... ) ara o l ( ) ( ). 3 Aalogamee ode-se verfcar que a varável aleaóra Y Y Y é a covolução das dsrbuções bomas de arâmeros ( Y ) e ( ) com méda Y com a dsrbução geomérca ; orao a sua fução massa de robabldade é dada or ( ) m ( ) P( ) ( o o Y Y ) ( ) m P ( ) ( ) m C j max ( ) ( 3...) j ( ) C ( ) j j. Dese modo a fução verosmlaça codcoal a e é dada or l 3 ( ) ( ). ( 3...3) Cosderam-se as segues dsrbuções ara os arâmeros e : ~ Be( a ) ~ ( c ) b Beg e Be( e f ) d dsrbução a ror cojua é dada or e f a ( ) ( ) ~ com a b c d e f >. Assm a ( ) c d ( ) c b d ode a b c d e f > < e os erarâmeros a b c d e e f são coecdos. < 56

76 57 Cosequeemee a dsrbução a oseror cojua calculada de acordo com a equação..4 é dada or d c d c b a f e ode é da forma dada em É ecessáro ulzar a meodologa de Gbbs ara ober as esmavas de e. Para al devem-se calcular as dsrbuções codcoas comleas ara os arâmeros assm como fo feo ara o rocesso auo-regressvo de valor ero de rmera ordem. As dsrbuções codcoas comleas ara os arâmeros e são resecvamee: d c d b a d c f e Coecdas as dsrbuções codcoas comleas ara os arâmeros ode-se ulzar o algormo de Gbbs ara deermar as esmavas Prevsão Cosdera-se o rocesso auo-regressvo de valores eros de rmera ordem dada em... 3 suoa-se que é reedda a revsão do valor fuuro eão a desdade de dado é

77 58 Y P Y f. A varável aleaóra Y Y é a covolução da dsrbução bomal de arâmeros Y e com a dsrbução de Posso de arâmero (Freelad 998) orao a sua fução massa de robabldade é dada or C Y P Y f! ex m o de K. Como a dsrbução redva baesaa é dada or ρ ρ d d l eão [ ].! ex! ex m d d C d C M b a c Esa exressão demosra uma grade comlexdade e a obeção do egral orase de dfícl raameo. No eao o que se reede é a ober é uma revsão oual ara ou seja E ˆ que ode ser deermada aravés da roredade da eseraça maemáca [ ] [ ] [ ] f E E f E Eão [ ] [ ]. E E E E E E

78 Eses valores médos odem ser esmados aravés de geração de valores obdo elo algormo de Gbbs aravés de: ˆ m m m m ode m é o úmero de erações usadas a amosragem de Gbbs (aós a covergêca) e e são valores gerados a arr das dsrbuções codcoas comleas. O caso da ulzação da dsrbução geomérca em vez da Posso é de fácl alcação e ão será areseada ese rabalo Exemlo de um rocesso ero auoregressvo de Posso ulzado WBUGS Para ese exemlo ulza-se ambém o sofware R ara gerar os dados cas. Pare-se do rcío de que o rocesso de médas móves em ovações que seguem uma dsrbução Posso com méda uára e com a relação o deerma-se o cojuo de 5 observações que se ecora o Aexo A3. A defção da varável e algumas meddas de esaísca descrva omeadamee a méda o desvo adrão o mímo e o máxmo do cojuo de dados são areseados a abela 3.. Nº de observações Mímo Máxmo Méda Desvo Padrão Y Tabela 3.: Meddas descrvas da sére Y A Fgura 3. reresea as 3 observações geradas e o seu comorameo 59

79 Fgura 3.: Comorameo da sére Y Assuma-se que o arâmero segue uma dsrbução a ror Be(.E-4.E-4) e o arâmero segue uma dsrbução a ror Be(.E-4.E-4). Sabe-se ada que o modelo é da forma ( 3...) 5 e orao o modelo ara o WBUGS em a forma: Cosderam-se. 45 e como valores cas ara os arâmeros do modelo. Noa-se que a codção de esacoaredade se verfca os.45 [ ]. Porao ajusou-se um modelo ero auoregressvo de rmera ordem e calculou-se os valores das meddas de dscreâca. O ouu com as esmavas dos arâmeros do modelo é areseado a abela 3.. 6

80 Tabela 3.: Ouu do WBUGS com as esmavas dos arâmeros do modelo auoregressvo ero de rmera ordem da sére Y Na fgura 3. são areseados os gráfcos das desdades margas a oseror dos arâmeros do modelo. Aqu ode-se comrovar as coclusões da aálse efecuada o óco 3.. ) em que a dsrbução margal do arâmero θ é uma dsrbução - Sude com 3 ^ ( 4) 99 graus de lberdade equao a dsrbução margal do arâmero τ é ão em uma forma fecada. Fgura 3.: Gráfcos das desdades margas a oseror dos arâmeros do modelo auoregressvo ero de rmera ordem da sére Y O modelo auoregressvo ero de rmera ordem ecorado elo WBUGS é: com.65. o K (..4.).67 6

81 3.3 Processos de médas móves de valor ero O rocesso de médas móves de valor ero INMA(q) q order INeger valued Movg Average é uma adaação do rocesso MA(q) em que subsu-se a oeração mullcação usual ela oeração g defda o óco aeror. McKeze (986) roduzu o rocesso INMA() ara dsrbuções margas geomérca e bomal egava fazedo uma aaloga a um rocesso couo com dsrbução margal exoecal rooso or Lawrece e Lews (98). Dos aos mas arde Mackeze (98) desevolveu o rocesso de médas móves de valor ero de rmera ordem ara a dsrbução margal de Posso. Um rocesso esocásco dscreo de valor ero ão egavo { Y } dz-se um rocesso de coagem INMA() se sasfaz a codção o ( 3.3.) ode ] ] a oeração o é a oeração g bomal defda em ( 3..) e { } é uma sucessão de varáves aleaóras eras ão egavas deedees e decamee dsrbuídas com méda µ varâca fa. σ e deedees de E Para o rocesso INMA() o valor eserado ode escrever-se como ( Y ) E( o ) E( ) E( o ) µ E( ) µ µ ( ) µ ( 3.3.) ode a eúlma gualdade deve-se à roredade ( ) da oeração g bomal. A varâca é dada or Var ( ) Y Var o Var Var o Var U σ 6

82 σ Var E σ Var σ Var o B( ) B( ) ( 3.3.3) [ ] E[ ( ) ] [ ] E( ) σ ( ) σ µ E Var o σ µ Al-Os e Alzad (988) rouseram uma exesão ara a ordem q INMA(q): o o... o ( 3.3.4) q q ode { } é defdo como em ( 3.3.) [ ]... q. q As suas roredades de valor médo varâca e fuções auocovarâca e auocorrelação foram esudados or Al-Os e Alzad (988). Já Brääs e Hall () esudaram a esmação dos arâmeros do modelo de ordem q usado os méodos de Yule- Walker mímos quadrados codcoas e méodo dos momeos geeralzados. Em 998 Hall (988) desevolveu uma classe de modelos de coagem GINMA (Geeralzed INeger Movg Average). Nese rabalo Hall esudou as roredades báscas do modelo esmação dos arâmeros e roredades dos esmadores. A geeralzação ara a ordem fa INMA( ) é obda aravés da equação ode em muas ocasões o ( 3.3.5) é cosderado uáro e { } é defdo como em (.3.) 3. Hall esudou a obeção do INMA( ) aravés do INAR() ulzado a exressão ( 3.3.5). Neal e Subba Rao (4) fzeram uma aálse da mlemeação da meodologa MCMC ara a aálse baesaa de modelos eros ARMA ( q) usado a ror s uformes ão formavas ara os arâmeros. Por aaloga a abordagem ulzada ara os rocessos INAR serão cosderadas as dsrbuções margas de Posso e geomérca ara os rocessos INMA. Na aálse fea 63

83 ese rocesso fez-se uma adaação dessa meodologa areseada or Neal e Subba Rao (4) Iferêca baesaa ara rocessos INMA() de Posso Cosdera-se o rocesso de médas móves auo-regressvo de valor ero de rmera ordem INMA() dado or: o ( 3.3..) ode a oeração o é a oeração g bomal ] ] e { } é uma sucessão de varáves aleaóras de Posso de arâmero ão correlacoadas e deedees de. Rereseado o or v e ara a exressão (.3..) 3 ode ser reescra a forma Suoa-se e ( ) K v ( 3.3..). com coecdo e ulo eão ara a fução verosmlaça da amosra (... ) l é dada or ( ) l( v e ) l( v ) ( ) Verfca-se que a úlma exressão é uma covolução da dsrbução bomal de arâmeros e com a dsrbução de Posso de arâmero orao l ( v ) l( ) l( v ) e v ( ) v (.3..4) C. 3! v Cosderado a dsrbução bea como dsrbução a ror ara o arâmero e a dsrbução gama como dsrbução a ror ara o arâmero so é em-se e a b ( ) ( ) ~ Be( a b) a b > 64

84 c ( ) ex( d) ~ Ga( c d ) c d >. Suodo e deedees a dsrbução a ror cojua é dada or c a b ( ) ex( d) ( ) ( ) ode > < < e os erarâmeros a b c e d são coecdos e osvos. Assm a dsrbução a oseror cojua calculada de acordo com o eorema de Baes é obda aravés do cálculo dada or! c a b v v ( ) ex[ ( ) ] ( ) d C ( ). ( ) Iegrado ( ) em ordem a a dsrbução margal a oseror ara é v v c a b v ( ) ex[ ( d ) ] ( ) C ( ) d.! v dada or Iegrado ( ) em ordem a a dsrbução margal a oseror ara é! c a b v v ( ) [ ( d ) ] ( ) C ( ) ex d. v Como se ode verfcar mas uma vez eses egras são muo comlexos e ão se cosegue ober a sua forma fecada orao é ecessáro ulzar a meodologa de Gbbs ara ober as esmavas aroxmadas ara e. Para al devem-se calcular as dsrbuções codcoas comleas ara os arâmeros e. A dsrbução codcoal comlea ara o arâmero é ode c ( ) ex[ ( d ) ] L( ) ( ) 65

85 L v e >.! v ( ) ( ) v C Aalogamee a dsrbução codcoal comlea ara é dada or ode a b v ( ) ( ) ( ) ( ) ( ) v K K v e < <.! ( ) C Agora que são coecdas as dsrbuções codcoas comleas ara os arâmeros ode-se ulzar o algormo de Gbbs ara deermar as esmavas Iferêca baesaa ara rocessos INMA() geomérca Cosdera-se o rocesso auo-regressvo de valor ero de rmera ordem INMA() dada or: o ( 3.3..) ode a oeração o é a oeração g bomal ] ] e { } é uma sucessão de varáves aleaóras geomérca com méda ão correlacoadas e deedees de. Suoa-se e ( ) K com fução verosmlaça da amosra (... ) l coecdo e ulo eão ara a é dada or ( ) l( v e ) l( ). v ( 3.3..) Verfca-se que a úlma exressão é uma covolução da dsrbução bomal de arâmeros e com a dsrbução geomérca de arâmero orao 66

86 67. v v v C v l l v l Cosdera-se a dsrbução bea como dsrbução a ror ara os arâmeros e so é ~ > b a b a Be b a e ~ > d c d c Be d c Suodo e deedees a dsrbução a ror cojua é dada or d c b a ode < < e os erarâmeros c b a e d são coecdos e osvos. Assm a dsrbução a oseror cojua calculada de acordo com a equação..4 é dada or. v v v d c b a C Como se ode verfcar os egras em ordem a e da exressão são muo comlexos e ão é ossível ecorar a sua forma fecada elo que devem ser calculadas as dsrbuções codcoas comleas ara os arâmeros e. A dsrbução codcoal comlea ara o arâmero é b a L ode v v C v L. Aalogamee a dsrbução codcoal comlea ara é dada or

87 ode c d v v ( ) ( ) K( ) ( ) ( ) K ( ) ( ) C v e < <. Agora que são coecdas as dsrbuções codcoas comleas ara os arâmeros ode-se ulzar o algormo de Gbbs ara deermar as esmavas Iferêca baesaa ara rocessos INMA() de Posso Cosdera-se o rocesso auo-regressvo de valor ero de rmera ordem INMA() dada or: o o ( ) ode a oeração o é a oeração g bomal ] ] e { } é uma sucessão de varáves aleaóras de Posso de arâmero ão correlacoadas e deedees de e. Rereseado o or v e ara a exressão (.3.3.) 3 ode ser reescra a forma Suoa-se e ( ) v K com. v e coecdos ( v v ) a fução verosmlaça da amosra (... ) é dada or l v eão ara ( ) l( v e ) l( v ) Verfca-se que a úlma exressão é uma covolução das dsrbuções bomas de arâmeros ( ) ( ) com a dsrbução de Posso de arâmero orao 68

88 69.! v v v v v v C C e v l l v l sujeas as resrções v v v. Cosderam-se ara e a dsrbução bea bea geeralzada e gama resecvamee como dsrbuções a ror so é ~ > b a b a Be ~ d c Beg e ~ > f e f e Ga. A dsrbução a ror cojua é dada or ex d c d c b a e f ode < < > e os erarâmeros e d c b a e f são coecdos e osvos. Assm a dsrbução a oseror cojua calculada de acordo com o eorema de Baes é dada or [ ]! ex v v v v v v d c d c b a f C C e As dsrbuções codcoas comleas ara os arâmeros e são resecvamee: A d c d b a A d c [ ] ex A e f

89 7 ode! v v v v v v C C A Agora que são coecdas as dsrbuções codcoas comleas ara os arâmeros ode-se ulzar o algormo de Gbbs ara deermar as esmavas Iferêca baesaa ara rocessos INMA() geomérca Cosdera-se o rocesso auo-regressvo de valor ero de rmera ordem INMA() dada or: o o ode a oeração o é a oeração g bomal ] ] e { } é uma sucessão de varáves aleaóras com dsrbução geomérca de arâmero ão correlacoadas e deedees de e. Tal como se fez aerormee er-se-á ara a fução verosmlaça da amosra... v l e v l l. Verfca-se que a úlma exressão é uma covolução das dsrbuções bomas de arâmeros e com a dsrbução geomérca de arâmero orao v v v v v v C C v l l v l Cosderam-se as segues dsrbuções

90 7 ~ > b a b a Be ~ > d c d c Beg e ~ > f e f e Be. A dsrbução a ror cojua é dada or d c d c b a f e ode < < e os erarâmeros e d c b a e f são coecdos e osvos. Assm a dsrbução a oseror cojua é dada or v v v v v v d c d c b a f e C C As dsrbuções codcoas comleas ara os arâmeros e são resecvamee: A d c d b a A d c A f e ode v v v v v v C C A Uma vez coecdas as dsrbuções codcoas comleas ara os arâmeros ode-se ulzar o algormo de Gbbs ara deermar as esmavas.

91 Prevsão Cosdera-se o rocesso de médas móves de valores eros de rmera ordem dada em suoa-se que é reedda a revsão do valor fuuro eão a desdade de dado é e v Y f f Tem-se eão a covolução da dsrbução bomal de arâmeros e com a dsrbução de Posso de arâmero orao a sua fução massa de robabldade é dada or! ex v v v C e v f f ode K. Como a dsrbução baesaa é dada or ρ d d l eão [ ] d d C d C v v v b a c v v v! ex! ex Nese caso o roblema da ferêca redva é mas comlexo comarado com a suação INAR o eao é ossível de ser realzada aravés do méodo de decomosção de Taer (996). Muo sucamee cosse um rocesso de geração de valores ode se começa or gerar valores dos arâmeros a arr da dsrbução a oseror cojua (ese caso é ecessáro a amosragem de Gbbs) e deos uma vez subsuídos em

92 ( ) l geram-se valores de reeddo E[ ] a arr desa dsrbução. O valor revso ˆ ode ser esmado ela méda amosral dos valores obdos. 73

93 74

94 Caíulo 4 Aálse de gruos de macas solares de Paleua Ese caíulo aresea a alcação a um cojuo de valores da aálse baesaa de séres emoras e em or faldade modelar a evolução das macas solares. O cojuo de valores observados forma uma sére emoral Y. O sofware ulzado ese coexo é o WINGUBS. As macas solares surgem como macas o dsco do Sol. A sua esruura ode comorar uma regão ceral (escura) deomada umbra e um cooro aczeado deomado eumbra e odem surgr soladas ou em gruos com dferees asecos e formas. As macas movem-se do mesmo modo ao logo do Sol equao ese roda o seu exo e mudam um eríodo de algus das aé mesmo de ora a ora varado em amao desde equeas (oros) ara gruos grades de macas cobrdo uma vasa área da suerfíce solar que deos de um emo oram-se meores e desaarecem. O emo que decorre desde o ascmeo aé a more de um gruo de maca solar vara de oucos das a ses meses com a medaa meos de duas semaas. Há regsros ceses de observações solares que remoam desde a agudade. Esas observações rovavelmee eram efecuadas a olo u (sem srumeos) em éocas de máxma acvdade solar quado o Sol ecorava-se róxmo ao orzoe ou mesmo em ocasões com évoa. A arr do século XVII com o surgmeo da luea 75

95 Galleu observou o Sol e assm ode-se regsrar as macas erodcamee. Moderas medções ssemácas das macas solares começaram em 835. Rudolf Wolf em 848 ulzou um coefcee de coagem ara quafcar os resulados das observações camado de Relave Suso Numbers (agora desgado o Ieracoal Suso Numbers) como uma medda da acvdade das macas solares. Receemee Ho e Scae (998) roduzram o Grou Suso Number que ulza o úmero de gruos de macas solares observados em vez de gruos e dvduas macas solares. Para lusrar a écca areseada esa secção cosdera-se o úmero de gruos de macas solares dsoíves o-le o Naoal Geoscal Daa Ceer (:// a secção sobre Solar Suso Rego. Os dados são referees ao úmero oal de gruos de macas solares semaas que foram regsradas o observaóro solar Paleua Solar Observaor (Hawa E.U.A.) durae dos aos (99-99) em um oal de 4 observações. Os dados são areseados a Fgura 4.. Fgura 4.: Número de Gruos de macas solares semaas ere 99 e 99 As Tabela 4. coêm as meddas descrvas da sére dos gruos de macas solares. Noe que o úmero de gruos de macas solares em uma semaa ode ser cosderado como o úmero de gruos de macas solares exsees a semaa aeror 76

96 que ão eam desaarecdo com robabldade mas o ovo gruo de maca que aarecem a semaa em curso. Nº de observações Mímo Máxmo Méda Desvo Padrão Macas solares Tabela 4.: Meddas descrvas da sére de gruos de macas solares A fução de auocorrelação amosral e a fução auocorrelação arcal amosral da sére dos gruos de macas solares esão rereseados a Fgura 4.. Pela aalse desas fuções Slva I e al (5) roõe um rocesso INAR() ara modelar eses dados. A escola de é corroborada elo créro AICC ara a selecção a ordem modelos INAR (Slva I 5) que age um valor mímo de 433 ara quado é ermda a varar aé. Fgura 4.: Fuções de auocorrelação e auocorrelação arcal amosras Cosdera-se eão um modelo INAR() de Posso dado or o. Ulzado a ersecva baesaa de a ror s cojugadas assuma-se que o arâmero 4 segue uma dsrbução a ror Be ( 4 ) 4 ror Ga ( 4 ). Para valores cas cosdera-se. 5 e o arâmero segue uma dsrbução a e. 77

97 Na Tabela 4. ode-se verfcar o ouu com as meddas esaíscas das esmavas dos arâmeros: Tabela 4.: Ouu do WBUGS com as esmavas dos arâmeros do modelo INAR() ara o umero de gruos de macas solares. Na Fgura 4.3 em-se as dsrbuções margas a oseror ara os arâmeros do modelo INAR() ara os dados: Fgura 4.3: Gráfcos das dsrbuções margas a oseror dos arâmeros do modelo INAR() 78

Receita do Método da Aproximação Polinomial Global Aplicado a Problemas. Unidirecionais sem Simetria

Receita do Método da Aproximação Polinomial Global Aplicado a Problemas. Unidirecionais sem Simetria Recea do Méodo da Aromação olomal Recea do Méodo da Aromação olomal Global Alcado a roblemas Esruura Geral do roblema: Udrecoas sem Smera y y y F y o domío : 0 < < e >0. Suea às codções de cooro: CC: G

Leia mais

Nº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625

Nº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625 Capíulo Problema 0 Nº de sucessos 0 4 5 0,0 0, 0,4 0,6 0,8,0 P 0,77 0,4096 0,048 0,05 0,0064 0,000 E 0, p ; 0,0 5 Problema 0 4 0 5 00 400 Lme superor de 0,05 0,0 0,005 0,00065 Lme superor de p^ 0,00 0,05

Leia mais

A DESIGUALDADE DE CHEBYCHEV HÉLIO BERNARDO LOPES 1

A DESIGUALDADE DE CHEBYCHEV HÉLIO BERNARDO LOPES 1 A DESIGUALDADE DE CHEBYCHEV HÉLIO BERNARDO LOPES Resumo. A desgualdade de Chebychev cosu um resulado de grade mporâca a esmação da probabldade de acoecmeos orudos de experêcas aleaóras de que se descohece

Leia mais

1. Estatística Descritiva

1. Estatística Descritiva . Esaísca Descrva Tabelas de Frequêcas a. Dados qualavos ou quaavos quado os valores se reee Frequêca absolua sles (F ) úero de vezes que cada valor dso da varável observada se reee (,, ). Te-se que: F

Leia mais

Grupo I (Cotação: 0 a 3 valores: uma resposta certa vale 1,5 valores e uma errada 0,50 valores)

Grupo I (Cotação: 0 a 3 valores: uma resposta certa vale 1,5 valores e uma errada 0,50 valores) INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísca II - Lcecaura em Gesão Época de Recurso 5// Pare práca (quesões de escolha múlpla) (6 valores) Nome: Nº Espaço reservado para a classfcação (ão escrever

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

1. Tensão Uma das repostas do MC ao carregamento

1. Tensão Uma das repostas do MC ao carregamento Dscla RM-LEG, Z. Drovová, DEC/FCT/UNL, 6. Tesão Ua das reosas do MC ao carregaeo. Vecor das esões forças eras ssea ssea core ssea A F F - ssea ssea ssea B Cojuo( ssea + ssea ) esá e equlíbro Cojuo( ssea

Leia mais

Contabilometria. Números-Índices

Contabilometria. Números-Índices Coablomera Números-Ídces Foes: Seveso (1981) Esaísca Alcada à Admsração Ca. 15 Foseca, Mars e Toledo (1991) Esaísca Alcada Ca. 5 Números-Ídces Sezam modfcações em varáves ecoômcas durae um eríodo de emo

Leia mais

2-TRANSFORMAÇÃO DE COORDENADAS: PARÂMETROS DE REPRESENTAÇÃO

2-TRANSFORMAÇÃO DE COORDENADAS: PARÂMETROS DE REPRESENTAÇÃO 2-TANSFOMAÇÃO DE COODENADAS: PAÂMETOS DE EPESENTAÇÃO 2.1 Cosseos Dreores e a Mar de oação Seam dos ssemas caresaos um de referêca e ouro fo um corpo rígdo defdos pelos ssemas ( e ( respecvamee que são

Leia mais

Contabilidade Social Carmen Feijó [et al.] 4ª edição

Contabilidade Social Carmen Feijó [et al.] 4ª edição Coabldade Socal Carme Fejó [e al.] 4ª edção CAPÍTULO 7 NÚMEROS ÍNDCES Professor Rodrgo Nobre Feradez Peloas 4 rodução Ese caíulo aresea a eora básca dos úmeros-ídce Se rocura esabelecer as lgações ere

Leia mais

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de

Leia mais

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z)

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z) Exemplo pág. 28 Aplcação da dsrbução ormal Normal reduzda Z=(9 2)/2=,5 Φ( z)= Φ(z) Subsudo valores por recurso à abela da ormal:,9332 = Φ(z) Φ(z) =,668 Φ( z)= Φ(z) Φ(z) =,33 Φ(z) =,977 z = (8 2)/2 = 2

Leia mais

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

Leia mais

Análise de Dados e Probabilidade B Exame Final 2ª Época

Análise de Dados e Probabilidade B Exame Final 2ª Época Aálse de Dados e obabldade B Eame Fal ª Éoca Claa Cosa Duae Daa: / /7 Cáa Feades Duação: hm edo Chaves MORTATE: Esceva o ome e úmeo o cmo de cada folha Resoda a cada guo em folhas seaadas, caso ão esoda

Leia mais

TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO

TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO CAPÍTULO 7 TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO 7.1 INTRODUÇÃO Vaos cosderar o caso de u oor de dução dusral, aleado por esões rfáscas balaceadas. Tal oor e a caracerísca orque-velocdade represeada

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Sistemas Série-Paralelo e

Sistemas Série-Paralelo e Capíulo 5 Cofabldade de semas ére-paralelo e Msos Flávo. Foglao uposções comus a odos os ssemas aalsados Cofabldade de ssemas é avalada um poo o empo; ou seja, compoees apreseam cofabldades esácas em.

Leia mais

Teoria das Comunicações

Teoria das Comunicações Teora das Comucações.6ª Revsão de robabldade rof. dré Noll arreto rcíos de Comucação robabldade Cocetos áscos Eermeto aleatóro com dversos resultados ossíves Eemlo: rolar um dado Evetos são cojutos de

Leia mais

EN3224 Dinâmica de Fluidos Computacional

EN3224 Dinâmica de Fluidos Computacional Uversdade Federal do ABC EN34 Dâmca de Fldos Compacoal Apreseação do Crso EN34 Dâmca de Fldos Compacoal Uversdade Federal do ABC Sod s Shock Tbe Problem Um smples modelo de ma dmesoal de m gás rodzdo por

Leia mais

Martingalas: Uma ferramenta em Inferência Estatística

Martingalas: Uma ferramenta em Inferência Estatística V Cogresso Aual Socedade Poruguesa de Esaísca Cura, a 4 de Juho de 997 Margalas: Uma ferramea em Iferêca Esaísca Cláuda Nues, Aóo Pacheco Deparameo de Maemáca e Cero de Maemáca Aplcada Isuo Superor Técco,

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

Cassiano Bragagnolo Vania Di Addario Guimarães Geraldo Sant Ana de Camargo Barros

Cassiano Bragagnolo Vania Di Addario Guimarães Geraldo Sant Ana de Camargo Barros A regra óma de armazeameo de arroz o Brasl Cassao Bragagolo Vaa D Addaro Gumarães Geraldo Sa Aa de Camargo Barros Resumo Ese rabalho preede aplcar um modelo ecoômco dâmco de expecavas racoas para armazeameo

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Engª de Sistemas e Informática Fundamentos de Telecomunicações 2004/2005. Quando a frequência da portadora é constante f ( 3) onde θ

Engª de Sistemas e Informática Fundamentos de Telecomunicações 2004/2005. Quando a frequência da portadora é constante f ( 3) onde θ Egª de Sseas e Ioráca Fudaeos de Telecoucações 004/005 Modulação de ase e de requêca.1 Coceos báscos Dada a oradora susodal, co agulo = A cos θ () ( ()) A sua requêca saâea é obda or dervação de ( dθ ()

Leia mais

Curso de Óptica Aplicada

Curso de Óptica Aplicada Curso de Ópca Aplcada Faculdade de Cêcas e Tecologa Uversdade Nova de Lsboa AT 4 Propagação Deparameo Aula Teórca de Físca 5 Ópca Geomérca Curso de Ópca Aplcada Aula Teórca 4 Propagação Curso de Ópca Aplcada

Leia mais

Neo-fisherianos e teoria fiscal do nível de preços

Neo-fisherianos e teoria fiscal do nível de preços Anono Lcha 4/março/07 Neo-fsheranos e eora fscal do nível de preços O objevo desas noas é desacar os prncpas elemenos da abordagem neofsherana e da eora fscal do nível de preços. Desacamos 4 pequenos modelos

Leia mais

Algumas considerações em regressão não linear

Algumas considerações em regressão não linear Algumas cosderações em regressão ão lear Josmar Mazuchel e Jorge Albero Achcar Deparameo de Esaísca, Uversdade Esadual de Margá, Av. Colombo, 5790, 8700-900, Margá, Paraá, Brasl. Deparameo de Esaísca,

Leia mais

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , ,

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , , GABARITO DA TERCEIRA LISTA DE EXERCÍCIOS DE PTC-3 TEORIA DA INFORMAÇÃO E CODIFICAÇÃO Questão Uma fote de formações dscreta e sem memóra emte símbolos A e B com robabldades P(A =,8 e P(B =,. a calcule a

Leia mais

O gráfico abaixo mostra um exemplo das vendas (em unidades vendidas) mensais de um produto. Exemplo de Serie Temporal mes

O gráfico abaixo mostra um exemplo das vendas (em unidades vendidas) mensais de um produto. Exemplo de Serie Temporal mes Modelos de Prevsão Irodução Em omada de decsão é basae comum raar problemas cujas decsões a serem omadas são fuções de faos fuuros Assm, os dados descrevedo a suação de decsão precsam ser represeavos do

Leia mais

ESTABILIDADE NA MÉDIA QUADRÁTICA DE SISTEMAS LINEARES COM SALTOS MARKOVIANOS EM TEMPO CONTÍNUO VIA MÉTODO DE PLANOS DE CORTE E ALGORITMO GENÉTICO

ESTABILIDADE NA MÉDIA QUADRÁTICA DE SISTEMAS LINEARES COM SALTOS MARKOVIANOS EM TEMPO CONTÍNUO VIA MÉTODO DE PLANOS DE CORTE E ALGORITMO GENÉTICO ESABILIDADE A MÉDIA QUADRÁICA DE SISEMAS LIEARES COM SALOS MARKOVIAOS EM EMPO COÍUO VIA MÉODO DE PLAOS DE CORE E ALGORIMO GEÉICO VALESKA M. DE SOUZA, AOIO A. M. RAPOSO.. Deparameo de Maemáca, Uversdade

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

Conceitos fundamentais

Conceitos fundamentais CF Coceo fdamea Exem parâmero qe caracerzam o a e qe permem a comparação ere ele. Valor médo Para m al qe e repee com m deermado ervalo peródco a expreão para calclar o valor médo ambém é ea. < < Ex: A

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

Leia mais

Manual de Estatística Descritiva, Probabilidade e Inferência Estatística. Frequência Relativa % (f r )

Manual de Estatística Descritiva, Probabilidade e Inferência Estatística. Frequência Relativa % (f r ) Maual de Eaíca Decrva, robabldade e Ierêca Eaíca Tabela 3 Drbução de reuêca acumulada Varável o de ervço Freuêca bolua Freuêca bolua cumulada F Freuêca Relava % r Freuêca Relava cumulada % F r reuêca relava

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Métodos AiBi e Logístico para projeção de pequenas áreas: uma aplicação para a microrregião de Angicos RN

Métodos AiBi e Logístico para projeção de pequenas áreas: uma aplicação para a microrregião de Angicos RN Méodos AB e Logísco para projeção de pequeas áreas: uma aplcação para a mcrorregão de Agcos RN Crsae Slva Corrêa CEDELAR/UFMG e UFRN Luaa Juquera Das Myrrha CEDELAR/UFMG e UFRN Moema Fígol CEDELAR/UFMG.

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

Sinais contínuos e discretos. Sinais contínuos. Sinais: o que são? Sinais. Os sinais traduzem a evolução de uma grandeza ao longo do tempo.

Sinais contínuos e discretos. Sinais contínuos. Sinais: o que são? Sinais. Os sinais traduzem a evolução de uma grandeza ao longo do tempo. Sas coíuos e dscreos Sas orge s. marques orge s. marques Sas: o que são? Sas coíuos Os sas raduzem a eolução de uma gradeza ao logo do empo empo : IR IR ou : [ab] IR ou do espaço Um sal dz-se coíuo se

Leia mais

THIAGO SCARINI FERRARI APLICAÇÃO DE NÚMEROS ÍNDICES NO CÁLCULO DA CESTA BÁSICA

THIAGO SCARINI FERRARI APLICAÇÃO DE NÚMEROS ÍNDICES NO CÁLCULO DA CESTA BÁSICA 0 THIAGO SCARINI FERRARI APLICAÇÃO DE NÚMEROS ÍNDICES NO CÁLCULO DA CESTA BÁSICA SÃO JOSÉ DO RIO PRETO 2017 1 THIAGO SCARINI FERRARI APLICAÇÃO DE NÚMEROS ÍNDICES NO CÁLCULO DA CESTA BÁSICA Dsseração areseada

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

AJUSTAMENTO DE CURVAS E MODELOS ESTOCÁSTICOS: ABUSOS DO MÉTODO DOS MÍNIMOS QUADRADOS

AJUSTAMENTO DE CURVAS E MODELOS ESTOCÁSTICOS: ABUSOS DO MÉTODO DOS MÍNIMOS QUADRADOS AJUSTAMENTO DE CURVAS E MODELOS ESTOCÁSTICOS: ABUSOS DO MÉTODO DOS MÍNIMOS QUADRADOS CURVE FITTING AND STOCHASTIC MODELS: ABUSES OF THE LEAST SQUARES METHOD. INTRODUÇÃO Muas vezes dspõe-se de um modelo

Leia mais

Engª de Sistemas e Informática Fundamentos de Telecomunicações 2004/ Modulação analógica da amplitude de portadora sinusoidal

Engª de Sistemas e Informática Fundamentos de Telecomunicações 2004/ Modulação analógica da amplitude de portadora sinusoidal Egª de semas e Iormáca Fudameos de Telecomucações 004/005 Modulação aalógca da amlude de oradora susodal. Irodução Nos ssemas de comucação os sas mesagem são rasmdos de um oo ara ouro aravés de um caal

Leia mais

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão

Leia mais

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplcação com um modelo Webull de rês parâmeros DANIELE DA ROCHA FONSECA UNIVERSIDADE ESTADUAL DO NORTE FLUMINENSE

Leia mais

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplcação com um modelo Webull de rês parâmeros DANIELE DA ROCHA FONSECA UNIVERSIDADE ESTADUAL DO NORTE FLUMINENSE

Leia mais

Métodos tipo quadratura de Gauss

Métodos tipo quadratura de Gauss COQ-86 Métodos Numércos ara Sstemas Algébrcos e Dferecas Métodos to quadratura de Gauss Cosderado a tegração: Método de quadratura de Gauss com otos teros I f d a ser comutada com a maor recsão ossível

Leia mais

Universidade de Aveiro Departamento de Matemática. Aurélio de Jesus Correia Barbosa Vicente. Métodos de Aproximação Numérica usando o Matlab

Universidade de Aveiro Departamento de Matemática. Aurélio de Jesus Correia Barbosa Vicente. Métodos de Aproximação Numérica usando o Matlab Uversdade de Avero Deparameo de aemáca Aurélo de Jesus Correa Barbosa Vcee éodos de Apromação Numérca usado o alab Uversdade de Avero Deparameo de aemáca Aurélo de Jesus Correa Barbosa Vcee éodos de Apromação

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

2.4. Grandezas Nominais e Reais

2.4. Grandezas Nominais e Reais 2.4. Gradezas Nomas e Reas rcpas varáves macroecoómcas (IB, C, G, I, X, Q,...): sedo agregações, são ecessaramee valores moeáros Calculadas a preços correes / em valor / em ermos omas, Mas eressa, frequeemee,

Leia mais

MODELOS NEURAIS AUTÔNOMOS PARA PREVISÃO DE CARGA ELÉTRICA VITOR HUGO FERREIRA, ALEXANDRE P. ALVES DA SILVA

MODELOS NEURAIS AUTÔNOMOS PARA PREVISÃO DE CARGA ELÉTRICA VITOR HUGO FERREIRA, ALEXANDRE P. ALVES DA SILVA MODELOS EURAIS AUTÔOMOS PARA PREVISÃO DE CARGA ELÉTRICA VITOR HUGO FERREIRA, ALEXADRE P. ALVES DA SILVA Laboraóro de Ssemas de Poêca - LASPOT, Dearameo de Egehara Elérca, Uversdade Federal do Ro de Jaero

Leia mais

MIGRAÇÃO REVERSA NO TEMPO DE SUPER-SISMOGRAMAS VISANDO OBJETIVOS LOCALIZADOS NOS FLANCOS E ABAIXO DE DOMOS SALINOS.

MIGRAÇÃO REVERSA NO TEMPO DE SUPER-SISMOGRAMAS VISANDO OBJETIVOS LOCALIZADOS NOS FLANCOS E ABAIXO DE DOMOS SALINOS. MIGRAÇÃO REVERSA NO TEMPO DE SUPER-SISMOGRAMAS VISANDO OBJETIVOS LOCALIZADOS NOS FLANCOS E ABAIXO DE DOMOS SALINOS Jorge Lu Cosa DISSERTAÇÃO SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS PROGRAMAS DE PÓS

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Aula 4. Interferência. - Refração e Lei de Snell: frequência e comprimento de onda - Mudança de fase - Experimento de Young

Aula 4. Interferência. - Refração e Lei de Snell: frequência e comprimento de onda - Mudança de fase - Experimento de Young Aula 4 Ierferêca - Refração e e de Sell: frequêca e comprmeo de oda - Mudaça de fase - Expermeo de Youg Refração e e de Sell Já vmos a e de Sell: s s ode c v Frequêca e Comprmeo de Oda a Refração Temos:

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

3 Modelo de Amortecimento Direto

3 Modelo de Amortecimento Direto 3 Modelo de Amorecmeno Dreo 3. Inrodução Alguns os de séres não aresenam bons resulados quando modeladas or funções uramene olnomas. As séres sazonas aresenam esse o de roblema, e denre elas, as séres

Leia mais

O consumo de alimentos e o bem-estar do consumidor em Campo Grande MS

O consumo de alimentos e o bem-estar do consumidor em Campo Grande MS Isuções, Efcêca, Gesão e Coraos o Ssema Agrodusral O cosumo de almeos e o bem-esar do cosumdor em Camo Grade MS Aderso Texera Bees CPF 7854485 Mesre em Agroegócos Uversdade Federal de Mao Grosso do Sul

Leia mais

( ) ( ) Es'mador de Máxima-Verossimilhança. ,θ i. L( Θ; X) = f ( X;Θ) = f (x i

( ) ( ) Es'mador de Máxima-Verossimilhança. ,θ i. L( Θ; X) = f ( X;Θ) = f (x i 5.. Esmador de Máxma-Verossmlhaça O prcípo básco do esmador de Máxma-Verossmlhaça cosste a obteção de esmavas de parâmetros populacoas de uma desdade de uma varável aleatóra a parr de um cojuto de formações

Leia mais

5 Cálculo Diferencial em IR n

5 Cálculo Diferencial em IR n 5 Cálculo Derecal e IR Irodução Cosdereos a órula que os dá a área de u raulo: b h A b h Coo podeos vercar a área de u râulo depede de duas varáves: base b e alura h. Podeos caracerar esa ução coo sedo

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

Leia mais

Formulação Conservativa X Não-Conservativa para Sistemas Hiperbólicos. Prof. Diomar Cesar Lobão UFF - Volta Redonda, RJ Nov 2008

Formulação Conservativa X Não-Conservativa para Sistemas Hiperbólicos. Prof. Diomar Cesar Lobão UFF - Volta Redonda, RJ Nov 2008 ormuação Coservava X ãocoservava para Ssemas Hperbócos Prof. omar Cesar Lobão U Voa Redoda, RJ ov 8 ovação: Apcações Ídce éodo ãocoservavo éodo Coservavo efção do Probema de Rema éodo de fereças as para

Leia mais

CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS

CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS Ca. 1 1 Problea SH1 Cosderar ua resstêca de gerâo de to co 1 de secção e 1 c de coreto que a 300 K areseta ua resstêca de 0 Ω. a) Calcular o valor da desdade de urezas,

Leia mais

DISPOSITIVOS ELECTRÓNICOS. Problemas Resolvidos

DISPOSITIVOS ELECTRÓNICOS. Problemas Resolvidos DISPOSITIVOS ELECTRÓNICOS Probleas Resolvdos CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS Ca. 1 1 Problea SH1 Cosderar ua resstêca de gerâo de to co 1 de secção e 1 c de coreto que a 300 K areseta ua resstêca

Leia mais

Eletromagnetismo II 1 o Semestre de 2007 Noturno - Prof. Alvaro Vannucci

Eletromagnetismo II 1 o Semestre de 2007 Noturno - Prof. Alvaro Vannucci leomagesmo II o Semese de 7 Nouo - Pof. Alvao Vaucc 3 a aula /ab/7 Vmos: Odas sfécas (vácuo: = Ψ (modo T e B = ( ψ ω c ' = ω B ' = ψ c ( ψ (modo TM ; ω Ψ + Ψ = sedo que ψ sasfaz: c (equação scala de Helmholz

Leia mais

Capítulo 4. FLUXO DE TRÁFEGO - RELAÇÕES BÁSICAS

Capítulo 4. FLUXO DE TRÁFEGO - RELAÇÕES BÁSICAS 1 Caíulo 4. FLUXO DE RÁFEGO - RELAÇÕES BÁSICAS A arefa fudameal de uma eora do Fluxo de ráfego é o esabelecmeo de relações áldas ere as aráes de eresse. Os resulados báscos dese esforço são o coeúdo relaado

Leia mais

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

CONFIABILIDADE EM ENGENHARIA

CONFIABILIDADE EM ENGENHARIA UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA DEPARTAMENTO DE PROJETO MECÂNICO Dscpla: IM 46 CONFIABILIDADE EM ENGENHARIA Auora: Profa. Dra. Kaa Lucches Cavalca Revsão: Zlda de Casro

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

6. Inferência para Duas Populações USP-ICMC-SME 2013

6. Inferência para Duas Populações USP-ICMC-SME 2013 6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes

Leia mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira)

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira) Módulo : Méodos Numércos Equações dferencas ordnáras problemas de valores ncas e problemas de condções-fronera Modelação Compuaconal de Maeras -5. Equações dferencas ordnáras - Inrodução Uma equação algébrca

Leia mais

(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I

(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I MÉTOO OSS Seja agora uma estrutura de ós fxos duas vezes hergeométrca,.e. tal que os ós ão sofrem qualquer deslocameto de traslação e cotem ós com cógtas de rotação.. cos. cos etermemos os esforços mometos

Leia mais

UNIVERSIDADE ESTADUAL PAULISTA

UNIVERSIDADE ESTADUAL PAULISTA UNIVERSIDADE ESADUAL PAULISA Uesp FACULDADE DE ENGENHARIA DE ILHA SOLEIRA DEPARAMENO DE ENGENHARIA MECÂNICA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA ÉCNICA DE IDENIFICAÇÃO DE PARÂMEROS NO DOMÍNIO

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

1. Revisão Matemática

1. Revisão Matemática 1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

EN3604 FILTRAGEM ADAPTATIVA

EN3604 FILTRAGEM ADAPTATIVA EN3604 FILTRAGEM ADAPTATIVA Processameno de Snas em Arranjos Técncas de processameno consderando snas provenenes de um grupo de sensores espacalmene dsrbuídos. Poencal para melhorar SNR/ Cancelameno de

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Solução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI)

Solução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI) Solução numérca de equações derencas ordnáras Problema de valor ncal PVI 4 5 Inrodução 4 5 Uma equação derencal ordnára é denda como uma equação que envolve uma unção ncógna e algumas das suas dervadas

Leia mais

APRESENTAÇÃO. Ms. Thiago Bindilatti Inforsato Dr. Roberto Chust Carvalho Dr. Marcelo de Araújo Ferreira

APRESENTAÇÃO. Ms. Thiago Bindilatti Inforsato Dr. Roberto Chust Carvalho Dr. Marcelo de Araújo Ferreira PRESENTÇÃO CÁLCULO E VERIFICÇÃO D RDUR LONGITUDINL DE VIGS PRÉ-TRCIONDS CO SEÇÃO COPOST E CONSIDERNDO S PERDS PROGRESSIVS DE PROTENSÃO. uores: s. Thao Bndla Inforsao Dr. Robero Chus Carvalho Dr. arcelo

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

1. Tensão Uma das repostas do MC ao carregamento. F r. forças internas. 1. Vector das tensões. sistema 3. sistema 2. sistema 1. sistema 2.

1. Tensão Uma das repostas do MC ao carregamento. F r. forças internas. 1. Vector das tensões. sistema 3. sistema 2. sistema 1. sistema 2. 1. Tesão Ua das eosas do MC ao caegaeo 1. Veco das esões foças eas ssea 1 ssea coe ssea 1 A F F - ssea 3 ssea 3 ssea B Cojuo( ssea 1 ssea ) esá e equlíbo Cojuo( ssea 1 ssea 3) esá e equlíbo Cojuo( ssea

Leia mais

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s O oder da matemátca tca ou A matemátca tca como metáfora Ru Vlela Medes CMAF, ICC, CFN Soluções dos TPC s Curso o Mestrado de Comlexdade,, ISCTE, Ivero 007 07-03 03-007 TPC Dados ( I(I(,,, N ( I(/N, /N,,,

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Uma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória.

Uma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória. Prof. Lorí Viali, Dr. viali@ma.ufrgs.br hp://www.ma.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X R x = X(s) X(S) Uma fução X que associa a cada elemeo de S (s S) um úmero real x = X(s) é deomiada

Leia mais

Plano de aula. ECG com ruído: o que fazer? Motivação / Importância. Importância. Aplicações. Sinais aleatórios: aplicações em sinais biomédicos

Plano de aula. ECG com ruído: o que fazer? Motivação / Importância. Importância. Aplicações. Sinais aleatórios: aplicações em sinais biomédicos Sas aleaóros: aplcações em sas bomédcos Sérgo S Furue Plao de aula Movação: o que é e para que serve? Tpos de sas e represeação de sas Ruídos Processos esocáscos e ergódcos pdf Operador depedees Correlação/correlação

Leia mais

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1 NOTA BREVE SOBRE O CONCEITO DE MÉDIA O coceto de méda surge de modo abudate a dscla de Métodos Estatístcos, resete em mutos cursos de lcecatura de sttuções de eso sueror. Surge, de gual modo, em domíos

Leia mais

EXEMPLO 3 - CONTINUAÇÃO

EXEMPLO 3 - CONTINUAÇÃO AJUSTE A U POLINÔIO Se curv f for jusd um polômo de gru, eremos f * () 0 Segudo o mesmo procedmeo eror, chegremos o segue ssem ler: m L O L L 0 EXEPLO Os ddos bo correspodem o volume do álcool ídrco em

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

2. A Medição da Actividade Económica Grandezas Nominais e Reais e Índices de Preços

2. A Medição da Actividade Económica Grandezas Nominais e Reais e Índices de Preços 2. A Medção da Acvdade Económca 2.4. Grandezas Nomnas e Reas e Índces de Preços Ouubro 2007, nesdrum@fe.u. Sldes baseados no guão dsonível no se da cadera 1 2.4. Grandezas Nomnas e Reas e Índces de Preços

Leia mais

5 Avaliação da Eficiência Computacional

5 Avaliação da Eficiência Computacional 5 Avalação da fcênca Compuaconal 5.1 Inrodução É desejado ncorporar o cálculo dos índces de adequação de ações de conrole de ensão ao programa SAN. O programa SAN esá sendo mplemenado com a esruura aual

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais