A PRIMEIRA COMPONENTE PRINCIPAL COMO INDICADOR DE TENDÊNCIA DA INFLAÇÃO*

Tamanho: px
Começar a partir da página:

Download "A PRIMEIRA COMPONENTE PRINCIPAL COMO INDICADOR DE TENDÊNCIA DA INFLAÇÃO*"

Transcrição

1 A PRIMEIRA COMPOETE PRICIPAL COMO IDICADOR DE TEDÊCIA DA IFLAÇÃO Carlos Robalo Marques Pedro Duarte eves Afonso Gonçalves da Slva ITRODUÇÃO As opnões expressas no artgo são da ntera responsabldade dos autores e não concdem necessaramente com a posção do Banco de Portugal Departamento de Estudos Económcos Enquanto estagáro no Departamento de Estudos Económcos Combra e eves (997) propuseram a utlzação de um ndcador de tendênca da nflação baseado no método das componentes prncpas O Banco de Portugal tem utlzado este ndcador que corresponde mas rgorosamente ao cálculo da prmera componente prncpal na análse da evolução dos preços, a par de outras meddas de tendênca da nflação O ndcador baseado no método das componentes prncpas mostrou possur boas propredades quando analsado à luz dos créros propostos em Marques et al (999, 2000) O presente estudo tem dos objectvos Em prmero lugar, pretende abordar o problema da nãoestaconardade no cálculo das componentes prncpas Com efeo, esta técnca fo ncalmente desenvolvda sob a hpótese de que as varáves analsadas são estaconáras, pressuposto não verfcado pela maora das séres das taxas de varação homóloga dos preços das dversas componentes do IPC Em segundo lugar, pretende testar de uma forma mas rgorosa do que em Marques et al (999, 2000) a verfcação pela prmera componente prncpal das propredades desejáves de um ndcador de tendênca da nflação Com efeo, nos referdos estudos não se utlzou aquele ndcador como dsponível em tempo real, mas como calculado com acesso a toda a nformação amostral Ora, só fazendo o seu cálculo com base na nformação dsponível em tempo real se pode replcar a sua utlzação como ndcador de tendênca da nflação Adconalmente este estudo apresenta anda um modelo teórco que perme nterpretar a tendênca da nflação como uma tendênca estocástca comum às taxas de varação dos preços das rubrcas elementares que constuem o Índce de Preços no Consumdor A prmera componente prncpal calculada tendo em consderação os dos aspectos referdos, sto é, levando em conta o problema da não estaconardade das varáves e fazendo o seu cálculo com base na nformação dsponível em tempo real verfca todas as propredades desejáves para um ndcador de tendênca da nflação Além dsso é anda lgeramente menos volátl do que a versão do mesmo ndcador que tem vndo a ser calculada pelo Banco de Portugal Este novo ndcador constu pos, mas um elemento útl para a análse do comportamento dos preços em Portugal Este artgo está organzado da segunte forma a secção 2, dscute-se o método das componentes prncpas e apresentam-se as prncpas alterações metodológcas ntroduzdas; na secção 3, dscute-se e nterpreta-se o modelo teórco para a tendênca da nflação à luz do método das componentes prncpas; na secção 4, analsam-se as propredades do ndcador e na secção 5, apresentam-se as prncpas conclusões Banco de Portugal / Boletm económco / Março

2 2 O MÉTODO DAS COMPOETES PRICIPAIS O método das componentes prncpas é uma técnca que perme obter, a partr de um dado conjunto de varáves, um certo número de combnações lneares destas varáves, que são desgnadas por componentes prncpas, e que explcam de forma condensada uma determnada proporção da varação mplíca no conjunto das varáves Por exemplo, no nosso caso, pode ser vsta como representando a taxa de varação homóloga da -ésma rubrca elementar do IPC É sabdo que o método das componentes prncpas é sensível à escala das varáves Por esta razão é hábo proceder prevamente à estandardzação das varáves orgnas com vsta a garantr que estas têm uma dmensão comparável e aplcar o método das componentes prncpas drectamente sobre as varáves transformadas Representando por x a varável estandardzada para o período t temos: x () s onde representa a méda amostral de e s o correspondente desvo-padrão Sendo X a matrz das T observações destas varáves estandardzadas, podemos escrever: x x X x x Como veremos esta estandardzação é apenas uma das transformações possíves a prátca a transformação a aplcar às varáves orgnas depende do objectvo da análse Admamos por agora que a nossa matrz X éa matrz das varáves estandardzadas O método das componentes prncpas tem por objectvo obter varáves que são combnações lneares das colunas da matrz X, ortogonas entre s, e tal que a prmera deve ter a máxma varânca possível, a segunda a máxma varânca possível de entre as não correlaconadas com a prmera e assm sucessvamente Se representarmos por z t a prmera destas varáves, podemos escrever: T (2) z x x x t, 2,, T (3) 2 2 t t t t ou em termos matrcas ZX A soma de quadrados de Z vem dada por ZZ XX eoobjectvo do método consste em escolher o vector por forma a maxmzar ZZ, sujeo à restrção de que ou seja resolver o problema: Max: Z Z sa R onde R X X A restrção, desgnada por restrção de dentfcação, é necessára para obrgar a uma solução fna para o valor óptmo de ZZ Caso contráro sera possível aumentar arbraramente a varânca da prmera componente prncpal bastando aumentar a escala do vector A matrz R X X é habualmente desgnada por matrz nput e sob a hpótese de que X é matrz das varáves estandardzadas R representará a matrz dos coefcentes de correlação amostras entre as varáves É possível demonstrar que a solução óptma do problema (4) consste em tomar gual ao vector própro normalzado assocado ao maor valor própro da matrz R X X Identcamente, a solução óptma para a segunda componente prncpal consste em tomar o vector de parâmetros gual ao vector própro assocado ao segundo maor valor própro, e assm sucessvamente Desgnando por o valor óptmo de e por Z a prmera componente prncpal estmada com base no valor óptmo de, podemos escrever: Z (4) X (5) O método das componentes prncpas fo orgnalmente desenvolvdo sob o pressuposto de que as varáves em análse são estaconáras o caso em que as varáves são estaconáras a sua estandardzação tem uma nterpretação estatístca medata Todava, no caso português, é possível demonstrar que grande parte das taxas de varação homóloga das rubrcas elementares do IPC se comporta como varáves não estaconáras Em partcular, para a maora destas varáves, a hpótese da presença de uma raz unára não é rejeada este ponto duas questões surgem naturalmente Por um lado, a questão de saber se o método das componentes prncpas contnua váldo na 40 Banco de Portugal / Boletm económco / Março 200

3 presença de varáves ntegradas de ordem e, por outro, se a estandardzação habual atrás apresentada contnua aconselhável dado o objectvo de construr um ndcador de tendênca da nflação A resposta à prmera das perguntas é afrmatva o essencal, o método das componentes prncpas mantém-se váldo na presença de varáves ntegradas O chamado estmador das componentes prncpas no contexto de varáves ntegradas fo pela prmera vez utlzado por Stock e Watson (988) Recentemente, Harrs (997) demonstrou que este estmador pode ser usado para estmar vectores contegrantes este contexto, o estmador para, enquanto vector contegrante que torna z t estaconáro em (3), é dado pelo vector própro assocado ao menor valor própro da matrz XX, pos trata-se agora de mnmzar a varânca de z t Harrs (997) demonstra que o estmador de é super-consstente não só enquanto estmador de vectores contegrantes, mas também enquanto estmador de componentes prncpas Antes de darmos a resposta à segunda questão relatva à estandardzação, convém frsar que a normalzação mplíca no uso de R X X como nput usada atrás para efeos de exposção do método, não é únca, e que a escolha pode ser adaptada ao tpo de problema em estudo () Os elementos estmados do vector em (3) podem ser vstos como representando a contrbução (peso) de cada rubrca elementar para a defnção da prmera componente prncpal Uma vez que em (3) o objectvo é maxmzar a varânca de z t, o estmador atrburá maor peso às componentes com maor varânca ndvdual A estandardzação habual, que consste em subtrar a méda da sére e dvdr pelo respectvo desvo-padrão, é adequada quando as varáves são estaconáras o entanto, na presença de varáves ntegradas de ordem ava- rânca empírca tende a ser tanto maor quanto () Por vezes, a matrz X é defnda com varáves apenas na forma de desvos em relação à méda, sto é, com elementos do tpo: x e neste caso, a matrz nput R X X será a matrz de varâncas covarâncas das varáves orgnas em vez da matrz dos coefcentes de correlação O uso da matrz de varâncas-covarâncas como matrz nput poderá ser aceável se as varáves não tverem varâncas muo dferentes, pos caso contráro as prmeras componentes prncpas tendem a ser domnadas pelas varáves com maor varânca Sendo a varânca uma varável que depende da escala das varáves, a solução, nesta suação, consste em prevamente estandardzar as varáves Veja-se, por exemplo, Dllon e Goldsten (984) maor a alteração do nível médo da sére no período amostral, aparecendo assm como mas volátes séres bastante alsadas que exbem uma tendênca crescente ou decrescente muo acentuada no período amostral Por outras palavras, no caso de varáves ntegradas a varânca empírca não mede o grau de volatldade da sére Se o objectvo for o de obter um ndcador de tendênca da nflação uma preocupação natural resde no grau de alsamento da sére da prmera componente prncpal que se pretende obter Assm, parece adequado olhar para combnações lneares das taxas de varação homólogas das rubrcas elementares do IPC que retenham snal (varânca) sem produzrem excessva volatldade Se caracterzarmos o alsamento de uma varável ntegrada de ordem pela varânca das prmeras dferenças, podemos obter um ndcador mas alsado se aplcarmos o método das componentes prncpas drectamente às varáves x estandardzadas da segunte forma: (6) x onde representa a taxa de varação homóloga da -ésma rubrca elementar do IPC, a respectva méda amostral e o desvo-padrão de (2) Fnalmente, nteressa abordar duas questões adconas que têm consequêncas sobre a forma de cálculo do ndcador e que se referem à necessdade de cálculo do ndcador em tempo real e ao seu re-escalonamento Uma das condções geralmente exgdas para um ndcador de tendênca da nflação éadeque seja calculável de forma defnva em tempo real (3) A forma de resolver esta questão para o ndcador em análse consste em construr uma sére de prmeras estmatvas de z t Por outras palavras, o ndcador baseado no estmador das componentes prncpas fo construído tomando, para cada período t, o valor da componente prncpal que se obtém de (3), consderando na matrz X apenas as observações dsponíves até ao período t aturalmente este processo só pode ser aplcado a partr do momento em que exste um número (2) Para mas pormenores sobre esta especfcação alternatva do método das componentes prncpas veja-se Machado et al (200) (3) Veja-se, por exemplo, Marques et al (2000) Banco de Portugal / Boletm económco / Março 200 4

4 mínmo de observações consderado ndspensável ao cálculo da prmera estmatva o nosso caso, dada a pequena dmensão do período amostral decdu-se, para efeos de análse das propredades do ndcador nos termos da secção 4, manter os valores ncas, embora em rgor não se tratem de prmeras estmatvas Assm o ndcador no período de 993/7 a 997/2 é constuído pelas estmatvas obtdas usando a amostra até 997/2 sendo, a partr daí, constuído por prmeras estmatvas calculadas nos termos acabados de descrever Refra-se que, desta forma, é adoptado um processo mas rgoroso para a análse das propredades deste ndcador do que o usado em Marques et al (999, 2000) Vejamos agora o problema do re-escalonamento do ndcador A componente prncpal em (3), sendo obtda com base em varáves prevamente estandardzadas, tem um nível médo que não é comparável com o nível médo da nflação no período amostral Para poder ser usada como ndcador, é necessáro proceder ao seu reescalonamento, de forma a que as duas séres passem a exbr o mesmo valor médo Embora exstam procedmentos alternatvos, o mas smples de entre todos consste em estmar uma regressão entre a taxa de nflação e a componente prncpal ncal, e tomar como ndcador os valores ajustados desta regressão (4) o nosso caso, tendo mas uma vez como objectvo assegurar a obtenção de um ndcador calculável em tempo real, decdu-se estmar sucessvas regressões nclundo em cada uma delas uma observação adconal A análse deste ndcador de prmeras estmatvas, que representaremos por CP, é fea na secção 4 Para comparação fo gualmente calculado, também em tempo real e a partr de 998/, um ndcador no qual a estandardzação fo realzada da forma tradconal (5), desgnado na secção segunte por CP2 3 UM MODELO TEÓRICO PARA A TEDÊCIA DA IFLAÇÃO esta secção mostra-se como o método das componentes prncpas pode ser usado para obter uma estmatva consstente para a tendênca da nflação Adma-se que a varação de preços do bem se pode decompor na soma de duas componentes dstntas Uma, que desgnaremos por componente permanente, cuja evolução é determnada pelo andamento da tendênca da nflação, e outra, habualmente desgnada por componente temporára, que corresponde ao efeo de choques específcos, ntrínsecos ao mercado do bem Em termos genércos, podemos escrever: a b t ;,, ; t,, T; (7) onde representa, mas uma vez, a taxa de varação homóloga do preço do bem, t a tendênca da nflação e a componente temporára Uma vez que, por hpótese, as varáves são ntegradas de ordem, t é também necessaramente uma varável ntegrada de ordem Por sua vez, por construção, cada é uma varável estaconára, de méda nula Assm, a equação (7) postula a exstênca de uma relação de contegração entre a taxa de crescmento dos preços do bem e a tendênca da nflação (6) Adme-se, a este nível de desagregação, que exstem componentes do IPC cujas taxas de varação, embora determnadas no longo prazo pela tendênca da nflação, não apresentam relatvamente a esta uma evolução necessaramente paralela (pelo que se pode ter a 0 e/ou b ) Convém notar que a especfcação de (7) em termos genércos (onde potencalmente se tem a 0 e b ) não é ncompatível com a hpótese habualmente fea a nível agregado, que decompõe a taxa de nflação para o total da economa na soma smples da tendênca e de uma componente transóra, ou seja, u (8) t t t (4) Este fo o procedmento usado, por exemplo, em Combra e eves (997) (5) Isto é, usando o desvo-padrão de e não de (6) ote-se, no entanto, que o método é gualmente aplcável se alguns dos forem estaconáros, e, se alguns dos b forem nulos [veja-se Hall et al (999)] 42 Banco de Portugal / Boletm económco / Março 200

5 Para ver que assm é, comecemos por notar que a taxa de nflação homóloga se pode escrever na P, 2 forma t w, com w, onde P representa o peso (fxo) da componente no IPC, P t2 o índce de preços dessa componente, e P t o própro IPC ote-se que se tem w, apesar de os w serem varáves no tempo Agora multplcando as equações (7) pelos pesos de cada rubrca na nflação (w ) e somando, temos: ou seja, w w a w b w (9) t 0t t t t Agora, se em (0) tvermos E 0t E wa 0 E t E wb (0) () então estará verfcada a hpótese formulada em (8) É possível demonstrar que o método das componentes prncpas pode ser usado para obter uma estmatva consstente para t no contexto do modelo (7) este sentdo a prmera componente prncpal pode ser vsta como representando uma tendênca estocástca comum às taxas de varação dos preços de cada uma das rubrcas elementares do IPC Os detalhes da demonstração podem ser vstos em Machado et al (200) 4 AÁLISE DAS PROPRIEDADES DO IDICADOR esta secção, analsam-se as propredades dos ndcadores CP e CP2 calculados nos termos descros na secção 2 A avalação dos ndcadores de tendênca da nflação é fea recorrendo aos créros propostos em Marques et al (999, 2000) Recorde-se que estes créros são os seguntes: ) a dferença entre a nflação observada e o ndcador de tendênca deverá ser uma varável estaconára de méda nula; ) o ndcador de tendênca da nflação deverá funconar como um attractor da taxa de nflação, no sentdo em que constu um ndcador avançado da nflação; ) a nflação observada não deverá ser um attractor do ndcador de tendênca da nflação Os testes destas condções podem ser levados a cabo de dversas formas A verfcação da condção ) pode ser fea testando a exstênca de contegração na regressão t t ut, com e 0, onde t representa a taxa homóloga de nflação e t o ndcador de tendênca Este teste pode ser conduzdo em duas etapas Prmero utlzar testes de raízes unáras na sére d t t t, com o objectvo de estabelecer que d t é uma varável estaconára Segundo, testar a hpótese 0, condconada no facto de d t ser uma varável estaconára Para testar a segunda e tercera condções, torna-se necessáro especfcar modelos dnâmcos para t e t O leor nteressado nos detalhes técncos poderá consultar Marques et al (2000) Ambos os ndcadores verfcam as propredades propostas Deve notar-se que, por construção, é de esperar à partda que ambos os ndcadores satsfaçam a propredade de não envesamento sstemátco, ou seja, a segunda etapa da condção ) Como se pode verfcar no gráfco, ambos os ndcadores apresentam um perfl temporal próxmo do deal num ndcador de tendênca omeadamente, tratam-se de séres mas alsadas do que a taxa de nflação, que tendem a estar acma desta em períodos em que esta está partcularmente baxa e abaxo sempre que esta assume valores partcularmente elevados, verfcando-se adconalmente que, nestes casos, é a nflação observada a convergr para o ndcador de tendênca e não o nverso O gráfco ndca também que CP2 é mas volátl do que CP (7) Assm, justfcam-se na prátca as vantagens teórcas apresentadas na secção anteror Um outro ponto que nteressa analsar prende-se com a relação exstente entre os ponderado- (7) O desvo-padrão das prmeras dferenças de CP é 0093 pp, enquanto que o de CP2 é 020 pp Ambos são substancalmente nferores ao da nflação, que é 0297 pp Banco de Portugal / Boletm económco / Março

6 Gráfco TAXA DE IFLAÇÃO E PRIMEIRA COMPOETE PRICIPAL Gráfco 3 RELAÇÃO ETRE OS PESOS DE CADA RUBRICA O IPC E A COMPOETE PRICIPAL Inflação CP CP2 0 Em percentagem Pesos no IPC Jan94 Jan95 Jan96 Jan97 Jan98 Jan99 Jan Pesos em CP Gráfco 2 RELAÇÃO ETRE VOLATILIDADE E PESOS DAS DIFERETES RUBRICAS A COMPOETE PRICIPAL Gráfco 4 RELAÇÃO ETRE OS PESOS DE ALGUS GRUPOS DE RUBRICAS O IPC E A COMPOETE PRICIPAL 30% 25% Volatldade (σ ι) 20% 5% 0% Energétcos Vestuáro e calçado Saúde Ensno, Cultura e Dstracção 5% Pesos em CP 0% Almentares não transformados Almentares transformados Conforto da Habação (exc Energétcos) Peso em CP Transportes e Comuncações (exc Energétcos) Peso no IPC Tabaco, Outros Bens e Servços res na componente prncpal de cada rubrca elementar e o respectvo peso no IPC O gráfco 2 lustra a relação entre os ponderadores de cada rubrca no ndcador CP e a respectva volatldade (medda por, o desvo-padrão das prmeras dferenças), ambos obtdos para a totaldade do período amostral Verfca-se que todas as séres com um peso sgnfcatvo têm uma volatldade relatvamente baxa, ao passo que as séres de volatldade mas elevada apresentam pesos bastante próxmos de zero Exste pos uma relação negatva entre os valores dos ponderadores e a volatldade de cada rubrca Pelo contráro, como se pode ver no gráfco 3, não exste qualquer relação sgnfcatva entre o peso de cada rubrca no IPC e o seu ponderador na componente prncpal o gráfco 4, estão representados os pesos no IPC de 9 agrupamentos de rubrcas elementares e os respectvos ponderadores na componente prncpal, para todo o período amostral (8) Os dos prmeros agrupamentos correspondem às rubrcas excluídas na tradconal nflação subjacente As restantes rubrcas foram agrupadas segundo a classe do IPC a que pertencem Verfca-se que os bens Almentares não transformados e Energé- 44 Banco de Portugal / Boletm económco / Março 200

7 tcos têm um peso menor na componente prncpal do que no IPC, o mesmo sucedendo, embora em menor grau, com os Almentares transformados e Transportes e Comuncações (exclundo Energétcos) Todas as outras categoras sofrem um aumento de mportânca no índce Em resumo, conclu-se que as séres consderadas mas volátes vêem o seu peso na componente prncpal reduzdo face ao peso no IPC, sendo o nverso verdadero no caso das séres menos volátes Este facto explca o maor alsamento do ndcador CP face à taxa de nflação observada A termnar, nteressa notar que o ndcador CP, embora em crcunstâncas normas desempenhe de uma forma satsfatóra o papel de ndcador de tendênca da nflação, pode todava apresentar problemas de establdade em especal quando há uma modfcação no número, constução ou método de recolha de dados nas categoras do IPC esta suação a análse da prmera componente prncpal deve ser complementada com ndcadores mas robustos, como é o caso dos estmadores de nfluênca lmada, correntemente utlzados pelo Banco de Portugal 5 COCLUSÕES Este artgo re-estma e re-examna a prmera componente prncpal, enquanto ndcador de tendênca da nflação, com o objectvo não só de enquadrar o processo de estmação no contexto de varáves não estaconáras, mas também de estudar as suas propredades quando calculado em tempo real O ndcador assm calculado verfca todas as propredades consderadas ndspensáves a um ndcador de tendênca da nflação Por um lado, verfca-se que o método das componentes prncpas, na construção do ndcador de tendênca, apenas atrbu pesos sgnfcatvos a rubrcas pouco volátes, tendo as rubrcas mas volátes pesos quase nulos Em partcular, verfca-se que os bens (8) Os ponderadores estmados de algumas rubrcas elementares vêm com snal negatvo Todava, na sua maor parte, parecem não ser estatstcamente sgnfcatvos, e o seu valor acumulado é muo pequeno (cerca de -86%) Por esta razão, optou-se por mantê-los no gráfco A título de lustração, refra-se que a categora mas afectada por este problema, Almentares não transformados, passara de 378% para 532% no caso de aqueles ponderadores serem removdos Almentares não transformados e Energétcos têm um peso menor na componente prncpal do que no IPC Por esta razão, o ndcador é menos volátl que a nflação, tendendo a ser menor que esta em períodos em que a nflação está partcularmente elevada, e acontecendo o nverso quando a nflação está partcularmente baxa Por outro lado, verfca-se também que a nflação tende a convergr para o nível dado pelo ndcador, sempre que a dferença entre eles é sgnfcatva Por estas razões, este novo ndcador de tendênca poderá constur mas um auxlar útl de análse do comportamento da nflação REFERÊCIAS Combra, C, eves, P D, 997, Indcadores de tendênca da nflação, Banco de Portugal, Boletm Económco, Março; Dllon, WR, Goldsten, M, 984, Multvarate analyss, methods and applcatons, John Wley & Sons; Hall, S, Lazarova, S, Urga, G, 999, A prncpal components analyss of common stochastc trends n heterogeneous panel data: some Monte Carlo evdence, Oxford Bulletn of Economcs and Statstcs 6, ; Harrs, D, 997, Prncpal components analyss of contegrated tme seres, Econometrc Theory, 3, ; Machado, J F, Marques, C R, eves, P D, Slva, A G, 200, A prmera componente prncpal como ndcador de tendênca da nflação, Banco de Portugal, mmeo; Marques, C R, eves, PD, Sarmento, LM, 999, Avalação de ndcadores de tendênca da nflação, Banco de Portugal, Boletm Económco, Dezembro; Marques, C R, eves, P D, Sarmento, L M, 2000, Evaluatng core nflaton ndcators, Banco de Portugal, WP nº 3; Stock, J H, Watson, M W, 988, Testng for common trends, Journal of the Amercan Statstcal Assocaton 83, Banco de Portugal / Boletm económco / Março

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

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

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

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS DO MODELO DE REGRESSÃO PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

Análise de Regressão Linear Múltipla IV

Análise de Regressão Linear Múltipla IV Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS 177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,

Leia mais

Reconhecimento Estatístico de Padrões

Reconhecimento Estatístico de Padrões Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Equações Simultâneas

Equações Simultâneas Equações Smultâneas Caracterzação. Os modelos de equações smultâneasenvolvem mas de uma varável dependente, ou endógena, sendo necessáras tantas equações quanto for o número de varáves endógenas 2. Uma

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009 Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

UNIVERSIDADE FEDERALDO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA CURSO DE BACHARELADO EM ESTATÍSTICA

UNIVERSIDADE FEDERALDO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA CURSO DE BACHARELADO EM ESTATÍSTICA UNIVERSIDADE FEDERALDO PARÁ INSTITUTO DE CIÊNCIAS EATAS E NATURAIS FACULDADE DE ESTATÍSTICA CURSO DE BACHARELADO EM ESTATÍSTICA JEFFERSON PINTO BARBOSA JUNIOR ECONOMETRIA: MULTICOLINEARIDADE E HETEROCEDASTICIDADE

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

Análise de Regressão Linear Múltipla VII

Análise de Regressão Linear Múltipla VII Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto

Leia mais

ANÁLISE DE COMPONENTES PRINCIPAIS, ANÁLISE FATORIAL: Exemplos em STATA. Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

ANÁLISE DE COMPONENTES PRINCIPAIS, ANÁLISE FATORIAL: Exemplos em STATA. Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ADMINISTRAÇÃO ANÁLISE DE COMPONENTES PRINCIPAIS, ANÁLISE FATORIAL: Eemplos em STATA. Prof. Dr. Evandro Marcos

Leia mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores) UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

3. Estatística descritiva bidimensional

3. Estatística descritiva bidimensional 3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão

Leia mais

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

Leia mais

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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação

Leia mais

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

CURSO A DISTÂNCIA DE GEOESTATÍSTICA CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

Economia Industrial. Prof. Marcelo Matos. Aula 7

Economia Industrial. Prof. Marcelo Matos. Aula 7 Economa Industral Prof. Marcelo Matos Aula 7 Concentração de Mercado Resende e Boff [cap 5 de K&H, 2013]; Ferguson e Ferguson cap.3; Meddas de Concentração: característcas Possbldade de classfcar meddas

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o

Leia mais

Eletromagnetismo Aplicado

Eletromagnetismo Aplicado letromagnetsmo Aplcado Undade 5 Propagação de Ondas letromagnétcas em Meos Ilmtados e Polaração Prof. Marcos V. T. Heckler Propagação de Ondas letromagnétcas e Polaração 1 Conteúdo Defnções e parâmetros

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES

4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES 4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES Para o Curso de Físca da Polução do Ar FAP346, º Semestre/006 Prof. Amérco Sansgolo Kerr Montora: Mara Emíla Rehder aver 4. INTRODUÇÃO No modelamento

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Serão abordados nesse capítulo os modelos causais, utilizados como ferramentas para o desenvolvimento e análise desse trabalho.

Serão abordados nesse capítulo os modelos causais, utilizados como ferramentas para o desenvolvimento e análise desse trabalho. 3. Modelos causas Serão abordados nesse capítulo os modelos causas, utlzados como ferramentas para o desenvolvmento e análse desse trabalho. 3.1. Econometra A base da Econometra é a aplcação de métodos

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais