sÃ©ries univariantes de tempo - metodologia de Box & Jenkins

More documents

Recommendations

Info

129Portanto o modelo suposto inicialmente e:V 2 lnX t = (l-0,33B)a t = a t -0,33a t _ 1Segundo modelo suposto: ARIMA (1,2, 1)Para esse modelo, / ^—iDP (V 2 Y.) = /— (l —), n=N-d.n r r r 2= /0.000 3 496 _ 2Ç-0.3) 2 -.v^ 82-0,3- (-0,12)'= 0,00289827con-Como V 2 Y t = 0,00026203 < DP(V 2 Y t ) = 0,00289827, a média pode sersiderada igual a zero e o modelo não contém 6 0 .O modelo suposto e ( l— iji^B) V 2 lnX(- = ( 1-6-^B) aj- e as estimativas iniciaisdos parâmetros t n e 9-, são tais que r, = - - ^y —s^— - - e r, = r,,,1 1^ l + u": - 2 1 < l e -1
130Quarto modelo suposto: ARIMA (2, 2, 0)Para esse caso,Como V 2 Y; 0 (1 + rj(l-2r: + r 0 )l 2' = /0.0003496(O, 7) (l -0,18-0,12)1782(1,3)(1,12)0000014 = 0,0011832< DP(V 2 Y ), a média pode ser considerada igual a zero e o modelonão contem 6 0 .O modelo suposto é (l - B - 9 B 2 ) V 2 InX = a e as estimativas iniciaisnde ()> e 4> são-L ^ L tr 2 -r 2Logo,^ = 0,3692 2 = -0,2308Portanto o quarto modelo suposto inicialmente e(l - 0.3692B + 0,2308B 2 )V 2 lnX =a .Com a obtenção dos valores iniciais dos parâmetros dos modelos supostos,esta encerrada a etapa de identificação.6.2.2 — A Etapa da EstimaçãoApôs a etapa de identificação de um ou mais modelos para descrever aserie temporal e o estabelecimento das estimativas preliminares de seusparâmetros, pode-se trabalhar com a outra rotina do "pacote".A rotina "estimação", fazendo uso das técnicas do algoritmo de Marquardt,gera um processo iterativo de aproximações sucessivas, a partir das estimativaspreliminares obtidas na etapa anterior. Essa rotina proporcionaraas estimativas eficientes^ dos parâmetros de cada modelo suposto,o restante dos instrumentos estatísticos das demais etapas doprocesso de construção de modelos e a fase final de previsão de valoresfuturos da variável.Nas paginas seguintes,es tão expostos os sumários das saídas do computadorpara a etapa da estimação, para os modelos supostos. Após, noQuadro 5, estão resumidas as principais informações para a avaliaçãodesses modelos.Deve-se ressaltar que o "pacote" não oferece, diretamente, valores dosdesvios padrões dos estimadores e a estatística Q = nEri^, os quais tiveramde ser calculados ã parte, com base nas informações que o programaapresenta no sumario do relatório de saída.O termo "estimadores eficientes" está aqui empregado no sentido de especificar aqueles parâmetros que proporcionamum Sl$ , $) múlimo.
Page 1:
(/Jmt/)pllllllFundação de Economi
Page 4 and 5:
SUMÁRIOLISTA DE FIGURAS 5LISTA DE
Page 6 and 7:
LISTA DE FIGURASCAPÍTULO 2Figura l
Page 8 and 9:
Figura 22 — Gráfico da PAC da s
Page 10 and 11:
Quadro 13 - Relatório de saída do
Page 12 and 13:
A presente dissertação, orientada
Page 14 and 15:
14de Cournot e Walras, entre outros
Page 16 and 17:
16que as atividades de pesquisa alc
Page 18 and 19:
18funcionamento da realidade econô
Page 20 and 21:
20quatro componentes e tem-se como
Page 22 and 23:
2 - SOBRE SÉRIES TEMPORAISE PROCES
Page 24 and 25:
25onde o segundo membro dessa equa
Page 26 and 27:
A importância do conhecimento de a
Page 28 and 29:
O tipo de não estacionariedade mos
Page 30 and 31:
Essa padronização e obtida atrav
Page 32 and 33:
=t1 p1 ' t-1( 1 o1 ' ' t-2-fl-He 1
Page 34 and 35:
35l M l l l l l lFigura 3 - Correlo
Page 36 and 37:
Para retirar a sazonalidade, cria-s
Page 38 and 39:
40Nesse caso,E (X t ) = E(u+ E(a t
Page 40 and 41:
42Portanto.tSZ = ",z = . E z. = .E.
Page 42 and 43:
44Note-se que, para esse processo,
Page 44 and 45:
463.2 — Modelo Média MóvelSeja
Page 46 and 47:
48Processo Média Móvel de Primeir
Page 48 and 49:
50Y2 = E(a t - 6 1 a t _ 1 '^t^ (a
Page 50 and 51:
Conforme se viu no iteia 3,1, para
Page 52 and 53:
54Coeficiente de autocorrelação>k
Page 54 and 55:
56se k = 2, p 2 = "í^p-, + ií ) 2
Page 56 and 57:
58Portanto,5 = 'i' 1 (B) 8 (B)2 ql
Page 58 and 59:
60Para k < q, o processo misto auto
Page 60 and 61:
62Coeficientes de autocorrelação^
Page 62 and 63:
64Observe-se que, se d=0, o modelo
Page 64 and 65:
66Portanto, o modelo descrito pela
Page 66 and 67:
4 - O PROCESSO DE MODELAGEMOs model
Page 68 and 69:
71/Ml-UIAFigura 1 - Gráfico "Ampli
Page 70 and 71:
O processo de transformação da se
Page 72 and 73:
autocorrelaçao de um processo méd
Page 74 and 75:
'kkhi,.1 O O 1 2l0 2 4 j 618l l 10
Page 76 and 77: 79l 2 3 4 5l M'-''> OO 11 3 l 5 l 7
Page 78 and 79: 81Padrões de p ^ e (4 ^ para um AR
Page 80 and 81: Na prática, porém, surge outro pr
Page 82 and 83: Por fim, o estudo das funções de
Page 84 and 85: Esses vetores serão $,6, e a , de
Page 86 and 87: Um exemplo pratico permite maior cl
Page 88 and 89: Para o calculo de S(_$,ô_), os [ a
Page 90 and 91: para iniciar o processo que se arbi
Page 92 and 93: 95Porque os [e.t/S,wn não são exa
Page 94 and 95: Esse processo de checagem, em geral
Page 96 and 97: aparecem escassamente no correlogra
Page 98 and 99: 5-0 MÉTODO DE PREVISÃODE BOX & JE
Page 100 and 101: 103De maneira semelhante, pode-se o
Page 102 and 103: 105Previsão utilizando equação d
Page 104 and 105: 107ou seja,para h > 2,x t (h) = ^^(
Page 106 and 107: 109O valor de x no período t+h éx
Page 108 and 109: 1 11para h=2 ,x t (2) = E, para h >
Page 110 and 111: Se as previsões para um, dois e tr
Page 112 and 113: 115Portanto o valor de x no tempo t
Page 114 and 115: 6.1 - Nota Introdutória6 - APLICA
Page 116 and 117: 119rie se caracteriza por apresenta
Page 118 and 119: tricamente crescente, pode-se infer
Page 120 and 121: 123Figura 5 - Gráfico da função
Page 122 and 123: 125Quadro 2Figura 7 — Gráfico da
Page 124 and 125: 127Quadro 4Figura 8 - Gráfico da f
Page 128 and 129: 1 JF jR.LN i"ÍSSSÉÍ"'*?!!['"Ortu
Page 130 and 131: 133O Quadro 5 permite algumas consi
Page 132 and 133: 135T»E-EST!«»Tto «E51FWALS-- MO
Page 134 and 135: 137Quadro 6Relatório de saída do
Page 136 and 137: 1396.3 - Previsões para o Consumo
Page 138 and 139: 141A avaliação da necessidade de
Page 140 and 141: 143A Figura 16 permite observar que
Page 142 and 143: 145A ACF da serie V 2 T t (Figura 1
Page 144 and 145: '147Quadro 9Valores numéricos da A
Page 146 and 147: 149Quadro 11Valores numéricos da P
Page 148 and 149: Quadro 12151Principais informaçõe
Page 150 and 151: 1536.3.4 — PrevisõesPara essa se
Page 152 and 153: 155xx* *XXKx**xx*xx*xxxx /x ^x *xAA
Page 154 and 155: 157Figura 24 — Relatório de saí
Page 156 and 157: 160cionarem previsões bastante sat
Page 158 and 159: 162- KIRBY (1966), comparando os m
Page 160 and 161: ANEXO lManual dos Comandos Necessá
Page 162 and 163: 168cc 9-16 Number with four decimai
Page 164 and 165: 170Repeat in cc 17-24, 25-32, etc.
Page 166 and 167: 17240.12345cc 1-5Enter a zero if wi
Page 168 and 169: ANEXO 11Relatórios de Saída do Co
Page 170 and 171: s^c; c —)c i- >C-' "*> — < Sj=
Page 172 and 173: .-« T-4ooooooooooo*• + 4- * *•
Page 174 and 175: BIBLIOGRAFIAAKAIKE, H. A new look a
Page 176 and 177:
MAKRIDAKIS, S. & WHEELWRIGHT, S. C.
show all

sÃ©ries univariantes de tempo - metodologia de Box & Jenkins

Create successful ePaper yourself

Delete template?

Save as template?