A importância do conhecimento <strong>de</strong> a serie ser ou não estacionaria resi<strong>de</strong>no fato <strong>de</strong> que, quando se trabalha com uma serie estacionaria, se estaem presença <strong>de</strong> uma função amostrai do processo que tem a mesma formaem todos os instantes <strong>de</strong> <strong>tempo</strong> te;T,o que acarreta possibilida<strong>de</strong>s <strong>de</strong>obtenção <strong>de</strong> estimativas das características do processo <strong>de</strong> forma bastantesimples, o que, em caso contrario, não seria tarefa fácil.De outra parte, um processo estacionario, que se caracteriza por possuirum comportamento geral <strong>de</strong> sua estrutura probabilística invarianteno <strong>tempo</strong>, impõe que uma realização amostrai x t , x t+^, x t+ 2, ..., x t+n>para qualquer "t", embora não necessariamente seja igual a, por exemplo,x t+100> x t+10]> x t+102> •••' x t+100+n' apresente sua forma geral e suasfuturas observações <strong>de</strong> maneira similar, o que implica facilida<strong>de</strong>s <strong>de</strong> sefazerem previsões acuradas com esse tipo <strong>de</strong> processo.272.4 — Proprieda<strong>de</strong>s dos Processos EstacionáriosUma serie <strong>tempo</strong>ral po<strong>de</strong> ser vista como sendo gerada por um conjunto <strong>de</strong>variáveis aleatórias conjuntamente distribuídas. A serie x-,, XT, x-i,..., x t , portanto, representa um especifico resultado da função <strong>de</strong> probabilida<strong>de</strong>conjunta P(x-,, X2> x-,, ..., x ). ConseqUentemente, uma futuraobservação, x^^, po<strong>de</strong> ser consi<strong>de</strong>rada como sendo gerada pela função<strong>de</strong> probabilida<strong>de</strong> condicional P(x t+ j 1 /x^, X2, x^, ..., x t ) .Conforme foi visto no item anterior, um processo estacionario po<strong>de</strong> ser<strong>de</strong>finido como um processo on<strong>de</strong> a distribuição conjunta e a distribuiçãocondicional são invariantes aos <strong>de</strong>slocamentos no <strong>tempo</strong>, ou seja,P < x l> X 2> X 3x t } = P(x l+k' x 2 + k' x 3 + k>•'•' x t+k } ' **•Assim, se a série é estacionaria, sua função valor médio mantém-se invarianteno <strong>tempo</strong>, ou seja,uma vez que:E(X_) = E(X ) = v (constante),LC"*" KE(X t ) = /xf(x t )dx = /xf(x t+k ) dx = E(x t+k ), Vk.— 00 —00Significa dizer que, se o processo é estacionario, E(X ) = y, qualquer"t", a série não apresenta a componente ten<strong>de</strong>ncial.Sua função variância também é constante:Var (X t ) = E(X t - u) 2 = E(X fc+k - y) 2 = Var (X fc+k ), Vk,pois,i r*Var(X t ) = ECX 2 .) - E(X t ) 2 =^x 2 f(x t )dx - y 2 = J x 2+k> - E(5 W 2= Var ~ (
28Sua função <strong>de</strong> covariancia e função somente da distancia "t-s",in<strong>de</strong>pen<strong>de</strong>nteda origem do período <strong>de</strong> <strong>tempo</strong>:Cov(X t ,X s ) = Cov(X t+n , X^) = y t _ s ;Cov(X X ) = Cov(X , , X ). Fazendo n = -s, tem-se que:t S L~"~K S "•" nC°v(X t+h , X s+h ) = Cov(X t _ s , X o ) = y t _ s .Note-se que, se o processo é estacionário, então tem média evarianciaque não variam no <strong>tempo</strong> e a covariancia entre observações existentes emdois períodos distintos <strong>de</strong> <strong>tempo</strong> <strong>de</strong>pen<strong>de</strong> somente da distância entre essespontos e não do especifico período <strong>de</strong> <strong>tempo</strong> das observações.Na prática, entretanto, o que se dispõe é <strong>de</strong> uma realização amostrai doprocesso. Assim, as funções valor médio, variancia e covariancia sãoobtidas através <strong>de</strong> suas estimativas. Como a função <strong>de</strong> probabilida<strong>de</strong>P(x- + k> Xy+k' x 3+kX t+k^ ^a mesina P ara todo "k", se o processo éestacionário, então uma estimativa da função valor médio do processo,E(X ^) = u, qualquer "k", po<strong>de</strong> ser obtida pela função valor médio amostraida sérieX = E X.Da mesma forma, a estimativa da função variancia po<strong>de</strong> servariancia amostrai,obtida pelav2r~(X t ) = i I (X t - X) 2 = Ô 2 ,e a estimativa da função <strong>de</strong> autocovariancia,, X g ) =2.5 — Processos Evolutivos HomogêneosEmbora a teoria mostre a conveniência prática do uso <strong>de</strong> series estacionárias,no mundo real, infelizmente, muito poucas series encontradaspo<strong>de</strong>m ser classificadas como estacionar ias.a sérieum redu-A estacionarieda<strong>de</strong> é uma condição bastante restritiva imposta<strong>tempo</strong>ral e, no que diz respeito a séries econômicas, somentezidíssimo numero satisfaz essa condição.Um simples exame <strong>de</strong> algumas das variáveis mais comuns em Economia, comopor exemplo, preço, produto nacional, renda, vendas, consumo,investimentoe tantas outras, mostra que suas variações apresentam um comportamentonão estacionário evolutivo no <strong>de</strong>correr do <strong>tempo</strong>.
- 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 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 126 and 127:
129Portanto o modelo suposto inicia
- 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.