44Note-se que, para esse processo, os pesosir. <strong>de</strong> (3.4) s ao TI.= - 6 . Ora,se | 6 | >l os pesos crescem exponencialmente com o <strong>de</strong>slocamento do <strong>tempo</strong>,a série £ir. é divergente, a variãncia do mo<strong>de</strong>lo "explo<strong>de</strong>" (não éfinita) , e os maiores pesos são dados para os valores mais distantes no<strong>tempo</strong>. Para evitar essas contradições, impõe-se a condição <strong>de</strong> inversibilida<strong>de</strong>6 < l.A proposta <strong>de</strong> <strong>Box</strong> & <strong>Jenkins</strong> para a mo<strong>de</strong>lagem do processo utiliza o princípioda "parcimônia"-, buscando a <strong>de</strong>scrição aproximada do mo<strong>de</strong>lo linear'<strong>de</strong> <strong>de</strong>composição <strong>de</strong> Wold.<strong>Box</strong> & <strong>Jenkins</strong>, percebendo a relação dual existente entre os processosmédia movei e auto-regressivo, propuseram-se a trabalhar com a postulaçao<strong>de</strong> que os dados são gerados por processos lineares do tipo equaçãomédia móvel (3.1), do tipo equação auto-regressiva (3.4) ou por umaclasse <strong>de</strong> processos mistos, compostos pela utilização conjunta dos doisprocessos, <strong>de</strong>nominados mo<strong>de</strong>lo ARMA (iniciais <strong>de</strong> "autoregressive-movingaverage") .A justificativa principal para a inclusão <strong>de</strong> ambos os processos na <strong>de</strong>scriçãodo mo<strong>de</strong>lo está em que, muitas vezes, as características do processoestocastico não permitem uma <strong>de</strong>scrição satisfatória através <strong>de</strong> umprocesso puramente auto-regressivo ou puramente media móvel, <strong>de</strong> poucosparâmetros, porque a série original incorpora, em sua forma parcimoniosa,ambos os tipos <strong>de</strong> processos. A existência da dualida<strong>de</strong> entre elesse da <strong>de</strong> forma que um processo media movei finito (<strong>de</strong> qualquer or<strong>de</strong>m)po<strong>de</strong> ser <strong>de</strong>scrito como um processo auto-regressivo infinito, e vice--versa . Isso implica, em termos práticos, que a obtenção <strong>de</strong> estimativas<strong>de</strong> seus parâmetros, <strong>de</strong> forma parcimoniosa, muitas vezes requer ainclusão <strong>de</strong> ambos os processos no mo<strong>de</strong>lo.7 Isto é, que o mo<strong>de</strong>lo contenha um número <strong>de</strong> parâmetros tão pequeno quanto possível.8 SejVum processo auto-regressivo. No momento "t" po<strong>de</strong>-se <strong>de</strong>fini-lo porDa mesma forma, um processo média móvel, no momento "t" valeA dualida<strong>de</strong> entre eles po<strong>de</strong> ser percebida <strong>de</strong> imediato, utilizando o operador "B". Seja, por exempío, um processoauto-regressivo finito <strong>de</strong> or<strong>de</strong>m 1. EntãoA t-lConseqüentemente,(l - 0B)x t:Ou, o que é o mesmo:o que eqüivale a um processo média móvel <strong>de</strong> or<strong>de</strong>m infinita (tipo 3.1). Semelhantemente, conforme foi dito noexemplo da p.43, verifica-se a recíproca: um processo média móvel finito eqüivale a um processo auto-regressivoinfinito.
Essa classe <strong>de</strong> mo<strong>de</strong>los po<strong>de</strong> ampliar sua capacida<strong>de</strong> <strong>de</strong> ação para processosnão estacionarios homogêneos, bastando para tanto ser acrescida <strong>de</strong>um operador que seja capaz <strong>de</strong> transformar processos evolutivos homogêneos<strong>de</strong> or<strong>de</strong>m "d" em estacionarios, o qual, como vimos no capitulo anterior(seção 2.1.4), é o operador somatório S , inverso do operadordiferença <strong>de</strong> retardo, V^. A essa classe <strong>de</strong> mo<strong>de</strong>los não estacionarios,que utilizam os princípios <strong>de</strong>senvolvidos no mo<strong>de</strong>lo ARMA, acrescidos <strong>de</strong>um operador <strong>de</strong> transformação <strong>de</strong> processos evolutivos homogêneos em estacionarios,dá-se a <strong>de</strong>nominação <strong>de</strong> mo<strong>de</strong>lo ARIMA (iniciais <strong>de</strong> "autoregressive-integratedmoving average").A razão para a inclusão da palavra "integrated" no mo<strong>de</strong>lo ARIMA es tá nofato <strong>de</strong> que a existência <strong>de</strong> um processo não estacionario exige o operadorsomatório. Como se sabe, o operador somatório para variáveis continuase o operador integral, <strong>de</strong> on<strong>de</strong> surgiu a inclusão do termo "integrated".Sinteticamente, po<strong>de</strong>-se assim especificar a proposta <strong>de</strong> <strong>Box</strong> & <strong>Jenkins</strong>:enquanto o teorema da <strong>de</strong>composição <strong>de</strong> Wold supõe que o processo <strong>de</strong> ruídobranco é transformado na observação x t , através <strong>de</strong> um filtro linear,conforme esquema apresentado na Figura l, a <strong>metodologia</strong> <strong>de</strong> <strong>Box</strong> & <strong>Jenkins</strong>supõe que o processo <strong>de</strong> filtragem do ruído branco po<strong>de</strong> ser <strong>de</strong>compostoem três etapas, conforme a Figura 2 está a indicar: um processo <strong>de</strong> filtragem"média móvel", através do qual o ruído branco é transformado emet; um processo <strong>de</strong> filtragem "auto-regressivo estacionario", transformandoet e m Wt; e, caso a serie seja não estacionaria, um processo <strong>de</strong>filtragem "somatório" transformando Wj- na observação da serie <strong>tempo</strong>ral x t ,45rufdo branco•tS/filtro linear série <strong>tempo</strong>ral x*,Figura 1 — Diagrama <strong>de</strong> um mo<strong>de</strong>lo <strong>de</strong> filtro linear para séries <strong>tempo</strong>raise (B)sérieruído branco x•t)filtromédia móvel\•, >filtreestacionarioauto-regressivo«tN>filtrosomatório<strong>tempo</strong>ral x/x tFigura 2 — Diagrama do processo ARIMA para mo<strong>de</strong>lagem <strong>de</strong> séries <strong>tempo</strong>rais
- 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 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.