Made available in DSpace on 2016-06-02T20:06:08Z (GMT). No. of bitstreams: 1 5190.pdf: 1093269 bytes, checksum: 0d9bf9c7a3855887a0f66859b3a9cc22 (MD5) Previous issue date: 2013-05-06 / Financiadora de Estudos e Projetos / In this work, it was estudied the models INGARCH , GLARMA and GARMA to model count time series data with Poisson and Negative Binomial discrete conditional distributions. The main goal was analyze in classic and bayesian approach, the adequability and goodness of fit of these models, also the contruction of credibility intervals about each parameter. To the Bayesian study, was cosiderated a joint prior distribuition that satisfied the conditions of each model and got a posterior distribution. This aproach presents too some criterion selection like (EBIC), (DIC) and ordenaded predictive conditional density (CPO) for Bayesian cases and (BIC) for classic cases. A simulation study was done to check the maximum likelihood estimator consistency in classic approach and has used criterion selection classic and Bayesian to choose the order of each model. An Analysis has made in a real data set realized as final stage as, these data consist the number of financial transactions in 30 minutes. These results have made in a classical and Bayesian approach , and discribed the data caracteristic. / Nesta dissertação estudou-se os modelos INGARCH, GLARMA e GARMA para modelar séries temporais de dados de contagem com as distribuições condicionais de Poisson e Binomial Negativa. A principal finalidade foi analisar no contexto clássico e bayesiano, a adequabilidade e qualidade de ajuste dos modelos em questão, assim como a construção de intervalos de credibilidade dos parâmetros para cada modelo testado. Para a abordagem Bayesiana foram consideradas priori conjugada, satisfazendo as condições de cada modelo em questão, obtendo assim uma distribuição a posteriori. A abordagem proposta apresenta também o cálculo de critérios de seleção de modelos como o (EBIC), (DIC) e densidade condicional preditiva ordenada (CPO) para o caso Bayesiano e (BIC) para a abordagem clássica. Com um estudo de simulação foi possível verificar a consistência dos estimadores de máxima verossimilhança (clássicos) além disso, foi usado critérios de seleção clássicos e Bayesianos para a seleção da ordem de cada um dos modelos. Uma análise de um conjunto de dados reais foi realizada, sendo uma série do número de transações financeiras realizadas em 30 minutos respectiva os mês de novembro de 2011. Estes resultados apresentam que tanto o estudo clássico, quanto o bayesiano, são capazes de descrever bem o comportamento da série e foram eficientes na escolha da ordem do mesmo.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-09-26T15:59:41Z No. of bitstreams: 1 EDMUNDO MARINHO DO MONTE - DISSERTAÇÃO PPGMet 1986..pdf: 16047223 bytes, checksum: 7b7705762d66d8f128aa014a86e960b9 (MD5) / Made available in DSpace on 2018-09-26T15:59:41Z (GMT). No. of bitstreams: 1 EDMUNDO MARINHO DO MONTE - DISSERTAÇÃO PPGMet 1986..pdf: 16047223 bytes, checksum: 7b7705762d66d8f128aa014a86e960b9 (MD5) Previous issue date: 1986-09-05 / CNPq / Analisando-se os totais mensais e anuais de precipitação para 96 postos da região Nordeste do Brasil, refererentes ao período de 1912 a 1981, identificam-se cinco regimes pluviais. Regimes climáticos representando cada um destes regimes pluviais são definidos. Tais regimes climáticos são denominados por RM1 e RM2 ; RL1 e RL2; RD; localizados respectivamente nas subregiões Norte, Leste e Sul do Nordeste do Brasil. Utiliza-se Análise Harmônica para a identificação de componentes cíclicas nas séries pluviométricas dos 96 postos. Periodicidades diferentes distribuem-se a longo das subregiões do Nordeste do Brasil, sugefindo que mais de um sistema físico contribui para as chuvas na região. Notadamente, uma periodicidade de 13 anos aparece de forma mais frequente nas chuvas no Nordeste. Sugere-se que esta última periodicidade está relacionada com ocorrências (a cada 13,2 anos) de um forte "El Nino", e ainda, possivelmente, ligada ao ciclo de 11 anos do número de manchas solares. Determinam-se correlações estatísticas entre as séries de precipitações anuais dos regimes climáticos. Os resultados de tais correlações indicam que, possivelmente, mais de um sistema físico em escala global atuam nas subregiões do Nordeste do Brasil (Norte, Leste e Sul) e também que um sistema físico global atua, ano a ano, sobre toda a região. Encontra-se uma fraca correlação linear entre as precipitações dos regimes climáticos e o número de manchas solares. Analisa-se um modelo de regressão linear, que tem como variáveis os valores extremos (máximos, mínimos) do número de manchas solares e das precipitações médias dos regimes climáticos. Tal modelo é utilizado em prognósticos de precipitações médias regionais dos regimes climáticos. Devido à fraca correlação entre as precipitações dos regimes climáticos e o número de manchas solares, o modelo de regressão considerado contém um alto grau de incerteza. / Monthly and annual totais of precipitation from 96 stations in Northeast Brazil, period 1912-1981, were analyzed. Five rain regimes were identified and used for establishing corresponding climatic regimes. Such climatic regimes are named RM1 and RM2; RL1 and RL2; RD; and located at the North, East and South Brazilian Northeast subregions. Harmonic analysis was employed for identifying ciclic components of each station precipitation time series.The analysis showed that different periodicities are distributed throughout Brazilian Northeast region, suggesting that more than one physical system contributes for rains in that region. Particu 1 ar1y, a thirteen-year periodicity appears more frequentiy. It is suggested that this periodicity is correlated with occ-urrence (at each 13.2 years) of a strong "El Nino" and, a 1 s o , related to the eleven-year cycle of sunspot number. Statistical correiat ions between annual prec i p i tat ion time series of the climatic regimes were determined. They suggest that, possibly, more than one physical system in a global scale acts on the different sub-regions of Northeast Brazil, (North, East and South) also that a global physical system acts, year after year, over the whole region. A weak correlation was found between precipitation of the climatic regimes and sunspot number. A linear regression model was employed for the extreme values (máxima, minima) of precipitation and sunspot number. Such model was used for predicting mean regional precipitation for each climatic regime. Because of the weak correlation between precipitations of climatic regimes and sunspot number, this regression model is considered to have a high degree of uncertainty.

OBJETIVOS: O estudo explorou diferentes métodos de séries temporais visando desenvolver um modelo para a previsão do volume diário de pacientes no Pronto Socorro do Instituto Central do Hospital das Clínicas da Faculdade de Medicina da USP. MÉTODOS: Foram explorados seis diferentes modelos para previsão do número diário de pacientes no pronto socorro de acordo com algumas variáveis relacionadas ao calendário e à temperatura média diária. Para a construção dos modelos, utilizou-se a contagem diária de pacientes atendidos no pronto socorro entre 1° de janeiro de 2008 a 31 de dezembro de 2010. Os primeiros 33 meses do banco de dados foram utilizados para o desenvolvimento e ajuste dos modelos, e os últimos três meses foram utilizados para comparação dos resultados obtidos em termos da acurácia de previsão. A acurácia foi medida a partir do erro médio percentual absoluto. Os modelos foram desenvolvidos utilizando-se três diferentes métodos: modelos lineares generalizados, equações de estimação generalizadas e modelos sazonais autorregressivos integrados de média móvel (SARIMA). Para cada método, foram testados modelos que incluíram termos para controlar o efeito da temperatura média diária e modelos que não incluíram esse controle. RESULTADOS: Foram atendidos, em média, 389 pacientes diariamente no pronto socorro, número que variou entre 166 e 613. Observou-se uma sazonalidade semanal marcante na distribuição do volume de pacientes ao longo do tempo, com maior número de pacientes às segundas feiras e tendência linear decrescente ao longo da semana. Não foi observada variação significante no volume de pacientes de acordo com os meses do ano. Os modelos lineares generalizados e equações de estimação generalizada resultaram em melhor acurácia de previsão que os modelos SARIMA. No primeiro horizonte de previsão (outubro), por exemplo, os erros médios percentuais absolutos dos modelos lineares generalizados e de equação de estimação generalizada foram ambos 11,5% e 10,8% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente), enquanto os erros médios percentuais absolutos para os modelos SARIMA foram 12,8% e 11,7% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente). Para todos os modelos, incluir termos para controlar o efeito da temperatura média diária não resultou em melhor acurácia de previsão. A previsão a curto prazo (7 dias) em geral resultou em maior acurácia do que a previsão a longo prazo (30 dias). CONCLUSÕES: Este estudo indica que métodos de séries temporais podem ser aplicados na rotina do serviço de pronto socorro para a previsão do provável volume diário de pacientes no serviço. A previsão realizada para o curto prazo tem boa acurácia e pode ser incorporada à rotina do serviço, de modo a subsidiar seu planejamento e colaborar com a adequação de recursos materiais e humanos. Os modelos de previsão baseados unicamente em variáveis relacionadas ao calendário foram capazes de prever a variação no volume diário de pacientes, e os métodos aqui aplicados podem ser automatizados para gerar informações com antecedência suficiente para decisões de planejamento do serviço de pronto socorro / OBJECTIVES: This study aims to develop different models to forecast the daily number of patients seeking emergency department (ED) care in a general hospital according to calendar variables and ambient temperature readings and to compare the models in terms of forecasting accuracy. METHODS: We developed and tested six different models of ED patient visits using total daily counts of patient visits to the Instituto Central do Hospital das Clínicas Emergency Department from January 1, 2008 to December 31, 2010. We used the first 33 months of the dataset to develop the ED patient visits forecasting models (the training set), leaving the last 3 months to measure each model\'s forecasting accuracy by the mean absolute percentage error. Forecasting models were developed using 3 different time series analysis methods: generalized linear models, generalized estimating equations and seasonal autoregressive integrated moving average (SARIMA). For each method, we explored models with and without the effect of mean daily temperature as a predictive variable. RESULTS: Daily mean number of ED visits was 389, ranging from 166 to 613. Data showed a weekly seasonal distribution, with highest patient volumes on Mondays and lowest patient volumes on weekends. There was little variation in daily visits by month. Generalized linear models and generalized estimating equation models showed better forecasting accuracy than SARIMA models. For instance, the mean absolute percentage errors from generalized linear models and generalized estimating equations models at the first month of forecasting (October, 2012), were 11.5% and 10.8% (models with and without control for the temperature effect, respectively), while the mean absolute percentage errors from SARIMA models were 12.8% and 11.7% (models with and without control for the temperature effect, respectively). For all models, controlling for the effect of temperature resulted in worse or similar forecasting ability than models with calendar variables alone, and forecasting accuracy was better for the short term horizon (7 days in advance) than for the longer term (30 days in advance). CONCLUSIONS: Our study indicates that time series models can be developed to provide forecasts of daily ED patient visits, and forecasting ability was dependent on the type of model employed and the length of the time-horizon being predicted. In our setting, generalized linear models and generalized estimating equation models showed better accuracy, and including information about ambient temperature in the models did not improve forecasting accuracy. Forecasting models based on calendar variables alone did in general detect patterns of daily variability in ED volume, and thus could be used for developing an automated system for better planning of personnel resources

O principal objetivo deste estudo é descrever modelos para séries temporais de ativos financeiros que sejam robustos às tradicionais hipóteses: distribuição gaussiana e continuidade. O primeiro capítulo está preocupado em apresentar, de uma maneira geral, os conceitos matemáticos mais importantes relacionadas a processos estocásticos e difusões. O segundo capítulo trata de processos de incrementos independentes e estacionários, i.e., processos de Lévy, suas trajetórias estocásticas, propriedades distribucionais e, a relação entre processos markovianos e martingales. Alguns dos resultados apresentados neste capítulo são: a estrutura e as propriedades dos processos compostos de Poisson, medida de Lévy, decomposição de Lévy-Itô e representação de Lévy-Khinchin. O terceiro capítulo mostra como construir processos de Lévy por meio de transformações lineares, inclinação da medida de Lévy e subordina ção. Uma atenção especial é dada aos processos subordinados, tais como os modelos variância gama, normal gaussiana invertida e hiperbólico generalizado. Neste capítulo também é apresentado um exemplo pragmático com dados brasileiros de estimação de parâmetros por meio do método de máxima Verossimilhança. O quarto capítulo é devotado aos modelos multidimensionais e, introduz os conceito de cópula ordinária e de Lévy. Mostra-se que é possível caracterizar a dependência entre os componentes de um processo de Lévy multidimensional por meio da cópula de Lévy. Entre os resultados apresentados estão as generalizações do teorema de Sklar e a família de cópulas de Arquimedes aos processos de Lévy. Este capítulo também apresenta alguns exemplos que utilizam métodos de Monte Carlo, para simular processos de Lévy bidimensionais. / The main objective of this study is to describe models for financial assets time series that are robust to the traditional hypothesis: gaussian distributed and continuity. The first chapter are devoted to introduce the most important mathematical tools related to difusions and stochastic processes in general. The second chapter is concerned in the study of independent and stationary increments, i.e., Lévy processes, their sample paths behavior, distributional properties, and the relation to Markov and martingales processes. Some of the results presented are the structure and properties of a compound Poisson processes, Lévy measure, Lévy-Itô decomposition and Lévy-Khinchin representation. The third chapter demonstrates how to construct Lévy processes via linear transformation, tempering the Lévy measure and subordination. A special attention is given to several types of subordinated processes, comprising the variance gamma, the normal inverse gaussian and the generalized hyperbolic models. A pragmatic example of parameter estimation for brazilian data using the method of maximum likelihood is also given. Chapter four is devoted to multidimensional models, which introduces the notion of ordinary and Lévy copulas. It is shown that modelling via Lévy copula it is possible to characterize the dependence among components of multidimensional Lévy processes. Some of the results presented are generalizations of the Sklar’s theorem and the Archmedian family of copulas for Lévy processes. This chapter also presents some examples using Monte Carlo methods for simulating bidimensional Lévy processes.

Submitted by Alessandra Gazzoli (alessandra.gazzoli-santos@itau-unibanco.com.br) on 2013-09-13T18:41:48Z No. of bitstreams: 1 AlessandraGazzoli_EstruturaFractal.pdf: 2516271 bytes, checksum: 6f74e2f1266b906cb221034fae87335f (MD5) / Approved for entry into archive by Suzinei Teles Garcia Garcia (suzinei.garcia@fgv.br) on 2013-09-13T18:44:12Z (GMT) No. of bitstreams: 1 AlessandraGazzoli_EstruturaFractal.pdf: 2516271 bytes, checksum: 6f74e2f1266b906cb221034fae87335f (MD5) / Made available in DSpace on 2013-09-13T18:45:22Z (GMT). No. of bitstreams: 1 AlessandraGazzoli_EstruturaFractal.pdf: 2516271 bytes, checksum: 6f74e2f1266b906cb221034fae87335f (MD5) Previous issue date: 2013-08-14 / Economic variables are often governed by dynamic and non-linear processes that can originate long-term relationship and non-periodic and non-cyclical patterns with abrupt trend changes. Commodity prices exhibit this type of behavior and the peculiarities of those markets could generate fractionally integrated time series, whose singularities could not be properly captured by the traditional analytic models based on the efficient market hypothesis and random walk processes. Therefore, this study has investigated the presence of fractal structures on some very important Brazilian commodity spot markets such as coffee, cattle, sugar, soybean and calf. Some traditional techniques were used as well as other specific for fractal time series analysis, such as rescaled range (R/S) analysis, different fractal hypothesis tests and ARFIMA and FIGARCH models. The results showed that the drift component has not shown fractal behavior, except for the calf series, however, volatility has demonstrated fractal behavior for all the commodities that were analyzed. / As variáveis econômicas são frequentemente governadas por processos dinâmicos e não-lineares que podem gerar relações de dependência de longo prazo e padrões cíclicos não-periódicos com mudanças abruptas de tendências. Para o caso dos preços agrícolas este comportamento não é diferente e as peculiaridades destes mercados podem gerar séries temporais fracionalmente integradas, cujas singularidades não seriam adequadamente capturadas pelos tradicionais modelos analíticos fundamentados na hipótese dos mercados eficientes e de passeio aleatório. Sendo assim, o presente estudo buscou investigar a presença de estruturas fractais no mercado à vista de algumas das principais commodities agrícolas brasileiras: café, boi gordo, açúcar, milho, soja e bezerro. Foram empregadas técnicas tradicionais e específicas para a análise de séries temporais fractais como a análise de R/S e a aplicação de modelos das famílias ARFIMA e FIGARCH. Os resultados indicaram que, com exceção do bezerro, o componente de drift destas séries não apresentou comportamento fractal, ao contrário do observado para o componente da volatilidade, que apresentou aspecto de estrutura fractal para todas as commodities analisadas.