Made available in DSpace on 2014-06-12T18:06:41Z (GMT). No. of bitstreams: 2 arquivo9499_1.pdf: 5395681 bytes, checksum: 1dc9a9e2691f13e03f2b904a6c35731d (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2012 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Modelos gaussianos de séries temporais ARMA têm sido largamente utilizados na literatura. Benjamin et al. (2003) estenderam estes modelos para variáveis pertencente a família de distribuição exponencial. Nesta mesma linha, Rocha e Cribari-Neto (2009) propuseram um modelo de série temporal para a classe de distribuições Beta. Nesse sentido, nós propomos o modelo autorregressivo de médias móveis simétrico (SYMARMA), um modelo dinâmico para variáveis aleatórias pertencentes à classe de distribuições simétricas que inclui tanto a dinâmica autorregressiva e de média móveis, como também permite inserir regressores no modelo. O modelo SYMARMA é construído a partir da classe de regressão simétrica só que agora, na especificação da média, temos uma componente adicional com termos autoregressivos e de médias móveis incluídos aditivamente. A estimação dos parâmetros do modelo SYMARMA é feita através da maximização do logaritmo da função de verossimilhança condicional usando um algoritmo de otimização não-linear, em particular utilizamos o algoritmo escore de Fisher. Estudos de simulação foram realizados para avaliar o desempenho e o comportamento do estimador de máxima verossimilhança condicional para os parâmetros do modelo e, para também avaliar o efeito da presença de outlier aditivo ou de inovação no ajuste e na previsão de observações futuras. Discutimos testes de hipóteses para os parâmetros do modelo. Aplicações com dados reais também serão apresentadas e discutidas