apresentação de estágio não obrigatório
DESCRIPTION
Apresentação de estágio não obrigatório - séries temporais com longa dependência.TRANSCRIPT
Relato de estágio obrigatório: Geração e Estimaçãoem Processos Gegenbauer
Aishameriane SchmidtProf. Dr. Cleber Bisognin
Orientador
Universidade Federal do Rio Grande do SulInstituto de Matemática
Departamento de Estatística
Estágio Obrigatório - Julho de 2009
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 1 / 25
Roteiro
1 Processos GARMA(p,u, λ,q)
2 Objetivos
3 Estimação
4 Simulações
5 Conclusões
6 Aspectos do Estágio
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 2 / 25
Processos GARMA(p, u, λ, q)
Roteiro
1 Processos GARMA(p,u, λ,q)
2 Objetivos
3 Estimação
4 Simulações
5 Conclusões
6 Aspectos do Estágio
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 3 / 25
Processos GARMA(p, u, λ, q)
Definição dos processos GARMA
Definição
Seja {Xt}t∈Z um processo estocástico que satisfaz a equação
φ(B)(1− 2uB + B2)λ(Xt − µ) = θ(B)εt , (1)
onde µ é a média do processo, {εt}t∈Z é um processo ruído branco, φ(·) eθ(·) são os polinômios de grau p e q, respectivamente, definidos por
φ(z) =
p∑`=0
(−φ`) z` e θ(z) =
q∑m=0
(−θm) zm, (2)
onde φ`, 1 6 ` 6 p, e θm, 1 6 m 6 q, são constantes reais e φ0 = −1 = θ0.Então, {Xt}t∈Z é um processo auto-regressivo de média móvelGegenbauer de ordem (p,u, λ,q), denotado por GARMA(p,u, λ,q).
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 4 / 25
Processos GARMA(p, u, λ, q)
Propriedades dos processos GARMA(p,u, λ,q)
Teorema
Seja {Xt}t∈Z um processo GARMA, dado pela expressão 1, onde µ éa média do processo, B é o operador de defasagem ou de retardo, istoé, Bj(Xt) = Xt−j , para todo j ∈ N, {εt}t∈Z é um processo ruído branco,φ(·) e θ(·) são os polinômios de grau p e q que denotam a parteautoregressiva e de média móvel, respectivamente. Considere quetodas as raízes das equações φ(z) = 0 e θ(z) = 0 estão fora docírculo unitário. Então,
a) O processo {Xt}t∈Z é estacionário se λ < 0.5, quando |u| < 1, ouλ < 0.25, quando |u| = 1.
b) O processo {Xt}t∈Z é inversível se λ > −0.5, quando |u| < 1, ouλ > −0.25, quando |u| = 1.
c) Se 0 < λ < 0.25, quando |u| = 1 ou 0 < λ < 0.5, quando |u| < 1,então {Xt}t∈Z apresenta a característica de longa dependência.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 5 / 25
Processos GARMA(p, u, λ, q)
Propriedades dos processos GARMA(p,u, λ,q)
Teorema
Seja {Xt}t∈Z um processo GARMA, dado pela expressão 1, onde µ éa média do processo, B é o operador de defasagem ou de retardo, istoé, Bj(Xt) = Xt−j , para todo j ∈ N, {εt}t∈Z é um processo ruído branco,φ(·) e θ(·) são os polinômios de grau p e q que denotam a parteautoregressiva e de média móvel, respectivamente. Considere quetodas as raízes das equações φ(z) = 0 e θ(z) = 0 estão fora docírculo unitário. Então,
a) O processo {Xt}t∈Z é estacionário se λ < 0.5, quando |u| < 1, ouλ < 0.25, quando |u| = 1.
b) O processo {Xt}t∈Z é inversível se λ > −0.5, quando |u| < 1, ouλ > −0.25, quando |u| = 1.
c) Se 0 < λ < 0.25, quando |u| = 1 ou 0 < λ < 0.5, quando |u| < 1,então {Xt}t∈Z apresenta a característica de longa dependência.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 5 / 25
Processos GARMA(p, u, λ, q)
Propriedades dos processos GARMA(p,u, λ,q)
Teorema
Seja {Xt}t∈Z um processo GARMA, dado pela expressão 1, onde µ éa média do processo, B é o operador de defasagem ou de retardo, istoé, Bj(Xt) = Xt−j , para todo j ∈ N, {εt}t∈Z é um processo ruído branco,φ(·) e θ(·) são os polinômios de grau p e q que denotam a parteautoregressiva e de média móvel, respectivamente. Considere quetodas as raízes das equações φ(z) = 0 e θ(z) = 0 estão fora docírculo unitário. Então,
a) O processo {Xt}t∈Z é estacionário se λ < 0.5, quando |u| < 1, ouλ < 0.25, quando |u| = 1.
b) O processo {Xt}t∈Z é inversível se λ > −0.5, quando |u| < 1, ouλ > −0.25, quando |u| = 1.
c) Se 0 < λ < 0.25, quando |u| = 1 ou 0 < λ < 0.5, quando |u| < 1,então {Xt}t∈Z apresenta a característica de longa dependência.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 5 / 25
Processos GARMA(p, u, λ, q)
Propriedades dos processos GARMA(p,u, λ,q)
Teorema
Seja {Xt}t∈Z um processo GARMA, dado pela expressão 1, onde µ éa média do processo, B é o operador de defasagem ou de retardo, istoé, Bj(Xt) = Xt−j , para todo j ∈ N, {εt}t∈Z é um processo ruído branco,φ(·) e θ(·) são os polinômios de grau p e q que denotam a parteautoregressiva e de média móvel, respectivamente. Considere quetodas as raízes das equações φ(z) = 0 e θ(z) = 0 estão fora docírculo unitário. Então,
a) O processo {Xt}t∈Z é estacionário se λ < 0.5, quando |u| < 1, ouλ < 0.25, quando |u| = 1.
b) O processo {Xt}t∈Z é inversível se λ > −0.5, quando |u| < 1, ouλ > −0.25, quando |u| = 1.
c) Se 0 < λ < 0.25, quando |u| = 1 ou 0 < λ < 0.5, quando |u| < 1,então {Xt}t∈Z apresenta a característica de longa dependência.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 5 / 25
Processos GARMA(p, u, λ, q)
Teoremad) A função densidade espectral do processo GARMA(p,u, λ,q),
denotada por fX{·}, é dada por:
fX (w) =σ2ε
2π|θ(e−iw )|2
|φ(e−iw )|2[2(cos(w)− u)]−2λ, para todo w ∈ (0, π],
(3)onde G = cos−1 u é chamada frequencia de Gegenbauer oufrequencia G. Note que a função densidade espectral torna-seilimitada em G.Quando ω → G temos,
fX (ω) ∼ Cf |ω −G|−2λ, onde Cf =σ2ε
2π[2| sen (G)|]−2λ > 0. (4)
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 6 / 25
Processos GARMA(p, u, λ, q)
Figure: Função densidade espectral dos processos k -FactorGARMA(p,u,λ,q), com λ = (0.2,0.2), para k = 2 e λ = (0.2,0.2,0.2), parak = 3: (a) k = 2, u = (−0.4,0.8), p = 0 = q; (b) k = 3, u = (−0.7,0.3,0.9),p = 0 = q.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 7 / 25
Processos GARMA(p, u, λ, q)
Propriedades dos processos GARMA(p,u, λ,q)
Observação
A equação:
γX (k) = σ2ε
∑j∈Z≥
C(λ)j (u)C(λ)
j+k (u), ∀ |u| ≤ 1,
com k ∈ Z≥, foi proposta por Woodward et. al (1998) como umarepresentação da função de autocovariância do processo GARMA.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 8 / 25
Objetivos
Roteiro
1 Processos GARMA(p,u, λ,q)
2 Objetivos
3 Estimação
4 Simulações
5 Conclusões
6 Aspectos do Estágio
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 9 / 25
Objetivos
Objetivos do estudo:
i) Levantar informações de cunho teórico a respeito dos processosGegenbauer;
ii) Gerar o processo k-factor Gegenbauer de até 7 fatores;iii) Estudar os diferentes métodos de estimação dos parâmetros λ e
u para o processo k-factor Garma quando k=1;iv) Comparar métodos de estimação;v) Apresentar os resultados obtidos em eventos científicos da área.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 10 / 25
Objetivos
Objetivos do estudo:
i) Levantar informações de cunho teórico a respeito dos processosGegenbauer;
ii) Gerar o processo k-factor Gegenbauer de até 7 fatores;iii) Estudar os diferentes métodos de estimação dos parâmetros λ e
u para o processo k-factor Garma quando k=1;iv) Comparar métodos de estimação;v) Apresentar os resultados obtidos em eventos científicos da área.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 10 / 25
Objetivos
Objetivos do estudo:
i) Levantar informações de cunho teórico a respeito dos processosGegenbauer;
ii) Gerar o processo k-factor Gegenbauer de até 7 fatores;iii) Estudar os diferentes métodos de estimação dos parâmetros λ e
u para o processo k-factor Garma quando k=1;iv) Comparar métodos de estimação;v) Apresentar os resultados obtidos em eventos científicos da área.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 10 / 25
Objetivos
Objetivos do estudo:
i) Levantar informações de cunho teórico a respeito dos processosGegenbauer;
ii) Gerar o processo k-factor Gegenbauer de até 7 fatores;iii) Estudar os diferentes métodos de estimação dos parâmetros λ e
u para o processo k-factor Garma quando k=1;iv) Comparar métodos de estimação;v) Apresentar os resultados obtidos em eventos científicos da área.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 10 / 25
Objetivos
Objetivos do estudo:
i) Levantar informações de cunho teórico a respeito dos processosGegenbauer;
ii) Gerar o processo k-factor Gegenbauer de até 7 fatores;iii) Estudar os diferentes métodos de estimação dos parâmetros λ e
u para o processo k-factor Garma quando k=1;iv) Comparar métodos de estimação;v) Apresentar os resultados obtidos em eventos científicos da área.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 10 / 25
Estimação
Roteiro
1 Processos GARMA(p,u, λ,q)
2 Objetivos
3 Estimação
4 Simulações
5 Conclusões
6 Aspectos do Estágio
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 11 / 25
Estimação
Estimadores utilizados
Os métodos de estimação dos parâmetros utilizados foram:i) Estimadores semi-paramétricos: estimador de Geweke e
Porter-Hudak (GPH) e o estimador baseado na funçãoperiodograma suavizado de covariâncias (BA);
i) Estimadores paramétricos: proposto por Fox e Taqqu (FT) e oestimador de verossimilhança exato (EMLE), sendo este últimouma proposta original desenvolvida durante o estágio.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 12 / 25
Estimação
Estimadores utilizados
Os métodos de estimação dos parâmetros utilizados foram:i) Estimadores semi-paramétricos: estimador de Geweke e
Porter-Hudak (GPH) e o estimador baseado na funçãoperiodograma suavizado de covariâncias (BA);
i) Estimadores paramétricos: proposto por Fox e Taqqu (FT) e oestimador de verossimilhança exato (EMLE), sendo este últimouma proposta original desenvolvida durante o estágio.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 12 / 25
Estimação
O estimador GPH
O estimador GPH, proposto por Geweke e Porter-Hudak (1983), é umestimador semi-paramétrico que utiliza a função periodograma.Considere {Xt}t∈Z um processo GARMA(p, λ,u,q) cuja funçãodensidade espectral é dada por:
fX (w) = fU(ω)[2(cos(w)− u)]−2λ, para todo w ∈ (0, π],
onde fU(ω) = σ2ε
2π .Aplicando o logaritmo na equação acima, temos:
ln(fX (ω)) = ln(fU(ω))− λ ln(2(cos(w)− u))2.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 13 / 25
Estimação
O estimador GPH
Adicionando ln(fu(0)) e ln(I(w)) em ambos os lados da equaçãoanterior, teremos:
ln(I(ω)) = ln(fU(0))− λ ln[2(cos(ω)− u)]2 + ln[
I(ω)
fX (ω)
]. (5)
Seja B = {0,1, · · · ,g(n)|j 6= argmax{I(ω)}}, onde g(n) é tal queg(n)→∞ e g(n)
n → 0, quando n→∞. Substituindo a frequência ωpelas frequencias de Fourrier ωj = 2πj
n , j ∈ B, obtemos uma formaaproximada para a equação (5), dada por
ln I(wj) ∼ ln(fU(0))− λ ln[2(cos(wj)− u)]2 + ln[
I(w)
fX (w)
], (6)
onde G = 2πn argmax{I(w)}.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 14 / 25
Estimação
O estimador GPH
A equação (6) pode ser comparada a uma equação de regressãolinear múltipla da forma:
yj ∼ β0 − β1xj + εj , para todo j ∈ B,
onde
yj = ln(I(ωj)), xj = ln[2(cos(wj)− u)]2,
εj = ln[
I(w)
fX (w)
]+ c, β0 = ln(fU(0))− c, c = E
(ln[
I(w)
fX (w)
]),
β1 = −λj ,
com εj variáveis aleatórias não correlacionadas com média zero evariância constante.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 15 / 25
Estimação
O estimador BA
Este estimador é baseado no uso da função periodograma suavizadode covariâncias ao invés da função periodograma no estimador GPH.Essa alteração decorre do fato de que a função periodograma é umestimador não viciado, mas não consistente para a função densidadeespectral de um processo. Já o periodograma suavizado é umestimador que não apresenta vício e é consistente. Neste estimador,estamos utilizando a janela de Bartlett para fazer a suavização.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 16 / 25
Estimação
O estimador FT
O estimador proposto por Fox e Taqqu (1986) está na classe dosestimadores paramétricos e utiliza uma aproximação, proposta porWhittle (1951), para a matriz de autocovariância do processo.Consiste em minimizar uma soma escrita em função do periodogramae pode ser utilizado para qualquer sequência gaussiana estacionária.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 17 / 25
Estimação
O estimador EMLE
O estimador de máxima verossimilhança exato é obtidomaximizando-se a função de verossimilhança, que é equivalente amaximizar a seguinte expressão em relação aos parâmetros η e σ2
L(x, η, σ2) = −n2
ln(2π)− 12
ln |Qn(η)| −12
x′Q−n 1(η)x,
onde Qn(η) é a matriz de Toeplitz contendo os valores da função deautocovariância do processo {Xt}t∈Z cujos elementos são dados por{Qn(η)}ij = γX (|i − j |),1 ≤ i , j ≥ n e η = {u, λ}.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 18 / 25
Simulações
Roteiro
1 Processos GARMA(p,u, λ,q)
2 Objetivos
3 Estimação
4 Simulações
5 Conclusões
6 Aspectos do Estágio
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 19 / 25
Simulações
Simulações
Simulações de Monte Carlo com 1000 replicações das séries;Os coeficientes Cj foram truncados em 10.000;Os estimadores comparados foram: GPH, BA, FT, EMLE;Para o estimador BA foi utilizado o ponto de truncamento dajanela nβ, com β = 0.9;Para o GPH e BA considerou-se g(n) = nα, comα ∈ 0.5,0.55, ...,0.85,0.89;Foram simuladas séries para diferentes valores de u e de λ
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 20 / 25
Simulações
Simulações
Simulações de Monte Carlo com 1000 replicações das séries;Os coeficientes Cj foram truncados em 10.000;Os estimadores comparados foram: GPH, BA, FT, EMLE;Para o estimador BA foi utilizado o ponto de truncamento dajanela nβ, com β = 0.9;Para o GPH e BA considerou-se g(n) = nα, comα ∈ 0.5,0.55, ...,0.85,0.89;Foram simuladas séries para diferentes valores de u e de λ
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 20 / 25
Simulações
Simulações
Simulações de Monte Carlo com 1000 replicações das séries;Os coeficientes Cj foram truncados em 10.000;Os estimadores comparados foram: GPH, BA, FT, EMLE;Para o estimador BA foi utilizado o ponto de truncamento dajanela nβ, com β = 0.9;Para o GPH e BA considerou-se g(n) = nα, comα ∈ 0.5,0.55, ...,0.85,0.89;Foram simuladas séries para diferentes valores de u e de λ
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 20 / 25
Simulações
Simulações
Simulações de Monte Carlo com 1000 replicações das séries;Os coeficientes Cj foram truncados em 10.000;Os estimadores comparados foram: GPH, BA, FT, EMLE;Para o estimador BA foi utilizado o ponto de truncamento dajanela nβ, com β = 0.9;Para o GPH e BA considerou-se g(n) = nα, comα ∈ 0.5,0.55, ...,0.85,0.89;Foram simuladas séries para diferentes valores de u e de λ
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 20 / 25
Simulações
Simulações
Simulações de Monte Carlo com 1000 replicações das séries;Os coeficientes Cj foram truncados em 10.000;Os estimadores comparados foram: GPH, BA, FT, EMLE;Para o estimador BA foi utilizado o ponto de truncamento dajanela nβ, com β = 0.9;Para o GPH e BA considerou-se g(n) = nα, comα ∈ 0.5,0.55, ...,0.85,0.89;Foram simuladas séries para diferentes valores de u e de λ
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 20 / 25
Simulações
Simulações
Simulações de Monte Carlo com 1000 replicações das séries;Os coeficientes Cj foram truncados em 10.000;Os estimadores comparados foram: GPH, BA, FT, EMLE;Para o estimador BA foi utilizado o ponto de truncamento dajanela nβ, com β = 0.9;Para o GPH e BA considerou-se g(n) = nα, comα ∈ 0.5,0.55, ...,0.85,0.89;Foram simuladas séries para diferentes valores de u e de λ
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 20 / 25
Conclusões
Roteiro
1 Processos GARMA(p,u, λ,q)
2 Objetivos
3 Estimação
4 Simulações
5 Conclusões
6 Aspectos do Estágio
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 21 / 25
Conclusões
Foram estudados 4 estimadores, sendo que um é uma propostaoriginal deste trabalho;Para {u, λ}={0.1,0.6} e {0.1,0.8} o estimador com menor EQM emenor variância foi o BALM;Nenhum dos estimadores semiparamétricos avaliados sedestacou quanto ao menor vício;Para {u, λ}={0.4,0.8} e {0.1,1.0} o estimador BALM apresentoutambém menores valores de EQM e variância, porém o estimadorcom menor vício foi o GPHMM para valores de α superiores a 0.7para {u, λ}={0.3,0.8} e o GPHLTS {u, λ}={0.4,0.8} para todosvalores de α
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 22 / 25
Conclusões
Foram estudados 4 estimadores, sendo que um é uma propostaoriginal deste trabalho;Para {u, λ}={0.1,0.6} e {0.1,0.8} o estimador com menor EQM emenor variância foi o BALM;Nenhum dos estimadores semiparamétricos avaliados sedestacou quanto ao menor vício;Para {u, λ}={0.4,0.8} e {0.1,1.0} o estimador BALM apresentoutambém menores valores de EQM e variância, porém o estimadorcom menor vício foi o GPHMM para valores de α superiores a 0.7para {u, λ}={0.3,0.8} e o GPHLTS {u, λ}={0.4,0.8} para todosvalores de α
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 22 / 25
Conclusões
Foram estudados 4 estimadores, sendo que um é uma propostaoriginal deste trabalho;Para {u, λ}={0.1,0.6} e {0.1,0.8} o estimador com menor EQM emenor variância foi o BALM;Nenhum dos estimadores semiparamétricos avaliados sedestacou quanto ao menor vício;Para {u, λ}={0.4,0.8} e {0.1,1.0} o estimador BALM apresentoutambém menores valores de EQM e variância, porém o estimadorcom menor vício foi o GPHMM para valores de α superiores a 0.7para {u, λ}={0.3,0.8} e o GPHLTS {u, λ}={0.4,0.8} para todosvalores de α
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 22 / 25
Conclusões
Foram estudados 4 estimadores, sendo que um é uma propostaoriginal deste trabalho;Para {u, λ}={0.1,0.6} e {0.1,0.8} o estimador com menor EQM emenor variância foi o BALM;Nenhum dos estimadores semiparamétricos avaliados sedestacou quanto ao menor vício;Para {u, λ}={0.4,0.8} e {0.1,1.0} o estimador BALM apresentoutambém menores valores de EQM e variância, porém o estimadorcom menor vício foi o GPHMM para valores de α superiores a 0.7para {u, λ}={0.3,0.8} e o GPHLTS {u, λ}={0.4,0.8} para todosvalores de α
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 22 / 25
Aspectos do Estágio
Roteiro
1 Processos GARMA(p,u, λ,q)
2 Objetivos
3 Estimação
4 Simulações
5 Conclusões
6 Aspectos do Estágio
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 23 / 25
Aspectos do Estágio
Considerações sobre o estágio
i) Os objetivos iniciais do estágio foram totalmente alcançados;ii) O trabalho é um passo inicial para a monografia e posteriormente
à dissertação;iii) O uso constante de simulação e análise de séries temporais é
relevante na estatística, sendo assim o estágio abordouproblemas originais e de relevância científica;
iv) Foram submetidos 3 trabalhos para eventos científicos, sendoque um deles já foi apresentado e o outro já está aceito paraapresentação;
v) Já estão prontos os estimadores generalizados para osprocessos k-factor GARMA para qualquer valor de k;
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 24 / 25
Aspectos do Estágio
Considerações sobre o estágio
i) Os objetivos iniciais do estágio foram totalmente alcançados;ii) O trabalho é um passo inicial para a monografia e posteriormente
à dissertação;iii) O uso constante de simulação e análise de séries temporais é
relevante na estatística, sendo assim o estágio abordouproblemas originais e de relevância científica;
iv) Foram submetidos 3 trabalhos para eventos científicos, sendoque um deles já foi apresentado e o outro já está aceito paraapresentação;
v) Já estão prontos os estimadores generalizados para osprocessos k-factor GARMA para qualquer valor de k;
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 24 / 25
Aspectos do Estágio
Considerações sobre o estágio
i) Os objetivos iniciais do estágio foram totalmente alcançados;ii) O trabalho é um passo inicial para a monografia e posteriormente
à dissertação;iii) O uso constante de simulação e análise de séries temporais é
relevante na estatística, sendo assim o estágio abordouproblemas originais e de relevância científica;
iv) Foram submetidos 3 trabalhos para eventos científicos, sendoque um deles já foi apresentado e o outro já está aceito paraapresentação;
v) Já estão prontos os estimadores generalizados para osprocessos k-factor GARMA para qualquer valor de k;
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 24 / 25
Aspectos do Estágio
Considerações sobre o estágio
i) Os objetivos iniciais do estágio foram totalmente alcançados;ii) O trabalho é um passo inicial para a monografia e posteriormente
à dissertação;iii) O uso constante de simulação e análise de séries temporais é
relevante na estatística, sendo assim o estágio abordouproblemas originais e de relevância científica;
iv) Foram submetidos 3 trabalhos para eventos científicos, sendoque um deles já foi apresentado e o outro já está aceito paraapresentação;
v) Já estão prontos os estimadores generalizados para osprocessos k-factor GARMA para qualquer valor de k;
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 24 / 25
Aspectos do Estágio
Considerações sobre o estágio
i) Os objetivos iniciais do estágio foram totalmente alcançados;ii) O trabalho é um passo inicial para a monografia e posteriormente
à dissertação;iii) O uso constante de simulação e análise de séries temporais é
relevante na estatística, sendo assim o estágio abordouproblemas originais e de relevância científica;
iv) Foram submetidos 3 trabalhos para eventos científicos, sendoque um deles já foi apresentado e o outro já está aceito paraapresentação;
v) Já estão prontos os estimadores generalizados para osprocessos k-factor GARMA para qualquer valor de k;
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 24 / 25
Aspectos do Estágio
Aprendizados
i) Softwares utilizados: S-Plus, Winrats e editores de LateX.ii) Aprendizagem de séries temporais de longa dependência.
iii) Aprendizagem de análise de séries temporais antes de ter sidovisto na disciplina do curso.
iv) Estimulo para que o aluno trabalhe de forma autônoma jápreparando para o mestrado.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 25 / 25
Aspectos do Estágio
Aprendizados
i) Softwares utilizados: S-Plus, Winrats e editores de LateX.ii) Aprendizagem de séries temporais de longa dependência.
iii) Aprendizagem de análise de séries temporais antes de ter sidovisto na disciplina do curso.
iv) Estimulo para que o aluno trabalhe de forma autônoma jápreparando para o mestrado.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 25 / 25
Aspectos do Estágio
Aprendizados
i) Softwares utilizados: S-Plus, Winrats e editores de LateX.ii) Aprendizagem de séries temporais de longa dependência.
iii) Aprendizagem de análise de séries temporais antes de ter sidovisto na disciplina do curso.
iv) Estimulo para que o aluno trabalhe de forma autônoma jápreparando para o mestrado.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 25 / 25
Aspectos do Estágio
Aprendizados
i) Softwares utilizados: S-Plus, Winrats e editores de LateX.ii) Aprendizagem de séries temporais de longa dependência.
iii) Aprendizagem de análise de séries temporais antes de ter sidovisto na disciplina do curso.
iv) Estimulo para que o aluno trabalhe de forma autônoma jápreparando para o mestrado.
Aishameriane Schmidt (UFRGS) Processos Gegenbauer Julho de 2009 25 / 25