última observação. Por fim, foi obtida a previsão das taxas de mortalidade para 25 anos.
|
|
- Eric Terra Pais
- 5 Há anos
- Visualizações:
Transcrição
1 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 homens e mulheres. Primeiramene, foi feio o ajuse do modelo demográfico previso na eq.(), com a esimação dos parâmeros α x, β x e κ. O passo seguine foi a projeção de κ para 5 anos subsequenes à úlima observação. Por fim, foi obida a previsão das axas de moralidade para 5 anos. Os parâmeros ^ x α obidos com base na eq.(3) esão ilusrados na Fig.. No período , a curva masculina enconra-se acima da feminina para odas as idades, refleindo o fao esperado da moralidade er sido maior, em média, na população masculina. Um pono ineressane a ser observado é o fao da curva possuir um crescimeno mais brando na faixa eária dos 0 aos 30 anos (maior desaque na população masculina). Uma jusificaiva seria o aumeno geralmene exisene da moralidade nessas idades devido a acidenes e violência.
2 Resulados 48 Idades Coeficienes αx esimados Feminino Masculino Figura Coeficienes α x esimados por sexo ( ) Com base nos valores ^ α x, foram obidas as primeiras esimações de κ a parir da eq. (4). A endência de queda do nível de moralidade com o empo é consaada para os dois sexos na Fig.. Os parâmeros esimados β x conforme eq.(5), que avaliam a sensibilidade da variação nas axas de more quando o parâmero κ varia, esão demonsrados na Fig. 3. Se β x é pequeno, conclui-se que as axas de more variam pouco quando o nível geral de moralidade se alera, o que é o caso da moralidade nas idades mais avançadas. Para as idades acima de 75 anos aproximadamene, os coeficienes feminino e masculino apresenaram um comporameno similar, uma endência decrescene. A curva observada para a população feminina, que mosra que quano menor a idade, maior é a sensibilidade à variação no parâmero κ, em a mesma endência da curva aponada por Lee (000) ao aplicar a meodologia LC aos dados dos Esados Unidos e do Chile. Já a curva masculina apresenou valores menores para β x quando eses eram maiores na população feminina e vice-versa. ^ ^
3 Resulados 49 40,0 0,0 κ esimados 0, ,0-40,0 Feminino Ano Masculino Figura Coeficienes κ esimados por sexo ( ) 0,08 Coeficienes βx esimados 0,03 0,008 Feminino Masculino 0, Idades Figura 3 Coeficienes β x esimados, por sexo ( )
4 Resulados 50 Para garanir que as axas de more ajusadas gerariam o número de mores observado quando aplicadas à população analisada, foi realizada a reesimação do parâmero κ segundo a eq.(6). Os parâmeros reesimados para a população feminina e masculina, bem como os esimados inicialmene, esão ilusrados nas Fig. 4. Os valores esimados para os parâmeros α, β e κ consam no Apêndice I dese rabalho κ esimados e reesimados Ano K es. Fem K es. Masc K rees. Fem K rees. Masc Figura 4 Coeficienes κ reesimados ( ) Feia a reesimação do parâmero κ, podemos escrever o modelo demográfico proposo na eq.(). Uma vez que os parâmeros α x e β x foram esimados e não dependem da variável empo, a previsão das axas de moralidade fuuras passam a depender exclusivamene da projeção dos valores κ fuuros. Para al projeção, as séries κ reesimadas feminina e masculina são modeladas como um processo de séries emporais. A Fig. 4 mosra um declínio dos valores de κ aproximadamene linear, maior para as mulheres do que para os homens, no período A lineariedade aproximada de κ, bem como a variação relaivamene consane das séries no período são grandes vanagens para a consrução de modelos de previsão. Os dados disponibilizados referem-se ao período de 950 a 003. No enano, os 5 úlimos anos disponíveis não foram
5 Resulados 5 modelados, a fim de possibiliar uma comparação enre a previsibilidade dos modelos nos próximos 5 anos e o comporameno observado no período. Uma simples inspeção nas séries mosra que as mesmas aparenam nãoesacionariedade e apresenam uma endência negaiva susenada. Os correlogramas ilusrados nas Fig. 5 e 6 ambém apresenam indícios de nãoesacionariedade das séries, viso que observa-se um amorecimeno leno da função de auorocorrelação parcial (ACF). A não-esacionariedade das séries foi superada modelando-as em primeira diferença ou com ajuse de endência, como será mosrado. Figura 5 Correlograma da série κ feminina
6 Resulados 5 Figura 6 Correlograma da série κ masculina Devido à endência decrescene das séries, foi considerada a presença de uma consane quando da esimação dos modelos. Em relação à série feminina, doravane denominada κfem, dois modelos esados apresenaram bons ajuses e uma análise de resíduos saisfaória. O primeiro modelo é um processo ARIMA, onde a série é modelada em primeira diferença, uma vez que já foi verificado que ela não é esacionária em nível. Os parâmeros dos modelos foram esimados aravés do pacoe esaísico EViews, uilizando o méodo de Mínimos Quadrados, e esão apresenados na Tabela 3. O índice κfem modelado como um processo ARIMA(0,,,) é represenado algebricamene na forma: Δκfem = c + θ ε + ε, ε ~ N(0, σ ), onde Δ represena o operador de diferença. Assumindo os valores esimados para os parâmeros, a equação esimada se orna: ^ Δκ fem =,09 0,77894ε + ε ; ε ~ N(0, σ )
7 Resulados 53 Tabela 3 Parâmeros esimados - processo ARIMA(0,,), série κfem Variable Coefficien Sd. Error -Saisic Prob. C -,09 0, ,6636 0,0000 MA() -0, , , ,0000 R = 0,385 AIC = 4,709 É imporane desacar que o coeficiene R refere-se a Δκfem, e não a κfem. O segundo modelo esimado para κfem foi ajusado com uma endência linear e um processo média móvel (MA) 4. Nese ajuse, o R observado ficou próximo de, conforme exposo na Tabela 4. A represenação algébrica para o modelo é: kfem = α + β + ε ; ε = η + θ 4 η 4; η ~ N(0, σ ) Assumindo os valores esimados para os parâmeros, a equação proposa se orna: ^ kfem = 8,8689, ε ; + 0,508999η ε = η 4, onde η ~ N(0, σ ) Tabela 4 Parâmeros esimados - processo com endência linear, série κfem Variable Coefficien Sd. Error -Saisic Prob. C 8,8689 0, ,056 -, , , ,0000 MA(4) 0, ,967 4, ,000 R = 0,9770 AIC = 4,6498 Comparando os dois modelos pelo méodo de Akaike (AIC) e observando o coeficiene R, opou-se por modelar a série feminina considerando a endência linear e o processo MA(4). No caso da série masculina, κmasc, quando da enaiva de ajuse dos modelos, foi observado um comporameno aípico para o resíduo da observação referene ao ano 95. De fao, os gráficos das séries masculina e feminina possuem um pico no ano 95. Foi possível a esimação de
8 Resulados 54 um modelo com uma análise de resíduos saisfaória para a série feminina, sem que fosse necessária a anulação do impaco da observação do ano 95. No enano, para a série masculina, o modelo preferido inclui uma variável dummy para remover a influência do referido ano. Observando a série masculina, noa-se que a endência do declínio de κmasc esá enre uma endência linear e uma endência quadráica. O modelo uilizado para a previsão do índice masculino se baseia nas duas endências, linear e quadráica, bem como na uilização de uma varíavel dummy referene ao ano 95 e em um processo MA(). As esimações para os parâmeros, obidas via EViews, são apresenados na Tabela 5. A forma algébrica para o modelo é da forma: κ masc + = α + β + β + β 3 D ε ; ε = η θ η ; η ~ N(0, σ ), onde D é a varíavel dummy assumindo valor se o ano observado é 95. Inserindo os valores esimados para os parâmeros, observa-se: ^ kmasc = 3, ,79 0, , D + ε ; ε = η 0, η Tabela 5 Esimação dos parâmeros - modelo ajusado para a série κmasc Variable Coefficien Sd. Error -Saisic Prob. C 3,43730,73386,4573 0,79 0,0909,55 0,054 (@TREND)^ -0, ,0058 -,8683 0,0000 D95 9, ,3309, ,0074 MA() -0, , ,3363 0,0000 R = 0,9940 O coeficiene em D indica que κmasc foi 9, maior do que o esperado em 95. A análise de resíduos é necessária para verificação dos pressuposos adoados quando da modelagem de uma série emporal. Ao ajusar os modelos às séries, assume-se que os resíduos não são correlacionados e possuem disribuição normal. Cada uma dessas condições foi verificada a parir da análise de oupus do EViews. As Fig. 7 e 8 exibem os resíduos dos modelos ajusados, bem como um comparaivo dos valores observados x valores previsos:
9 Resulados Resíduo Observado Ajusado Figura 7 Valores observados x ajusados x resíduos Série κfem Resíduo Observado Ajusado Figura 8 Valores observados x ajusados x resíduos Série κmasc
10 Resulados 56. Auocorrelação dos resíduos Tabela 6 Tese de auocorrelação dos resíduos Série κfem Breusch-Godfrey Serial Correlaion LM Tes: F-saisic.6796 Probabiliy Obs*R-squared Probabiliy Tabela 7 Tese de auocorrelação dos resíduos Série κmasc Breusch-Godfrey Serial Correlaion LM Tes: F-saisic Probabiliy Obs*R-squared Probabiliy O ese LM para auocorrelação serial, conhecido como ese Breusch- Godfrey, foi uilizado para esar a correlação serial dos resíduos dos modelos avaliados. A hipóese nula do ese prevê que os erros são não-correlacionados aé a ordem p. Os modelos foram esados com p = 0 e concluiu-se que, ao nível de 5% de significância, aceia-se a hipóese de inexisência de correlação serial nos resíduos.. Normalidade dos resíduos Series: Residuals Sample Observaions 49 Mean Median Maximum Minimum Sd. Dev..355 Skewness Kurosis.9760 Jarque-Bera Probabiliy Figura 9 Tese de normalidade dos resíduos Série κfem
11 Resulados Series: Residuals Sample Observaions 49 Mean Median Maximum Minimum Sd. Dev Skewness Kurosis.3949 Jarque-Bera Probabiliy Figura 0 Tese de normalidade dos resíduos Série κmasc A normalidade dos resíduos de regressão foi invesigada aravés do ese de Jarque-Bera. Nese ese, é invesigada a hipóese nula de que os resíduos possuem disribuição normal. Com base nas probabilidades apresenadas, aceiamos a hipóese nula de normalidade dos resíduos ao nível de significância de 5%. Parindo dos modelos validados, o passo seguine é a previsão dos índices κfem e κmasc. Para que fosse possível avaliar a capacidade prediiva do modelo, pariu-se do modelo esimado no período in-sample ( ). Com base na previsão ou-of-sample, ou ex-pos 3, é possível a comparação, aravés de medidas de aderência, enre as previsões e os valores realmene observados na série para o período (ou-of-sample). A Tabela 8 apresena os valores das séries κfem e κmasc no período ou-of-sample. As Fig. e exibem as séries reais e os valores previsos com um inervalo de confiança de 95%. Todos os valores observados enconram-se denro do inervalo de previsão de 95%, o que confirma uma boa capacidade prediiva dos modelos proposos. 3 Previsão ex-pos: uiliza-se o modelo esimado no período in-sample e exrapola-se o modelo no período ou-of-sample, comparando o previso com o realmene observado (Fernandes, 006).
12 Resulados 58 Tabela 8 Medidas de aderência no período ou-of-sample Período Observado Previsão Erro % Erro Série κfem % % % % % Série κmasc % % % % % Série feminina Real Previsão Lim.inferior Lim.Superior Figura Previsão ou-of-sample da série κfem
13 Resulados 59 Série masculina Real Previsão Lim.inferior Lim.Superior Figura Previsão ou-of-sample da série κmasc Após cerificação da capacidade prediiva do modelo, as observações referenes ao período foram incluídas no modelo para a obenção da exrapolação das séries κ a parir da úlima observação disponível. Os novos parâmeros esimados para os modelos prediivos finais enconram-se na Tabela 9. As Fig. 3 e 4 ilusram as previsões das séries κfem e κmasc para os 5 anos subsequenes à úlima observação (004 08). É válido noar que o méodo LC foi uilizado para calcular os inervalos de previsão concenrados somene na variabilidade de κ. Em Brouhns e al. (005), mosra-se a possibilidade de inclusão de ouras fones de variação aravés de méodo de boosrap. Tabela 9 Coeficienes esimados para os modelos prediivos finais Série feminina Variable Coefficien Sd. Error -Saisic Prob. C MA(4) R = 0,986 Série masculina Variable Coefficien Sd. Error -Saisic Prob. C (@TREND)^ D MA() R = 0,9957
14 Resulados kfem_previsao Figura 3 Previsão da série κfem (004 08) kmasc_previsao Figura 4 Previsão da série κmasc (004 08)
15 Resulados 6 A parir dos valores de previsão do índice de moralidade κ, as axas de moralidade podem ser projeadas e as ábuas de moralidade consruídas. Primeiramene, obém-se as previsões das axas de moralidade a parir da úlima axa de moralidade empírica disponível, m x,003, aravés da fómula: ^ ^ ^ + s = mx,003 exp βx ( κ003+ s κ ), s ineiro 0 ^ mx, A parir das axas cenrais de moralidade projeadas, as probabilidades de more a serem uilizadas nas ábuas de moralidade são facilmene obidas conforme relação exposa na seção.: q x mx = + m x q x, m = + m O ideal é que seja feia a graduação das axas cruas de moralidade anes da obenção das probabilidades de more, para que as informações sejam suavizadas e produzam um comporameno de acordo com o esperado. Apesar da recomendação, o resulado apresenado para as probabilides de more calculadas via méodo LC nese rabalho não consideraram a graduação nas axas. Uma referência sobre as formas de graduação mais uilizadas, especialmene nos casos brasileiros, pode ser obida em Marins (007). A Fig. 5 exibe o logarimo das probabilidades q x projeadas aravés do méodo LC para as gerações femininas e masculinas nascidas nos anos 004 e 08. Percebemos a redução esperada para as probabilidades de more enre os referidos anos. Noa-se que a curva do 08 apresena, a parir da idade 85 aproximadamene, probabilidades de more masculinas esperadas menores do que as femininas. Os modelos feminino e masculino foram consruídos de forma independene, não havendo a pressuposição de nenhuma relação enre eles. Porano, a esimaiva de probabilidades de more menores para o sexo masculino é possível. Sabemos que as mulheres possuem uma sobrevida maior do que os homens em geral, mas não se pode afirmar se essa endência vai permanecer, reduzir ou aumenar no fuuro. x, x,
16 Resulados Fem. 08 Fem. 004 Masc. 08 Masc. Figura 5 Logarimo dos q x projeados via méodo LC Com posse dos valores q x e arbirando um valor para l 0, raiz da ábua de moralidade, é possível a obenção das funções da ábua de moralidade para odas as idades x aravés de fórmulas de recorrência. A raiz da ábua de moralidade é geralmene arbirada em e represena o número de sobrevivenes à idade 0 (recém-nascidos) da coore uilizada na consrução da ábua. Parindo dos valores q x, projeados, são definidas as funções da ábua de moralidade dependenes da idade e do empo aravés das relações descrias na seção.: l = l ( x +, x, x, ; x, x, x, q d = l q ; ) L x, lx, lx+, = ; T x, = ω x = x i L x, i ; e ο e = x, T l x, x,, onde ω é a idade limie da ábua de moralidade.
17 Resulados Modelos Lineares Generalizados Começamos nossa análise ajusando a eq.4 àquela que envolve a graduação de Gomperz G x (s) dada pela eq.0, ou seja: η x, s = log ex + β0 + β L (x') + αi' (6) j j j= i= r i Os dados são composos por 448 informações acerca de d x, e e x, para cada sexo (83 idades x 54 anos de observação). A princípio, 0% da nossa amosra (449 observações) foi selecionada aleaoriamene e reirada do banco de dados original para a verificação do ajuse do modelo. A seleção de variáveis explicaivas a serem incluídas no modelo de regressão foi feia aravés do méodo sepwise forward, onde geramos uma sequência de modelos com um ou mais parâmeros, parindo do modelo nulo (conendo somene o inercepo). Os valores óimos de r e s foram deerminados moniorando-se a redução nas medidas Deviance e Akaike (AIC) à medida que os valores dos parâmeros aumenavam. Os valores das Deviances e do AIC dos modelos feminino e masculino esão reproduzidas nas Tabelas 0 e. Em Haberman & Wong-Fupuy (004), sugere-se que sejam usados valores baixos para r e s, pois isso assegura uma melhor suavização dos dados. Em adição, Renshaw e al. (996) aponam que a dependência no empo é expressa por polinômios de baixo valor (r=). Com base nessas informações, simulamos os valores de Deviance e AIC obidos variando o parâmero r de 0 a 4 e o parâmero s de 0 a 6. Tabela 0 Deviance e AIC polinômios prediivos femininos Deviance s r = 0 r = r = r = 3 r = , , , , , , , , , , , ,97 6.8, , , , , , , , , , , , , , , , , , ,60 4.6, , , ,40
18 Resulados 64 AIC s r = 0 r = r = r = 3 r = , , , , , ,70.97,00.50,0.95,0 0.79, , , , , , , , , , , , , , , , , ,7 79.5, , , , , , , ,59 Tabela Deviance e AIC polinômios prediivos masculinos Deviance s r = 0 r = r = r = 3 r = , , , , , , , ,0 7.44,0 7.9, ,0 4.73, ,70 7.7, , , , , , , , , , , , , , , , , , , , , ,45 AIC s r = 0 r = r = r = 3 r = , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,68 Para ajudar a selecionar os valores óimos dos parâmeros r e s dos modelos, assim como em Renshaw e.al. (996), as diferenças nas deviances em cada linha e coluna da abela esadas foram aproximadas a uma disribuição qui-quadrado. A deviance do modelo com p parâmeros (modelo mais simples) menos a deviance do modelo com p+q parâmeros (modelo mais complexo) possui uma disribuição qui-quadrado com q graus de liberdade. O ese foi feio aravés da comparação da esaísica obida com uma χ, sujeia às seguines hipóeses: H 0 : o modelo com p parâmeros é adequado; H a : o modelo com p+ parâmeros é adequado. Fixando-se uma probabilidade de erro ipo I em 0,0 para o ese de inclusão de variáveis, para o modelo feminino, a inclusão dos 0 parâmeros um a um foi
19 Resulados 65 verificada e o número de parâmeros escolhidos buscando-se oimizar a modelagem foi r = e s = 3, enquano para o modelo masculino escolheu-se r = e s = 4. Desa forma, emos os modelos proposos: Feminino: log m = loge + β + β L (x') + β L (x') + β L (x') + α ' + u x, x, x, Masculino: logmx, = logex, + β0 + βl (x') + βl(x') + β3l3(x') + β4l4(x' ) + ' +α' + u x, + α, onde L é o coeficiene de lagrange e u x é o ermo de erro. O próximo passo é a esimação dos parâmeros e avaliação do erro padrão para que possamos verificar a significância esaísica de cada parâmero proposo. A modelagem GLM e a esimação dos parâmeros foi feia uilizando-se o pacoe esaísico R. As abelas e 3 exibem os parâmeros esimados para os modelos feminino e masculino. O parâmero de escala φ é considerado igual a na nossa modelagem, uma vez que não rabalhamos com dados de apólices, e sim com dados individuais. Tabela Esimação dos parâmeros GLM masculinos Coefficiens: Esimae Sd. Error z value Pr(> z ) Inercepo <e-6 *** β <e-6 *** β <e-6 *** β <e-6 *** α <e-6 *** --- Signif. codes: 0 '***' 0.00 '**' 0.0 '*' 0.05 '.' (Dispersion parameer for poisson family aken o be Null deviance: on 4034 degrees of freedom Residual deviance: 4797 on 4030 degrees of freedom AIC: 84475
20 Resulados 66 Tabela 3 Esimação dos parâmeros GLM masculino Coefficiens: Esimae Sd. Error z value Pr(> z ) Inercepo <e-6 *** β <e-6 *** β <e-6 *** β <e-6 *** β <e-6 *** α <e-6 *** α <e-6 *** --- Signif. codes: 0 '***' 0.00 '**' 0.0 '*' 0.05 '.' (Dispersion parameer for poisson family aken o be Null deviance: on 4034 degrees of freedom Residual deviance: 634 on 408 degrees of freedom AIC: 0034 As esaísicas calculadas dividindo-se o parâmero por seu erro padrão, indicaram significância esaísica. Com base nos valores-p obidos, pode-se afirmar que odos os parâmeros esimados foram considerados significaivos esaisicamene ao nível de 5% de significância ou bem menos. A parir dos modelos esimados, esamos as possíveis inerações enre as covariáveis. A inclusão dos ermos de ineração foi realizada conforme previso na eq. 5. O méodo sepwise resulou nos seguines modelos finais e esimaivas: Feminino: logmx, = logex, + β0 + βl (x') + βl(x') + β3l3(x' ) + + α ' +γl(x')' + u x,
21 Resulados 67 Tabela 4 Esimação dos parâmeros GLM feminino com ineração Coefficiens: Esimae Sd. Error z value Pr(> z ) Inercepo <e-6 *** β <e-6 *** β <e-6 *** β <e-6 *** α <e-6 *** γ <e-6 *** --- Signif. codes: 0 '***' 0.00 '**' 0.0 '*' 0.05 '.' (Dispersion parameer for poisson family aken o be Null deviance: on 4034 degrees of freedom Residual deviance: on 409 degrees of freedom AIC: 8044 Masculino: logmx, = logex, + β0 + βl (x') + βl(x') + β3l3(x') + β4l4(x' ) + + α ' +α' +γl(x')' +γl(x')' +γl(x')' +γl(x')' + u x, Tabela 5 Esimação dos parâmeros GLM masculino com ineração Coefficiens: Esimae Sd. Error z value Pr(> z ) Inercepo <e-6 *** β <e-6 *** β <e-6 *** β <e-6 *** β <e-6 *** α <e-6 *** α <e-6 *** γ <e-6 *** γ <e-6 *** γ <e-6 *** γ <e-6 *** --- Signif. codes: 0 '***' 0.00 '**' 0.0 '*' 0.05 '.' (Dispersion parameer for poisson family aken o be Null deviance: on 4034 degrees of freedom Residual deviance: on 404 degrees of freedom AIC: 704
22 Resulados 68 Calculamos um inervalo de confiança de 95% para a média das observações da nossa amosra de 0% dos dados. Para cada observação, verificamos se o valor observado esava denro do inervalo gerado. O índice de acero de predição foi de aproximadamene 85%, o que consideramos um bom ajuse. Esando os parâmeros esimados e os modelos validados, é possível a esimação dos valores projeados das axas cenrais de moralidade para os anos fuuros. A Fig. 6 exibe o logarimo das probabilidades de more projeadas aravés do méodo GLM para as gerações femininas e masculinas nascidas nos anos 004 e 08. Assim como no méodo LC, noa-se uma redução das probabilidades de more enre os anos 004 e 08 para os dois sexos. Apesar de não haver relação esabelecida enre os sexos para esimação das probabilidades de more, as esimaivas apresenaram o comporameno esperado da curva feminina possuir valores menores do que a curva masculina Fem. 08 Fem. 004 Masc. 08 Masc. Figura 6 Logarimo dos q x projeados via méodo GLM
23 Resulados 69 Para fins de comparação enre os modelos, as Fig. 7 e 8 ilusram, respecivamene, o logarimo das probabilidades de more femininas e masculinas para as idades 30, 50 e 70, projeadas para os anos 004 a 08 pelos méodos LC e GLM. Noa-se o mesmo padrão de comporameno para as axas, sendo que o méodo LC projea sempre axas menores do que o méodo GLM LC 50 LC 70 LC 30 GLM 50 GLM 70 GLM Figura 7 Comparaivo do logarimo dos q x projeados - Feminino LC 50 LC 70 LC 30 GLM 50 GLM 70 GLM Figura 8 Comparaivo do logarimo dos q x projeados - Masculino A parir dos q x, projeados, nascem as ábuas de moralidade geracionais.
Séries 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 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 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 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 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 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 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 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 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 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 maisAPOSTILA DE MODELOS LINEARES EM SÉRIES TEMPORAIS
UNIVERSIDADE FEDERAL DE MINAS GERAIS - UFMG INSIUO DE CIÊNCIAS EXAAS ICEx DEPARAMENO DE ESAÍSICA ES APOSILA DE MODELOS LINEARES EM SÉRIES EMPORAIS Glaura da Conceição Franco (ES/UFMG) Belo Horizone, agoso
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 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 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 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 mais3 O Modelo SAGA de Gestão de Estoques
3 O Modelo SG de Gesão de Esoques O Sisema SG, Sisema uomaizado de Gerência e poio, consise de um sofware conendo um modelo maemáico que permie fazer a previsão de iens no fuuro com base nos consumos regisrados
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 maisInstituto Superior de Economia e Gestão Universidade Técnica de Lisboa Econometria Época Normal 17/06/2013 Duração: 2 horas. Nome Turma: Processo:
Insiuo Superior de Economia e Gesão Universidade Técnica de Lisboa Economeria Época Normal 7/6/3 Duração: horas Nome Turma: Processo: Espaço reservado para classificações Noas: a uilização do elemóvel
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 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 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 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 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 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 maisModelos Não-Lineares
Modelos ão-lineares O modelo malhusiano prevê que o crescimeno populacional é exponencial. Enreano, essa predição não pode ser válida por um empo muio longo. As funções exponenciais crescem muio rapidamene
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 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 maisExercícios sobre o Modelo Logístico Discreto
Exercícios sobre o Modelo Logísico Discreo 1. Faça uma abela e o gráfico do modelo logísico discreo descrio pela equação abaixo para = 0, 1,..., 10, N N = 1,3 N 1, N 0 = 1. 10 Solução. Usando o Excel,
Leia maisTabela: Variáveis reais e nominais
Capíulo 1 Soluções: Inrodução à Macroeconomia Exercício 12 (Variáveis reais e nominais) Na abela seguine enconram se os dados iniciais do exercício (colunas 1, 2, 3) bem como as soluções relaivas a odas
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 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 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 mais4. Selecionando modelos de Projeção com. AIC e SIC. Primeiro, vamos falar do erro quadrático médio
4. Selecionando modelos de Projeção com AIC e SIC Os criérios de seleção de modelos ipicamene requerem que o erro quadráico médio da previsão de um período a frene seja o menor possível. A diferença enre
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 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 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 maisDISCIPLINA SÉRIE CAMPO CONCEITO
Log Soluções Reforço escolar M ae máica Dinâmica 4 2ª Série 1º Bimesre DISCIPLINA SÉRIE CAMPO CONCEITO Maemáica 2ª do Ensino Médio Algébrico simbólico Função Logarímica Primeira Eapa Comparilhar Ideias
Leia maisUNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA EAE 206 Macroeconomia I 1º Semesre de 2017 Professor Fernando Rugisky Lisa de Exercícios 3 [1] Considere
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 mais3 Métodos de projeção da mortalidade
3 Méodos de projeção da moralidade A projeção da moralidade é imporane não somene para os cálculos auariais, mas ambém para o planejameno econômico, para as políicas de invesimeno do governo e de empresas.
Leia maisGráfico 1 Nível do PIB: série antiga e série revista. Série antiga Série nova. através do site
2/mar/ 27 A Revisão do PIB Affonso Celso Pasore pasore@acpasore.com Maria Crisina Pinoi crisina@acpasore.com Leonardo Poro de Almeida leonardo@acpasore.com Terence de Almeida Pagano erence@acpasore.com
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 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 mais4 Análise de Sensibilidade
4 Análise de Sensibilidade 4.1 Considerações Gerais Conforme viso no Capíulo 2, os algorimos uilizados nese rabalho necessiam das derivadas da função objeivo e das resrições em relação às variáveis de
Leia maisLista de Exercícios nº 3 - Parte IV
DISCIPLINA: SE503 TEORIA MACROECONOMIA 01/09/011 Prof. João Basilio Pereima Neo E-mail: joaobasilio@ufpr.com.br Lisa de Exercícios nº 3 - Pare IV 1ª Quesão (...) ª Quesão Considere um modelo algébrico
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 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 mais6 Processos Estocásticos
6 Processos Esocásicos Um processo esocásico X { X ( ), T } é uma coleção de variáveis aleaórias. Ou seja, para cada no conjuno de índices T, X() é uma variável aleaória. Geralmene é inerpreado como empo
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 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 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 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 maisESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 12º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema II Introdução ao Cálculo Diferencial II
ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 2º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema II Inrodução ao Cálculo Diferencial II TPC nº 9 Enregar em 4 2 29. Num loe de bolbos de úlipas a probabilidade de que
Leia maisSeção 5: Equações Lineares de 1 a Ordem
Seção 5: Equações Lineares de 1 a Ordem Definição. Uma EDO de 1 a ordem é dia linear se for da forma y + fx y = gx. 1 A EDO linear de 1 a ordem é uma equação do 1 o grau em y e em y. Qualquer dependência
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 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 LTC Load Tap Change
54 3 LTC Load Tap Change 3. Inrodução Taps ou apes (ermo em poruguês) de ransformadores são recursos largamene uilizados na operação do sisema elérico, sejam eles de ransmissão, subransmissão e disribuição.
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 maisFunção de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco
Função de risco, h() 3. Função de risco ou axa de falha Manuenção e Confiabilidade Prof. Flavio Fogliao Mais imporane das medidas de confiabilidade Traa-se da quanidade de risco associada a uma unidade
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 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 maisCAPÍTULO 10 DERIVADAS DIRECIONAIS
CAPÍTULO 0 DERIVADAS DIRECIONAIS 0. Inrodução Dada uma função f : Dom(f) R n R X = (x, x,..., x n ) f(x) = f(x, x,..., x n ), vimos que a derivada parcial de f com respeio à variável x i no pono X 0, (X
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 maisPREVISÃO DA PRECIPITAÇÃO MENSAL DO MUNICÍPIO DE OURO BRANCO MG, POR MEIO DE MODELOS DE SÉRIES TEMPORAIS
UNIVERSIDADE FEDERAL DE SÃO JOÃO DEL-REI TATIANA PEREIRA MIRANDA PREVISÃO DA PRECIPITAÇÃO MENSAL DO MUNICÍPIO DE OURO BRANCO MG, POR MEIO DE MODELOS DE SÉRIES TEMPORAIS OURO BRANCO 2016 TATIANA PEREIRA
Leia maisCap. 5 - Tiristores 1
Cap. 5 - Tirisores 1 Tirisor é a designação genérica para disposiivos que êm a caracerísica esacionária ensão- -correne com duas zonas no 1º quadrane. Numa primeira zona (zona 1) as correnes são baixas,
Leia mais3 METODOLOGIA E AMOSTRA
3 METODOLOGIA E AMOSTRA 3.1. Descrição da Amosra Foram uilizados o índice da Bolsa de Valores de São Paulo (Ibovespa) como represenaivo da careira de mercado e os cerificados de depósios inerfinanceiros
Leia mais4 O Fenômeno da Estabilidade de Tensão [6]
4 O Fenômeno da Esabilidade de Tensão [6] 4.1. Inrodução Esabilidade de ensão é a capacidade de um sisema elérico em maner ensões aceiáveis em odas as barras da rede sob condições normais e após ser submeido
Leia maisPrevisão de curto prazo de carga de energia elétrica do estado de Santa Catarina
Previsão de curo prazo de carga de energia elérica do esado de Sana Caarina haís Rohling Girardi (UFSC) hagirardi@gmail.com Gerson Ishikawa (UFSC) gerson.ishikawa@ia90.com.br Resumo: Os requisios das previsões
Leia maisRodolfo Santos Nunes Rodrigues
Universidade Federal de Minas Gerais - UFMG Insiuo de Ciências Exaas - ICEx Programa de Pós-Graduação em Esaísica - PPGEST Rodolfo Sanos Nunes Rodrigues Influência do número de parículas na esimação de
Leia mais4 Aplicação do Modelo
Aplicação do Modelo É possível enconrar na lieraura diversas aplicações que uilizam écnicas esaísicas e de compuação inensiva para realizar previsões de curo prazo na área de energia elérica. Enre elas
Leia maisEstimação em Modelos de Volatilidade Estocástica com Memória Longa
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA Esimação em Modelos de Volailidade Esocásica com Memória Longa Auor: Gusavo Correa Leie Orienador: Professor
Leia maisEstimação de Hiperparâmetros para um Modelo de Previsão Holt-Winters com Múltiplos Ciclos por Algoritmos Genéticos
Deparameno de Engenaria Elérica Esimação de Hiperparâmeros para um Modelo de Hol-Winers com Múliplos iclos por Algorimos Genéicos Mario esar da Fonseca orrêa Orienadores: Marco Aurélio. Paceco e Reinaldo
Leia maisMotivação. Prof. Lorí Viali, Dr.
Moivação rof. Lorí Viali, Dr. vialli@ma.ufrgs.br hp://www.ma.ufrgs.br/~vialli/ Na práica, não exise muio ineresse na comparação de preços e quanidades de um único arigo, como é o caso dos relaivos, mas
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 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 maisAntes de mais nada, é importante notar que isso nem sempre faz sentido do ponto de vista biológico.
O modelo malusiano para empo conínuo: uma inrodução não rigorosa ao cálculo A dinâmica de populações ambém pode ser modelada usando-se empo conínuo, o que é mais realisa para populações que se reproduzem
Leia maisIntrodução às Medidas em Física
Inrodução às Medidas em Física 43152 Elisabeh Maeus Yoshimura emaeus@if.usp.br Bloco F Conjuno Alessandro Vola sl 18 agradecimenos a Nemiala Added por vários slides Conceios Básicos Lei Zero da Termodinâmica
Leia maisAvaliando e Propondo Medidas de Núcleo da Inflação no Brasil Ivan Castelar Cristiano Santos
10 Avaliando e Propondo Medidas de Núcleo da Inflação no Brasil Ivan Caselar Crisiano Sanos FORTALEZA MAIO 2016 UNIVERSIDADE FEDERAL DO CEARÁ CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA - CAEN SÉRIE ESTUDOS ECONÔMICOS
Leia mais2 Reforma Previdenciária e Impactos sobre a Poupança dos Funcionários Públicos
Reforma Previdenciária e Impacos sobre a Poupança dos Funcionários Públicos Em dezembro de 998 foi sancionada a Emenda Consiucional número 0, que modificou as regras exisenes no sisema de Previdência Social.
Leia maisA entropia de uma tabela de vida em previdência social *
A enropia de uma abela de vida em previdência social Renao Marins Assunção Leícia Gonijo Diniz Vicorino Palavras-chave: Enropia; Curva de sobrevivência; Anuidades; Previdência Resumo A enropia de uma abela
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 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 mais4 Análise Empírica. 4.1 Definição da amostra de cada país
57 4 Análise Empírica As simulações apresenadas no capíulo anerior indicaram que a meodologia desenvolvida por Rigobon (2001 é aparenemene adequada para a análise empírica da relação enre a axa de câmbio
Leia maisAULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM
AULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 163 22. PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 22.1. Inrodução Na Seção 9.2 foi falado sobre os Parâmeros de Core e
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 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 mais2.6 - Conceitos de Correlação para Sinais Periódicos
.6 - Conceios de Correlação para Sinais Periódicos O objeivo é o de comparar dois sinais x () e x () na variável empo! Exemplo : Considere os dados mosrados abaixo y 0 x Deseja-se ober a relação enre x
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 maisPrevisão de consumos a curto prazo
Previsão de consumos a curo prazo Séries emporais Cláudio Moneiro Disribuição de Energia II 5º ano da LEEC - ramo de Energia (FEUP) Séries emporais Esa é a meodologia clássica mais popular para a previsão
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Deparameno de Esaísica Prof. Daniel Furado Ferreira 11 a Teoria da Decisão Esaísica 1) Quais são os erros envolvidos nos eses de hipóeses? Explique. 2) Se ao realizar um
Leia maisTRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 18 LIVRO DO NILSON)
TRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 8 LIVRO DO NILSON). CONSIDERAÇÕES INICIAIS SÉRIES DE FOURIER: descrevem funções periódicas no domínio da freqüência (ampliude e fase). TRANSFORMADA DE FOURIER:
Leia maisCentro Federal de EducaçãoTecnológica 28/11/2012
Análise da Dinâmica da Volailidade dos Preços a visa do Café Arábica: Aplicação dos Modelos Heeroscedásicos Carlos Albero Gonçalves da Silva Luciano Moraes Cenro Federal de EducaçãoTecnológica 8//0 Objevos
Leia maisCritérios e Metodologia de Apuração de Superfície de Volatilidade
Criérios e Meodologia de Apuração de Superfície de Volailidade Diariamene são calculadas superfícies de volailidade implícia de odos os vencimenos de conraos de opções em que há posição em abero e/ou séries
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 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 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 mais5 Solução por Regressão Simbólica 5.1. Introdução
5 Solução por Regressão Simbólica 5.. Inrodução ese capíulo é descrio um esudo de caso uilizando-se o modelo proposo no capíulo 4. reende-se com esse esudo de caso, mosrar a viabilidade do modelo, suas
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 mais6 Análise do processo de filtragem
6 Análise do processo de filragem Ese capíulo analisa o processo de filragem para os filros de Kalman e de parículas. Esa análise envolve ão somene o processo de filragem, não levando em consideração o
Leia maisCircuitos Elétricos I EEL420
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL420 Coneúdo 1 - Circuios de primeira ordem...1 1.1 - Equação diferencial ordinária de primeira ordem...1 1.1.1 - Caso linear, homogênea, com
Leia mais