Dinâmica populacional e avaliação do estado de exploração dos principais recursos haliêuticos de Cabo Verde

Os estudos de dinâmica populacional dos principais recursos pesqueiros foram actualizados e foi re-aavaliado o estado dos stocks de garoupa, chicharro e sargo de areia do arquipélago de Cabo Verde. A época de reprodução foi estimada através da análise da evolução mensal do índice gonadosomático. A ogiva de maturação e o L50 (tamanho de primeira maturação) foram estimados segundo o modelo logístico e ajustado segundo o método da Máxima Verosimilhança. Foram estimados, ainda, os parâmetros alpha e beta das relações peso – comprimento e aplicado o Teste F para testar as diferenças da relação entre os sexos. No caso das avaliações, a separação das coortes foi feita através da minimização da soma do quadrado dos resíduos, segundo o método de MacDonald e Pitcher de separação de distribuições mistas. Segundo a natureza dos dados, foram aplicados métodos de avaliação diferentes. Para o stock de garoupa, em que uma Análise de População Virtual e uma Análise de Captura e Biomassa Desovante por recruta forma aplicadas, conclui-se que o Fterm encontra-se aproximadamente ao nível do F0.1 e está aquém do FSSBpR40. A Biomassa desovante por recruta (SSBpR) actual está aproximadamente a 46% da SSBpR virgem. Estes indicadores apontam para um estado de exploração óptimo. No caso do stock de chicharro, onde se aplicou uma Análise da Curva de Captura o estado de exploração é considerado como moderado, uma vez que o Fterm está aquém dos pontos de referência F0.1 e FSSBpR40. A SSBpR actual constitui aproximadamente 50 % da SSBpR virgem. Para o stock de sargo de areia, as análises apontam para uma exploração a níveis bastante intensos, uma vez que o Fterm está ao nível de Fmax, e excede o FSSBpR40 em aproximadamente 40%. A SSBpR actual constitui aproximadamente 32 % da SSBpR virgem.

Momentos e funções geradoras

No estudo da Teoria da Probabilidade está sempre presente o tratamento dos momentos das diversas distribuições estudadas, desde que os mesmos existam. O seu significado pleno, contudo, fica longe de ser percebido e integrado na compreensão adequada das correspondentes distribuições. Em contrapartida, de um modo muito geral, as funções geradoras de probabilidades e de momentos, a função caraterística e os cumulantes, só muito ligeiramente são abordados, passando completamente em claro o seu significado, as suas relações, as respetivas potencialidades, e, mais ainda que tudo isto, o seu potencial explicativo sobre o tipo de distribuição resultante de operações algébricas, ou mesmo transcendentes, entre variáveis aleatórias diversas.

Modelos autorregressivos com valores inteiros não negativos : aplicação em séries económicas de Cabo Verde

No estudo de séries temporais, os processos estocásticos usuais assumem que as distribuições marginais são contínuas e, em geral, não são adequados para modelar séries de contagem, pois as suas características não lineares colocam alguns problemas estatísticos, principalmente na estimação dos parâmetros. Assim, investigou-se metodologias apropriadas de análise e modelação de séries com distribuições marginais discretas. Neste contexto, Al-Osh and Alzaid (1987) e McKenzie (1988) introduziram na literatura a classe dos modelos autorregressivos com valores inteiros não negativos, os processos INAR. Estes modelos têm sido frequentemente tratados em artigos científicos ao longo das últimas décadas, pois a sua importância nas aplicações em diversas áreas do conhecimento tem despertado um grande interesse no seu estudo. Neste trabalho, após uma breve revisão sobre séries temporais e os métodos clássicos para a sua análise, apresentamos os modelos autorregressivos de valores inteiros não negativos de primeira ordem INAR (1) e a sua extensão para uma ordem p, as suas propriedades e alguns métodos de estimação dos parâmetros nomeadamente, o método de Yule-Walker, o método de Mínimos Quadrados Condicionais (MQC), o método de Máxima Verosimilhança Condicional (MVC) e o método de Quase Máxima Verosimilhança (QMV). Apresentamos também um critério automático de seleção de ordem para modelos INAR, baseado no Critério de Informação de Akaike Corrigido, AICC, um dos critérios usados para determinar a ordem em modelos autorregressivos, AR. Finalmente, apresenta-se uma aplicação da metodologia dos modelos INAR em dados reais de contagem relativos aos setores dos transportes marítimos e atividades de seguros de Cabo Verde.