Orientador: Luiz Koodi Hotta / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-07-23T01:04:49Z (GMT). No. of bitstreams: 1 Rosa_JoelMauricioCorreada_M.pdf: 5409705 bytes, checksum: c392307bb004105f04ca7cf2de451485 (MD5) Previous issue date: 1997 / Resumo: Analisar séries temporais constituídas por dados de contagens requer a utilização de técnicas estatísticas mais específicas, principalmente em situações nas quais a magnitude das observações é pequena. Dentre as várias propostas emergentes para a análise destas séries, duas são apresentadas nesta dissertação; os modelos INAR(1) (Al-Osh & Alzaid, 1987) e os modelos estruturais para dados de contagens (Harvey e Fernandes, 1989). As duas metodologias representam adaptações de modelos originalmente Gaussianos , à situações envolvendo dados de contagens. No presente trabalho, inicialmente são mostradas as principais propriedades destes modelos e aspectos de suas distribuições preditivas 1-passo-à-frente, utilizando as distribuições Poisson, geométrica e binomial negativa. Em uma segunda etapa, é realizada uma comparação de caráter empírico entre 3 dos modelos apresentados, utilizando séries reais e simuladas. Como resultados, apresentamos o comportamento de cada modelo em termos de ajuste e características da distribuição preditiva 1-passo-à-frente. / Abstract: Count data in Time Series Analysis must be treated with special techniques, especially when the counts are toa small. Among the recent proposals to analyse this kind of data, we present two of them in this work: INAR(1) models (AI-Osh and Alzaid, 1987) e structural models (Harvey e Fernandes, 1989). Both models modify theories originally build to deal with Gaussian data. In the present work, we firstly show the main properties of these models and some aspects of their one-step-ahead predictive distribution, making use of Poisson, binomial and negative binomial distributions. After this, we make an empiric comparison, in real series and simulated ones, among 3 ofthe models presented. As results of this study, we show the goodness of fit of each model and some aspects of their one- step- ahead predictive distribution, considering real and artificial data. / Mestrado / Mestre em Estatística

Orientador : Luiz Koodi Hotta / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-07-27T17:03:21Z (GMT). No. of bitstreams: 1 Motta_AndersonCarlosOliveira_M.pdf: 5714270 bytes, checksum: e015aa9e0b2439ae0942f959728eeeb8 (MD5) Previous issue date: 2001 / Resumo: o objetivo deste trabalho é apresentar alguns métodos de estimação de modelos que podem ser vistos como um modelo dinâmico e na forma de espaço de estados. São consideradas as abordagens clássica e bayesiana, e aplicado ao modelo de volatilidade estocástica. Os métodos foram aplicados à algumas séries financeiras. Foram consideradas séries simuladas para verificar o comportamento dos diversos métodos na presença de outliers . Na aplicação das metodologias ao mercado financeiro brasileiro foi utilizada a série de observações diárias do Índice da Bolsa de Valores de São Paulo (IBOVESPA), no período de 02jJaneiroj1995 a 27 jDezembroj2000 (1500 observações) / Abstract: The aim of this work is to present some methods of estimation of models that may be seen either as a dynamic IDodel ora state space model and 1;0 applythem to some stochastic volatility models, considering c1assical and bayesian approaches. Those methods were applied to the daily São Paulo Stock Exchange Index (IBOVESPA) series and to simmulated series for verify their behaviors in presence of outliers. The IBOVESPA series was collected between january 2nd, 1995 and december 2'Ph, 2000, totaling 1,500 observations / Mestrado / Mestre em Estatística

Orientador: Luiz Koodi Hotta / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-03T17:31:59Z (GMT). No. of bitstreams: 1 Lucas_EdimilsonCosta_M.pdf: 884810 bytes, checksum: e69369d9352dbde815079626f2e71958 (MD5) Previous issue date: 2003 / Mestrado / Mestre em Estatística

Made available in DSpace on 2014-06-12T18:04:43Z (GMT). No. of bitstreams: 2 arquivo7220_1.pdf: 1160431 bytes, checksum: d367b2019e4e3f4d731b0ee27291e0ed (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2006 / Cada vez mais a análise de séries temporais tem estado presente no mercado financeiro, auxiliando a obtenção de previsões e a tomada de decisão. Na presença de ventos extremos, as perdas são sempre muito grandes e em alguns casos podem levar os investidores à falência. Algumas medidas foram criadas para mensurar esse risco, porém elas não levam em conta o fato de que outras variáveis podem ser relevantes á mensuração. Engle & Manganelli (2004) propuseram um nova metodologia para medir os riscos de investimento, o modelo CAViaR, que, além de permitir a inclusão dessas variáveis, permite avaliar a qualidade do ajuste. O principal objetivo desta dissertação é avaliara nova metodologia proposta por Engle & Manganelli (2004) conjuntamente com as metodologias existentes, nos casos dos índices da Bolsa de Valores de São Paulo IBOVESPA e da Petrobrás. Por outro lado, verificamos a qualidade da estimação dos parâmetros através de simulação de Monte Carlo, de onde pudemos concluir que a qualidade da estimação está ligada `a escolha dos parâmetros iniciais e que, em geral, faz-se necessária a consideração de um grande número de vetores de estimativas iniciais

Orientador: Sebastião de Amorim / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Científica / Made available in DSpace on 2018-07-14T08:10:59Z (GMT). No. of bitstreams: 1 ChavesNeto_Anselmo_M.pdf: 1120365 bytes, checksum: d24e9333f31c0ddf4554895561bb4fce (MD5) Previous issue date: 1985 / Resumo: Não informado. / Abstract: Not informed. / Mestrado / Mestre em Estatística

Dissertação (Mestrado em Engenharia Mecânica) - Centro Universitário da FEI, São Bernardo do Campo, 2016

Resumo não disponível.

LIMA, D. D. Um Estudo da previsão de demanda da castanha de caju no comércio exterior cearense através de séries temporais multivariadas. 2013. 59 f. Dissertação (Mestrado em Logística e Pesquisa Operacional) – Pró-Reitoria de Pesquisa e Pós-Graduação, Universidade Federal do Ceará, Fortaleza, 2013. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2015-03-26T13:41:41Z No. of bitstreams: 1 2013_dis_ddlima.pdf: 691104 bytes, checksum: 2458f0d532891468f7139a1f818d9309 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2015-03-30T18:02:40Z (GMT) No. of bitstreams: 1 2013_dis_ddlima.pdf: 691104 bytes, checksum: 2458f0d532891468f7139a1f818d9309 (MD5) / Made available in DSpace on 2015-03-30T18:02:40Z (GMT). No. of bitstreams: 1 2013_dis_ddlima.pdf: 691104 bytes, checksum: 2458f0d532891468f7139a1f818d9309 (MD5) Previous issue date: 2013-06-06 / The application of time series in varius areas such as engineering, logistics, operations research and economics, aims to provide the knowledge of the dependency between observations, trends, seasonality and forecasts. Considering the lack of effective supporting methods od logistics planning in the area of foreign trade, the multivariate models habe been presented and used in this work, in the area of time series: vector autoregression (VAR), vector autoregression moving-average (VARMA) and state-space integral equation (SS). These models were used for the analysis of demand forecast, the the bivariate series of value and volume of cashew nut exports from Ceará from 1996 to 2012. The results showed that the model state space was more successful in predicting the variables value and volume over the period that goes from january to march 2013, when compared to other models by the method of root mean squared error, getting the lowest values for those criteria. / A aplicação de séries temporais em diversas áreas como engenharia, logística, pesquisa operacional e economia, tem como objetivo o conhecimento da dependência entre dados, suas possíveis tendências, sazonalidades e a previsão de dados futuros. Considerando a carência de métodos eficazes de suporte ao planejamento logístico na área de comércio exterior, neste trabalho foram apresentados e utilizados os modelos multivariados, na área de séries temporais: auto-regressivo vetorial (VAR), auto-regressivomédias móveis vetorial (ARMAV) e espaço de estados (EES). Estes modelos foram empregados para a análise de previsão de demanda, da série bivaria de valor e volume das exportações cearenses de castanha de caju no período de 1996 à 2012. Os resultados mostraram que o modelo espaço de estados foi mais eficiente na previsão das variáveis valor e volume ao longo do período janeiro à março de 2013, quando comparado aos demais modelos pelo método da raiz quadrada do erro médio quadrático, obtendo os menores valores para o referido critério.

MELO, F. E. Caracterização e previsão de potencial solar: estudo de caso para Parnaíba (PI), Maracanaú (CE) e Petrolina (PE). 2016. 103 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2016. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2016-03-18T16:31:28Z No. of bitstreams: 1 2016_dis_femelo.pdf: 3887810 bytes, checksum: d1342bf9ac5660a1724e7a01f8822135 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2016-03-31T17:26:52Z (GMT) No. of bitstreams: 1 2016_dis_femelo.pdf: 3887810 bytes, checksum: d1342bf9ac5660a1724e7a01f8822135 (MD5) / Made available in DSpace on 2016-03-31T17:26:52Z (GMT). No. of bitstreams: 1 2016_dis_femelo.pdf: 3887810 bytes, checksum: d1342bf9ac5660a1724e7a01f8822135 (MD5) Previous issue date: 2016-02-19 / The use of solar resource, as a supplementary source in the country’s energy matrix, requires a good forecast strategy that enables decision-making and strategic actions to keep the electrical potential generated in the national energy grid stable. Based on such premise, this dissertation presents the characterization and forecast of data series on solar irradiation registered at three locations in the Northeastern region of Brazil: from August 2012 to July 2013 in Parnaíba (PI), from May 2012 to April 2013 in Maracanaú (CE), and from May 2012 to March 2013 in Petrolina (PE). Those surveys consist of time series and, therefore, they require specific statistical methods for their own treatment and forecast. As seasonality is a characteristic found in time series data of solar irradiation, the characterization and forecast are made by using the low seasonality component of solar radiation: the atmospheric transparency index, known as Kt. The use of this component is justified for providing more accurate and reliable forecast results, with low interference from trend components present in time series data within the forecast process. The forecasts made in this study have used the ARIMA method, the Simple Exponential Smoothing method (SES), and the Moving Average (MA) method. Forecasts are obtained from a 30-day trial period for each location, adapted graphically between the dry season, and validated within periods of 30, 150 and 180 days in the rainy season. Then, the evaluation of the forecast methods used is done, being the ARIMA method a 30-day forecast and in need of validation within 30 days, which shows the lowest error rates, with Root Mean Squared Error for Prediction values (RMSEP) of 0.008 for Parnaíba (PI), 0.015 for Maracanaú (CE), and 0.010 for Petrolina (PE). Also, through the regression equations, by transforming the Kt values obtained with the ARIMA method forecast, one obtains a 30-day forecast of daily solar irradiation with averages of 6.4 kW/m² for Parnaíba, 5.69 kW/m² for Maracanaú, and 6.54 kW/m² for Petrolina / O uso do recurso solar como fonte complementar em uma matriz energética requer uma boa estratégia de previsão pois como a variância da irradiação solar causa uma variação na potência elétrica produzida, se faz necessário prever resultados que possibilitem garantir decisões e ações estratégicas que mantenham o recurso solar estável na malha energética. Dentro desta premissa, a presente dissertação apresenta a caracterização e previsão de séries de dados de irradiação solar, registradas nos períodos de agosto de 2012 a julho de 2013, em Parnaíba (PI), maio de 2012 a abril 2013, em Maracanaú (CE) e maio de 2012 a março de 2013, em Petrolina (PE). Estes levantamentos constituem-se como séries temporais e, portanto, para suas previsões, necessitam de métodos estatísticos específicos para o seu tratamento. Como a sazonalidade é uma característica presente em dados de séries temporais de irradiação solar, a caracterização e previsão são feitas utilizando a componente de baixa sazonalidade da irradiação solar, o índice de transparência atmosférica, Kt. O uso desta componente justifica-se pelo fato de propiciar resultados de previsões mais precisos e confiáveis, com baixa interferência das componentes de tendências, presentes nas séries de dados temporais, no processo de previsão. As previsões realizadas neste estudo utilizam o método ARIMA, o método de Alisamento Exponencial na modalidade Simples (AES) e o método de Médias Móveis (MA). Com adaptação gráfica dos dados e do método de previsão entre a estação seca e validação do modelo (calibração) em períodos de 30, 150 e 180 dias, na estação chuvosa, obtêm-se prognósticos de um período experimental de 30 dias para cada localidade. É realizada então a avaliação dos métodos de previsão utilizados, sendo o método ARIMA com previsão de 30 dias e validação do modelo em 30 dias, o que apresenta os menores índices de erro, com valores de Erro Quadrático Médio de Previsão (EQMP) de 0,008 para Parnaíba (PI), 0,015 para Maracanaú (CE) e 0,010 para Petrolina (PE). Através das equações de regressão, transformasse os valores de Kt obtidos com a previsão do método ARIMA, obtém-se as previsões de 30 dias de médias diárias de irradiação solar de 6,4 kWh/m² para Parnaíba, 5,69 kWh/m² para Maracanaú e 6,54 kWh/m² para Petrolina

Resumo não disponível.