PREVISÃO DA DEMANDA POR MATRÍCULA NO ENSINO FUNDAMENTAL DE SANTA CATARINA 1
|
|
- Márcio Luiz Felipe Leal Bonilha
- 7 Há anos
- Visualizações:
Transcrição
1 PREVISÃO DA DEMANDA POR MATRÍCULA NO ENSINO FUNDAMENTAL DE SANTA CATARINA 1 Rober W. Samohyl, Ph.D. Professor do Programa de Pós-Graduação Eng. Produção da UFSC Florianópolis-SC samohyl@eps.ufsc.br Amilon Barreo de Bem, Msc. Professor da UNISUL e Mesre Eng. Produção da UFSC amilon@unisul.rc-sc.br RESUMO Ese arigo uiliza-se dos fundamenos da regressão linear dinâmica para esimar a demanda por marícula para cada um dos níveis do Ensino Fundamenal do Esado de Sana Caarina, de modo que possam ser uilizadas para previsões condicionais da evolução fuura das variáveis endógenas, proporcionando subsídios para o processo de formulação, implemenação e avaliação de políicas educacionais adequadas. Os modelos reduzidos finais, obidos por OLS, minimizam o criério de informação de Akaike, caracerizam-se por coeficienes significaivos, e os vários eses de diagnósico, realizados para disribuição dos resíduos, conduzem a resulados robusos do pono de visa esaísico. Palavras chave: Ensino Fundamenal em Sana Caarina, Regressão Linear Dinâmica e Esimações de Demanda por Marícula ABSTRACT This aricle uses conceps in dynamic linear regressio in order o esimae he demand for regisraion for each of eigh years of Grammar School in he Sae of Sana Caarina. The esimaed equaions are used for forecasing he evoluion of he demand for regisraions, giving suppor o
2 2 he process of formulaing, implemening and evaluaing adequae educaional policies. The reduced form models, obained hrough OLS, minimize he Akaike Informaion Crierian and are characerized by significan coefficiens. Several diagnosic ess were realized on he models, wich poin o robus resuls from a saisical poin of view. Key words: Fundamenal Teaching in Sana Caarina, Dynamic Linear Regressio, Esimae he demand for regisraion. 1. INTRODUÇÃO A educação vem assumindo um papel preponderane nas úlimas décadas, passando a ser um dos principais insumos para a elevação da qualidade de vida dos habianes. Tomada como formação de capial humano, em-se na educação, a oporunidade de elevar a produividade nas mais diversas aividades, bem como orienar as aividades econômicas para aquelas mais adequadas à qualificação profissional. Desa forma, um Esado ou município necessia idenificar as reais necessidades de invesimenos em recursos educacionais, permiindo que a população possa ober acesso à qualificação necessária para paricipar de odo o processo de consrução de um Esado ou Município melhor, ou seja, maior índice de crescimeno e desenvolvimeno econômico. Além disso, enre esas necessidades de invesimeno esá a idenificação do número de habianes a serem qualificados. Não obsane as decisões que envolvam os períodos fuuros são necessários, ao gerenciameno das insiuições de ensino, previsões sobre a demanda por marícula, em cada um dos níveis do Ensino Fundamenal em Sana Caarina, permiindo ao governo deecar os recursos necessários a esa clienela. Assim, com base na idenificação da população escolarizável e no acompanhameno sisemáico desas, durane o empo necessário à conclusão do Ensino Fundamenal em Sana Caarina, é possível direcionar recursos para a consrução de novas salas de aula, novas escolas, conraação de professores para os diversos níveis educacionais, denre ouros. A meodologia proposa é a de uso mais freqüene na eoria da previsão, que é a de buscar modelos óimos de previsão baseados em noções de causalidade das variáveis exógenas para as endógenas a serem esimadas.
3 3 Ese rabalho foi dividido em quaro pares. A segunda seção aborda a respeio da modelagem dinâmica. A erceira seção focaliza a análise empírica dos modelos esimados. A quara seção finaliza ecendo breves consideração sobre o que foi abordado. 2. O MODELO DINÂMICO UTILIZADO NO ESTUDO Visando inroduzir os principais indicadores indispensáveis à análise esruural, quano à elaboração de projeções para cada nível do Ensino Fundamenal de Sana Caarina, é necessário descrever cada uma das variáveis a serem uilizadas. Esas variáveis referem-se aos alunos mariculados pela primeira vez e mariculados como repeenes, em cada uma das oio séries do ensino, ao longo de vários anos leivos. O quadro I, a seguir, represena a mariz de informações do fluxo de alunos enre o ano leivo (-1) e (), para cada uma das oio séries de Ensino Fundamenal. Para uma melhor compreensão do modelo de fluxo de alunos, a serem esimados, alguns esclarecimenos, suposições e definições são necessários: os novos ingressos, população discene a ser escolarizada, verificam-se apenas na 1ª série de esudo como se pode inferir a parir desa mariz; os alunos que concluíram a série i (i = 1,..,8), em qualquer empo -k, com (k= 2, 3,..., n) podem reingressar no sisema, na série i+1, no empo, são considerados alunos novos; os alunos reprovados em qualquer série i, evadidos em qualquer empo -k, (com k = 2, 3,..., n) podem reingressar no sisema, na série i, no empo, são considerados alunos novos; os alunos evadidos anes de complear a série i (i = 1,..., 8) em qualquer empo -k, quando reornam ao sisema, na série i, no empo, são considerados novos ingressos; alunos podem por várias razões salar do 1º ano, ou ouros, enrando em séries mais avançadas, desde que já enham ido uma escolarização. Nese rabalho, considera-se que a proporção de alunos que saisfazem esas considerações sejam nula. a população discene é referene, ano ao sisema público, quano ao sisema paricular de ensino; para simplificar o modelo, espera-se que a proporção de alunos que emigram com ransferência, seja igual a proporção de alunos que imigram, com ransferência.
4 4 a migração de alunos da escola pública para paricular, ou vice-versa, não foi levado em consideração dado que o modelo da população discene a ser esimado é independene da dependência adminisraiva. A 0, 1 : novos ingressos: população discene que possui 6 anos de idade ou mais, no empo -1, que se mariculam na 1ª série, pela primeira vez, no sisema de ensino no ano ; M i, : números de alunos mariculados na série i (i = 1, 2,..,8), no empo, a ser esimado; M i, 1 : número de alunos mariculados na série i, no empo -1 (i = 1, 2,.., 8); E : número de alunos evadidos, sem complear a série i, nos empos -k (k=1, 2, 3,..., n), que i, reornaram ao sisema, na série i (i = 1, 2,..., 8); no empo, a ser esimado; E i, 1 : número de alunos evadidos, sem complear a série i, no empo -1 (i = 1, 2,.., 8); 1, A ii, + 1 : número de alunos aprovados na série i, em -1, que efeuam marícula para série i+1, no empo (i = 1, 2,.., 8); 1, R ii, : número de alunos reprovados na série i, em -1, que efeuam marícula, na série i, no empo (i = 1, 2,.., 8); C8, : número de alunos que concluíram a 8ª série do Ensino Fundamenal em -1 (i = 1, 2,. 8); 1 Com base no fluxo de alunos a ser discriminado no quadro I, apresenado a seguir, e levando em consideração as definições esabelecidas para as variáveis, definem-se as seguines idenidades: em linha: M i, 1 = R 1 + i i A 1 + E 1, i (i = 1, 2, 3,.., 7); M 1 = R E C em coluna: k M i, = R + i i k A + k 1 E i (i=1, 2, 3, 4,.., 8; k=1, 2, 3,.., n);
5 5 Quadro I - Fluxo de Alunos enre o ano leivo (-1) e () (1ª a 8ª série - Ensino Fundamenal de Sana Caarina) (-1) Séries - anos () Saídas - ano (-1) 1, Novos () 01, Após 8ª Série Evasão A Toal 1, 1 R 1, 11, A 1 12, E 1 1 M 1 1, 2 R 1, 22, A 1 22, E 1 2 M 2 3 1, R 1, 33, A 1 34, E 1 3 M 3 1, 4 R 1, 44, A 1 45, E 1 4 M 4 1, 5 R 1, 55, A 1 56, E 1 5 M 5 1, 6 R 1, 66, A 1 67, E 1 6 M 6 1, 7 R 1, 77, A 1 78, E 1 7 M 7 1, 8 R 1 88, C 1 8 E 1 8 M 8 Reingresso E1 E 2 E 3 E 4 E 5 E 6 E 8 7 E 1 M 1 M 2 M 3 M 4 M 5 M 6 M 7 M8 C 8 E 1 M 1 Para esimar o modelo de fluxo de alunos, descrio no quadro I acima foram consruídas a parir de esaísicas divulgadas pela Secrearia do Esado de Sana Caarina, séries emporais para cada nível de ensino, correspondenes às variáveis: número anual de alunos mariculados, número anual de alunos aprovados, número anual de alunos reprovados e o número anual de alunos evadidos, para o período compreendido enre 1966 a Para uma melhor compreensão sobre a modelagem dinâmica usada nese esudo, é necessário ecer algumas considerações eóricas a respeio do comporameno das variáveis que compõem a modelagem proposa.
6 6 Considerando que a demanda por marícula em qualquer série i (i = 1, 2,.., 8), no empo, no Ensino Fundamenal do sisema educacional de Sana Caarina é função das seguines variáveis: do número de alunos aprovados na série i-1, nos empos -k (k = 1, 2, 3,.., n); do número de alunos reprovados na série i, nos empos -k (k = 1, 2, 3,..., n); do número de alunos evadidos anes de complear a série i, nos empos -k (k = 1, 2, 3,..., n), propõe-se o uso de modelo linear dinâmico, o qual considera o passado desas variáveis defasadas no empo, para esimar a demanda por marícula na série i, no empo. Levando em cona o veor de variáveis Z i, = {M i,, A i-1,, R i, e E i, } e os efeios descrios acima pode-se expressar M i, como uma combinação linear dos valores defasados no empo da variável M i, e dos valores defasados das variáveis A i-1,, R i, e E i,, ou seja: M i, = n k = 1 ψ km i,-k + n k = 1 α ka i-1,-k + n k = 1 β kr i,-k + n k = 1 λ ke i,-k + ε i, (1) onde a série i = (1, 2,..., 8), o número de defasagens k = (1, 2, 3,..., n), ψ k represenam aleração esperada na variável resposa M i, quando a variável M i,-k sofre um acréscimo uniário, enquano odas as demais variáveis explicaivas são manidas consanes; α k represena aleração esperada na variável resposa M i, quando a variável A i,-k sofre um acréscimo uniário, enquano odas as demais variáveis explicaivas são manidas consanes; β k represena aleração esperada na variável resposa M i, quando a variável R i,-k sofre um acréscimo uniário, enquano odas as demais variáveis explicaivas são manidas consanes; λ k represena aleração esperada na variável resposa M i, quando a variável E i,-k sofre um acréscimo uniário, enquano odas as demais variáveis explicaivas são manidas consanes; ε i, é o veor de erros, os quais devem saisfazer os seguines pressuposos 2 : I - Média zero de ε i, - A variável ε i, em média zero, iso é, E (ε i, ) = 0. II - Homoscedásico - ε i, em variância consane, ou seja, E (ε 2 i,) = σ 2. III - A variável ε i, em disribuição normal, iso é, ε i, N(0, σ 2 ). IV - Ausência de auocorrelação ou independência serial dos resíduos ε i,. Iso significa que E(ε i, ε j, ) = 0 para i j. V - Independência enre ε i, e as variáveis explicaivas, ou seja, E (ε i, M i,-k ) = E (ε i, A i-1,-k ) = E (ε i, R i,-k ) = E (ε i, E i,-k ) = 0.
7 7 Como a variável dependene M i, é expressa como função de seus próprios valores defasados e dos valores defasados das variáveis explanaórias A i-1,, R i, e E i,, o Modelo Linear Dinâmico (1) é usualmene conhecido como ADL, ou seja, o modelo com auo- regressão em defasagens. É desejável que odas as componenes do veor Z i,, enham a mesma forma em odos os insanes do empo, ou seja, a média e a variância são esáveis ao longo do empo e, quando a covariância enre dois valores disinos da série é função apenas da disância emporal enre esses valores, possibiliando a obenção das esimaivas dos parâmeros do Modelo Linear Dinâmico (1) de forma basane simples, o que, em caso conrário, não seria arefa fácil. Segundo Spanos (1986, p ), um processo esocásico Z i, é esacionário, se: E(Z i, ) = µ ; var (Z i, ) = σ 2 e Cov(Z i,, Z i,+j ) = σ j. A esacionaridade do passado das séries do veor de variáveis Z i,, uilizadas para esimar o Modelo Linear Dinâmico (1) é obida, em geral, por algum ipo de ransformação das variáveis, logarimos neperianos e diferenças dos valores consecuivos no empo ou ambos. 3. RESULTADOS EMPÍRICOS Esa seção mosra os resulados empíricos provenienes das esimaivas de equações dinâmicas para cada uma das oio séries do Ensino Fundamenal em Sana Caarina. A análise empírica das oio equações dinâmicas que descrevem o modelo do fluxo de alunos, pare da invesigação das propriedades de inegração e co-inegração das componenes do veor Z i,, seguida das esimações desas equações por OLS TESTE DE RAIZ UNITÁRIA E DE RELAÇÕES DE CO-INTEGRAÇÃO O ese de raiz uniária em por objeivo verificar a ordem de inegração das variáveis, observando se os seus coeficiene esimados serão ou não explosivos. O ese para verificação da ordem de inegração de variável foi proposo por Dickey-Fuller [1979], consisindo na esimação pelo Méodo dos Mínimos Quadrados Ordinários do coeficiene (ρ - 1) da equação abaixo: (2) Z i, = ( ρ 1) Zi, 1 + εi,
8 8 onde ε são erros normais aleaórios, independenes e idenicamene disribuídos, visando esar as seguine hipóeses: H 0 : ρ 1 = 0; H 1 : ρ 1 < 0 No caso dos resíduos do modelo (2) não saisfazerem a condição de ruído branco, Dickey- Fuller (1979) propõem que a ordem de inegração de Z i, é obida esimando por OLS o coeficiene (ρ 1) da equação abaixo: n Z i, = ( ρ 1) Zi, 1 + θ k Zi, k + εi, k = 1 (3) onde ε são erros normais aleaórios, independenes e idenicamene disribuídos, visando esar as seguine hipóeses: H 0 : ρ 1 = 0; H 1 : ρ 1 < 0 Nese arigo realizou-se os eses Dickey-Fuller e/ou Dickey-Fuller Aumenado, consaando-se que odas as componenes do veor Z i,, nos níveis das variáveis, necessiaram ser diferenciadas para garanir a esacionaridade das variáveis, sendo consideradas inegradas de primeira ordem ou I(1). No que ange ao ese de co-inegração, para as componenes do veor Z i,, nos níveis das variáveis, a meodologia uilizada nese esudo foi a proposa por Johansen (1988). A análise pare de um veor auo-regressivo (VAR) com quaro defasagens, inserindo o ermo consane. Considerando o criério de Schwarz, o ese do progresso e dos eses de adequação dos resíduos, a hipóese da exisência de relações de co-inegração é esada. Ao considerar o ese do raço e do maior auovalor, os resulados obidos indicam que não é possível aceiar a hipóese da exisência de veores de co-inegração, em níveis de significância de 1% ou 5% ESTIMAÇÃO DOS MODELOS DINÂMICOS Na esimação do modelo linear dinâmico (1) uiliza-se a meodologia desenvolvida por Davidson e al. (1978), que modelaram a função consumo para o Reino Unido. Considerando uma
9 9 esruura de defasagens em odas as variáveis, submeem o modelo a resrições lineares e não lineares e, gradaivamene, aravés dos eses de significância se reduz o amanho do modelo. Assim, considerando que os alunos permanecem, no mínimo, oio anos no Ensino Fundamenal, é razoável admiir que o ADL (8,8,8,8), ou seja, iniciar a esimação do modelo, submeendo 8 defasagens à cada variável explicaiva, o primeiro modelo a ser considerado. No enano, ese modelo, devido aos poucos dados disponíveis, orna-se inadequado pela fala de graus de liberdade para a sua avaliação, ou seja, eríamos que esimar 32 coeficienes considerando o passado de 30 anos das variáveis do veor Z i,. A parir de esruuras de defasagens, compaíveis com os dados disponíveis em odas as variáveis do veor Z i,, uiliza-se o méodo dos mínimos quadrados ordinários para esimar os coeficienes, ψ, α, β eλ do Modelo Dinâmico (1), a parir dos valores amosrais das variáveis k k k k M i,, A i,, R i, e E i,, observadas para o período 1966 a Submeendo algumas resrições lineares aos coeficienes que não apresenaram significância esaísica, evidenciadas pelo ese F ou, gradaivamene, obém-se um modelo simples e bem especificado. Esa eapa foi moniorada pelo Tese do Progresso, uilizada para validar o novo modelo reduzido proposo e pelos criérios de informações de Schwarz (SC) e Hannan-Quinn (HQ) e pela variância residual. Todos os pressuposos básicos, da disribuição dos resíduos do modelo linear dinâmico (1), foram esados uilizando-se dos seguines procedimenos economéricos: A verificação da hipóese de não exisência de auo-correlação serial foi feia pelo ese LM (Muliplicador de Lagrange), proposo por Breusch (1978), denoado por AR; a verificação da hipóese de homoscedasicidade baseia-se em Whie (1980) ou Breusch Pagan (1979), denoado por HET; o ese de normalidade dos resíduos é baseado em Doornick e Hansen (1994), denoado por NORM; a linearidade da forma funcional, pelo ese RESET, proposo por Ramsey (1969).
10 ESTIMAÇÃO DA EQUAÇÃO DINÂMICA PARA A 1 a SÉRIE E PROJEÇÕES PARA O PERÍODO 1996 A 2000 Abaixo, enconram-se os principais resulados do modelo reduzido (4) e eses para a sua respeciva validação: Quadro 2 - Modelo dinâmico Demanda por marícula para a 1ª série do Ensino Fundamenal do Esado de Sana Caarina. DM 1, = - 0,57677DM 1,-2 + 0,91411DA 0,-1 + 0,25819DR 1,-1 + 0,19337DR 1,-2 () (-3,848) (2,353) (2,790) (2,471) + 0,19637DE 1,-1 + 0,21477D 74,-1-0,43262D 73,-1 (4) (3,494) (3,178) (-5,589) F (7,17) = 8,8053 [0,0000]** S = 0, RSS = 0, SC = -6,264 HQ = r (DM 1,, DM 1, ) = 0,8860 AR F(8,9) = 0,698 [0,6884] ARCH F(6,5) = 0,33401 [0,8928] NORM χ 2 (2) = 1,9619 [0,3750] CHOW F(5,12) = 0,5204 [0,7565] RESET F(1,16) = 0,56821 [0,4619] HET F(12,4) = 0,40175 [0,908] A Tabela 1 apresena as previsões em diferenças e em níveis, o erro padrão das esimaivas e os inervalos de confiança para as previsões em níveis, com 90% de confiança. Tabela 1 - Projeções dinâmicas do Modelo (4), 1996 a Ano DM 1, - esimado SE M 1, - esimado Inervalo de confiança (1-α) = 0, , , [148190; ] , , [151547; ] , , [153425; ] , , [153449; ] , , [153471; ]
11 ESTIMAÇÃO DA EQUAÇÃO DINÂMICA PARA A 2 a SÉRIE E PROJEÇÕES PARA O PERÍODO 1996 A 2000 Abaixo, enconram-se os principais resulados do modelo reduzido (5) e eses para a sua respeciva validação: Quadro 3 - Modelo Dinâmico - Demanda por Marícula, para a 2ª Série do Ensino Fundamenal de Sana Caarina. DM 2, = -0,54841DM 2,-1 + 0,72974DA 1,-1 + 0,50137DA 1, -2-0,16806DE 2,-1 () (-2,935) (5,085) (2,848) (-3,809) - 0,10713DE 2,-2 (-2,132) (5) S = 0, RSS = 0, SC = -5,611 HQ = -5,784 F(5,21) = 10,143 [0,0000]** HET. F(10,10) = 0,47437 [0,8723] NORM. χ 2 (2) = 0,15976 [0,9232] AR F(8,13) = 0,15367 [0,9938] ARCH F(6,9) = 0,2505 [0,9470] RESET F(1,20) = 0, [0,7625] CHOW F(5,16) = 0,64064 [0,6722] r(dm 2, (observado), DM 2, (esimado)) = 0,8420 A Tabela 2 apresena as previsões em diferenças e em níveis, o erro padrão das esimaivas e os inervalos de confiança para as previsões em níveis, com 90% de confiança. Tabela 2 - Projeções Dinâmica do Modelo (5), 1996 a 2000 Ano DM 2, (esimado) Erro padrão (SE) M 2, (esimado) Inervalo de confiança (1 - α = 0,90) , , ]129268; [ , , ]125029; [ , , ]129668; [ , , ]133611; [ , , ]135051; [
12 ESTIMAÇÃO DA EQUAÇÃO DINÂMICA PARA A 3 a SÉRIE E PROJEÇÕES PARA O PERÍODO 1996 A 2000 Abaixo, enconram-se os principais resulados do modelo reduzido (6) e eses para a sua respeciva validação: Quadro 4 - Modelo Dinâmico - Demanda por Marícula, para a 3ª Série do Ensino Fundamenal de Sana Caarina. DM 3, = -0,39629DM 3,-1 + 0,66815DA 2,-1 + 0,51058DA 2, ,32346DA 2,-3-0,22365DA 2,-4 () (-5,726) (18,637) (8,307) (8,073) (-5,807) + 0,11555DR 3,-1 + 0,036426DR 3,-3-0,047226DR 3,-4-0,040808DE 3,-1 (6) (6,051) (2,046) (-2,634) (-3,725) S = 0,01196 RSS = 0,00229 SC = -8,139 HQ = -8,456 F(9,16) = 108,16 [0,0000]** HET. χ 2 (10) = 1,262 [0,9995] NORM. χ 2 (2) = 4,2737 [0,1180] AR F(8,8) = 1,3701 [0,3333] ARCH F(6,4) = 0, [0,9959] RESET F(1,15) = 0, [0,8914] CHOW F(5,11) = 0,58825 [0,7095] r(dm 3, (observado), DM 3, (esimado)) = 0,9921 A Tabela 3 mosra as previsões em diferenças e em níveis, o erro padrão das esimaivas e os inervalos de confiança para as previsões em níveis, com 90% de confiança. Tabela 3 - Projeções dinâmicas do modelo (6), 1996 a 2000 Ano DM 3, (esimado) Erro padrão (SE) M 3, Inervalo de confiança (1 - α = 0,90) , , ]128325; [ , , ]132642; [ , , ]132945; [ , , ]135708; [ , , ]139033; [
13 ESTIMAÇÃO DA EQUAÇÃO DINÂMICA PARA A 4 a SÉRIE E PROJEÇÕES PARA O PERÍODO 1996 A 2000 O Quadro 5, sineiza as informações necessárias à avaliação do modelo reduzido (7) e eses de validação: Quadro 5 - Modelo Dinâmico - Demanda por Marícula, para a 4ª Série do Ensino Fundamenal de Sana Caarina. DM 4, = 0,68377DA 3,-1 + 0,16687DA 3,-2 + 0,19019DA 3, -3-0,10132D 86,-1 + 0,06936D 87,-1 (7) () (16,327) (3,613) (4,691) (-6,043) (4,122) S = 0,01669 RSS = 0, SC = -7,773 HQ = -7,945 F(5,21) = 107,12 [0,0000]** HET. F (8,12) = 0,13189 [0,9961] NORM. χ 2 (2) = 4,9018 [0,0862] AR F(6,15) = 1,0658 [0,4246] ARCH F(6,9) = 0,20669 [0,9658] RESET F(1,20) = 2,1356 [0,1594] CHOW F(5,16) = 0,37983 [0,8552] r(dm 4, (observado), DM 4, (esimado)) = 0,9793 A Tabela 4 apresena as previsões em diferenças e em níveis, o erro padrão das esimaivas e os inervalos de confiança para as previsões em níveis, com 90% de confiança. Tabela 4 - Projeções dinâmicas do Modelo (7), 1996 a 2000 Ano DM 4, (esimado) Erro padrão (SE) M 4, Inervalo de confiança (1 - α = 0,90) , , ]119313; [ , , ]124056; [ , , ]129688; [ , , ]132315; [ , , ]135936; [ ESTIMAÇÃO DA EQUAÇÃO DINÂMICA PARA A 5 a SÉRIE E PROJEÇÕES PARA O PERÍODO 1996 A 2000 O Quadro 6 sineiza as informações necessárias à avaliação do modelo dinâmico (8) e eses de diagnósico.
14 14 Quadro 6 - Modelo Dinâmico - Demanda por Marícula, Fundamenal de Sana Caarina. para a 5ª Série do Ensino DM 5, =-0,51032DM 5,-1 + 0,71071DA 4,-1 + 0,45188DA 4, ,35040DA 4,-3-0,29900DA 4,-4 () (-3,169) (5,419) (2,398) (2,140) (2,510) + 0,16010DR 5,-1 + 0,059841DR 5,-2-0,063368DE 5,-2 (8) (6,105) (1,892) (-2,394) S = 0,04910 RSS = 0, SC = -5,3834 HQ = -5,66527 HET. χ 2 (9) = 2,5835 [0,9786] NORM. χ 2 (2) = 2,1684 [0,3382] AR F(8,9) = 1,474 [0,2870] ARCH F(6,5) = 0, [0,9932] RESET F(1,16) = 0,32423 [0,5770] CHOW F(5,12) = 0,25361 [0,9299] r(dm 5, (observado), DM 5, (esimado)) = 0,8926 A Tabela 5 apresena as previsões em diferenças e em níveis, o erro padrão das esimaivas e os inervalos de confiança para as previsões em níveis, com 90% de confiança. Tabela 5 - Projeções dinâmica do Modelo (8), 1996 a 2000 Ano DM 5, (esimado) Erro padrão (SE) M 5, Inervalo de confiança (1 - α = 0,90) , , ]123101; [ , , ]126159; [ , , ]131237; [ , , ]139517; [ , , ]144908; [ 3.7. ESTIMAÇÃO DA EQUAÇÃO DINÂMICA PARA A 6 a SÉRIE E PROJEÇÕES PARA O PERÍODO 1996 A 2000 O Quadro 7 sineiza as informações necessárias à avaliação do modelo dinâmico (9) e eses de diagnósico:
15 15 Quadro 7 - Modelo Dinâmico - Demanda por Marícula, para a 6ª Série do Ensino Fundamenal de Sana Caarina. DM 6, = 0,76105DA 5,-1 + 0,21171DA 5,-3-0,00674DR 5, ,10724D 87,-1 () (13.972) (3.619) (-4.505) (6.670) - 0,055418D 85,-1 (-3.564) (9) S = 0, RSS = 0, SC = -7,9298 HQ = -8,110 F(5,19) = 84,95 [0,0000]** HET. F(8,10) = 0,27918 [0,9583] NORM. χ 2 (2) = 0,9991 [0,6068] AR F(8,11) = 0,6059 [0,7563] ARCH F(8,3) = 0,29196 [0,9273] RESET F(1,18) = 0, [0,8718] CHOW F(5,14) = 1,1615 [0,2636] r(dm 6, (observado), DM 6, (esimado)) = 0,9656 A Tabela 6 apresena as previsões em diferenças e em níveis, o erro padrão das esimaivas e os inervalos de confiança para as previsões em níveis, com 90% de confiança. Tabela 6 - Projeções dinâmicas do modelo 7, 1996 a 2000 Ano DM 6, (esimado) Erro padrão (SE) M 6, Inervalo de confiança (1 - α = 0,90) , , ]104275; [ , , ]108601; [ , , ]112547; [ , , ]117691; [ , , ]125188; [ 3.8. ESTIMAÇÃO DA EQUAÇÃO DINÂMICA PARA A 7 a SÉRIE E PROJEÇÕES PARA O PERÍODO 1996 A 2000 O Quadro 8 sineiza as informações necessárias à avaliação do modelo dinâmico (10). Quadro 8 - Modelo Dinâmico - Demanda por Marícula para a 8ª série do Ensino Fundamenal de Sana Caarina. DM 7, = 0,86001DA 6,-1 + 0,035969DR 7,-1 +0,14698D 87,-1 (10) () (37,736) (2,782) (4,184)
16 16 RSS = 0, S = 0,02500 SC = -6,684 HQ = -6,753 HET F(5,17) = 0,15249 [0,9764] r (DM 7, (observado); DM 7, (esimado)) = 0,9913 AR F(8,13) = 0,61982 [0,7476] NORM. χ 2 (2) = 3,7698 [0,1518] ARCH F(6,9) = 0,71568 [0,6472] RESET F(1,20) = 2,6146 [0,1216] CHOW F(5,18) = 0,42705 [0,8238] A Tabela 7 apresena as previsões em diferenças e em níveis, o erro padrão das esimaivas e os inervalos de confiança para as previsões em níveis, com 90% de confiança. Tabela 7 - Projeções dinâmicas do modelo 10, 1996 a 2000 Ano DM 7, - esimado Erro padrão (SE) M 7, - esimado Inervalo de confiança (1 - α = 0,90) , , ]83930; 91488[ , , ]90167; 98287[ , , ]93669; [ , , ]96633; [ , , ]100549; [ 3.9. ESTIMAÇÃO DA EQUAÇÃO DINÂMICA PARA A 8 a SÉRIE E PROJEÇÕES PARA O PERÍODO 1996 A 2000 O Quadro 9 sineiza as informações necessárias à avaliação do modelo dinâmico (11) e eses de diagnósico: Quadro 9 - Modelo dinâmico - Demanda por marícula para a 8ª série do Ensino Fundamenal de Sana Caarina. DM 8, = -0,62640DM 8,-1 + 0,69424DA 7,-1 + 0,50659DA 7, ,38992DA 7,-3 () (-6,165) (14,571) (7,012) (8,089) -0,18645D 86,-1 (-4,444) (11) S = 0, RSS = 0, SC = -5,352 HQ = -5,493 F(4,21) = 33,665 [0,0000]** HET. F(9,11) = 0,18187 [0,9919] NORM. χ 2 (2) = 2,993 [0,2239] AR F(8,13) = 0,84987 [0,5781] ARCH F(6,9) = 0,22425 [0,9597] RESET F(1,20) = 0,03292 [0,8579] CHOW F(5,16) = 0,21542 [0,9508] r(dm 8, (observado), DM 8, (esimado)) = 0,9624
17 17 A Tabela 8 apresena as previsões em diferenças e em níveis, o erro padrão das esimaivas e os inervalos de confiança para as previsões em níveis, com 90% de confiança. Tabela 8 - Projeções dinâmicas do modelo 11, 1996 a 2000 Ano DM 8, - esimado Erro padrão (SE) M 8, - esimado Inervalo de confiança (i - α = 0,90) , , ]67188; 78036[ , , ]69681; 83143[ , , ]74439; 89667[ , , ]73301; 93451[ , , ]81046; 98115[ Os modelos dinâmicos (4), (5), (6), (7), (8), (9), (10) e (11) esimados para prever a demanda por marícula, respecivamene para as 1 ª, 2 ª, 3 ª, 4 ª, 5 ª, 6 ª, 7 ª e 8 ª séries, do Ensino Fundamenal em Sana Caarina, apresenam odos os coeficienes esaisicamene significanes, conforme esaísica -suden em níveis de 1% ou 5%. Os eses Whie, Muliplicador de Lagrange, ARCH, Normalidade e RESET, implemenados para os resíduos dos modelos condicionais esimados, indicam que não é possível, respecivamene, aceiar as hipóeses de heerocedasicidade, correlação serial, erro auo-regressivo condicional heerocedásico, fala de normalidade e forma funcional não linear, com níveis de significância de 1% e 5%.
18 18 1ª Série - Evolução da demanda por marícula em Sana Caarina a 1995 Projeções dinâmicas e inervalos de confiança para a demanda por marícula, 1996 a ª Série - Evolução da demanda por marícula em Sana Caarina a 1995 Projeções dinâmicas e inervalos de confiança para a demanda por marícula, 1996 a 2000 (Nível de confiança de 90%) Marículas Marículas Marículas Marículas Ocorridas Ocorridas Anos Anos 3ª Série - Evolução da demanda por marícula em Sana Caarina a 1995 projeções dinâmicas e inervalos de confiança para a demanda por marícula, 1996 a 2000 (Nível de confiança de 90%) ª Série - Evolução da demanda por marícula em Sana Caarina a 1995 Projeções dinâmicas e inervalos de confiança para a demanda por marícula, 1996 a 2000 (Nível de confiança de 90%) Marículas Marículas Marículas Ocorridas Marículas Ocorridas Anos Anos Marículas 5ª Série - Evolução da demanda por marícula em Sana Caarina a 1995 Projeções dinâmicas e inervalos de confiança para a demanda por marícula, 1996 a 2000 (Nível de confiança de 90%) Marículas 6ª Série - Evolução da demanda por marícula em Sana Caarina a 1995 Projeções dinâmicas e inervalos de confiança para a demanda por marícula 1996 a 2000 (Nível de confiança de 90%) Marículas Marículas Ocorridas Ocorridas Anos Anos 7ª Série - Evolução da demanda por marícula em Sana Caarina a 1995 Projeções dinâmicas e inervalos de confiança para a demanda por marícula anual 1996 a 2000 (Nível de confiança de 90%) ª Série - Evolução da demanda por marícula em Sana caarina a 1995 Projeções dinâmicas e inervalos de confiança para a demanda por marícula anual 1996 a 2000 (Nível de confiança de 90%) Marículas Marículas Marículas Marículas Ocorridas Ocorridas Anos Anos FIGURA 1 PREVISÕES DA DEMANDA POR MATRÍCULA PARA O ENSINO FUNDAMENTAL DO ESTADO DE SANTA CATARINA
19 CONSIDERAÇÕES FINAIS E RECOMENDAÇÕES Nese arigo apresenam-se os modelos de previsão para a demanda por marícula para cada uma das oio séries que compõem o Ensino Fundamenal do Esado de Sana Caarina. Os modelos reduzidos finais minimizam o criério de Akaike, caracerizam-se por coeficienes significaivos e, os vários eses de diagnósico realizado para a disribuição dos resíduos conduzem a resulados relaivamene robusos do pono de visa esaísico. As seqüências de ese de CHOW, uilizado para analisar a esabilidade dos modelos condicionais esimados, não acusou presença de quebra esruural, em nenhum dos modelos esimados. Os modelos iveram a sua capacidade prediiva evidenciadas. A combinação de gráficos e eses mosram que os modelos esimados apresenam boa performance para previsão. Ademais, os resulados dos eses de exogeneidade fore das variáveis exógenas, indicam a validade do uso das equações esimadas para fins de projeção condicionada a evolução das variáveis: população escolarizável, aprovações, reprovações e evasões. As projeções efeuadas para o período, 1996 a 2000 evidenciam o crescimeno da demanda por marícula em odos os níveis do ensino do 1º grau, desacando-se a demanda por marícula na 5ª série que a parir do ano 2001 deve ser superior as marículas ocorridas na 1ª série. Ainda assim, análise das marículas para o ano de 1996 e 1997, respecivamene, divulgados pela Secrearia de Educação do Esado de Sana Caarina, corroboram com resulados advindos das previsões efeuadas a parir das regressões dinâmicas. Ressala-se denro dese conexo, que o modelo dinâmico consruído é para esimar o fluxo de marículas para o Ensino Fundamenal em Sana Caarina. Recomenda-se enão, desenvolver modelos regionais, por dependência adminisraiva, que proporcionem subsídios para o processo de formulação, implemenação e avaliação de políicas educacionais locais. É necessário que os modelos sejam revisos periodicamene, visando incorporar novos efeios de políicas educacionais por pare do governo do Esado de Sana Caarina. Finalmene, a qualidade desas previsões recomendam o seu uso num melhor planejameno das políicas educacionais do Esado de Sana Caarina. 5. BIBLIOGRAFIA BREUSCH, T. S and PAGAN, A.R. A simple ese for heeroskedasiciy and random coefficien variaion, Economerica. 50, , 1979.
20 20 CHOW, G. C. Tess of equaliy beween ses of coefficiens in wo linear regressions, Economerica. v. 28, p , DAVIDSON, J.H., D.H., Hendry, F. Srba and S.Yco. Economeric modelling of he aggregae ime-series relaionship beween consumers expendiure and income in he Unied Kingdom, The Economic Journal, v. 88, p , DICKEY, D.A. and W.A. Fuller. Disribuions of he esimaors for auoregressive ime series wih a uni roo, Journal of he American Saisical Associaion. v. 74, p , DOORNIK, J. A. & HENDRY, D. F. PcGive Ineracive Economeric Dynamic Modelling. Inernaion Thomson Publishing, London, p , DOORNIK, J.A. and HENDRY, D. F. PcFiml Ineracive Economeric Modelling of Dynamic Sysems - Inernaional Thomson Publishing, London, ENGLE, R. F. & GRANGER, C. W. J. Coinegraion and error correcion: represenaion, esimaion and esing, Economeric. v. 55, n. 2, p , março, ENGLE, R. F. Auoregressive Condiional Heeroscedasiciy wih Esimaes of he Variance of Unied Kingdom Inflaion, Economeric. v. 50, p , GRANGER, C. W. J. Invesigaing causal relaions by economeric models and cross specral mehods. Economerica, v. 37, p , MADALLA, G.S. Inroducion o economerics. 2 ed., Prenice Hall, RAMSEY, J. B. Tess for Specificaion Errors in Classical Linear Leas Squares Regression Analysis, Journal of he Royal Saisical Sociey. v. 31, p , SANTA CATARINA, Secrearia do Esado do Desenvolvimeno Econômico Cienífico e Tecnológico. Anuário Esaísico de Sana Caarina, Florianópolis, SDT, p SANTA CATARINA, Secrearia de Esado de Coordenação Geral e Planejameno. Subsecrearia de Esudos Geográficos e Esaísicos - Número de Sana Caarina 1987, Florianópolis, p , SPANOS, A. Saisical Foundaions of Economeric Modelling, Cambridge Universiy Press, Cambridge. p , WHITE, H. A Heeroskedasiciy Consisen Covariance Marix Esimaor and a Direc Tes of Heeroskedasiciy, Economeric. v. 48, p , 1980.
21 21 1 Ese arigo é pare inegrane de uma Disseração de Mesrado defendida em dezembro de 1998, no Programa de Pós- Graduação em Engenharia de Produção da Universidade Federal de Sana Caarina. 2 Maiores dealhes veja GREENE [1997]. 3 Exisem vários sofwares disponíveis que permiem efeuar as modelagens, ais como: RATS, SHAZAM, MICROFIT e ouros. Nesa, foi uilizado PcGive e PcFiml. 4 Todas os gráficos das previsões dos modelos esimados enconram-se na figura 1, em anexo.
A UTILIZAÇÃO DO MÉTODO ARCH PARA MODELAR A VARIÂNCIA CONDICIONAL DA BOLSA DE VALORES DO RIO DE JANEIRO: UMA ABORDAGEM INTRODUTÓRIA
1 A UTILIZAÇÃO DO MÉTODO ARCH PARA MODELAR A VARIÂNCIA CONDICIONAL DA BOLSA DE VALORES DO RIO DE JANEIRO: UMA ABORDAGEM INTRODUTÓRIA T01E009 RESUMO The ARCH Auoregressive Condiional Heeroscdasiciy models
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 2ª Época (V1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (V) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL Ano lectivo 2015/16-1ª Época (V1) 18 de Janeiro de 2016
Nome: Aluno nº: Duração: h:30 m MESTRADO INTEGRADO EM ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL Ano lecivo 05/6 - ª Época (V) 8 de Janeiro de 06 I (7 valores) No quadro de dados seguine (Tabela
Leia mais4. Modelagem (3) (4) 4.1. Estacionaridade
24 4. Modelagem Em um modelo esaísico adequado para se evidenciar a exisência de uma relação lead-lag enre as variáveis à visa e fuura de um índice é necessário primeiramene verificar se as variáveis logarimo
Leia maisMódulo de Regressão e Séries S Temporais
Quem sou eu? Módulo de Regressão e Séries S Temporais Pare 4 Mônica Barros, D.Sc. Julho de 007 Mônica Barros Douora em Séries Temporais PUC-Rio Mesre em Esaísica Universiy of Texas a Ausin, EUA Bacharel
Leia mais4 O modelo econométrico
4 O modelo economérico O objeivo desse capíulo é o de apresenar um modelo economérico para as variáveis financeiras que servem de enrada para o modelo esocásico de fluxo de caixa que será apresenado no
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (v) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia mais5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t
5 Esudo de Casos Para a avaliação dos algorimos online/bach evolucionários proposos nese rabalho, foram desenvolvidas aplicações em problemas de filragem dos esados de um sisema não-linear unidimensional,
Leia mais1 Pesquisador - Embrapa Semiárido. 2 Analista Embrapa Semiárido.
XII Escola de Modelos de Regressão, Foraleza-CE, 13-16 Março 2011 Análise de modelos de previsão de preços de Uva Iália: uma aplicação do modelo SARIMA João Ricardo F. de Lima 1, Luciano Alves de Jesus
Leia mais3 Metodologia do Estudo 3.1. Tipo de Pesquisa
42 3 Meodologia do Esudo 3.1. Tipo de Pesquisa A pesquisa nese rabalho pode ser classificada de acordo com 3 visões diferenes. Sob o pono de visa de seus objeivos, sob o pono de visa de abordagem do problema
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Paricia Maria Borolon, D. Sc. Séries Temporais Fone: GUJARATI; D. N. Economeria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Processos Esocásicos É um conjuno de variáveis
Leia maisGrupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísica II - Licenciaura em Gesão Época de Recurso 6//9 Pare práica (quesões resposa múlipla) (7.6 valores) Nome: Nº Espaço reservado para a classificação (não
Leia maisIV. METODOLOGIA ECONOMÉTRICA PROPOSTA PARA O CAPM CONDICIONAL A Função Máxima Verosimilhança e o Algoritmo de Berndt, Hall, Hall e Hausman
IV. MEODOLOGIA ECONOMÉRICA PROPOSA PARA O CAPM CONDICIONAL 4.1. A Função Máxima Verosimilhança e o Algorimo de Bernd, Hall, Hall e Hausman A esimação simulânea do CAPM Condicional com os segundos momenos
Leia mais3 Uma metodologia para validação estatística da análise técnica: a busca pela homogeneidade
3 Uma meodologia para validação esaísica da análise écnica: a busca pela homogeneidade Ese capíulo em como objeivo apresenar uma solução para as falhas observadas na meodologia uilizada por Lo e al. (2000)
Leia maisCálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH
Cálculo do valor em risco dos aivos financeiros da Perobrás e da Vale via modelos ARMA-GARCH Bruno Dias de Casro 1 Thiago R. dos Sanos 23 1 Inrodução Os aivos financeiros das companhias Perobrás e Vale
Leia maisProf. Carlos H. C. Ribeiro ramal 5895 sala 106 IEC
MB770 Previsão usa ando modelos maemáicos Prof. Carlos H. C. Ribeiro carlos@comp.ia.br www.comp.ia.br/~carlos ramal 5895 sala 106 IEC Aula 14 Modelos de defasagem disribuída Modelos de auo-regressão Esacionariedade
Leia maisSéries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial
Programa de Pós-graduação em Engenharia de Produção Análise de séries de empo: modelos de suavização exponencial Profa. Dra. Liane Werner Séries emporais A maioria dos méodos de previsão se baseiam na
Leia maisCapítulo 4. Propriedades dos Estimadores de Mínimos Quadrados
Capíulo 4 Propriedades dos Esimadores de Mínimos Quadrados Hipóeses do Modelo de Regressão Linear Simples RS1. y x e 1 RS. Ee ( ) 0 E( y ) 1 x RS3. RS4. var( e) var( y) cov( e, e ) cov( y, y ) 0 i j i
Leia maisModelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indústria de Óleos Vegetais
XI SIMPEP - Bauru, SP, Brasil, 8 a 1 de novembro de 24 Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indúsria de Óleos Vegeais Regiane Klidzio (URI) gep@urisan.che.br
Leia mais4 Análise dos tributos das concessionárias selecionadas
4 Análise dos ribuos das concessionárias selecionadas Nese capíulo serão abordados os subsídios eóricos dos modelos esaísicos aravés da análise das séries emporais correspondenes aos ribuos e encargos
Leia maisO Modelo Linear. 4.1 A Estimação do Modelo Linear
4 O Modelo Linear Ese capíulo analisa empiricamene o uso do modelo linear para explicar o comporameno da políica moneária brasileira. A inenção dese e do próximo capíulos é verificar se variações em preços
Leia mais4 Método de geração de cenários em árvore
Méodo de geração de cenários em árvore 4 4 Méodo de geração de cenários em árvore 4.. Conceios básicos Uma das aividades mais comuns no mercado financeiro é considerar os possíveis esados fuuros da economia.
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II
FACULDADE DE ECONOMIA DO PORTO Licenciaura em Economia E C O N O M E T R I A II (LEC310) Exame Final Época de Recurso 14 de Julho de 2006 NOTAS PRÉVIAS: 1. A primeira pare da prova em duração de 75 minuos
Leia maisProf. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia maisMÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA
MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesa abordagem paramérica, para esimar as funções básicas da análise de sobrevida, assume-se que o empo de falha T segue uma disribuição conhecida
Leia maisSéries de Tempo. José Fajardo. Agosto EBAPE- Fundação Getulio Vargas
Séries de Tempo Inrodução José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo . Por quê o esudo de séries de empo é imporane? Primeiro, porque muios dados econômicos e financeiros
Leia maisCOMPORTAMENTO DOS PREÇOS DO ETANOL BRASILEIRO: DETERMINAÇÃO DE VARIÁVEIS CAUSAIS
Versão inicial submeida em 30/07/2013. Versão final recebida em 23/10/2014. Rio de Janeiro, v.7, n.1, p. 19-28, janeiro a abril de 2015 COMPORTAMENTO DOS PREÇOS DO ETANOL BRASILEIRO: DETERMINAÇÃO DE VARIÁVEIS
Leia mais3 Modelos de Markov Ocultos
23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável
Leia mais5 Aplicação da Modelagem Estrutural ao problema de previsão de Preço Spot de Energia Elétrica.
Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 41 5 Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 5.1. Inrodução Nesa
Leia mais4 Filtro de Kalman. 4.1 Introdução
4 Filro de Kalman Ese capíulo raa da apresenação resumida do filro de Kalman. O filro de Kalman em sua origem na década de sessena, denro da área da engenharia elérica relacionado à eoria do conrole de
Leia maisANÁLISE DA VOLATILIDADE DOS PREÇOS DE BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS GARCH CARLOS ALBERTO GONÇALVES SILVA; CEFET-RJ
ANÁLISE DA VOLATILIDADE DOS PREÇOS DE BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS GARCH CARLOS ALBERTO GONÇALVES SILVA; CEFET-RJ RIO DE JANEIRO - RJ - BRASIL gon.silva@sof.com.br APRESENTAÇÃO
Leia mais3 Modelo Teórico e Especificação Econométrica
3 Modelo Teórico e Especificação Economérica A base eórica do experimeno será a Teoria Neoclássica do Invesimeno, apresenada por Jorgensen (1963). Aneriormene ao arigo de Jorgensen, não havia um arcabouço
Leia maisConceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia maisLista de Exercícios #11 Assunto: Séries Temporais
. ANPEC 995 - Quesão 5 Lisa de Exercícios # Assuno: Séries Temporais Sea yi xi i ordinários (MQO) de e, respecivamene. Pode-se afirmar que: uma equação de regressão e seam a e b esimadores de mínimos quadrados
Leia maisEstudo comparativo do fluxo de caminhões nos portos de Uruguaiana e Foz do Iguaçu
XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de novembro de 26. Esudo comparaivo do fluxo de caminhões nos poros de Uruguaiana e Foz do Iguaçu Suzana Leião Russo (URI) jss@urisan.che.br Ivan Gomes Jardim (URI)
Leia maisA UTILIZAÇÃO DA METODOLOGIA BOX & JENKINS NA PREVISÃO DE CURTO PRAZO DO ICMS DO ESTADO DE SANTA CATARINA
1 A UTILIZAÇÃO DA METODOLOGIA BOX & JENKINS NA PREVISÃO DE CURTO PRAZO DO DO ESTADO DE SANTA CATARINA Rober Wayne Samohyl, Ph.D. Professor do Programa de Pós - Graduação em Engenharia Produção - UFSC.
Leia maisINFLUÊNCIA DE EVENTOS POSITIVOS E NEGATIVOS SOBRE A VOLATILIDADE DOS MERCADOS NA AMÉRICA LATINA
INFLUÊNCIA DE EVENTOS POSITIVOS E NEGATIVOS SOBRE A VOLATILIDADE DOS MERCADOS NA AMÉRICA LATINA Paulo S. Cerea, Newon C. A. da Cosa Jr Programa de Pós-Graduação Engenharia de Produção - UFSC Caixa Posal
Leia maisREDUÇÃO DE DIMENSIONALIDADE
Análise de componenes e discriminanes REDUÇÃO DE DIMENSIONALIDADE Uma esraégia para abordar o problema da praga da dimensionalidade é realizar uma redução da dimensionalidade por meio de uma ransformação
Leia maisEnunciado genérico. Trabalho: Séries Temporais Disciplina: Estatística Ambiental
Enunciado genérico Trabalho: Séries Temporais Disciplina: Esaísica Ambienal Criérios de escolha da série 1. A série escolhida deverá er uma exensão, N, de pelo menos 150 observações da variável em esudo;.
Leia maisDEMOGRAFIA. Assim, no processo de planeamento é muito importante conhecer a POPULAÇÃO porque:
DEMOGRAFIA Fone: Ferreira, J. Anunes Demografia, CESUR, Lisboa Inrodução A imporância da demografia no planeameno regional e urbano O processo de planeameno em como fim úlimo fomenar uma organização das
Leia maisCADERNOS DO IME Série Estatística
CADERNOS DO IME Série Esaísica Universidade do Esado do Rio de Janeiro - UERJ Rio de Janeiro RJ - Brasil ISSN 43-9 / v. 6 p. 5-8, 9 MODELAGEM DE ESTIMAÇÃO DA VOLATILIDADE DO RETORNO DAS AÇÕES BRASILEIRAS:
Leia maisRacionalidade e Previsibilidade no Mercado Brasileiro de Ações: Uma Aplicação de Modelos de Valor Presente
Racionalidade e Previsibilidade no Mercado Brasileiro de Ações: Uma Aplicação de Modelos de Valor Presene Claudine Furado Anchie João Vicor Issler Escola de Pós-Graduação em Economia - EPGE Fundação Geulio
Leia mais4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos.
4 Meodologia Proposa para o Cálculo do Valor de Opções Reais por Simulação Mone Carlo com Aproximação por Números Fuzzy e Algorimos Genéicos. 4.1. Inrodução Nese capíulo descreve-se em duas pares a meodologia
Leia maisCaracterísticas dos Processos ARMA
Caracerísicas dos Processos ARMA Aula 0 Bueno, 0, Capíulos e 3 Enders, 009, Capíulo. a.6 Morein e Toloi, 006, Capíulo 5. Inrodução A expressão geral de uma série emporal, para o caso univariado, é dada
Leia maisMODELAGEM ESTOCÁSTICA DE SÉRIES FINANCEIRAS PARA APLICAÇÃO EM PROJETOS DE INVESTIMENTO DO SETOR ELÉTRICO
GAE/ 14 17 à de ouubro de 1999 Foz do Iguaçu Paraná - Brasil GRUPO VI GRUPO DE ESTUDOS DE ASPECTOS EMPRESARIAIS (GAE) MODELAGEM ESTOCÁSTICA DE SÉRIES FINANCEIRAS PARA APLICAÇÃO EM PROJETOS DE INVESTIMENTO
Leia mais4 Modelo de fatores para classes de ativos
4 Modelo de aores para classes de aivos 4.. Análise de esilo baseado no reorno: versão original (esáica A análise de esilo baseada no reorno é um procedimeno esaísico que visa a ideniicar as ones de riscos
Leia maisAPLICAÇÃO DO MÉTODO DE HOLT NA PREVISÃO DE DADOS DE ÁGUA DA CIDADE DE RONDONÓPOLIS-MT
APLICAÇÃO DO MÉTODO DE HOLT NA PREVISÃO DE DADOS DE ÁGUA DA CIDADE DE RONDONÓPOLIS-MT Alerêdo Oliveira Curim 1 & Aldo da Cunha Rebouças Resumo - O conhecimeno prévio dos volumes de água de qualquer sisema
Leia mais1 Modelo de crescimento neoclássico, unisectorial com PT e com taxa de poupança exógena 1.1 Hipóteses Função de Produção Cobb-Douglas: α (1.
1 Modelo de crescimeno neoclássico, unisecorial com PT e com axa de poupança exógena 1.1 Hipóeses Função de Produção Cobb-Douglas: (, ) ( ) 1 Y = F K AL = K AL (1.1) FK > 0, FKK < 0 FL > 0, FLL < 0 Função
Leia mais5 Metodologia Probabilística de Estimativa de Reservas Considerando o Efeito-Preço
5 Meodologia Probabilísica de Esimaiva de Reservas Considerando o Efeio-Preço O principal objeivo desa pesquisa é propor uma meodologia de esimaiva de reservas que siga uma abordagem probabilísica e que
Leia mais4 O Papel das Reservas no Custo da Crise
4 O Papel das Reservas no Cuso da Crise Nese capíulo buscamos analisar empiricamene o papel das reservas em miigar o cuso da crise uma vez que esa ocorre. Acrediamos que o produo seja a variável ideal
Leia maisExportações e Consumo de Energia Elétrica: Uma Análise Econométrica Via Decomposição do Fator Renda.
XVIII Seminário Nacional de Disribuição de Energia Elérica Olinda - Pernambuco - Brasil SENDI 2008-06 a 0 de ouubro Exporações e Consumo de Energia Elérica: Uma Análise Economérica Via Decomposição do
Leia maisAplicações à Teoria da Confiabilidade
Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI
Leia maisInformation. Séries de Tempo. José Fajardo. EBAPE- Fundação Getulio Vargas. Agosto 2011
Informaion Séries de Tempo José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo Prf. José Faardo Informaion Ph. D in Mahemaical Economics (IMPA-Brazil) Mahemaical Finance, Financial
Leia maisAPLICAÇÃO DOS MODELOS BAYESIANOS NA COOPERATIVA REGIONAL TRITÍCOLA SERRANA LTDA. COTRIJUÍ
APLICAÇÃO DOS MODELOS BAYESIANOS NA COOPERATIVA REGIONAL TRITÍCOLA SERRANA LTDA. COTRIJUÍ Suzana Russo Profa DCET URI Sano Ângelo/RS Joanirse Oriz Miranda Bolsisa PROBIC/URI INTRODUÇÃO A produção e a comercialização
Leia mais3 Retorno, Marcação a Mercado e Estimadores de Volatilidade
eorno, Marcação a Mercado e Esimadores de Volailidade 3 3 eorno, Marcação a Mercado e Esimadores de Volailidade 3.. eorno de um Aivo Grande pare dos esudos envolve reorno ao invés de preços. Denre as principais
Leia maisúltima observação. Por fim, foi obtida a previsão das taxas de mortalidade para 25 anos.
5 Resulados 5.. Lee-Carer O modelo demográfico LC foi ajusado aos dados da Inglaerra e País de Gales de 950 a 003. A modelagem foi feia segregada por sexo, para preservar a diferença de moralidade enre
Leia maisEFEITOS DA POLÍTICA MONETÁRIA SOBRE PREÇOS AGRÍCOLAS E INDUSTRIAIS: UMA ANÁLISE EMPÍRICA PARA O BRASIL PÓS-PLANO REAL RESUMO
EFEITOS DA POLÍTICA MONETÁRIA SOBRE PREÇOS AGRÍCOLAS E INDUSTRIAIS: UMA ANÁLISE EMPÍRICA PARA O BRASIL PÓS-PLANO REAL GERALDO LOPES DE SOUZA JUNIOR MARIA ISABEL DA SILVA AZEVEDO ALVIM 2 RESUMO O rabalho
Leia maisIII Congresso da Sociedade Portuguesa de Estatística Guimarães, 26 a 28 Junho 1995
1 III Congresso da Sociedade Poruguesa de Esaísica Guimarães, 26 a 28 Junho 1995 Políicas Ópimas e Quase-Ópimas de Inspecção de um Sisema Sujeio a Falhas Cláudia Nunes, João Amaral Deparameno de Maemáica,
Leia maisDEPARTAMENTO DE ESTATÍSTICA - UFSCar 6 a Lista de exercício de Teoria de Matrizes 28/06/2017
DEPARTAMENTO DE ESTATÍSTICA - UFSCar 6 a Lisa de exercício de Teoria de Marizes 8/06/017 1 Uma pesquisa foi realizada para se avaliar os preços dos imóveis na cidade de Milwaukee, Wisconsin 0 imóveis foram
Leia maisAnálise de séries de tempo: modelos de decomposição
Análise de séries de empo: modelos de decomposição Profa. Dra. Liane Werner Séries de emporais - Inrodução Uma série emporal é qualquer conjuno de observações ordenadas no empo. Dados adminisraivos, econômicos,
Leia maisIntrodução ao Controle Ótimo: Otimização de funções e funcionais. Otimização paramétrica. Problema de controle ótimo com tempo final fixo.
Inrodução ao Conrole Óimo: Oimização de funções e funcionais. Oimização paramérica. Problema de conrole óimo com empo final fio. Oimização Deerminação de uma ação que proporciona um máimo de benefício,
Leia maisInstituto de Física USP. Física V - Aula 26. Professora: Mazé Bechara
Insiuo de Física USP Física V - Aula 6 Professora: Mazé Bechara Aula 6 Bases da Mecânica quânica e equações de Schroedinger. Aplicação e inerpreações. 1. Ouros posulados da inerpreação de Max-Born para
Leia maisEconometria Semestre
Economeria Semesre 00.0 6 6 CAPÍTULO ECONOMETRIA DE SÉRIES TEMPORAIS CONCEITOS BÁSICOS.. ALGUMAS SÉRIES TEMPORAIS BRASILEIRAS Nesa seção apresenamos algumas séries econômicas, semelhanes às exibidas por
Leia maisJoão Vitor Dias Monteiro, Rosângela H. Loschi, Enrico A. Colosimo e Fábio N. Demarqui
Comparando as esimaivas produo e de Kim-Proschan: uma avaliação do efeio de diferenes modelos e proporções de censura nas esimaivas da função axa de falha João Vior Dias Moneiro, Rosângela H. Loschi, Enrico
Leia maisProblema de controle ótimo com equações de estado P-fuzzy: Programação dinâmica
Problema de conrole óimo com equações de esado P-fuzzy: Programação dinâmica Michael Macedo Diniz, Rodney Carlos Bassanezi, Depo de Maemáica Aplicada, IMECC, UNICAMP, 1383-859, Campinas, SP diniz@ime.unicamp.br,
Leia maisCONDICIONANTES DA PRODUTIVIDADE TOTAL DOS FATORES NO CRESCIMENTO DA AGROPECUÁRIA BRASILEIRA
CONDICIONANTES DA PRODUTIVIDADE TOTAL DOS FATORES NO CRESCIMENTO DA AGROPECUÁRIA BRASILEIRA gon.silva@sof2.com.br Apresenação Oral-Evolução e esruura da agropecuária no Brasil CARLOS ALBERTO GONÇALVES
Leia maisO comportamento de curto e longo prazo das exportações catarinenses
O comporameno de curo e longo prazo das exporações caarinenses RESUMO Thiago Rocha Fabris Universidade do Exremo Sul Caarinense UNESC hiagorfabris@unesc.ne Robero Meurer Universidade Federal de Sana Caarina
Leia maisTAXA DE CÂMBIO E PREÇOS DE EXPORTAÇÃO DA CARNE DE FRANGO EM
TAXA DE CÂMBIO E PREÇOS DE EXPORTAÇÃO DA CARNE DE FRANGO EM Área Temáica: 9. Méodos Quaniaivos Resumo SANTA CATARINA Eliane Pinheiro de Sousa 1 Airon Lopes Amorim 2 Daniel Arruda Coronel 3 Ese arigo buscou
Leia maisMERCADO EXTERNO SUINOCULTOR NO ESTADO DO RIO GRANDE DO SUL (RS): UMA ANÁLISE EMPÍRICA USANDO MODELO VAR
MERCADO EXTERNO SUINOCULTOR NO ESTADO DO RIO GRANDE DO SUL (RS): UMA ANÁLISE EMPÍRICA USANDO MODELO VAR cfavoreo@homail.com APRESENTACAO ORAL-Comércio Inernacional CASSIA KELY FAVORETTO COSTA 1 ; GABRIELA
Leia maisContabilometria. Séries Temporais
Conabilomeria Séries Temporais Fone: Corrar, L. J.; Theóphilo, C. R. Pesquisa Operacional para Decisão em Conabilidade e Adminisração, Ediora Alas, São Paulo, 2010 Cap. 4 Séries Temporais O que é? Um conjuno
Leia maisAPLICAÇÕES DAS EQUAÇÕES EM DIFERENÇAS NA SOLUÇÃO DE ALGUNS PROBLEMAS EM CIÊNCIAS SOCIAIS APLICADAS
3 APLICAÇÕES DAS EQUAÇÕES EM DIFERENÇAS NA SOLUÇÃO DE ALGUNS PROBLEMAS EM CIÊNCIAS SOCIAIS APLICADAS Gusavo Baisa de Oliveira (Uni-FACEF) Anônio Carlos da Silva Filho (Uni-FACEF) INTRODUÇÃO A Renda Nacional,
Leia maisExperiência IV (aulas 06 e 07) Queda livre
Experiência IV (aulas 06 e 07) Queda livre 1. Objeivos. Inrodução 3. Procedimeno experimenal 4. Análise de dados 5. Quesões 6. Referências 1. Objeivos Nesa experiência, esudaremos o movimeno da queda de
Leia maisUNIVERSIDADE DA BEIRA INTERIOR FACULDADE DE CIÊNCIAS SOCIAIS E HUMANAS DEPARTAMENTO DE GESTÃO E ECONOMIA MACROECONOMIA III
UNIVERSIDADE DA BEIRA INTERIOR FACUDADE DE CIÊNCIAS SOCIAIS E HUMANAS DEPARTAMENTO DE GESTÃO E ECONOMIA MACROECONOMIA III icenciaura de Economia (ºAno/1ºS) Ano ecivo 007/008 Caderno de Exercícios Nº 1
Leia maisUm modelo matemático discreto para a dispersão da leptospirose em uma população de ratos
Um modelo maemáico discreo para a dispersão da lepospirose em uma população de raos Luiz Albero Díaz Rodrigues, Diomar Crisina Misro Depo. de Maemáica, CCE, UFM 975-9, ana Maria, R E-mail: luizdiaz@smail.ufsm.br
Leia maisANÁLISE DO PROCESSO PRODUTIVO DE UMA INDÚSTRIA TÊXTIL ATRAVÉS DE CARTAS DE CONTROLE
5, 6 e 7 de Agoso de 010 ISSN 1984-9354 ANÁLISE DO PROCESSO PRODUTIVO DE UMA INDÚSTRIA TÊXTIL ATRAVÉS DE CARTAS DE CONTROLE Maria Emilia Camargo (Universidade de Caxias do Sul) kamargo@erra.com.br Waler
Leia maisAplicação. Uma famosa consultoria foi contratada por uma empresa. que, entre outras coisas, gostaria de entender o processo
Aplicação Uma famosa consuloria foi conraada por uma empresa que, enre ouras coisas, gosaria de enender o processo gerador relacionado às vendas de deerminado produo, Ainda, o conraane gosaria que a empresa
Leia maisInstituto de Física USP. Física Moderna. Aula 23. Professora: Mazé Bechara
Insiuo de Física USP Física Moderna Aula 3 Professora: Mazé Bechara Aula 3 Bases da Mecânica quânica e equações de Schroedinger: para odos os esados e para esados esacionários. Aplicação e inerpreações.
Leia maisANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO Breno Richard Brasil Sanos
Leia maisINTEGRAÇÃO DO MERCADO DE FRUTAS NO ESTADO DO PARÁ: ANÁLISE DE CO-INTEGRAÇÃO E CAUSALIDADE MÚLTIVARIADA
INTEGRAÇÃO DO MERCADO DE FRUTAS NO ESTADO DO PARÁ: ANÁLISE DE CO-INTEGRAÇÃO E CAUSALIDADE MÚLTIVARIADA ANTÔNIO CORDEIRO DE SANTANA () ; ZILDA JOAQUINA GAMA (2) ; FERNANDO ANTÔNIO T. MENDES (3) ; MÁRIO
Leia maisAnálise de Pós-optimização e de Sensibilidade
CPÍULO nálise de Pós-opimização e de Sensibilidade. Inrodução Uma das arefas mais delicadas no desenvolvimeno práico dos modelos de PL, relaciona-se com a obenção de esimaivas credíveis para os parâmeros
Leia maisAplicação do gráfico de controle de média móvel exponencialmente ponderada (EWMA) para monitorar a variabilidade de um processo produtivo
Aplicação do gráfico de conrole de média móvel exponencialmene ponderada (EWMA) para moniorar a variabilidade de um processo produivo Wesley Vieira da Silva 1 Paulo Sergio Macuchen Eduardo Damião da Silva
Leia mais5 Erro de Apreçamento: Custo de Transação versus Convenience Yield
5 Erro de Apreçameno: Cuso de Transação versus Convenience Yield A presene seção em como objeivo documenar os erros de apreçameno implício nos preços eóricos que eviam oporunidades de arbiragem nos conraos
Leia maisIncertezas na Robótica Móvel Filtros Bibliografia Recomendada. EESC-USP M. Becker /78
Aula 5 Inrodução à Robóica Móvel Lidando com Incerezas Prof. Dr. Marcelo Becker EESC - USP Sumário da Aula Inrodução às Incerezas Incerezas na Robóica Móvel Filros Bibliografia Recomendada EESC-USP M.
Leia maisForecasts for the Brazilian Exports in 2011 using structural models
MPRA Munich Personal RePEc Archive Forecass for he Brazilian Expors in 11 using srucural models Lucas Lúcio Godeiro Federal Rural Universiy of Semi-Arid December 11 Online a hps://mpra.ub.uni-muenchen.de/4518/
Leia maisUniversidade Federal do Rio de Janeiro
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL42 Coneúdo 8 - Inrodução aos Circuios Lineares e Invarianes...1 8.1 - Algumas definições e propriedades gerais...1 8.2 - Relação enre exciação
Leia maisDETERMINAÇÃO DA RAZÃO DE HEDGE ÓTIMA PARA O BOI GORDO NO MERCADO FUTURO DA BM&F PELA APLICAÇÃO DA SIMULAÇÃO MONTE CARLO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. DETERMINAÇÃO DA RAZÃO DE HEDGE ÓTIMA PARA O BOI GORDO NO MERCADO FUTURO DA BM&F PELA APLICAÇÃO DA SIMULAÇÃO MONTE CARLO Reginaldo Sanana Figueiredo (UFG)
Leia maisAnálise da volatilidade dos preços do boi gordo no Estado de São Paulo: uma aplicação dos modelos ARCH/GARCH
"Conhecimenos para Agriculura do Fuuro" ANÁLISE DA VOLATILIDADE DOS PREÇOS DO BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS ARCH/GARCH RAQUEL CASTELLUCCI CARUSO SACHS; MARIO ANTONIO MARGARIDO.
Leia maisUtilização de modelos de holt-winters para a previsão de séries temporais de consumo de refrigerantes no Brasil
XXVI ENEGEP - Foraleza, CE, Brasil, 9 a 11 de Ouubro de 2006 Uilização de modelos de hol-winers para a previsão de séries emporais de consumo de refrigeranes no Brasil Jean Carlos da ilva Albuquerque (UEPA)
Leia maisUniversidade de Brasília - UnB Instituto de Exatas Departamento de Estatística ANÁLISE DE VOLATILIDADE DE ÍNDICES FINANCEIROS SETORIAIS
Universidade de Brasília - UnB Insiuo de Exaas Deparameno de Esaísica ANÁLISE DE VOLATILIDADE DE ÍNDICES FINANCEIROS SETORIAIS Mauricio Lamas Vioi de Barros 06/986 Brasília - DF 0 MAURICIO LAMAS VIOTTI
Leia mais4 Modelagem e metodologia de pesquisa
4 Modelagem e meodologia de pesquisa Nese capíulo será apresenada a meodologia adoada nese rabalho para a aplicação e desenvolvimeno de um modelo de programação maemáica linear misa, onde a função-objeivo,
Leia maisESTIMAÇÃO DA REGRA DE TAYLOR PARA O BRASIL ( ): HOUVE RUPTURA NA CONDUÇÃO DA POLÍTICA MONETÁRIA PÓS-2011?
ESTIMAÇÃO DA REGRA DE TAYLOR PARA O BRASIL (2004-2014): HOUVE RUPTURA NA CONDUÇÃO DA POLÍTICA MONETÁRIA PÓS-2011? ESTIMATION OF THE TAYLOR RULE FOR BRAZIL (2004-2014): WAS THERE A BREAK IN THE CONDUCT
Leia maisAplicação de Séries Temporais na Série Teor de Umidade da Areia de Fundição da Indústria FUNDIMISA*
XII SIMPEP, Bauru, SP, Brasil, 7 a 9 de novembro de 25 Aplicação de Séries Temporais na Série Teor de Umidade da Areia de Fundição da Indúsria FUNDIMISA* Suzana Russo (URI - UALG) jss@urisan.che.br Paulo
Leia mais3 Metodologia 3.1. O modelo
3 Meodologia 3.1. O modelo Um esudo de eveno em como obeivo avaliar quais os impacos de deerminados aconecimenos sobre aivos ou iniciaivas. Para isso são analisadas as diversas variáveis impacadas pelo
Leia maisUniversidade do Estado do Rio de Janeiro Instituto de Matemática e Estatística Econometria
Universidade do Esado do Rio de Janeiro Insiuo de Maemáica e Esaísica Economeria Variável dummy Regressão linear por pares Tese de hipóeses simulâneas sobre coeficienes de regressão Tese de Chow professorjfmp@homail.com
Leia mais5 Método dos Mínimos Quadrados de Monte Carlo (LSM)
Méodo dos Mínimos Quadrados de Mone Carlo (LSM) 57 5 Méodo dos Mínimos Quadrados de Mone Carlo (LSM) O méodo LSM revela-se uma alernaiva promissora frene às radicionais écnicas de diferenças finias e árvores
Leia maisMODELOS DE VOLATILIDADE: COMPARAÇÃO COM DADOS SIMULADOS
MODELOS DE VOLATILIDADE: COMPARAÇÃO COM DADOS SIMULADOS Paulo Henrique Soo Cosa PUC-Rio / Dep. Engenharia Indusrial Rua M. S. Vicene 5 sala 950L CEP:453-900 Rio de Janeiro RJ UERJ / Fac. Ciências Econômicas
Leia mais*UiILFRGH&RQWUROH(:0$
*UiILFRGH&RQWUROH(:$ A EWMA (de ([SRQHQWLDOO\:HLJKWHGRYLQJ$YHUDJH) é uma esaísica usada para vários fins: é largamene usada em méodos de esimação e previsão de séries emporais, e é uilizada em gráficos
Leia maisEXAME NACIONAL DE SELEÇÃO 2007
EXAME NACINAL E SELEÇÃ 007 PRVA E ESTATÍSTICA o ia: 8/0/006 - QUARTA FEIRA HRÁRI: 0h30 às h 45 (horário de Brasília) EXAME NACINAL E SELEÇÃ 007 o ia:8/0(quara-feira) Manhã:0:30h às h 45 ESTATÍSTICA Insruções.
Leia mais2 Os métodos da família X Introdução
2 Os méodos da família X 2. Inrodução O méodo X (Dagum, 980) emprega médias móveis (MM) para esimar as principais componenes de uma série (Sysem of Naional Accouns, 2003): a endência e a sazonalidade.
Leia mais