Ciências Exatas e da Terra

Uma abordagem geométrica em termos de subespaços vetoriais e projetores lineares é utilizada para abordar a teoria das inversas generalizadas de Moore-Penrose. Suas principais propriedades são obtidas por este método. Uma generalização desta interpretação geométrica é aplicada para as inversas reflexivas em geral.

A análise multivariada, de uma maneira geral, refere-se a todos os métodos estatísticos que, de forma simultânea, analisam múltiplas variáveis em relação aos objetos em investigação. Dentre esses métodos, destaca-se a análise de cluster ou agrupamento, que se aplica em diversas áreas. As técnicas de análise de cluster têm a função de organizar, em grupos disjuntos, os objetos em estudo, de forma que os mesmos apresentem semelhanças entre si – dentro de cada grupo. Essas técnicas dividem-se em hierárquicas e não-hierárquicas, sendo que não existe uma técnica “ótima”, pois ambas apresentam vantagens e desvantagens. Com o interesse em suprir essa falha, é proposto nesse trabalho uma nova abordagem para agrupamentos, unindo-se as características das duas técnicas na forma de um algoritmo híbrido chamado de Raio de Influência. Um exemplo clássico usado na literatura foi testado, verificando-se e comparando-se os seus resultados com os outros métodos já conhecidos. As comparações feitas são expostas na forma de um gráfico, chamado Dendograma que mostra o layout do agrupamento.

Neste trabalho, é apresentado um estudo bayesiano para os Modelos GARMA, que se tratam de uma extensão dos Modelos ARMA. Foram consideradas três distribuições pertencentes a família exponencial, que são as distribuições Normal, Gama e Inversa Gaussiana. Para a análise feita neste trabalho, dois tipos de dados foram utilizados: um conjunto de dados simulados, com intuito de mostrar a viabilidade da metodologia bayesiana proposta e fazer uma comparação entre as metodologias Clássica e Bayesiana e uma aplicação com dados reais. Na abordagem Bayesiana, foram utilizadas distribuições a priori conjugadas na família exponencial e como resultado final das análises, são apresentados resumos descritivos das distribuições marginais a posteriori dos parâmetros de interesse, bem como os valores das médias e seus gráficos. As amostras da distribuição a posteriori foram geradas fazendo uso das técnicas de simulação MCMC, em particular, o algoritmo de Metropolis.

Este trabalho apresenta um estudo sobre o impacto das disciplinas Métodos Estatísticos I e II no desempenho dos alunos do curso de Estatística. Essas duas disciplinas são relativamente novas, pois foi incorporado ao curso de estatística apenas em 2004, para preencher a lacuna existente na formação dos alunos, melhorando assim sua fluência nos conceitos básicos e o desenvolvimento nas disciplinas profissionalizantes. Foram feitas duas pesquisas censitárias com os discentes de Métodos Estatístico I e II com objetivo de saber o nível de satisfação dos mesmos, se freqüentam a monitoria; se trabalham, todas levando em conta a nota da 1ª avaliação. O banco de dados utilizado neste trabalho foi gentilmente cedido pela coordenação de estatística, nele contendo informações sobre todos os alunos matriculados no semestre de 2007. Observou-se um grande aumento dos alunos que freqüentam a monitoria na turma de ME II em relação à turma de ME I, isso fruto dos esforços dos professores e monitores ao longo do semestre anterior. Observou-se também que as melhores notas apresentam associação positiva com não trabalhar, ler o material à medida que o assunto é apresentado em sala de aula, grau de satisfação elevado com as disciplinas, resultados esses, de certa forma, esperados. A outra parte da pesquisa foi realizada com os professores específicos das disciplinas: inferência; amostragem; planejamento de experimento; estatística não paramétrica e dados categorizados. A pesquisa foi censitária, pois o número de professores envolvidos era de apenas oito. O resultado da pesquisa dos professores revelou que, de uma forma geral, há uma percepção positiva dos professores em relação ao impacto das disciplinas de Métodos Estatísticos I e II.

Na última década, diversos resultados de natureza teórica e aplicados surgiram como alternativas à modelagem com erros normais como, por exemplo, o uso de distribuições simétricas (ou elípticas). Grande parte desses resultados podem ser encontrados em Fang et al. (1990) e Fang e Anderson (1990). Esta classe de distribuições contempla distribuições de caudas leves e pesadas, tais como, t de Student, Logística tipo I e II, Normal, Normal Contaminada, dentre outras. Na classe dos modelos não-lineares simétricos, abordamos a situação em que os parâmetros de dispersão não são constantes para todas as observações, havendo assim uma estrutura heteroscedástica. Neste trabalho, desenvolvemos um fator de
correção tipo-Bartlett para a estatística escore nos modelos não lineares simétricos heteroscedásticos, com funções de ligação quaisquer para a média e para o parâmetro de dispersão. A fórmula da correção é dada em notação matricial e pode ser implementada em um sistema de computação algébrica para se obter expressão em forma fechada quando aplicada a modelos especiais. Este fator de correção obtido generaliza o resultado em Cysneiros et al. (2008), já que estes autores desenvolveram um fator de correção tipo-Bartlett para a estatística escore nos modelos nãolineares simétricos homoscedásticos.
Comparação do desempenho do teste escore com suas respectivas versões corrigidas foram feitas em termos
de tamanho e poder, em amostras pequenas.

Este trabalho consiste em ajustar um modelo VAR para as séries de índices de preço ao consumidor, que são: Índice de preços de Matéria-Prima, Índice de preços de Bens Intermediários, Índice de preços de Bens Finais, Produto Interno Bruto Brasileiro, Taxa de Câmbio e Preços Externos. Sendo que o VAR ajustado terá 3 séries como variáveis endógenas, que serão os Índices de Materia-prima, de Bens Intermediários e de Bens Finais e também terá variáveis exógenas que serão as séries PIB, Taxa de Câmbio e Preços Externos. Antes de mais nada precisa-se averiguar se estas são séries estacionárias ou não. Para isso se faz o teste aumentativo da Raiz Unitária de Dickey-Fuller.
Depois de resolvida a questão da estacionaridade é preciso verificar se estas são cointegradas. Isto é resolvido realizando o teste de cointegração de Jonhasen.Após achar um número apropriado de defasagens para o modelo escolhido, é necessário verificar a adequabilidade deste modelo através da realização de testes diagnósticos.Se os dois maiores problemas em modelagem persistirem, tal como a hetercedasticidade ou autocorrelação serial, e não tiver como reverter este problema é necessário escolher um outro VAR para este banco de dados.

Here we present a simulated study on FIEGARCH processes with $\alpha$-stable noise. We consider only the case where $p=0=q$, that is, the processes are FIEGARCH$(0,d,0)$, and we analyze the behavior of a Whittle-type estimator for the long-memory parameter when the conditional variance of the process is not finite.

In this work we review and study some problems related to simulation of univariate time series based on some prescribed copula. We give some examples in the context of copula-based semiparametric models as in Chen and Fan (2006). We adapt some results to cover the case of the Brownian motion. Our approach allows one to simulate processes which behaves like a Brownian motion but have arbitrary marginals.

Este estudo apresenta uma abordagem de pacientes com HIV/AIDS internados no Hospital Universitário João de Barros Barreto, uma contextualização e conceitos de análise correspondência, suas principais características e aplicação da técnica. Durante a aplicação da técnica estatística observou-se uma boa relação entre as variáveis faixa etária versus estado civil e faixa etária versus tempo de estudo, pois as categorias das mesmas apresentaram um nível de confiança maior ou igual a 70% que é considerável satisfatório para a aplicação da técnica. As possíveis associações entre as categorias das variáveis estudadas, tais como, o Estado Civil Solteiro que está associado à Faixa Etária de 24 a 30 anos de idade; Casado está associado as faixas etárias de 42 a 48 anos, 54 a 60 anos e 60 ou mais anos; Viúvo está associado a faixas de 48 a 54 anos; Divorciado está associado as faixas de 42 a 48 anos e 48 a 54 anos. Além disso, quem não estudou nenhum ano se associa a faixa menor que 1 ano, de 1 a 12 anos; quem estudou de 1 a 3 anos está associado a faixa etária de 54 a 60 anos de idade; quem estudou de 4 a 7 anos associa-se a faixa etária de 12 a 18 anos de idade; quem estudou de 8 a 11 anos está associado a faixa etária de 24 a 30 anos de idade e por fim quem estudou acima de doze anos associa-se a faixa etária de 60 anos ou mais.

A modelagem multivariada de séries financeiras se constitui em um dos mais importantes problemas na área de econometria financeira. Um dos modelos populares nesta área é o modelo de cópulas, dada sua flexibilidade para construir funções de distribuição multivariadas que reproduzam dependências. Este projeto teve como objetivo apresentar uma introdução a cópulas e fazer uma aplicação em Pair-Cópula. Para essa aplicação utilizamos como dados os retornos diários das principais bolsas de valores dos seguintes países: Brasil (Ibovespa), México (IPC) e Estados Unidos (NYSE) entre o período de 09/06/1995 a 09/10/2009.