Referências Bibliográcas
|
|
- Matheus Henrique Aurélio Clementino Braga
- 5 Há anos
- Visualizações:
Transcrição
1 Referências Bibliográcas [1] BOX, G.; JENKINS, G. ; REINSEL, G.. Time Series Analysis, Forecasting and Control. Prentice Hall, New Jersey, [2] BREIMAN, L.; FRIEDMAN, J.; OLSHEN, R. ; STONE, C. J.. Classication and Regression Trees. Belmont Wadsworth Int. Group, New York, [3] CHAN, K.; TONG, H.. On estimating thresholds in autoregressive models. Journal of Time Series Analysis, 7:179190, [4] FAMA, E.. Random walks in stock market prices. Financial Analysts Journal, 51:7580, [5] GREENE, W. H.. Econometrics Analysis. Macmillan Publishing Company, New York, [6] GRANGER, C.; TERÄSVIRTAL, T.. Modelling Nonlinear Economic Relationships. Oxford University Press, Oxford, [7] HAMILTON, J.. Time Series Analysis. Princeton University Press, Princeton, [8] CORRÊA DA ROSA, J.. Modelos de Regressão com Transição Suave Estruturados por Árvores. PhD thesis, PUC-Rio, Departmento de Engenharia Elétrica, Rio de Janeiro, [9] KUAN, C.-M.; LIM, T.. Forecasting exchange rates using feedforward and recurrent neural networks. Journal of Applied Econometrics, 10:347364, [10] LJUNG, G.; BOX, G.. On a measure of lack of t in time series models. Biometrika, 66:265270, [11] LEVENBERG, K.. A method for the solution of certain problems in last squares. Quarterly of Applied Mathematics, 2:164168, 1944.
2 Brasileiro 69 [12] LUUKKONEN, R.; SAIKKONEN, R. ; TERÄSVIRTA, T.. Testing linearity against smooth transition autoregressive models. Biometrika, 75:491499, [13] MEDEIROS, M.; VEIGA, A.. A exible coecient smooth transition time series model. Working Paper Seiries in Economics ans Finance, 360, [14] MARQUARDT, D.. An algorithm for least-squares estimation of nonlinear parameters. SIAM Journal on Applied Mathematics, 11:431441, [15] TERÄSVIRTA, T.. Specication, estimation, and evaluation of smooth transition autoregressive models. Journal of the American Statistical Association, 89:208218, [16] TONG, H.. On a threshold model. In: Chen, C. H., editor, IN PAT- TERN RECOGNITION AND SIGNAL PROCESSING, volumen 5. Sijho Noordho, Amsterdam, [17] TONG, H.; LIM, K.. Threshold autoregression, limit cycles and cyclical data. Journal of the Royal Statistical Society, Series B, Methodological, 42:245292, [18] TONG, H.. Threshold models in non-linear time series analysis. In: Verlag, S., editor, SPRINGER LECTURE NOTES IN STA- TISTICS, volumen 21. Springer Verlag, [19] ZADEH, L.. Fuzzy sets. Information and Control, 8:338353, [20] VAN DIJK, D.; T.TERÄSVIRTA ; FRANSES, P.. Smooth transition autoregressive models. Working Paper Series in Economic and Finance, 380, [21] VAN DIJK, D.; FRANSES, P.. Modelling multiple regimes in the business cycle. Macroeconomic Dynamics, 3:311340, 1999.
3 A Aproximação de Taylor para a Função Logística Para resolver o problema de identicação ocorrido no teste ML, sugerese a aproximação de Taylor de terceira ordem ao redor de γ = 0 para a função logística usada G(s t, γ, c) = e γ(st c), γ > 0 (A-1) 1 + e γ(st c) onde γ é o parâmetro que determina o grau de suavidade da transição e c é o limiar entre dois regimes. A equação geral da aproximação pelo polinômio de Taylor de terceira ordem ao redor de um valor a é dada por f(x) = f(a)+ df 1 d 2 f dx 2! dx x=a (x a)+ 2 x=a (x a) d 3 f 3! dx 3 x=a (x a) 3 +R 3 (x) (A-2) Considerando (A-1), a aproximação ca na forma a seguir G(s t, γ, c) =G(s t, γ, c) + dg (γ 0) + 1 d 2 G (γ 0) 2 + dγ 2! dγ d 3 G (γ 0) 3 + R 3! dγ 3 3 (γ) (A-3) = γ( s t + c) 1 48 γ3 ( s t + c) 3 + R 3 (γ)
4 Brasileiro 71 onde dg = ( s t + c) e γ(st c) ( ) e γ(s t c) 2 ( st + c) dγ 1 + e γ(st c) (1 + e γ(st c) ) 2 = 1 4 ( s t + c) d 2 G = ( s t + c) 2 e γ(st c) 3 ( s t + c) 2 ( ) e γ(st c) 2 dγ e γ(st c) (1 + e γ(st c) ) 2 + ( ) e γ(s t c) 3 ( st + c) (1 + e γ(st c) ) 3 = 0 d 3 G = ( s t + c) 3 e γ(st c) 7 ( s t + c) 3 ( ) e γ(st c) 2 dγ e γ(st c) (1 + e γ(st c) ) ( s t + c) 3 ( e γ(st c)) 3 ( ) e γ(s t c) 4 ( st + c) 3 (1 + e γ(st c) ) 3 6 (1 + e γ(st c) ) 4 = 1 8 ( s t + c) 3 (A-4)
5 B Algoritmo de Levenberg-Marquardt O algoritmo de Levenberg-Marquardt [11] e [14], é um algoritmo de otimização não linear usado para o cálculo de minimização de funções. Este algoritmo é usado especialmente em problemas que requerem o uso de mínimos quadrados não lineares. A função a ser minimizada possui a forma f(θ) = 1 2 n e 2 i (θ) (B-1) onde θ é o vetor de parâmetros de interesse e e = (e 1, e 2,..., e n ) são os resíduos. O algoritmo interativo para a estimação da solução geral de (B-1) é da forma de (B-2) e é chamado de algoritmo do gradiente descendente, pois a rotina de procura pelo valor mínimo é feita com base na direção oposta ao gradiente da função. i=1 θ i+1 = θ i µ f, i = 0, 1,..., i (B-2) Na equação (B-2), parte-se de um valor inicial do vetor de parâmetros θ 0 e, em cada interação i, decrementa-se o vetor θ i, ponderado pelo escalar µ, µ > 0, na direção contrária ao gradiente. Como no ponto de mínimo da soma dos erros quadráticos tem-se f(θ) = 0 e fazendo uso da linearização resultante da aproximação de Taylor do gradiente ao redor do estado atual θ 0 do algoritmo, chega-se a f = f(θ 0 ) + (θ θ 0 ) 2 f(θ 0 ) = 0 (B-3) Desenvolvendo (B-3), obtém-se a regra de atualização para o método de Newton. θ i+1 = θ i ( 2 f(θ i ) 1 ) f(θ i ) (B-4) Fazendo uso da aproximação dos resíduos por funções lineares e
6 Brasileiro 73 considerando-os muito pequenos, pode-se chegar a f(θ) = J(θ) e 2 f(θ) = J(θ) J(θ) (B-5) (B-6) onde J(θ) é o Jacobiano dos resíduos e com relação aos parâmetros θ. O algoritmo de Levenberg-Marquardt é derivado do algoritmo de Newton e apresenta a forma a seguir θ i+1 = θ i (H + µdiag[h]) 1 f(θ i ) (B-7) onde H é a Hessiana aplicada ao ponto θ i.
7 C Testes de Diagnósticos Este apêndice traz a descrição teórica dos testes de diagnósticos usados para validação do modelo STAR-Tree. Os testes abordados são: - Resíduos descorrelatados (C.1) - Não linearidade não remanescente (C.2) C.1 Resíduos Descorrelatados (C-2) Suponha o modelo de regressão da equação (C-1) e o modelo STAR(1) y t = X t θ + ɛ t y t = (α 1 + β 1 y t 1 )G(s t ; γ, c) + (α 2 + β 2 y t 1 )(1 G(s t ; γ, c)) + ɛ t (C-1) (C-2) Fazendo a associação entre as equações (C-1) e (C-2), chega-se a X t = [G(s t ; γ, c) y t 1 G(s t ; γ, c) 1 G(s t ; γ, c) y t 1 (1 G(s t ; γ, c))] θ = α 1 β 1 α 2 β 2 (C-3) O teste proposto para vericação de correlação serial dos resíduos do modelo foi sugerido por Ljung e Box [10]. O teste é do tipo Multiplicador
8 Brasileiro 75 de Lagrange e a hipótese nula avalia a correlação dos resíduos até a ordem m. H 0 : ρ(1) = ρ(2) =... = ρ(m) = 0 H 1 : ρ(1) 0 ou ρ(2) 0 ou... ou ρ(m) 0 (C-4) A estatística de teste (C-5) é construída a partir da regressão de e t, os resíduos do modelo estimado, em X t e, sob a hipótese nula, segue uma distribuição assintótica χ 2 com m graus de liberdade. Q LB = T (T + 2) onde T é o número de observações e r j = é a jésima autocorrelação. m j=1 r 2 j T j TP e te t j t=j+1 TP e 2 t t=1 (C-5) A escolha do valor de m apresenta um problema: caso a ordem escolhida seja pequena, o teste pode não detectar a correlação com ordens superiores, e caso a ordem seja grande, correlações relevantes podem ser diluídas por correlações insignicantes de outras ordens. C.2 Não linearidade não remanescente O teste utilizado aqui, proposto por van Dijk e Franses [21], é do tipo Multiplicador de Lagrange e confronta a hipótese nula de um modelo LSTAR(C-6) contra um modelo MRSTAR(C-7). y t = φ 1x t + (φ 2 φ 1 ) x t G(s t ; γ, c) + ɛ t y t = [φ 1x t G 1 (s 1t ; γ 1, c 1 ) + φ 2x t (1 G 1 (s 1t ; γ 1, c 1 ))]G 2 (s 2t ; γ 2, c 2 )+ (C-6) + [φ 3x t G 1 (s 1t ; γ 1, c 1 ) + φ 4x t (1 G 1 (s 1t ; γ 1, c 1 ))](1 G 2 (s 2t ; γ 2, c 2 )) + ɛ t (C-7) A hipótese nula deste teste é denida como H 0 : γ 2 = 0 ou H 0 : φ 1 = φ 3 e φ 2 = φ 4. Com isso, deve-se recorrer à aproximação de Taylor de terceira ordem da função G 2 (s 2t ; γ 2, c 2 ) ao redor de γ 2 = 0 para contornar o problema de identicação já exposto. A equação abaixo traz este resultado.
9 Brasileiro 76 y t =θ 1x t + θ 2x t G 1 (s 1t ; γ 1, c 1 ) + β 1x t s 2t + β 2x t s 2 2t + β 3x t s 3 2t+ (β 4x t s 2t + β 5x t s 2 2t + β 6x t s 3 2t)G 1 (s 1t ; γ 1, c 1 ) + e t (C-8) onde β i = (β i,1,..., β i,p ), i = 1,..., 6 é função de φ i, i = 1,...4, γ 2 e c 2. A nova hipótese nula passa a ser H 0 : β i = 0, i = 1,..., 6. Sob a hipótese nula, tem-se θ 1 = φ 1, θ 2 = φ 2 φ 1 e e t = ɛ t. A estatística de teste é então obtida através das seguintes etapas: 1. Estimação do modelo LSTAR por mínimos quadrados não lineares e obtenção da soma dos quadrados dos resíduos, SSR 0 = T t=1 ˆɛ2 t sob a hipótese nula. 2. Estimação dos resíduos e t e obtenção da soma dos quadrados de ê t como SSR 1 = T t=1 ê2 t. 3. A estatística de teste sob a hipótese nula seguirá uma distribuição χ 2 com 6(p + 1) graus de liberdade e terá a forma LM = T (SSR 0 SSR 1 ) SSR 0 (C-9) O procedimento é similar para o caso de inclusão de regimes adicionais.
2 Modelos STAR-Tree 2.1 CART
2 Modelos STAR-Tree Este capítulo apresenta os principais conceitos envolvidos na denição do modelo STAR-Tree. Sua origem foi marcada pelos processos autoregressivos com limiar, TAR (Threshold AutoRegressive),
Leia maisReferências Bibliográficas
99 Referências Bibliográficas [1] ANDERSEN, T.G., T. BOLLERSLEV, F.X. DIEBOLD and H. EBENS. The distribution of realized stock return volatility. Journal of Financial Economics, 61, 43 76, 21. [2] BLACK,
Leia mais2 Modelos Não Lineares
Modelos Não Lineares 17 2 Modelos Não Lineares 2.1. Introdução Nos últimos anos, muitos modelos não-lineares para a análise de séries temporais têm sido propostos. Na econometria clássica, os modelos de
Leia maisJoel Maurício Corrêa da Rosa. Projeto de Pesquisa. Departamento de Estatística Setor de Ciências Exatas Universidade Federal do Paraná
Joel Maurício Corrêa da Rosa Projeto de Pesquisa Departamento de Estatística Setor de Ciências Exatas Universidade Federal do Paraná Curitiba 2008 Dinâmicas Não-Lineares em Climatologia e Finanças Autor
Leia maisNeste capítulo apresentam-se os modelos STVAR-Tree, o principal da dissertação, além dos modelos competidores PAR(p) e Neuro-Fuzzy.
4 Metodologia 4.1. Introdução Neste capítulo apresentam-se os modelos STVAR-Tree, o principal da dissertação, além dos modelos competidores PAR(p) e Neuro-Fuzzy. 4.2. Modelo STVAR-Tree O modelo vetorial
Leia mais3 Modelos Não-Lineares
3 Modelos Não-Lineares 3.1. Modelos Não-Lineares Univariados 3.1.1. Modelo TAR O modelo Auto-regressivo com limiar (TAR Threshold Autoregressive) foi proposto inicialmente por Tong (1978). Um pouco mais
Leia maisModelos de Transição Suave para Média e Volatilidade Realizada Aplicados à Previsão de Retornos e Negociação Automática
Camila Rosa Epprecht Modelos de Transição Suave para Média e Volatilidade Realizada Aplicados à Previsão de Retornos e Negociação Automática Dissertação de Mestrado Dissertação apresentada como requisito
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 06 - sistemas não lineares Antonio Oliveira Ricardo Marroquim 1 / 38 laboratório de processamento de imagens tópicos RANSAC métodos iterativos (não-lineares) gradientes
Leia maisMarkov Switching Models. Profa. Airlane Alencar. Depto de Estatística - IME-USP. lane. Ref: Kim e Nelson (1999) e Hamilton (1990)
Markov Switching Models Profa. Airlane Alencar Depto de Estatística - IME-USP www.ime.usp.br/ lane Ref: Kim e Nelson (1999) e Hamilton (1990) 1 Objetivo Mudança nos parâmetros de um modelo de regressão
Leia maisJorge Caiado CEMAPRE/ISEG, Universidade Técnica de Lisboa Web:
CEMAPRE/ISEG, Universidade Técnica de Lisboa Email: jcaiado@iseg.utl.pt Web: http://pascal.iseg.utl.pt/~jcaiado/ 1 Uma série temporal (time series) consiste num conjunto de observações de uma variável,
Leia mais3 Modelos Comparativos: Teoria e Metodologia
3 Modelos Comparativos: Teoria e Metodologia Para avaliar o desempenho do modelo STAR-Tree, foram estimados os modelos Naive, ARMAX e Redes Neurais. O ajuste dos modelos ARMAX e das redes neurais foi feito
Leia mais[1] H.AHN. Log-gamma regression modeling through regression. Communications in Statistics Theory and Methods, 25: , 1996.
Bibliografia [1] H.AHN. Log-gamma regression modeling through regression. Communications in Statistics Theory and Methods, 25:295 311, 1996. [2] AKAIKE, H.. Information theory and an extension of the maximum
Leia maisModelos de Regressão com. Estruturados por Árvores
Joel Maurício Corrêa da Rosa Modelos de Regressão com Transição Suave Estruturados por Árvores TESE DE DOUTORADO DEPARTAMENTO DE ENGENHARIA ELÉTRICA Programa de Pós graduação em Engenharia Elétrica Rio
Leia maisRegressão Local (LOESS)
Regressão Local (LOESS) Wagner Hugo Bonat 14 de novembro de 2007 1 Regressão Local Regressão Local (Loess) é um método não paramétrico que estima curvas e superfícies através de suavização (smoothing).
Leia mais3 Metodologia. resenha de VAN DIJK et al. (2002). 12 Para uma exposição extensiva do uso do modelo STR aplicado a séries macroeconômicas, ver a
3 Metodologia Como explicado acima, o modelo novo-keynesiano não fornece bases teóricas que motivem a existência de não-linearidades na CPNKH. Por isso, optamos por utilizar uma estratégia empírica flexível
Leia maisReferências Bibliográficas
Referências Bibliográficas [1] ANG, A.; PIAZZESI, M.. A no-arbitrage vector autoregression of term structure dynamics with macroeconomic and latent variables. Journal of Monetary Economics, 5(4):745 787,
Leia maisModelo de Regressão Logística com Transição Suave Estruturado por Árvore (STLR-Tree)
Rodrigo Pinto Moreira Modelo de Regressão Logística com Transição Suave Estruturado por Árvore (STLR-Tree) Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do título
Leia maisThiago Rezende Pinto. Aplicação de Modelos Não Lineares em Negociação Automática no Mercado Acionário Brasileiro DISSERTAÇÃO DE MESTRADO
Thiago Rezende Pinto Aplicação de Modelos Não Lineares em Negociação Automática no Mercado Acionário Brasileiro DISSERTAÇÃO DE MESTRADO DEPARTAMENTO DE ENGENHARIA ELÉTRICA Programa de Pósgraduação em Engenharia
Leia mais6 Referências bibliográficas
6 Referências bibliográficas A.D. HALL, H.M.A.; GRANGER, C.W J. A cointegration analysis of treasury bill yields. Review of Economic and Statistics, volume 74:116-126,1992 ANG, A.; PIAZZESI, M. A no-arbitrage
Leia mais6 Referências Bibliográficas
6 Referências Bibliográficas AGUIAR, A.; MARTINS, M. Testing the significance and the non-linearity of the Phillips trade-off in the Euro Area. Empirical Economics, v. 30, n. 3, p. 665-691, 2005. AMEMIYA,
Leia mais6 Referências Bibliográficas
6 Referências Bibliográficas 1 PIRES DE SOUZA, E. J. S.; JARDIM, J. L.; MACEDO, N. J. P. Power System ransient Stability Assessment Using Dynamic Equivalents and ransient Energy Functions, V Symposium
Leia mais6 Referências bibliográficas
6 Referências bibliográficas BARROS, M.; SOUZA, R.C. Regressão Dinâmica. Núcleo de Estatística Computacional. PUC-Rio, 1995. BARROS, M. Processos Estocásticos. Rio de Janeiro. Papel Virtual, 2004. BROCKWELL,
Leia maisVetores Auto-Regressivos (VAR) Cristian Rafael Pelizza Estágio de docência
Vetores Auto-Regressivos (VAR) Cristian Rafael Pelizza Estágio de docência Forma estrutural e reduzida O método VAR busca capturar a interdependência entre múltiplas séries de tempo. Estrutura-se equações
Leia maisCÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS.
CÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS. A. B. B. GIOPATTO 1, E. A. SILVA 2, T. D. MARTINS 1 1 Universidade Federal de São Paulo, Departamento
Leia maisReferências Bibliográficas
Referências Bibliográficas [1] BOLLERSLEV, T. P.. Generalized autoregressive conditional heterocedasticity. Journal of Econometrics, 31:309 328, 1986. 1.3, 2.2.7 [2] BOX, G.; JENKINS, G.. Time Series Analysis,
Leia maisFICHA DE COMPONENTE CURRICULAR
UNIVERSIDADE FEDERAL DE UBERLÂNDIA PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO FICHA DE COMPONENTE CURRICULAR CÓDIGO: FAGEN41037 COMPONENTE CURRICULAR: Tópicos Especiais IV em Gestão Organizacional e Regionalidade
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia maisModelo Linear Generalizado Exponencial Potência
Modelo Linear Generalizado Exponencial Potência Cristian Villegas 1 2 1 Introdução Os modelos lineares normais são amplamente aplicados em diversas áreas do conhecimento para modelar a média de dados contínuos
Leia maisINTRODUÇÃO A ECONOMETRIA
INTRODUÇÃO A ECONOMETRIA Análise de regressão e uso do Eviews Introdução O modelo de regressão linear se utiliza para estudar a relação que existe entre uma variável dependente e uma ou várias variáveis
Leia mais4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Leia maisEconometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
Leia maisEXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO
Cálculo Numérico EXERCICIOS EXTRAIDOS DE PROVAS ANTERIORES o sem/08 EXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO x. Considere a seguinte tabela de valores de uma função f: i 0 f(x i ).50
Leia mais4. Modelagem Proposta
Modelagem roposta 4. Modelagem roposta Uma das conseqüências da privatização dos mercados de energia foi a maior ênfase que passou a ser dada à previsão da curva de carga, isto é, o valor da série de cargas
Leia maisPolinômios homogêneos no estudo de fluidos
Polinômios homogêneos no estudo de fluidos Saulo P. Oliveira Resumo Um polinômio px, y é homogêneo de grau k se ptx, ty t k px, y. Além disso, px, y é harmônico se p. Temos que uma função vetorial fx,
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Leia mais1 Introdução. Problemas Elípticos Assintoticamente Lineares
Problemas Elípticos Assintoticamente Lineares Caíke da Rocha DAMKE; Edcarlos Domingos da SILVA Instituto de Matemática e Estatística, Universidade Federal de Goiás, Campus II- Caixa Postal 131, CEP 74001-970
Leia maisSérie de Textos para Discussão do Curso de Ciências Econômicas
Série de Textos para Discussão do Curso de Ciências Econômicas Texto para Discussão n. 001 STAR unit root test e os preços da cana-de-açúcar no Brasil: evidências empíricas não lineares Cleyzer Adrian
Leia maisDiagnóstico de falhas em sistemas degradados utilizando técnicas de Redes Neurais Artificiais
Diagnóstico de falhas em sistemas degradados utilizando técnicas de Redes Neurais Artificiais Ricardo de Carvalho Destro Volans Informática Ltda Centro Universitário da FEI 04548-005, São Paulo, São Paulo,
Leia maisRedes Neurais e Sistemas Fuzzy
Redes Neurais e Sistemas Fuzzy O ADALINE e o algoritmo LMS O ADALINE No contexto de classificação, o ADALINE [B. Widrow 1960] pode ser visto como um perceptron com algoritmo de treinamento baseado em minimização
Leia maisDEPARTAMENTO DE ENGENHARIA MECÂNICA
DEPARTAMENTO DE ENGENHARIA MECÂNICA Otimização: Algoritmos e Aplicações na Engenharia Mecânica ENG1786 & MEC2403 Ivan Menezes 2018-2 1 EMENTA 1. Introdução 1.1 Definições Básicas 1.2 Classificação dos
Leia maisUma nova taxa de convergência para o Método do Gradiente
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol. 2, N. 1, 2014. Trabalho apresentado no CMAC-Sul, Curitiba-PR, 2014. Uma nova taxa de convergência para o Método
Leia maisAjuste de mínimos quadrados
Capítulo 5 Ajuste de mínimos quadrados 5 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }}
Leia maisCC-226 Introdução à Análise de Padrões
CC-226 Introdução à Análise de Padrões Apresentação do Curso Carlos Henrique Q. Forster 1 1 Divisão de Ciência da Computação Instituto Tecnológico de Aeronáutica 25 de fevereiro de 2008 C. H. Q. Forster
Leia maisUNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade Pós-Graduação PLANO DE DISCIPLINA 2017
PLANO DE DISCIPLINA 2017 Disciplina: Dados em Painel e Modelos Multinível. COD. EAC-5888 Área: Métodos Quantitativos Aplicados. Docentes: Prof. Dr. Luiz Paulo Fávero Prof. Dr. Gerlando Lima 1. Objetivos:
Leia maisVariable selection for linear and smooth transition models via LASSO: comparisons, applications and new methodology
Camila Rosa Epprecht Variable selection for linear and smooth transition models via LASSO: comparisons, applications and new methodology Tese de Doutorado Thesis presented to the Programa de Pós-Graduação
Leia maisMetodologia de Box-Jenkins. Metodologia de Box-Jenkins. Metodologia de Box-Jenkins
Programa de Pós-graduação em Engenharia de Produção Análise de séries temporais: Modelos de Box-Jenkins Profa. Dra. Liane Werner Metodologia de Box-Jenkins Para os modelos de decomposição e os modelos
Leia maisPOLINÔMIOS INTERPOLADORES COMO MÉTODO PREVISOR PARA PREVISÃO DE CURTO PRAZO
POLINÔMIOS INTERPOLADORES COMO MÉTODO PREVISOR PARA PREVISÃO DE CURTO PRAZO Marcelo de Faria (Uni-FACEF) Antônio Carlos da Silva Filho (Uni-FACEF) 1 INTRODUÇÃO A área de análise e previsão de sucessões
Leia maisPROGRAMA DA DISCIPLINA. RCC6004 Métodos Quantitativos Avançados SEMESTRE: 1º/2019 QUARTAS-FEIRAS: 14:00-18:00 HORAS
PROGRAMA DA DISCIPLINA RCC6004 Métodos Quantitativos Avançados SEMESTRE: 1º/2019 QUARTAS-FEIRAS: 14:00-18:00 HORAS Mestrado e Doutorado em Controladoria e contabilidade Prof. Dr. Marcelo Botelho da Costa
Leia maisUm Modelo Híbrido para Previsão de Curto Prazo da Demanda de Gasolina Automotiva no Brasil
Proceedings of the V Brazilian Conference on Neural Networks - V Congresso Brasileiro de Redes Neurais pp. 403 407, April 2 5, 2001 - Rio de Janeiro - RJ - Brazil Um Modelo Híbrido para Previsão de Curto
Leia maisEconometria Semestre
Econometria Semestre 2010.01 174 174 21.4. PROCESSOS ESTOCÁSTICOS INTEGRADOS O passeio aleatório é apenas um caso particular de uma classe de processos estocásticos conhecidos como processos integrados.
Leia maisUm modelo do Método dos Volumes Finitos com malha não estruturada
Trabalho apresentado no III CMAC - SE, Vitória-ES, 015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Um modelo do Método dos Volumes Finitos com malha não estruturada
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário (bootstrap) Este método foi proposto por Efron
Leia maisUma estratégia para minimização de funções com termos modulares via métodos de pontos interiores
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics Vol. N. 0. Trabalho apresentado no CMAC-Sul Curitiba-PR 0. Uma estratégia para imização de funções com termos modulares
Leia mais6 Ajuste de mínimos quadrados
6 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }} n Tipicamente quando m < n esse polinômio
Leia maisUm Algoritmo do Tipo Lagrangeano Aumentado para a Correção das Equações do Problema de Fluxo de Potência
TEMA Tend. Mat. Apl. Comput., 9, No. 1 (2008), 95-104. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Um Algoritmo do Tipo Lagrangeano Aumentado para a Correção das Equações
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.5. Support Vector Machines 2.5. Support Vector Machines (SVM) 2.5.2.
Leia maisMétodo dos Mínimos Quadrados
Universidade Federal da Paraíba Programa de Pós-Graduação em Engenharia Elétrica Método dos Mínimos Quadrados Prof. Juan Moises Mauricio Villanueva jmauricio@cear.ufpb.br www.cear.ufpb.br/juan 1 CASO 1:
Leia maisCONSTRUÇÃO DE INTERVALOS DE PREDIÇÃO PARA REDES NEURAIS VIA REGRESSÃO MULTIV EM SÉRIES HETEROCEDÁSTICAS
recebido em /7 - aprovado em 9/7 CONSTRUÇÃO DE INTERVALOS DE PREDIÇÃO PARA REDES NEURAIS VIA REGRESSÃO MULTIV TIVARIADA E SUA APLICAÇÃO EM SÉRIES HETEROCEDÁSAS CONSTRUCTION OF PREDICTION INTERVALS FOR
Leia maisPREVISÃO DE PREÇO DO QUILO DO CAFÉ ARÁBICA: UMA APLICAÇÃO DOS MODELOS ARIMA E GARCH
VI Simpósio de Pesquisa dos Cafés do Brasil PREVISÃO DE PREÇO DO QUILO DO CAFÉ ARÁBICA: UMA APLICAÇÃO DOS MODELOS ARIMA E GARCH Alan Figueiredo de Arêdes 1 ; Matheus Wemerson Gomes Pereira ; Erly Cardo
Leia maisiv) Processos Estocásticos: definição, exemplos, processos estacionários. vi) Modelos Threshold Autorregressive e Smooth Transition Autorregressive.
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA ECOP 63 ECONOMETRIA III PROF.: MARCELO S. PORTUGAL E FLÁVIO A. ZIEGELMANN PROGRAMA (2015.1) 1. Objetivos O curso de Econometria
Leia maisFICHA DE DISCIPLINA/PROGRAMA
Programa de Pós-Graduação em Economia Mestrado/Doutorado Av. João Naves de Ávila, nº 2121 Campus Stª Mônica Bloco J. CEP 38.400-902 Uberlândia/MG. Telefax: (034) 3239-4315 E-Mail: ppge@ufu.br FICHA DE
Leia maisCinemática Inversa (numérica) Douglas Wildgrube Bertol DEE - Engenharia Elétrica CCT
Cinemática Inversa (numérica) Douglas Wildgrube Bertol DEE - Engenharia Elétrica CCT AS2ROB1 Fundamentos de Robótica Joinville 01/10/2018 Cinemática Inversa sumário Modelo cinemático inverso métodos analíticos
Leia maisOptativa: Linha 2 Carga Horária: 45 hs Créditos: 03
Título: CTS18 Introdução à Simulação Numérica Optativa: Linha 2 Carga Horária: 45 hs Créditos: 03 Ementa: 1. Introdução 2. Análise de Erros 3. Resolução de equações não lineares 4. Resolução de Sistemas
Leia maisThiago Christiano Silva
Thiago Christiano Silva Conteúdo Conceitos Relevantes Problemas de Otimização Conceitos de Estabilidade e Convergência Teoremas de Lyapunov Rede Neural de Hopfield Aplicações do modelo de Hopfield Clusterização
Leia maisII Seminário da Pós-graduação em Engenharia Elétrica
UMA INVESTIGAÇÃO DOS PARÂMETROS NOS MÉTODOS MISTOS DE OTIMIZAÇÃO NÃO LINEAR Ellen Cristina Ferreira Aluna do Programa de Pós-Graduação em Engenharia Elétrica Unesp Bauru Profa. Dra. Edméa Cássia Baptista
Leia mais5.3 Variáveis aleatórias gaussianas conjuntas
M. Eisencraft 5.3 Variáveis aleatórias gaussianas conjuntas 64 respectivamente. São as chamadas funções características marginais: Φ X (ω ) = Φ X,Y (ω,0) (5.0) Φ Y (ω ) = Φ X,Y (0,ω ) (5.) Os momentos
Leia maisPrevisão de Cargas Elétricas através de um Modelo Híbrido de Regressão com Redes Neurais Artificiais
1 Previsão de Cargas Elétricas através de um Modelo Híbrido de Regressão com Redes Neurais Artificiais Thays Abreu, Miguel Paredes, Klayton A. M. Araujo, Mara L. M. Lopes e Anna Diva P. Lotufo, Membro
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia maisAnálise e Previsão de Séries Temporais Aula 2: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 2: Introdução às séries temporais egs@cin.ufpe.br Análise e Previsão de Séries Temporais Aula 1 Agenda Resumo da Aula anterior; Estimação e eliminação dos componentes
Leia maisMétodos Numéricos Interpolação / Aproximação. Renato S. Silva, Regina C. Almeida
Métodos Numéricos Interpolação / Aproximação Renato S. Silva, Regina C. Almeida Interpolação / Aproximação situação: uma fábrica despeja dejetos no leito de um rio; objetivo: determinar a quantidade de
Leia maisRodrigo Bonato Manfredini ELEKTRO - Eletricidade e ServIços S.A
XXII Seminário Nacional de Distribuição de Energia Elétri SENDI 2016-07 a 10 de novembro Curitiba - PR - Brasil Rodrigo Bonato Manfredini ELEKTRO - Eletricidade e ServIços S.A rodrigo.manfredini@elektro.com.br
Leia maisModelo de regressão estável aplicado a econometria
Modelo de regressão estável aplicado a econometria financeira Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br 1 Objetivos
Leia maisMétodo dos Mínimos Quadrados
Método dos Mínimos Quadrados Laura Goulart UESB 4 de Abril de 2019 Laura Goulart (UESB) Método dos Mínimos Quadrados 4 de Abril de 2019 1 / 22 Objetivos O Método dos Mínimos Quadrados (MMQ) é uma técnica
Leia maisMétodo do Lagrangiano aumentado
Método do Lagrangiano aumentado Marina Andretta ICMC-USP 23 de novembro de 2010 Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear 23 de novembro de 2010 1 / 17 Problema com restrições gerais Vamos
Leia maisAnálise de Regressão Linear Múltipla IX
Análise de egressão Linear Múltipla I Aula Gujarati e Porter - Capítulo 8 Wooldridge - Capítulo 5 Heij et al., 004 Seção 4..4 Introdução Ao longo dos próximos slides nós discutiremos uma alternativa para
Leia maisMacroeconometria e a estrutura a termo de taxas de juros - problemas (ainda) em aberto
Macroeconometria e a estrutura a termo de taxas de juros - problemas (ainda) em aberto Márcio Poletti Laurini * RESUMO - Nesta nota discutimos alguns problemas em aberto na estimação de modelos macroeconométricos
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Introdução Solução de equações não lineares
Leia maisSegundo Trabalho de Econometria 2009
Segundo Trabalho de Econometria 2009 1.. Estimando o modelo por Mínimos Quadrados obtemos: Date: 06/03/09 Time: 14:35 Sample: 1995Q1 2008Q4 Included observations: 56 C 0.781089 0.799772 0.97664 0.3332
Leia maisAvaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação
Avaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação Vanessa Siqueira Peres da Silva 1 2 Daniel Furtado Ferreira 1 1 Introdução É comum em determinadas
Leia maisSabendo que f(x) é um polinômio de grau 2, utilize a formula do trapézio e calcule exatamente
MÉTODOS NUMÉRICOS E COMPUTACIONAIS II EXERCICIOS EXTRAIDOS DE PROVAS ANTERIORES EXERCICIOS RESOLVIDOS - INTEGRACAO-NUMERICA - EDO. Considere a seguinte tabela de valores de uma função f x i..5.7..5 f(x
Leia maisUm algoritmo do tipo Lagrangeano aumentado para a correção das equações do problema de. Fluxo de Potência
Um algoritmo do tipo Lagrangeano aumentado para a correção das equações do problema de fluxo de potência. Juliano B Francisco, Mário C. Zambaldi, juliano@mtm.ufsc.br zambaldi@mtm.ufsc.br. Depto de Matemática,
Leia maisModelos Matemáticos de Sistemas
Modelos Matemáticos de Sistemas Introdução; Equações Diferenciais de Sistemas Físicos; Aproximações ineares de Sistemas Físicos; Transformada de aplace; Função de Transferência de Sistemas ineares; Modelos
Leia maisDimensionamento de amostras para regressão logística
Dimensionamento de amostras para regressão logística Arminda Lucia Siqueira 1 Flávia Komatsuzaki 1 Introdução Regressão logística é hoje padrão de análise para muitos estudos da área da saúde cuja variável
Leia maisModelagem Computacional. Parte 8 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 8 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 10 e 11] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisProcessamento digital de imagens
Processamento digital de imagens Agostinho Brito Departamento de Engenharia da Computação e Automação Universidade Federal do Rio Grande do Norte 11 de novembro de 2016 Fluxo óptico Usado para estimar
Leia maisUma Análise de Co-Integração entre Mercados de Ações da América do Sul
Uma Análise de Co-Integração entre Mercados de Ações da América do Sul Autores: Wesley Vieira da Silva, Robert Wayne Samohyl e Newton C. A. da Costa Jr. RESUMO: Este artigo verifica a existência de relacionamento
Leia maisAjuste e comparação de modelos para dados grupados e censurados
Ajuste e comparação de modelos para dados grupados e censurados 1 Introdução José Nilton da Cruz 1 Liciana Vaz de Arruda Silveira 2 José Raimundo de Souza Passos 2 A análise de sobrevivência é um conjunto
Leia maisResolução de sistemas de equações lineares: Método do Gradiente
Resolução de sistemas de equações lineares: Método do Gradiente Marina Andretta ICMC-USP 24 de março de 2015 Marina Andretta (ICMC-USP) sme0301 - Métodos Numéricos para Engenharia I 24 de março de 2015
Leia maisIntrodução ao Processamento Estatístico de Sinais
Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Departamento de Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/
Leia mais3 INTELIGÊNCIA COMPUTACIONAL (IC)
40 3 INTELIGÊNCIA COMPUTACIONAL (IC) Inteligência Computacional é a área da ciência da computação que estuda a teoria e aplicação de técnicas computacionais inspiradas na natureza. Deste modo, tem por
Leia maisMarina Andretta. 17 de setembro de Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright.
Métodos de regiões de confiança Marina Andretta ICMC-USP 17 de setembro de 2014 Baseado no livro Numerical Optimization, de J. Nocedal e S. J. Wright. Marina Andretta (ICMC-USP) sme0212 - Otimização não-linear
Leia maisAula 10 Sistemas Não-lineares e o Método de Newton.
Aula 10 Sistemas Não-lineares e o Método de Newton MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade
Leia maisPROGRAMA DA DISCIPLINA. RCC6004 Métodos Quantitativos Avançados SEMESTRE: 1º/2017 QUARTAS-FEIRAS: 08:00-12:00 HORAS
PROGRAMA DA DISCIPLINA RCC6004 Métodos Quantitativos Avançados SEMESTRE: 1º/2017 QUARTAS-FEIRAS: 08:00-12:00 HORAS Mestrado em Controladoria e contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes mbotelho@usp.br
Leia maisRedes Neurais. A Rede RBF. Redes RBF: Função de Base Radial. Prof. Paulo Martins Engel. Regressão não paramétrica. Redes RBF: Radial-Basis Functions
Redes RBF: Função de Base Radial Redes Neurais A Rede RBF O LP é baseado em unidades que calculam uma função não-linear do produto escalar do vetor de entrada e um vetor de peso. A rede RBF pertence a
Leia maisConceitos Básicos de Séries Temporais para Modelagem Macroeconômica
Conceitos Básicos de Séries Temporais para Modelagem Macroeconômica Material de apoio à aula de RBC Referencia bibliográfica: Introduction to Econometrics G S Maddala e Kajal Lahiri 4a. Edição, John Wiley
Leia maisModelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Leia maisCarga Horária: 80 horas (correspondem a aulas e atividades extra-classe)
Curso: Economia Disciplina: ECONOMETRIA Turma 4ECO Carga Horária: 80 horas (correspondem a aulas e atividades extra-classe) Período Letivo: 2014/1 Professor: Hedibert Freitas Lopes (www.hedibert.org) OBJETIVO:
Leia maisDerivadas direcionais Definição (Derivadas segundo um vector): f : Dom(f) R n R e P 0 int(dom(f)) então
Derivadas direcionais Definição (Derivadas segundo um vector): f : Dom(f) R n R e P 0 int(dom(f)) então Seja D v f(p 0 ) = lim λ 0 f(p 0 + λ v) f(p 0 ) λ v representa a derivada direcional de f segundo
Leia maisAVALIAÇÃO DA QUALIDADE DAS MEDIDAS EXPERIMENTAIS NAS REGIÕES DE CONFIANÇA DOS PARÂMETROS CINÉTICOS ESTIMADOS DE UM SISTEMA COM REAÇÕES EM SÉRIE
AVALIAÇÃO DA QUALIDADE DAS MEDIDAS EXPERIMENTAIS NAS REGIÕES DE CONFIANÇA DOS PARÂMETROS CINÉTICOS ESTIMADOS DE UM SISTEMA COM REAÇÕES EM SÉRIE H. ENZWEILER 1, E. B. COUTINHO 2 e M. SCHWAAB 3 1 Universidade
Leia mais