Made available in DSpace on 2014-06-12T18:05:23Z (GMT). No. of bitstreams: 2 arquivo7245_1.pdf: 595715 bytes, checksum: c28d0f88762205681a0b49fb18816232 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2005 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / O processo inflacionário brasileiro tornou-se um assunto amplamente debatido nos meios políticos e acadêmicos. Alguns pesquisadores, atravês de diversas técnicas, têm procurado obter informações a respeito da natureza do fenômeno inflacionário brasileiro, da magnitude da taxa de elevação dos preços, da dimensão do fator tempo, do comportamento dinâmico do processo, da abrangência do fenômeno, dos fatores exógenos e dos mecanismos repressores da inflação. O objetivo principal desta dissertação é estudar a dinâmica inflacionária brasileira no período pós-Plano Real. Com esta finalidade, foram avaliadas estratégias univariadas de modelagem e testes econométricos baseados em indicadores da inflaçaõ. Na modelagem das séries nós usamos a classe de modelos autoregressivos quantílicos (QAR) proposta por Koenker e Xiao (2004a) com o intuito de caracterizar a dinâmica inflacionária em diferentes quantis da distribução condicional da taxa de inflção, examinando a existência de raiz unitária, ou seja, a existência de inércia inflacionária. Na investigação do comportamento inercial da taxa de inflação, usamos testes de raiz unitária derivados de QAR propostos por Koenker e Xiao (2004b). Nós mostramos que a dinâmica inflacionária não apresenta comportamento uniforme ao longo dos diferentes quantis condicionais. Em particular, os resultados revelam que a dinâmica é globalmente estacionária, mesmo com o processo alcançando não-estacionariedade na cauda superior da distribuição condicional. Apresentamos também evidências empíricas para as dinâmicas inflacionárias da Argentina e do Chile

Os modelos autoregressivos simétricos são modelos de regressão em que os erros são correlacionados -- AR(1) -- e pertencem à classe de distribuições simétricas. O objetivo deste trabalho é discutir métodos de diagnóstico de influência para esses modelos. Para ilustrar a metodologia, são apresentados exemplos do modelo de precificação de ativos (CAPM). / The symmetric autoregressive models are regression models in which the errors are correlated and belong to the class of symmetrical distributions. The aim of this work is to discuss influence diagnostic methods for those models. To illustrate the methodology, examples of Capital Asset Pricing Models (CAPM) are presented.

Os modelos autoregressivos simétricos são modelos de regressão em que os erros são correlacionados -- AR(1) -- e pertencem à classe de distribuições simétricas. O objetivo deste trabalho é discutir métodos de diagnóstico de influência para esses modelos. Para ilustrar a metodologia, são apresentados exemplos do modelo de precificação de ativos (CAPM). / The symmetric autoregressive models are regression models in which the errors are correlated and belong to the class of symmetrical distributions. The aim of this work is to discuss influence diagnostic methods for those models. To illustrate the methodology, examples of Capital Asset Pricing Models (CAPM) are presented.

Made available in DSpace on 2016-06-02T19:30:13Z (GMT). No. of bitstreams: 1 6800.pdf: 13603854 bytes, checksum: 5ce808ced7c806c5b03c24e94414d39b (MD5) Previous issue date: 2015-02-20 / Universidade Federal de Minas Gerais / Edge influence, the set of modifications in the natural environment next to abrupt anthropogenic or natural edges, is a serious threat to biodiversity in fragmented environments. Common examples of edge influence include an increased abundance of exotic species and modifications in vegetation structure and/or composition. Edges of linear disturbances, such as roads, powerlines, and firebreaks, are especially important due to their ubiquity in the landscape. Although such disturbances are much narrower than other anthropogenic land uses, they have been shown to affect adjacent plant and animal communities. The combination of edge influence with the natural variation in vegetation may lead to complex and not easily discernible patterns. However, this natural variation is not usually taken into account in studies of edge influence. We employed a spatial pattern approach to study edge influence from narrow linear disturbances while accounting for variation in vegetation (both natural and from disturbance history), in Brazilian cerrado and in Canadian forest-tundra ecotone. Our main objectives were 1) to assess the overall heterogeneity in the cover of native and invasive graminoids, structural diversity and species composition, and 2) to verify whether the spatial pattern of different response variables is affected by anthropogenic edges. Secondary objectives include: 3) to explore different ways in which wavelet transforms and Monte Carlo simulations may be used to assess edge influence, 4) to compare different structural diversity indices, and 5) to assess whether the spatial patterns of different plant species are related to their functional traits. We sampled five 300-1350 m-long transects, three in Brazil and two in Canada. The transects contained one to five anthropogenic edges and one to ten natural edges and were divided into contiguous 1x1 m quadrats. In each quadrat, we estimated the cover of native and invasive graminoids (two transects in Brazil), sampled different structural elements to measure the structural diversity (two transects in Brazil and the two Canadian transects), and identified plant species and their dispersal syndromes and lifeforms (one transect in Brazil). We analyzed the data by means of continuous and discrete wavelet transforms and multiresolution analysis, and assessed significance by means of full randomizations, Markov chain simulations, and autoregressive models. Although some edge-related patterns were apparent for most variables, they were not observed at all edges, and similar patterns were also observed far from edges. The different structural diversity indices showed similar patterns, and species traits, namely lifeform and 8 dispersal syndrome, were not related to the spatial distribution of different species. The main conclusion of our study is that although narrow linear disturbance edges may alter vegetation structure and species composition, the conditions at edges are not necessarily different from what may be observed due to the natural variation in plant communities in non-forest vegetation. Keywords: autoregressive models, cerrado, dispersal syndromes, edge effects, invasive grasses, Markov chain, spatial pattern, structural diversity, tundra, wavelet transform. / A influência de borda, o conjunto de modificações no ambiente natural próximo a bordas abruptas antrópicas ou naturais, é uma séria ameaça à biodiversidade em ambientes fragmentados. Exemplos comuns de influência de borda incluem um aumento na abundância de espécies exóticas e mudanças na estrutura e/ou composição da vegetação. Bordas de distúrbios lineares, como rodovias, linhas de transmissão elétrica e aceiros, merecem atenção especial devido à sua ubiquidade na paisagem. Embora tais distúrbios sejam muito mais estreitos do que outros usos de solo antrópicos, eles podem afetar as comunidades vegetal e animal adjacentes. A combinação da influência de borda com a variação natural da vegetação pode resultar em padrões complexos que não são facilmente detectáveis. No entanto, a variação natural via de regra não é levada em conta em estudos de influência de borda. Nós usamos uma abordagem de padrão espacial para estudar a influência de borda de distúrbios lineares estreitos, levando também em conta a variação da vegetação (natural e/ou por histórico de distúrbios), no cerrado brasileiro e no ecótono floresta-tundra canadense. Nossos principais objetivos eram: 1) estudar a heterogeneidade na cobertura de graminóides nativos e exóticos, diversidade estrutural e composição de espécies e 2) verificar se o padrão espacial das diferentes variáveis-resposta é afetado por bordas antrópicas. Objetivos secundários incluem 3) explorar as diferentes formas em que a transformação de wavelets ( pequenas ondas ) e simulações Monte Carlo podem ser usadas para estudar a influência de borda, 4) comparar diferentes índices de diversidade estrutural e 5) verificar se os padrões espaciais de diferentes espécies vegetais estão relacionados aos seus traços de história de vida. Nós amostramos três transectos de 300 a 1350 m de comprimento, três no Brasil e dois no Canadá. Os transectos continham uma a cinco bordas antrópicas e uma a dez bordas naturais, e foram divididos em parcelas contíguas de 1x1 m. Dentro de cada parcela nós estimamos a cobertura de graminóides nativos e invasores (dois transectos no Brasil), amostramos diferentes elementos estruturais para medir a diversidade estrutural (dois transectos no Brasil e os dois transectos canadenses) i identificamos as espécies de plantas, assim como suas síndromes de dispersão e formas de vida (um transecto no Brasil). Nós analisamos o dado por meio de transformação de wavelets contínua e discreta e análise de multiresolução, e determinamos a influência de borda por meio de aleatorizações completas, simulações por cadeia de Markov e modelos autoregressivos. Embora alguns padrões relacionados a bordas 6 foram observados para a maior parte das variáveis, eles não foram observados em todas as bordas e padrões similares também foram observados longe de bordas. Os diferentes índices de diversidade estrutural mostraram padrões similares e os traços funcionais das espécies, especificamente forma de vida e síndrome de dispersão, não foram relacionados à distribuição espacial das diferentes espécies. A principal conclusão deste estudo é que, embora bordas de distúrbios lineares estreitos, especificamente aceiros, podem alterar a estrutura da vegetação e a composição de espécies, as condições na borda não são necessariamente diferente do que pode ser observado devido à variação natural nas comunidades vegetal em vegetação não-florestal.

Made available in DSpace on 2014-08-20T14:36:59Z (GMT). No. of bitstreams: 1 Dissertacao_Leandro_Sanzi_Aquino.pdf: 2633860 bytes, checksum: eeb09c0678ebe75556f513e8a4e089b7 (MD5) Previous issue date: 2010-02-25 / Soil land leveling is a technique used in low land areas and has the objective to improve agricultural use to facilitate the management of water both for irrigation and drainage operations, for the establishment of agricultural practices and crop harvest. However, it causes changes in the physical environment where the plant grows, and many studies have sought to identify the effect of this practice in the structure of soil spatial variability and in the relationship between the hydric-physical and chemical soil attributes. Thus, the objective of this study was to identify and characterize the structure of spatial variability of soil hydric-physical and chemical attributes of a low land soil, before and after land leveling, and to study the relationship between these soil attributes through an autoregressive state space model. In an experimental area of 0.81 ha belongs to Embrapa Clima Temperado situated in Capão do Leão county, state of Rio Grande do Sul, Brazil, was established a regular grid of 100 points spaced 10 m apart in both directions. At each point, soil disturbed and undisturbed samples were collected at the depth of 0-0.20 m to determine, before and after land leveling, the following soil attributes: clay, silt and sand contents, soil macroporosity, soil microporosity and soil total porosity, soil bulk density and soil water content at field capacity and permanent wilting point, soil organic carbon and cation exchange capacity. All data sets were organized into a spreadsheet in the form of a spatial transect consisting of 100 points and they were ordered following the gradient slope area resulting from the soil land leveling. Autocorrelograms and crosscorrelograms were built to evaluate the structure of spatial correlation of all soil attributes having served as a subsidy for the selection of variables in each autoregressive state-space model. The results show that the soil land leveling changed the structure of soil spatial dependence of all variables and between them as well. The soil cation exchange capacity and soil microporosity variables were the variables that made up the largest number of state space models, before and after soil land leveling. The contribution of the each variable at position i-1 to estimate its value at position increased to the sand content, silt content, soil bulk density, soil microporosity, soil macroporosity, soil water content at permanent wilting point, soil organic carbon and cation exchange capacity variables and decreased to soil water content at field capacity variable after land leveling. Soil land leveling improved the state space model performance for soil organic carbon content, sand content, soil bulk density, soil total porosity and soil water content at field capacity and permanent wilting point variables. The worst state space model performances, after soil land leveling, were found taking silt content, soil microporosity and cation exchange capacity variables as response variables. The best state space model performance, before land leveling, was obtained taking the soil total porosity as response variable. / A sistematização do solo é uma técnica utilizada em regiões planas, com características de várzea, e tem por objetivo aperfeiçoar o uso agrícola facilitando o manejo da água tanto de irrigação como de drenagem, as operações de implantação da lavoura, de tratos culturais e de colheita. No entanto, a sistematização do solo provoca alterações no ambiente físico onde a planta se desenvolve, sendo que muitos estudos têm buscado identificar o efeito dessa prática na estrutura de variabilidade espacial e no relacionamento entre os atributos físico-hídricos e químicos do solo. Dessa forma, o objetivo deste trabalho foi identificar e caracterizar a estrutura de variabilidade espacial dos atributos físico-hídricos e químicos de um solo de várzea, antes e depois da sistematização, assim como estudar o relacionamento entre esses atributos por meio de um modelo autoregressivo de espaço de estados. Em uma área experimental de 0,81 ha pertencente a Embrapa Clima Temperado, Capão do Leão-RS, foi estabelecida uma malha regular de 100 pontos, espaçados de 10 m entre si em ambas as direções. Em cada ponto foram coletadas amostras de solo deformadas e com estrutura preservada na profundidade de 0-0,20 m para a determinação, antes e depois da sistematização, dos teores de argila, silte e areia, macroporosidade, microporosidade e porosidade total, densidade do solo, conteúdo de água retido na capacidade de campo e ponto de murcha permanente, carbono orgânico e capacidade de troca de cátions. Os dados foram organizados em uma planilha de cálculo na forma de uma transeção espacial composta de 100 pontos e foram ordenados seguindo o gradiente de declividade da área resultante do processo de sistematização do solo. Para avaliar a estrutura de correlação espacial foram construídos autocorrelogramas e crosscorrelogramas que serviram de subsídio para a seleção de variáveis em cada um dos modelos autoregressivos de espaço de estados. Os resultados mostram que a sistematização do solo alterou a estrutura de dependência espacial tanto da variável como entre as variáveis deste estudo. A capacidade de troca de cátions e a microporosidade do solo foram as variáveis que compuseram o maior número de modelos de espaço de estados, antes e depois da sistematização. A contribuição da variável na posição i-1 na estimativa na posição i, por meio do modelo autoregressivo de espaço de estados, aumentou com a sistematização para as variáveis teor de areia, teor de silte, densidade do solo, microporosidade, macroporosidade, conteúdo de água no solo retido no ponto de murcha permanente, carbono orgânico e da capacidade de troca de cátions; e diminuiu para a variável conteúdo de água no solo retido na capacidade de campo.A sistematização do solo melhorou a estimativa, por meio dos modelos de espaço de estados, das variáveis carbono orgânico, teor de areia, densidade do solo, macroporosidade e do conteúdo de água no solo retido na capacidade de campo e no ponto de murcha permanente, sendo o modelo da variável porosidade total, antes da sistematização, que apresentou o melhor desempenho. Já os piores desempenhos dos modelos, depois da sistematização do solo, foram encontrados quando utilizadas as variáveis teor de silte, microporosidade e capacidade de troca de cátions como resposta.