A modelagem da volatilidade desempenha um papel fundamental em Econometria. Nesta dissertação são estudados a generalização dos modelos autorregressivos condicionalmente heterocedásticos conhecidos como GARCH e sua principal generalização multivariada, os modelos DCC-GARCH (Dynamic Condicional Correlation GARCH). Para os erros desses modelos são consideradas distribuições de probabilidade possivelmente assimétricas e leptocúrticas, sendo essas parametrizadas em função da assimetria e do peso nas caudas, necessitando assim de estimar esses parâmetros adicionais aos modelos. A estimação dos parâmetros dos modelos é feita sob a abordagem Bayesiana e devido às complexidades destes modelos, métodos computacionais baseados em simulações de Monte Carlo via Cadeias de Markov (MCMC) são utilizados. Para obter maior eficiência computacional os algoritmos de simulação da distribuição a posteriori dos parâmetros são implementados em linguagem de baixo nível. Por fim, a proposta de modelagem e estimação é exemplificada com dois conjuntos de dados reais / The modeling of volatility plays a fundamental role in Econometrics. In this dissertation are studied the generalization of known autoregressive conditionally heteroscedastic (GARCH) models and its main principal multivariate generalization, the DCCGARCH (Dynamic Conditional Correlation GARCH) models. For the errors of these models are considered distribution of probability possibility asymmetric and leptokurtic, these being parameterized as a function of asymmetry and the weight on the tails, thus requiring estimate the models additional parameters. The estimation of parameters is made under the Bayesian approach and due to the complexities of these models, methods computer-based simulations Monte Carlo Markov Chain (MCMC) are used. For more computational efficiency of simulation algorithms of posterior distribution of the parameters are implemented in low-level language. Finally, the proposed modeling and estimation is illustrated with two real data sets

Neste trabalho foram estudadas algumas formas de relação entre séries temporais multivariadas. Discutiu-se, inicialmente, a função de coerência, uma função análoga a função de correlação(que é dada no domínio do tempo) calculada no domínio da freqüência. Foram estudadas também as funções de coerência parcial e coerência parcial direcionada. A função de coerência parcial mede a relação entre duas componentes de uma série multivariada, isolados os efeitos de outra série. Em linhas gerais, a Coerência Parcial Direcionada pode ser interpredata como a decomposição da coerência parcial a partir de modelos autoregressivos multivariados. Esse conceito pode ser interpretado como uma representação do conceito de causalidade de Granger no domínio da freqüência. Finalmente, foram aplicadas as funções acima em dois conjuntos de dados: um modelo VAR(1) trivariado simulado e dados de medições de eletroencefalograma. / In this work we studied relationships between multivariate time series. We discussed the coherence function, a function similar to the correlation function(calculated in time domain) in frequency domain. Next, we discussed partial coherence and partial directed coherence. The partial coherence measures the relationship between two components of a multivariate time series, after removing the influence of another time series. Generally, the partial directed coherence can be interpreted as the decompositioin of the partial coherence from multivariate autoregressive models. We can interpret this function as a representation of the Granger causality concept in frequency domain. Finally, we applied these concepts in two situations: a simulated VAR(1) model and an electroencefalogram database.

Esta dissertação descreve a aplicação do KIII, um modelo de rede neural biologicamente mais plausível, para a previsão de séries temporais econômicas. Os conjuntos K são modelos conexionistas baseados em populações de neurônios e foram usados em muitas aplicações de aprendizado de máquina, incluindo previsões de séries temporais. Nesta dissertação, este método foi aplicado ao IPCA, um índice de preços ao consumidor brasileiro pesquisado pelo IBGE em 13 regiões metropolitanas. Os valores abrangem o período de agosto de 1994 a junho de 2017. Os experimentos foram realizados utilizando quatro modelos não-paramétricos (KIII, kNN contínuo, RNAs clássicas e SVM) e seis métodos paramétricos: ARIMA, SARIMA, Médias Móveis, SES, Holt, Holt-Winters Aditivo e Holt-Winters Multiplicativo. A médida estatística RMSE foi utilizada para comparar o desempenho dos métodos. Os conjuntos KIII de Freeman funcionaram bem como um filtro, melhorando o desempenho do método, mas não foram um bom método de previsão, sendo superado, na maior parte dos experimentos, por outros métodos de previsão de séries temporais. Esta dissertação contribui com o uso de modelos não paramétricos para prever a inflação em um país em desenvolvimento. / This thesis describes the application of KIII, a biologically more plausible neural network model, for forecasting economic time series. K-sets are connectionist models based on neural populations and have been used in many machine learning applications, including time series prediction. In this thesis, this method was applied to IPCA, a Brazilian consumer price index surveyed by IBGE in 13 metropolitan areas. The values ranged from August 1994 to June 2017. Experiments were performed using four non-parametric models (KIII, continuous kNN, classical ANN, and SVM) and four parametric methods: ARIMA, SARIMA, Moving Average, SES, Holt, Additive HoltWinters, and Multiplicative HoltWinters. The statistical metric RMSE was used to compare methods performance. Freemans KIII sets worked well as filter, improving method performance, but it was not a good prediction method, and was overcome in most experiments by other time series prediction methods. This thesis contributes with the use of non-parametrics models for forecasting inflation in a developing country.

Desenvolvemos uma estratégia natural e acessível aos estudantes do Ensino Médio para o cálculo de áreas planas sem as ferramentas mais avançadas do Cálculo Diferencial e Integral. / We developed a natural strategy, achievable by high school students, for the computation of area of limited regions of the cartesian plane, without making use of more advanced resources of Differential and Integral Calculus.

Les forêts ont un impact sur le climat mais cet effet est incertain, notamment dans les régions soumises à un climat tempéré. En effet, les processus biogéochimiques et biophysiques caractéristiques des forêts tempérées peuvent avoir un effet soit de refroidissement soit de réchauffement du climat. Une première étape dans l'amélioration de l'évaluation de l'effet climatique des forêts est d'avancer dans la modélisation de l'ensemble de leurs processus biogéochimiques et biophysiques dans les LSM (" Land Surface Model "), utilisés dans les modèles atmosphériques de prévision du temps et du climat. L'albédo de surface est identifié comme une variable clé pour l'étude de l'impact des forêts en termes de forçage radiatif. Pourtant, elle est représentée de façon très simplifiée dans la plupart des LSM, où elle est bien souvent non évolutive. Dans ce contexte, l'objectif de cette thèse est de contribuer à l'amélioration de la représentation de l'albédo de surface dans les LSM. Il s'est agi en particulier d'identifier à partir d'observations satellitaires les variables biophysiques qui pilotent l'albédo de surface des forêts dans l'espace et dans le temps. Un modèle prédictif de l'albédo des forêts aux échelles spatiales considérées par les LSM a été développé. La France métropolitaine a été choisie comme région d'étude et la période allant de 2001 à 2013 a été considérée. Il a été mis en évidence que, sur cette période, 94.4% de la surface occupée par les forêts présente un cycle saisonnier de l'albédo relativement stable d'une année à l'autre. Parmi les 5.6% restants, les changements ont été induits par des modifications soudaines du couvert végétal mais également par un "verdissement" de certaines forêts. Dans le but d'identifier les variables qui pilotent les variations saisonnières de l'albédo de surface des forêts, une nouvelle méthode permettant de désagréger les albédos de surface satellitaires, en albédo du sol nu et de la végétation, a été développée. Les albédos du sol obtenus présentent une dynamique temporelle inter- et intra-annuelle qui est corrélée avec celle de l'humidité superficielle du sol. La variabilité temporelle de l'albédo du sol moyen peut être caractérisée par son écart type, qui est de 0.016. La valeur obtenue par des méthodes pré-existantes est de 0 à 0.004. D'autre part, le cycle saisonnier de l'albédo du sol est cohérent avec le régime des pluies : les valeurs mensuelles moyennes maximales correspondent aux mois les moins pluvieux. C'est vrai dans 68 % des cas, contre 32 % pour l'albédo de surface. Les valeurs moyennes de l'albédo de la végétation (sol) ont été estimées avec une incertitude de 2 % (10 %). Ces albédos désagrégés dynamiques ont permis de construire des cycles annuels moyens. Ces derniers sont utilisés pour forcer le modèle prédictif de l'albédo des forêts fondé sur des variables pouvant être simulées par les LSM. Une validation par rapport à l'albédo de surface satellitaire MODIS a mis en évidence une erreur moyenne de 12% et 8 %, respectivement dans le VIS et dans le NIR (R de 0.63 dans le VIS), soit une amélioration par rapport aux autres méthodes (R de 0.45 dans le VIS). Cette désagrégation de l'albédo de surface a permis de mettre en évidence que l'effet des forêts tempérées sur le bilan d'énergie dépend de la saison, du type de forêt et du type de sol. Il est montré qu'en France métropolitaine, 77.3 % des forêts présentent un bilan radiatif pouvant entraîner un effet de réchauffement durant l'été. Si le verdissement de certaines forêts constaté dans cette thèse devait se généraliser, l'impact radiatif moyen durant l'été pourrait être de 0.187±0.04 W.m-2. La méthode de désagrégation développée durant cette thèse est en cours d'implémentation dans la chaîne opérationnelle du service LSA-SAF d'EUMETSAT. Elle pourra à terme permettre de développer une paramétrisation de ces albédos désagrégés dans les LSM. Cela permettra l'assimilation d'observations de l'albédo de surface dans les LSM. / The forests impact the climate but their effect is uncertain, in particular in the areas with temperate climate. In temperate forests, biogeochemical and biophysical processes can present either a cooling or a warming effect on climate. A first step to improve the evaluation of the climatic effect of forests is to go forward with the modeling of all biogeochemical and biophysical processes in LSMs ("Land Surface Models") used in the atmospheric models used for numerical weather forecast and climate predictions. Surface albedo is identified as a key variable of the impact of forests in terms of radiative forcing. However, surface albedo is represented in a simplified way in LSMs and is, more often than not, non-evolutive. In this context, the objective of this PhD work is to contribute to the improvement of surface albedo modeling in LSMs. A step forward was to identify the biophysical variables which drive the surface albedo of forests in space and time, using satellite observations. A predictive model of the forest albedo was developed considering the spatial resolution used in LSMs. Mainland France was selected as a study area from 2001 to 2013. It was shown that over this period, 94.4% of the forest area presented a relatively stable seasonal albedo cycle, from one year to another. Among the remaining 5.6%, changes in albedo were induced by sudden changes in the vegetation cover, but also in some forests by an increase in greenness. With the aim of identifying the variables which drive the seasonal variations of the surface albedo of forests, a new method was developed to split satellite-derived surface albedo into soil and vegetation albedo values. Soil albedo showed inter- and intra-annual temporal dynamics which are correlated with top soil moisture. The temporal variability of the average soil albedo can be described by its standard deviation, which is of 0.016. In comparison, the values obtained with preexisting methods range from 0 to 0.004. In addition, the seasonal cycle of soil albedo is consistent with the rainfall regime: the yearly maximum average monthly albedo matches the months with less precipitation. This was the case for 68% of forest pixels, against 32% using surface albedo instead of soil albedo. The median values of the vegetation (soil) albedo were estimated with an uncertainty of 2% (10%). These disaggregated albedo values (soil and vegetation) were used to produce average annual cycles. The latter are used to force the predictive model of the forest albedo which is based on LSMs' simulated variables. The validation was conducted using MODIS satellite-derived surface albedo observations. Average error values of 12% and 8% were obtained in the VIS and the NIR spectral domains, respectively (R of 0.63 in the VIS). This is an improvement with respect to pre-existing methods (R of 0.45 in the VIS). Disaggregating surface albedo showed that the effect of temperate forests on the radiative budget depends on season, forest type and soil type. Over mainland France, 77.3% of the forests present a radiative impact which can lead to a warming effect during the summer. If the increase in greenness detected in some forests were to spread to all French forests, the average radiative impact during the summer could be as large as 0.187± 0.04 W.m-2. The disaggregation method developed during this PhD work is under implementation in the operational chain of the EUMETSAT LSA-SAF service. Thanks to this implementation it could be eventually possible to parameterize disaggregated albedo values in LSMs. This will allow the assimilation of surface albedo observations in LSMs.

La mémoire longue, aussi appelée la dépendance à long terme (LRD), est couramment détectée dans l’analyse de séries chronologiques dans de nombreux domaines, par exemple,en finance, en économétrie, en hydrologie, etc. Donc l’étude des séries temporelles à mémoire longue est d’une grande valeur. L’introduction du processus ARFIMA (fractionally autoregressive integrated moving average) établit une relation entre l’intégration fractionnaire et la mémoire longue, et ce modèle a trouvé son pouvoir de prévision à long terme, d’où il est devenu l’un des modèles à mémoire longue plus populaires dans la littérature statistique. Précisément, un processus à longue mémoire ARFIMA (p, d, q) est défini comme suit : Φ(B)(I − B)d (Xt − µ) = Θ(B)εt, t ∈ Z, où Φ(z) = 1 − ϕ1z − · · · − ϕpzp et Θ(z) = 1 + · · · + θ1zθpzq sont des polynômes d’ordre p et q, respectivement, avec des racines en dehors du cercle unité; εt est un bruit blanc Gaussien avec une variance constante σ2ε. Lorsque d ∈ (−1/2,1/2), {Xt} est stationnaire et inversible. Cependant, l’hypothèse a priori de la stationnarité des données réelles n’est pas raisonnable. Par conséquent, de nombreux auteurs ont fait leurs efforts pour proposer des estimateurs applicables au cas non-stationnaire. Ensuite, quelques questions se lèvent : quel estimateurs doit être choisi pour applications, et à quoi on doit faire attention lors de l’utilisation de ces estimateurs. Donc à l’aide de la simulation de Monte Carlo à échantillon fini, nous effectuons une comparaison complète des estimateurs semi-paramétriques, y compris les estimateurs de Fourier et les estimateurs d’ondelettes, dans le cadre des séries non-stationnaires. À la suite de cette étude comparative, nous avons que (i) sans bonnes échelles taillées, les estimateurs d’ondelettes sont fortement biaisés et ils ont généralement une performance inférieure à ceux de Fourier; (ii) tous les estimateurs étudiés sont robustes à la présence d’une tendance linéaire en temps dans le niveau de {Xt} et des effets GARCH dans la variance de {Xt}; (iii) dans une situation où le probabilité de transition est bas, la consistance des estimateurs quand même tient aux changements de régime dans le niveau de {Xt}, mais les changements ont une contamination au résultat d’estimation; encore, l’estimateur d’ondelettes de log-regression fonctionne mal dans ce cas; et (iv) en général, l’estimateur complètement étendu de Whittle avec un polynôme locale (fully-extended local polynomial Whittle Fourier estimator) est préféré pour une utilisation pratique, et cet estimateur nécessite une bande (i.e. un nombre de fréquences utilisés dans l’estimation) plus grande que les autres estimateurs de Fourier considérés dans ces travaux. / Long memory, also called long range dependence (LRD), is commonly detected in the analysis of real-life time series data in many areas; for example, in finance, in econometrics, in hydrology, etc. Therefore the study of long-memory time series is of great value. The introduction of ARFIMA (fractionally autoregressive integrated moving average) process established a relationship between the fractional integration and long memory, and this model has found its power in long-term forecasting, hence it has become one of the most popular long-memory models in the statistical literature. Specifically, an ARFIMA(p,d,q) process X, is defined as follows: cD(B)(I - B)d X, = 8(B)c, , where cD(z)=l-~lz-•••-~pzP and 8(z)=1-B1z- .. •-Bqzq are polynomials of order $p$ and $q$, respectively, with roots outside the unit circle; and c, is Gaussian white noise with a constant variance a2 . When c" X, is stationary and invertible. However, the a priori assumption on stationarity of real-life data is not reasonable. Therefore many statisticians have made their efforts to propose estimators applicable to the non-stationary case. Then questions arise that which estimator should be chosen for applications; and what we should pay attention to when using these estimators. Therefore we make a comprehensive finite sample comparison of semi-parametric Fourier and wavelet estimators under the non-stationary ARFIMA setting. ln light of this comparison study, we have that (i) without proper scale trimming the wavelet estimators are heavily biased and the y generally have an inferior performance to the Fourier ones; (ii) ail the estimators under investigation are robust to the presence of a linear time trend in levels of XI and the GARCH effects in variance of XI; (iii) the consistency of the estimators still holds in the presence of regime switches in levels of XI , however, it tangibly contaminates the estimation results. Moreover, the log-regression wavelet estimator works badly in this situation with small and medium sample sizes; and (iv) fully-extended local polynomial Whittle Fourier (fextLPWF) estimator is preferred for a practical utilization, and the fextLPWF estimator requires a wider bandwidth than the other Fourier estimators.

Esta dissertação tem como objetivo a aplicação de sistemas com arquitetura neuro-fuzzy na predição de funções que geram séries temporais. A arquitetura pesquisada é a Adaptive Neuro-Fuzzy Inference System (ANFIS). Esta arquitetura se trata de um Fuzzy Inference Systems (FIS) im- plementado sob o paradigma das redes neurais artificiais. Ao fazer o uso da tecnologia de redes neurais artificiais, o ANFIS possui a capacidade de apren- dizagem dos dados do ambiente no qual está inserido. Da mesma forma, por implementar um FIS, o ANFIS agrega também a competência de processamento linguístico. Logo, o ANFIS pode ser categorizado como um sistema híbrido. Ao longo dos capítulos estão expostos alguns conceitos e fundamentos da Teoria Fuzzy, assim como das redes neurais artificiais e sistemas híbridos. Ao final do trabalho são realizadas algumas discussões, análises e conclusões, as quais permitem a possibilidade de futuras aplicações e extensão deste. / This master dissertation has as main objetive applies systems of neuro-fuzzy architecture for functions prediction in serie times. The architecture carried out is the Adaptive Neuro-Fuzzy Inference System (ANFIS). This architecture is a kind of Fuzzy Inference Systems (FIS) implemen- tation under a paradigm of arti¯cial neural networks. Making use of technology of arti¯cial neural networks, the ANFIS has the capacity of learning with environ- ment data that inserted on. As the same, the ANFIS had been implemented to be a FIS. Then it can process simbolic variables. So, an ANFIS can be described like a hibrid system. All over the chapters are showed some concepts and fundaments of Fuzzy theory, arti¯cial neural networks and hidrid systems. The purpose of the tests the ANFIS, it were been made from a logistic function and a Mackey-Glass function. This tests were against with an estimation function made by MLP net. At the end of the work are some discussions, analyses and conclusions that allows futures possibilites of applications and extensions of this work.

Made available in DSpace on 2016-12-23T14:01:52Z (GMT). No. of bitstreams: 1 Dissertacao Miria pre textual ate p 83.pdf: 2054760 bytes, checksum: 53a3abc6b27362028eb57b22cdd63c20 (MD5) Previous issue date: 2010-04-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O estudo investiga como se configura o ensino de História nas séries iniciais do ensino fundamental. Parte das proposições de Marc Bloch (2001) e Le Goff (2001, 2003, 2005, 2009), que permitem ampliar a noção de tempo histórico, assim como a concepção de fontes históricas. Esta pesquisa compreende as professoras como aquelas que medeiam os processos de aprender e ensinar História, como intelectuais transformadoras (GIROUX, 1997), em constantes processos formativos, sempre marcados pela reflexão das suas próprias práticas (NÓVOA, 1995). Entende que as professoras se apropriam (CHARTIER, 1990) do currículo que lhes é apresentado por múltiplas vias, portanto, o currículo não é neutro (SACRISTÁN, 1998). As professoras são, inevitavelmente, mediadoras. A elas é atribuído, politicamente, o papel de adaptadoras ou, em maior medida, o de criadoras (SACRISTÁN (1998). O currículo, nesse direcionamento, pode ser pensado no sentido proposto por Ferraço (2004), ou seja, nas redes de saberesfazeres, de discursospráticas. Pela via da aplicação de questionários, observações, realização de entrevistas e análise de conteúdo (BARDIN, 2007), investiga as práticas das professoras no município de Mantenópolis, visando a compreender como se efetiva o ensino de História e as apropriações que elas fazem das diretrizes curriculares. No contexto investigado, são apontadas, como temáticas principais para ensinar nas aulas: a História local, a História de vida da criança, as datas comemorativas e a temporalidade, tendo como principal recurso para esse ensino o livro didático. É por essa via que as professoras se apropriam dos conteúdos das diretrizes curriculares. Trata-se de situações multifacetadas, configurando em momentos em que a História se revela de modo fragmentado e aleatório, com o uso predominante do livro didático, em que os conteúdos de História aparecem como distantes das vivências das professoras e dos alunos. Entretanto, em outras situações, a História aparece com seus gozos e prazeres, de uma maneira integrada, articulando-se aos demais saberes que compõem o contexto das aulas das séries iniciais. No contexto investigado, a História se apresenta como uma disciplina que, integrada aos demais saberes, contribui para a aprendizagem dos alunos, principalmente no que se refere à leitura e à escrita, que constituem objetivo crucial das séries iniciais.

Les évolutions récentes des prix des actifs (actions, immobilier) enregistrées au cours de la dernière décennie ont ravivé le débat sur l'origine de certains dés ajustements (bulles) et sur leur impact dans l'économie réelle. En effet les prix des actifs réagissent à l'excès de création monétaire (la base monétaire mondiale croissant plus vite que la production mondiale) dans un régime de basse inflation. Cette thèse cherche à éclaircir le lien entre les conditions de liquidité et les prix contribuant à rendre les économies plus sensibles aux chocs financiers (par exemple à la suite de l'éclatement d'une bulle des prix des actifs). Nous avons vu ensuite, dans quelle mesure la politique monétaire doit réagir face à cette menace par une analyse des implications de l'existence de l'excès de liquidité monétaire sur la politique d' « inflation targeting » de la banque centrale. Pour résorber l'excès de liquidité et assurer la stabilité financière, les banques centrales doivent-elles tenir compte des prix d'actifs dans la formulation de la politique monétaire? / Recent developments in asset prices (stocks, real estate) during the last decade have revived the debate on the origin of some unbalances (bubbles) and their impact on the real economy. Indeed asset prices respond to liquidity glut (the global monetary base growing faster than world production) in a low inflation regime. In this thesis, we try to clarify the relationship between liquidity conditions and prices which may render economies more vulnerable to financial shocks (e.g. as a result of the bursting of asset prices bubble). Thereafter, we examine how monetary policy should respond to this threat by analyzing the implications of the existence of liquidity glut on the "inflation targeting" policy. To deal with liquidity glut and ensure financial stability, should central banks have to consider asset prices in their design of monetary policy?

As condições climáticas de determinada região são de importância estratégica para o planejamento agrícola. No entanto, é comum localidades distantes de alguma estação meteorológica. O presente mestrado teve o intuito de propor um modelo para estimar valores de temperatura média diária e precipitação diária em localidades sem informação meteorológica. Os dados climáticos foram obtidos do Instituto Nacional de Meteorologia Agrícola (INMET) e da Agência Nacional de Águas (ANA). Estimaram-se equações para dados diários através da regressão linear múltiplas entre as variáveis temperatura média (Tm) versus altitude, latitude e longitude, desvio padrão da temperatura (T) versus altitude, latitude e longitude, precipitação média (Pm) versus altitude, latitude e longitude, Precipitação mínima (Pmin) versus altitude, latitude e longitude, precipitação máxima (Pmáx) versus altitude, latitude e longitude, desvio padrão da chuva (P) versus altitude, latitude e longitude, probabilidade de não chover (P) versus altitude, latitude e longitude, correlação da temperatura T) e precipitação P) com o dia anterior versus altitude, latitude e longitude para cada dia do ano e verificou-se a significância a 5% de probabilidade. Dessa forma, qualquer localidade passou a ter os parâmetros necessários para a gerar séries sintéticas, assumindo o processo multivariado contínuo. Para a criação da série sintética de temperatura usou-se Tm, T, T, os parâmetros usados na criação da série de precipitação foram Pmin, Pmáx, Pm, P e P. Foram geradas séries de 100 anos em 507 localidades para Temperatura média diária e mensal, além de Precipitação média diária e mensal. A capacidade de armazenamento de água (CAD) foi estimada em todas as localidades através de modelos de pedotransferência. Os teores de argila, silte, areia e matéria orgânica do solo usados na pedotransferência foram obtidos do levantamento de solo RADAM e interpolados através da geoestatística. Em todas as localidades foi feito o balanço hídrico pelo método de Tornthwaite com os respectivos valores estimados de temperatura e precipitação, além da CAD específica da localidade. A validação do modelo gerador de séries sintéticas foi feita utilizando índices de correlação entre valores observados e estimados. Usou-se a ERP (erro relativo padrão), o coeficiente de correlação linear (r2), o índice de concordância (d) e o produto entre o coeficiente de correlação e o índice de concordância, chamado de índice de confiança (c). Obteve-se índices de confiança baixos para a estimativa de temperatura média diária e muito baixos para a precipitação média diária. No entanto, o modelo teve bom desempenho para dados mensais, obtendo índices boa correlação linear e concordância para temperatura e precipitação. / The climatic conditions of any region could be of the extreme importance to the strategic analysis of agricultural planning. However, it\'s common fields that are far away from any meteorological station. This mastership proposes a model to estimate values of daily temperature and rainfall. The climatic data was collected from National Meteorological Agriculture Institute (INMET) and from National Water Agency (ANA). The equation made with linear multiple regression for daily data among the parameters average of temperature (Tm) versus altitude, latitude and longitude, standard deviation of temperature (T) versus altitude, latitude and longitude, average of rainfall (Pm) versus altitude, latitude and longitude, minimal rainfall (Pmin) versus altitude, latitude and longitude, maximum rainfall (Pmáx) versus altitude, latitude and longitude, standard deviation of rain (P) versus altitude, latitude and longitude, probability of not rain (P) versus altitude, latitude and longitude, correlation of temperature (T) and precipitation (P) between two consecutive days versus altitude, latitude and longitude. The analysis of significance was done with 5% of probability. Any location could obtain the parameters to generate synthetic series, using a multivariated continuous process. It was used Tm, T, T to create the synthetic series of temperature, the parameters used to create de synthetic series of rainfall were Pmin, Pmáx, Pm, P e P. 100 synthetic series were created in 507 locations for daily and monthly temperature and rainfall. The soil water capacity was estimated for all locations using a pedotransfer model. The percentage of clay, silt, sand and organic matter were obtained on the Soil Survey RADAM and interpolated by geoestatiscal analysis. All locations had the water balance done by Thornthwaite method with its respective estimated value of temperature and rainfall, using the specific soil water capacity of the location. The model validation of synthetic series generator was done using correlations index between observed and estimated values. Was used the relative pattern error (ERP), linear correlation (r2), concordance index (d) and the product of the last both index called reliable index (c). The reliable index obtained for daily temperature and rainfall was very low. However, the model had a good efficiency for monthly temperature and rainfall.