95Porque os [e.t/S,wn não são exatamente lineares em relação aos 6, oajustamento a partir <strong>de</strong> g não produz estimativas <strong>de</strong> mínimos quadradosimediatamente. Essas estimativas iniciais servem para iniciar um mecanismoiterativo <strong>de</strong> aproximações sucessivas, a partir dos valores 3 anoteriores. O processo e repetido n vezes ate a ocorrência <strong>de</strong> convergência,ou seja, até que g -g—n —n— l = 0.A velocida<strong>de</strong> <strong>de</strong> convergência <strong>de</strong>pen<strong>de</strong>rá dos valores iniciais tomados pafinais,a convergência ocorre apôsrã g . Se os g são próximos dos—o —opoucas etapas iterativas Porem, se os g_ são muito distantes dosfinais, o processo po<strong>de</strong> necessitar <strong>de</strong> um número bastante gran<strong>de</strong> <strong>de</strong> etapasiterativas, po<strong>de</strong>ndo, inclusive, em alguns casos, não convergir totalmente.Em termos práticos, os valores iniciais obtidos no processo<strong>de</strong> i<strong>de</strong>ntificação, conforme o estudo feito no item 4.1, são, em gerai,bons valores iniciais.Felizmente, as dificulda<strong>de</strong>s <strong>de</strong> calculo <strong>de</strong>sse processo iterativo apresentam-sediminutas, a medida que as rotinas programadas para elaboraçãopor meios eletrônicos estão bastante <strong>de</strong>senvolvidas, proporcionandorapidamente estimativas satisfatórias.Uma avaliação da precisão dos parâmetros assim estimados po<strong>de</strong> ser feitaa partir da variância <strong>de</strong>sses estimadores e da construção dos respectivosintervalos <strong>de</strong> confiança e testes <strong>de</strong> hipótese.Da teoria da inferencia estatística sabe-se que os estimadores <strong>de</strong> máximaverossimilhança têm distribuição aproximadamente normal, se "n" égran<strong>de</strong>, com expectância igual aos verda<strong>de</strong>iros parâmetros, e sua matriz<strong>de</strong> variancia-covariância e dada por:- lVar(B) = 2p+qComo â 2 = — — - , substituindo a 2 por sua estimativa ô 2 e calculando osa n a avalores da matriz, obtém-se estimativas para a variância <strong>de</strong> seus parâmetros.Para os mo<strong>de</strong>los geralmente utilizados na prática, as variancias estimadasestão sintetizadas a seguir.AR(1)AR(2) VAR( 2 ) =
96MA(1) -> VAR(8 n ) = -l nMA(2) -> VAR(82 0 )/ = VAR(Ô »"^\"., 1 )/=ARMAU.l)_ 1-4,2 (i-4> 1 e i ) 2VAR(S n )l1-62 (1-6 ) 2n4.1.3 — A Checagem do DiagnósticoApós o mo<strong>de</strong>lo ter sido i<strong>de</strong>ntificado e seus parâmetros eficientementeestimados, chega-se ã última etapa do processo <strong>de</strong> mo<strong>de</strong>lagem, <strong>de</strong>nominada<strong>de</strong> checagem do diagnóstico, que consiste em averiguar a a<strong>de</strong>quação domo<strong>de</strong>lo utilizado para ajustar os dados observados na vida real.Essa etapa apresenta-se importante, pois, se a verificação mostrar algumaevi<strong>de</strong>ncia <strong>de</strong> que o mo<strong>de</strong>lo ajustado é ina<strong>de</strong>quado para <strong>de</strong>screver osvalores reais da série, é necessário que ela própria (a etapa_da verificação)aponte as causas da ina<strong>de</strong>quação e sugira as modificações apropriadas.As técnicas existentes atualmente são ainda pouco evoluídas, portanto,precárias, não permitindo que se obtenham respostas científicas plenamenteconclusivas acerca da a<strong>de</strong>quação do mo<strong>de</strong>lo i<strong>de</strong>ntificado.Uma das técnicas recomendadas por <strong>Box</strong> & <strong>Jenkins</strong> para a checagem do mo<strong>de</strong>loé o chamado sobreajustamento. É baseada no princípio <strong>de</strong> que o mo<strong>de</strong>loi<strong>de</strong>ntificado na primeira etapa do processo, embora seja capaz <strong>de</strong> <strong>de</strong>screvera série, está sob a suspeiçao <strong>de</strong> que necessita um mo<strong>de</strong>lo maiselaborado, com um número maior <strong>de</strong> parâmetros. Justifica-se esse procedimentopelo fato <strong>de</strong> o mo<strong>de</strong>lo mais elaborado conter parâmetros adicionaisque permitem <strong>de</strong>screver melhor as dúvidas e discrepâncias não abrangidaspelo mo<strong>de</strong>lo inicialmente i<strong>de</strong>ntificado. Assim, se a análise <strong>de</strong> ummo<strong>de</strong>lo estimado com parâmetros extras não indicar que os parâmetros sãosignificativos e a variancia residual não diminuir,po<strong>de</strong>-se supor que asadições <strong>de</strong> novos parâmetros não são necessárias, e que o mo<strong>de</strong>lo i<strong>de</strong>ntificadoconsegue <strong>de</strong>screver razoavelmente a série observada.O método do sobreajustamento, portanto, é uma técnica bastante precária,pois somente esten<strong>de</strong> o mo<strong>de</strong>lo para or<strong>de</strong>ns superiores,assumindo quese conhece o tipo <strong>de</strong> discrepância cuja i<strong>de</strong>ntificação ainda proporcionaalgumas duvidas.Outro procedimento menos <strong>de</strong>pen<strong>de</strong>nte do conhecimento inicial do mo<strong>de</strong>loe <strong>de</strong> uso mais corrente no processo <strong>de</strong> checagem do diagnóstico está baseadona analise dos resíduos.
- 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 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.