Esses vetores serão $,6, e a , <strong>de</strong> tal forma que, para a equação í>(B)W =_ _ £ • ^ l= ê(B) â , on<strong>de</strong> W = V X , S(, S) = E â 2 é um mínimo.Como se supõe que o processo <strong>de</strong> ruído branco e normalmente distribuídocom E(a )=0 e Var(a ) = o , para qualquer t, então as estimativas <strong>de</strong>máxima verossimilhança são assintoticamente equivalentes aos estimadores<strong>de</strong> mínimos nuadrados.O processo <strong>de</strong> estimação <strong>de</strong>sses parâmetros é bastante complexo. A minimizaçaoda equação S(J>_,_6) = Ea 2 f requer um método iterativo <strong>de</strong> calculo,ã medida que os valores <strong>de</strong> a t <strong>de</strong>pen<strong>de</strong>m dos valores passados e não observáveis<strong>de</strong> Wj. e at. Assim, por exemplo,o primeiro termo do ruído branco,a\, <strong>de</strong>pen<strong>de</strong> dos valores passados e não observáveis w^,w_ ,w_ 0 ,...,w e a , a , a 0 , ...,a ,. Consequentemente, algum critério <strong>de</strong>--p+1 o -l —Â -q+Lvê ser usado para estabelecer esses valores não observáveis e assim iniciara obtenção dos valores <strong>de</strong> a t , antes que o processo <strong>de</strong> estimação,propriamente, seja aplicado.<strong>Box</strong> & <strong>Jenkins</strong> <strong>de</strong>stacam dois procedimentos para a obtenção dos a s .0 primeiro,chamado <strong>de</strong> condicional, on<strong>de</strong>, partindo <strong>de</strong> suposições razoáveisdo ponto <strong>de</strong> vista teórico, são atribuídos valores aos a^ não observáveis;o segundo, incondicional, on<strong>de</strong> os valores não observáveis são estimadosa partir da amostra <strong>de</strong> dados.Critério condicionalPara um processo ARIMA(p,d,q),a série X posáuin + d observações: x ,t l—d+1x _, „, x , . . . , x , x, , ...,X. Através da aplicação do operador di--a+/ -d+j o i nferença "d" vezes, V , po<strong>de</strong>-se transformar a serie X em W = V X ,com "n" observações w , w , ..., w , on<strong>de</strong> W é especificado por um ARIMA(p,q). Assim, o problema <strong>de</strong> estimação <strong>de</strong> e 8 do mo<strong>de</strong>lo ARIMA(p, d,q) ,especificado para a série X t , é equivalente a estimar §_ e Q_ do mo<strong>de</strong>loARMA(p,q) especificado por:a =w - ij),w . - ... -d> w +6,a ,+6 0 a „+ ... +9 a , (4.2.1)t t l t-l p t-p l t-l 2 t-2 q t-q'on<strong>de</strong> w = w -u, E(w ) = u.Como a t é um processo <strong>de</strong> ruído branco tal que, para qualquer "i", a^ enormalmente distribuído com media zero e variancia o^'-, a função <strong>de</strong> verossimilhançapara uma dada serie W^ será logcondicional,associada comos valores paramétricos (^_,^§_ ) a 2 l) , condicionadas as escolhas dos vetorespassados e não observáveisw _ 2 ' •'•' w - p+ i } e a * = (a o' S -l' a -2'
Assim, a função log condicional <strong>de</strong> Verossimilhança, associada aos vetoresparametricos , 6 e ao <strong>de</strong>svio padrão residual a , é) = -n In a2o 2 aComo tanto a função <strong>de</strong> verossimilhança L^(,6 ,a a ) como a função somados quadrados 3^(^,60 são funções condicionadas aos valores passadosnão observáveis <strong>de</strong> wt e a^, as estimativas obtidas pela função <strong>de</strong> verossimilhança<strong>de</strong>pen<strong>de</strong>m dos valores que são fixados para esses vetores.De outra parte, a maximizaçao da função <strong>de</strong> verossimilhança S obtida minimizandoa função soma dos quadrados S^(^,6_) .Entre as alternativas disponíveis para a fixação dos valores iniciaispara os elementos dos vetores não observáveis <strong>de</strong> W;- e <strong>de</strong> a;-,a mais simplese que proporciona uma aproximação satisfatória é consi<strong>de</strong>rar o conjunto<strong>de</strong> elementos w^ e a^ igual aos seus valores esperados incondicionais. Os valores esperados incondicionais para os elementos a A são todoszero e, se o mo<strong>de</strong>lo não contém a parte <strong>de</strong>terminística (ou seja,8 0 == 0), a media do processo também e zero, o que implica ter todos os elementos<strong>de</strong> w^, em valor esperado incondicional, também iguais a zero.Embora essa mecânica <strong>de</strong> iniciação da serie seja bastante boa, gerandoestimativas suficientemente aproximadas aos valores reais para_a maioriadas series usualmente analisadas na prática, essa aproximação po<strong>de</strong>não ser satisfatória se as raízes da equação (j>(B) = O são próximas docirculo unitário e o numero <strong>de</strong> observações não é gran<strong>de</strong> em relação aor<strong>de</strong>m (p,q) do mo<strong>de</strong>lo.Nesse caso, existem outros procedimentos que estabelecem valores esperadoscondicionados para w í( e a^. Esses procedimentos são,em geral,extensose trabalhosos em termos <strong>de</strong> operações <strong>de</strong> cálculo necessárias e,muitas vezes, sua eficiência em melhoria da precisão das estimativasdos parâmetros po<strong>de</strong> não ser significativa.A sensibilida<strong>de</strong> dos valores <strong>de</strong> iniciação da sérj.e <strong>de</strong>pen<strong>de</strong>ra do tamanhoda amostra que será mo<strong>de</strong>lada relativamente aos valores estabelecidospara "p" e "q". Se a série é pequena em relação a "p" e "q", haverá,possivelmente, algum ganho <strong>de</strong> eficiência nas estimativas. Porem, se asérie e relativamente gran<strong>de</strong>, a função condicional soma dos quadradosserá, aproximadamente, a mesma que a função incondicional.No caso <strong>de</strong> se necessitar do ganho <strong>de</strong> precisão originado pelo uso da funçãocondicional, um procedimento usual para estabelecer valores esperadoscondicionais é iniciar um processo iterativo tomando w^ e a^ comosendo zero. Estima-se o mo<strong>de</strong>lo ARMA por minimizaçao <strong>de</strong> S^C^.jO condicionala esses valores zero, gerando novos valores passados para w..Note-se que, se o mo<strong>de</strong>lo não contém a paite auto-regjessiva, os dois procedimentos são equivalentes. Em mo<strong>de</strong>lossazonais, entretanto, o primeiro procedimento não apresenta aproximação satisfatória. Ver <strong>de</strong>talhes em BOX & JEN-KINS (1976).
- 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 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.