O presente trabalho consiste em um estudo dos processos fracionários generalizados via sistema de espaço de estados. Essa representação permitirá utilizar um procedimento recursivo para a estimação dos parâmetros desses processos chamado filtro de Kalman. Além disso, apresenta um estudo detalhado sobre o filtro de Kalman, investigando sua utilização na estimação de um processo k-Factor GARMA(p;u; λ; q). Este trabalho verifica que é possível representar um processo k-Factor GARMA(p;u; λ; q) causal por um sistema de espaço de estados, o que possibilita calcular recursivamente a função de verossimilhança exata do processo, por meio do uso do filtro de Kalman, mesmo que a sua representação em espaço de estados tenha dimensão infinita. / This paper presents a study of the generalized fractional processes by using the state space. This representation will allow to use a recursive procedure for the estimation of the parameters of these processes called Kalman filter. In addition, it presents a study with details about the Kalman filter, investigating their use in the estimation of a process k-Factor GARMA(p;u;λ ; q). This work find that is possible to represent a process k-Factor GARMA (p;u;λ ; q) causal in a state space system, which enable to compute recursively the exact likelihood function of the process through the use of the Kalman filter, even though their representation in state space has infinite dimension.

O presente trabalho consiste em um estudo dos processos fracionários generalizados via sistema de espaço de estados. Essa representação permitirá utilizar um procedimento recursivo para a estimação dos parâmetros desses processos chamado filtro de Kalman. Além disso, apresenta um estudo detalhado sobre o filtro de Kalman, investigando sua utilização na estimação de um processo k-Factor GARMA(p;u; λ; q). Este trabalho verifica que é possível representar um processo k-Factor GARMA(p;u; λ; q) causal por um sistema de espaço de estados, o que possibilita calcular recursivamente a função de verossimilhança exata do processo, por meio do uso do filtro de Kalman, mesmo que a sua representação em espaço de estados tenha dimensão infinita. / This paper presents a study of the generalized fractional processes by using the state space. This representation will allow to use a recursive procedure for the estimation of the parameters of these processes called Kalman filter. In addition, it presents a study with details about the Kalman filter, investigating their use in the estimation of a process k-Factor GARMA(p;u;λ ; q). This work find that is possible to represent a process k-Factor GARMA (p;u;λ ; q) causal in a state space system, which enable to compute recursively the exact likelihood function of the process through the use of the Kalman filter, even though their representation in state space has infinite dimension.

O presente trabalho consiste em um estudo dos processos fracionários generalizados via sistema de espaço de estados. Essa representação permitirá utilizar um procedimento recursivo para a estimação dos parâmetros desses processos chamado filtro de Kalman. Além disso, apresenta um estudo detalhado sobre o filtro de Kalman, investigando sua utilização na estimação de um processo k-Factor GARMA(p;u; λ; q). Este trabalho verifica que é possível representar um processo k-Factor GARMA(p;u; λ; q) causal por um sistema de espaço de estados, o que possibilita calcular recursivamente a função de verossimilhança exata do processo, por meio do uso do filtro de Kalman, mesmo que a sua representação em espaço de estados tenha dimensão infinita. / This paper presents a study of the generalized fractional processes by using the state space. This representation will allow to use a recursive procedure for the estimation of the parameters of these processes called Kalman filter. In addition, it presents a study with details about the Kalman filter, investigating their use in the estimation of a process k-Factor GARMA(p;u;λ ; q). This work find that is possible to represent a process k-Factor GARMA (p;u;λ ; q) causal in a state space system, which enable to compute recursively the exact likelihood function of the process through the use of the Kalman filter, even though their representation in state space has infinite dimension.

[pt] Neste trabalho apresentaremos a noção de valor esperado de uma variável aleatória, ou valor médio de uma quantidade aleatória, um conceito probabilístico extremamente importante e útil em diversas aplicações, mas que por razões históricas, não costuma ser ensinado no Ensino Médio. Além desse assunto, abordaremos também alguns problemas interessantes e desafiadores de Probabilidade, como por exemplo, questões dos vestibulares mais difíceis do País, como o do Instituto Militar de Engenharia (IME) e O Desafio em Matemática da PUC-Rio. Em várias das atividades propostas, ao longo nosso trabalho, iremos utilizar recursos computacionais como o Excel e o GeoGebra, e mostrar que podem ser fortes aliados ao ensino de Probabilidade e auxiliar no entendimento do conceito de Valor Esperado. / [en] In this dissertation we present the definition of the expected value of a random variable, an important probabilistic concept which is useful in many applications but which, for historical reasons, is not taught in high school in Brazil. We also discuss examples of interesting and challenging probability problems, including questions from some of the hardest exams in the country, such as the Vestibular for the Instituto Militar de Engenharia (IME) and the Desafio em Matemática of PUC-Rio. In many of the proposed activities, we use computational tools such as Excel and GeoGebra: these can become allies when teaching probability and help in the understanding of the concept of expected value.