[pt] A modelagem Box & Jenkins (1970) para previsão de séries temporais univariadas, de acordo com a proposta inicial das autoras, é composta de quatro etapas: Indentificação de Modelos, Estimação dos Parâmetros, Testes Estatísticos para Validação do Modelo e Previsão. Dentre as etapas citadas, a Identificação de Modelos é a de maior dificuldade na utilização prática da metodologia Box & Jenkins, é baseada no uso de estimadores para as funções de autocorrelação parcial da série, não apresenta dificuldades no caso específico de modelos puros. Porém no tratamento de modelos mistos (ARMA), onde há presença das duas componentes (AR e MA), a utilização destes estimadores muitas vezes não leva a conclusões definitivas quanto à estrutura a ser considerada. Numa tentativa de diminuição da dificuldade para indentificar modelos ARMA (p, q), existem na literatura especializada várias propostas alternativas de métodos de identificação. Este trabalho se propõe a uma análise crítica de alguns métodos e dos resultados obtidos a partir destes. A análise foi concentrada nos seguintes métodos: - Função de Autocorrelação Inversa, (Cleveland, 1972) e (Chatfield, 1979); - R & S Arrays (Gray, Kelley e Mc. Intire, 1978); - Corner Method (Béguin, Gourieroux e Monfort, 1980); - Função de Autocorrelação Extendida (Tião e Tsay, 1982); - Função de Autocorrelação Parcial Generalizada (Glasbey, 1982); cujos desempenhos foram comparados entre si e com a metodologia tradicional. Foram consideradas cinco estruturas: AR(1), AR(2), MA(1), MA(2) e ARMA(1,1). Para cada estrutura foram escolhidos três modelos, utilizando como critério sua localização na região de estacionariedade / inversibilidade. Foram simuladas quinze séries para cada modelo, variando-se a semente e o nível da série, totalizando desta forma, 225 séries, que foram submetidas a cada um dos métodos em estudo e cujos resultados foram comparados e analisados. A partir dos resultados obtidos chegou-se a várias conclusões úteis na prática quanto à utilização de cada método, porém estas conclusões são apenas relativas à amostra utilizada, pois para se chegar a conclusões definitivas o tamanho da amostra deveria ser maior e critérios estatísticos de análise poderiam ser utilizadas. Dentre as conclusões obtidas destaca-se a seguinte: embora alguns métodos alternativos de identificação tenham apresentado grande melhoria em relação ao método tradicional, o problema da identificação ainda não se encontra resolvido, assim muitas das tentativas de Box & Jenkins Automáticos tornam-se sensíveis a falhar e a presença do analista torna-se necessária. / [en] The dificulty of the Box and Jenkins approach for univariante time series forecasting lies in the stage of identification. The traditional methodology based on the estimators of the autocorrelation and partial autocorrelation functions, to mixed models(ARMA), usually leads to wrong structural identification. As an attempt to solve this problem, many authors have porposed alternative identification methods. This work intends to make a critical analysis was concentrated on the following methods: - Inverse Autocorrelation Function, (Cleveland, 1972) and (Chatfield, 1979); - R&S Arrays, (Gray, Kelley and Mc. Intire, 1978); - The Corner Method, (Beguin, Gourieroux and Monfort, 1980); - Extended Autocorrelation Function (Tiao and Tsay, 1982); - General Partial Autocorrelation Function (Glasbey, 1982); their performance were compared with each other and with the traditional method. Five structures have been studied: AR(1), AR(2), MA(1), MA(2) and ARMA(1,1). For each of them three models have been chosen /considering their position in the stationary and invertible regions. Fifteen series have been simulated for each model, varying levels and their seeds, adding up to 225 series, which were submitted to each method. The results led to several conclusions, which are restricted to the sample studied; the most important was: Although some of these methods yield to better results than the traditional ones, the problem of identification is still unsolved. So, any kind of Automatic Box and Jenkins can not be recommended.

The first volume of the thesis consists of five chapters and five appendices. The first, biographical, chapter outlines the evidence of the composer's life to be found in contemporary seventeenth century writings and in surviving MSS of his music. The second chapter examines more closely the evidence of the MS sources in relation to the chronology of Jenkins' music and contains a reassessment of his output in the light of this evidence. In the third chapter the hundred or so MSS are critically examined and classified according to their merit as authoritative sources of Jenkins' works; the question of the composer's autograph and those of a few of his associates is discussed in some detail with photographic illustrations. The fourth chapter provides an illustrated outline of the evidence found in these MSS of the performing practice and instrumentation in Jenkins' music with some valuable new material on the English "graces" for the bass viol. The fifth chapter provides a survey of Jenkins' use of the forms current in England during his lifetime. His music is related as far as possible to that of his predecessors and contemporaries and attention is paid to those works in which a division texture is superimposed on fantasia or dance forms. The five appendices are: a checklist of all known sources, including modern editions, of Jenkins' instrumental music; a descriptive catalogue of the MS sources; a list of his vocal works, by first lines; a bibliography of contemporary publications of instrumental and vocal music up to 1680; and a select general bibliography.

No description available.

The autoregressive-integrated moving average (AMIRA) process plays an essential role in time series models. Classical method of finding the maximum likelihood (ML) estimate of the parameters in an ARIMA(p; d; q) model consists of evaluating the likelihood function through the Box-Jenkins approach or the Innovations Algorithm and optimizing it by numerical methods such as the quasi-Newton algorithms. However, these approaches have several drawbacks. The quasi-Newton methods tend to be unstable when the likelihood function is highly nonlinear. In this paper, we consider a state space representation of the ARIMA(p; d; q) process. The likelihood function can be easily expressed by the Kalman filter and the ML estimates can be obtained through a combination of Kalman smoother and the EM Algorithm. The updating equations in the EM algorithm possess a simple analytical form. A quasi-Newton scheme has also been implemented to accelerate the convergence of the EM Algorithm. The simulations studies show that the EM algorithm is more robust to starting values and the number of parameters, and the quasi-Newton acceleration scheme significantly improves the convergence rate of the EM algorithm. / 差分自回歸移動平均(AMIRA)模型在時間序列模型中有著重要地位。ARIMA模型的傳統極大似然估計方法通過Box-Jenkins方法或者新息算法(Innovations Algorithm)計算出似然函數，再通過擬牛頓(quasi-Newton)法等數值方法將之極大化，從而得到參數的極大似然估計。然而，此類方法在一定條件下存在缺陷。例如，當似然函數高度非線性時，擬牛頓法表現出不穩定的現象。本文考慮ARIMA模型的一種狀態空間(state-space)模型表示。在此表示下，參數的似然函數可以通過卡爾曼濾波算法計算，而參數的極大似然估計可以通過卡爾曼平滑和EM算法簡單得出。本問題中EM算法的迭代公式有簡潔的解析形式。同時，我們進一步考慮了一個擬牛頓加速算法來加快EM算法的收斂速度。通過模擬實驗我們發現，對於不同的初始值和參數個數，EM算法比擬牛頓法更為穩健。同時，擬牛頓的加速算法可以顯著加快EM算法的收斂速度。 / Huang, Rui. / Thesis M.Phil. Chinese University of Hong Kong 2015. / Includes bibliographical references (leaves 57-58). / Abstracts also in Chinese. / Title from PDF title page (viewed on 06, October, 2016). / Detailed summary in vernacular field only.

Thesis (Ph. D.)--University of Michigan, 1951. / Vol. 2 contains scores of ten fantasias "based upon the collation of all known manuscripts available." Cf. Foreword. eContent provider-neutral record in process. Description based on print version record. "A list of modern publications of Jenkins' Fantasias": v. 1, leaf 229. Includes bibliographical references (v. 1, leaves 230-242).

Thesis (Ph. D.)--University of Chicago, Graduate School of Business, December 2000. / Includes bibliographical references. Also available on the Internet.

Made available in DSpace on 2014-06-12T17:16:37Z (GMT). No. of bitstreams: 2 arquivo2907_1.pdf: 634979 bytes, checksum: 330e453c0db3f5452e436a3247c47be0 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2009 / Esta dissertação tem como principal objetivo apresentar os modelos de previsão de arrecadação do ICMS, por segmento econômico, para a Secretaria da Fazenda do Estado de Pernambuco, utilizando as técnicas econométricas. Objetiva-se, com essa pesquisa, disponibilizar aos gestores púbicos do Estado mais um modelo de previsão consistente e com certo grau de confiabilidade. Para tanto, utilizou-se da metodologia Box-Jenkins, mais especificamente os modelos: ARIMA - modelo autorregressivo integrado de média móvel, e SARIMA - modelo autorregressivo integrado de média móvel sazonal, e o software RATS (Regression Analyse Time Series). O trabalho apresenta o comportamento da arrecadação de ICMS no Estado e uma revisão da literatura, onde são abordados os principais conceitos teóricos utilizados, bem como uma análise dos resultados obtidos. Conclui-se que o modelo de previsão utilizando séries temporais, em função de sua capacidade preditiva, pode se transformar em um valioso instrumento para auxiliar na elevação da receita tributária no Estado de Pernambuco, dentro da capacidade contributiva de cada contribuinte

A pesquisa tem como objetivo obter previsões para o mercado de fretes do açúcar para exportação no Estado de São Paulo. Para cumprir tal objetivo, utilizou-se a metodologia Box- Jenkins de séries temporais. O período compreendido na pesquisa foi janeiro de 2006 a setembro de 2013. Foram delimitadas no Estado de São Paulo nove regiões para análise: Ribeirão Preto, Jaú, Araraquara, Presidente Prudente, Araçatuba, Piracicaba, São José do Rio Preto, Pirassununga e Assis. Essas regiões também foram agregadas com o objetivo de obter previsões para o Estado de São Paulo. As previsões foram realizadas fora da amostra correspondendo ao período de outubro de 2012 a setembro de 2013. Os modelos estimados, de forma geral, obtiveram um bom desempenho considerando os cinco primeiros meses de previsão, como o ocorrido nas regiões de Jaú, Araraquara, Piracicaba, Pirassununga e Assis. Dentre as nove regiões analisadas, os modelos ajustados para as Regiões de Piracicaba e Assis apresentaram melhores desempenhos, fato este comprovado pelos menores valores do Erro Quadrático Médio e Soma do Quadrado dos Desvios. Considerando os resultados gerais das nove regiões e da análise do Estado de São Paulo de forma agregada, houve predomínio do emprego do modelo ARIMA como melhor método para a realização de previsões para o mercado de fretes do açúcar. Não obstante, as previsões geradas pela metodologia Box- Jenkins, no curto prazo, constituem em boa ferramenta de auxílio para tomada de decisões e planejamento dos agentes envolvidos no mercado do açúcar. / The research aims to obtain predictions for the freights market of sugar for export in the State of São Paulo in Brazil. A Box-Jenkins time series methodology was used to fulfill this objective. The survey was performed from January 2006 through September 2013. Nine regions in São Paulo State were placed for analysis: Ribeirão Preto, Jaú, Araçatuba, Araraquara, Piracicaba, São José do Rio Preto, Pirassununga, Presidente Prudente and Assis and also these regions were aggregated in order to obtain estimates for the State of São Paulo. The predictions were made out of the sample corresponding to the period from October 2012 to September 2013. The estimated models generally presented good performance considering the five first months of forecast, as occurred in the regions of Jaú, Araraquara, Piracicaba, Pirassununga and São José do Rio Preto. Out of the nine regions analyzed, the models adjusted for the regions of Piracicaba and Assis showed better performances, proven by the lowest average square error and Sum of Squares of deviations. Considering the overall results of the nine regions and the analysis of the state of São Paulo aggregated, employment ARIMA model predominated as the best method for performing predictions for the freight market sugar. Nevertheless, the forecasts generated by the Box-Jenkins methodology, in a short term, constitute good tool to aid decision-making and planning of the agents involved in the sugar market.

Independently of the company size it is necessary to establish goals, parameters and strategies. It is important to have guidance, a plan that conducts the actions for the present as a way to reach the goals for the future. Moreover, the planning of the company requires organization, controls, tools which assist helpful favor the decisionmaking and the necessary reconducts. The modeling and consequently the forecast are indispensable tools for the management, such, proves it contribution of the Box & Jenkins methodology. The market is highly competitive and selective, demanding not only efficiency, but mainly effectiveness. Actions directed to the magnifying of the quality of an organization are as important as the capacity to foresee, to know, to measure and to analyze the resolutivity of the used methodologies. In this context this present research is realized, searching to know the behavior of the company invoicing from an agricultural company and its two branch offices, molding and, in such a way, allowing putting into practice forecasts. Thus, the methodology applied consists of the use of historical data from the invoicing of the same ones. For the Main company, of Beta Company was found an ARMA(1,1) model, being this the most parsimonious. In CB Branch office the SARIMA (1,0,0) * (2,0,0) was the model that better described the data and in SL Branch office, the model SARIMA (1,0,0) * (1,0,0). Realizing the forecast and comparing with the real data placed by the company, it was verified the efficiency of the model, being that all the values meet up with the confidence interval of 95%. Taking into base the results gained in this research, it is possible to affirm that the methodology used constitutes of an important tool, being able to be used by the managers of the respective companies, supplying subsidies to the planning of the following months. / Independentemente do tamanho da empresa é necessário estabelecer metas, parâmetros e estratégias. É importante ter um guia, um plano que direcione as ações do presente como meio de atingir as metas para o futuro. Além disso, o planejamento da empresa requer organização, controles, ferramentas que auxilie e favoreça a tomada de decisões e redirecionamentos necessários. A modelagem e consequentemente a previsão são ferramentas indispensáveis à gestão, para tal, evidencia-se a contribuição da metodologia Box & Jenkins. O mercado é altamente competitivo e seletivo, exigindo não somente eficiência, mas principalmente eficácia. Ações direcionadas à ampliação da qualidade de uma organização são tão importantes quanto a capacidade de prever, conhecer, medir e analisar a resolutividade das metodologias utilizadas. Neste contexto é que a presente investigação é realizada, buscando conhecer o comportamento do faturamento de uma empresa do ramo agrícola e de suas duas filiais, modelando e, realizando previsões. Para tanto, a metodologia empregada consiste em utilizar dados históricos do faturamento das mesmas. Para a Matriz da Empresa Beta foi encontrado um modelo ARMA (1,1), sendo este o mais parcimonioso. Na Filial CB o modelo que melhor descreveu os dados foi o SARIMA (1,0,0)*(2,0,0) e na Filial SL o modelo SARIMA (1,0,0)*(1,0,0). Realizando a previsão e comparando com os dados reais disponibilizados pela empresa, verificou-se a eficiência do modelo, sendo que todos os valores encontram-se no intervalo de confiança de 95%. Tomando-se por base os resultados obtidos nessa pesquisa, pode-se afirmar que a metodologia utilizada se constitui em uma importante ferramenta, podendo ser utilizada pelos gestores das respectivas empresas, fornecendo subsídios para o planejamento dos meses seguintes.

A pesquisa tem como objetivo obter previsões para o mercado de fretes do açúcar para exportação no Estado de São Paulo. Para cumprir tal objetivo, utilizou-se a metodologia Box- Jenkins de séries temporais. O período compreendido na pesquisa foi janeiro de 2006 a setembro de 2013. Foram delimitadas no Estado de São Paulo nove regiões para análise: Ribeirão Preto, Jaú, Araraquara, Presidente Prudente, Araçatuba, Piracicaba, São José do Rio Preto, Pirassununga e Assis. Essas regiões também foram agregadas com o objetivo de obter previsões para o Estado de São Paulo. As previsões foram realizadas fora da amostra correspondendo ao período de outubro de 2012 a setembro de 2013. Os modelos estimados, de forma geral, obtiveram um bom desempenho considerando os cinco primeiros meses de previsão, como o ocorrido nas regiões de Jaú, Araraquara, Piracicaba, Pirassununga e Assis. Dentre as nove regiões analisadas, os modelos ajustados para as Regiões de Piracicaba e Assis apresentaram melhores desempenhos, fato este comprovado pelos menores valores do Erro Quadrático Médio e Soma do Quadrado dos Desvios. Considerando os resultados gerais das nove regiões e da análise do Estado de São Paulo de forma agregada, houve predomínio do emprego do modelo ARIMA como melhor método para a realização de previsões para o mercado de fretes do açúcar. Não obstante, as previsões geradas pela metodologia Box- Jenkins, no curto prazo, constituem em boa ferramenta de auxílio para tomada de decisões e planejamento dos agentes envolvidos no mercado do açúcar. / The research aims to obtain predictions for the freights market of sugar for export in the State of São Paulo in Brazil. A Box-Jenkins time series methodology was used to fulfill this objective. The survey was performed from January 2006 through September 2013. Nine regions in São Paulo State were placed for analysis: Ribeirão Preto, Jaú, Araçatuba, Araraquara, Piracicaba, São José do Rio Preto, Pirassununga, Presidente Prudente and Assis and also these regions were aggregated in order to obtain estimates for the State of São Paulo. The predictions were made out of the sample corresponding to the period from October 2012 to September 2013. The estimated models generally presented good performance considering the five first months of forecast, as occurred in the regions of Jaú, Araraquara, Piracicaba, Pirassununga and São José do Rio Preto. Out of the nine regions analyzed, the models adjusted for the regions of Piracicaba and Assis showed better performances, proven by the lowest average square error and Sum of Squares of deviations. Considering the overall results of the nine regions and the analysis of the state of São Paulo aggregated, employment ARIMA model predominated as the best method for performing predictions for the freight market sugar. Nevertheless, the forecasts generated by the Box-Jenkins methodology, in a short term, constitute good tool to aid decision-making and planning of the agents involved in the sugar market.