“Método de Gauss”: inapropriado até no nome

Tal como ressaltado em de Faro e Guerra (2014), tem sido frequente em nossos tribunais, sentenças judiciais determinando que, relativamente ao caso de amortizações de dívidas com prestações constantes, a popular Tabela Price seja substituída por um sistema que, fundamentado em uma particular aplicação do regime de juros simples, vem sendo cognominado de “Método de Gauss” (cf. Antonick e Assunção, 2006 e Nogueira, 2013). E isso, frize-se, mantendo-se o valor numérico da taxa de juros especificada no contrato de financiamento (usualmente, habitacional). A par de ser totalmente inadequado, como discutido em de Faro (2014c), associar o nome do grande matemático alemão Johann Carl Friedrich Gauss (1777-1855) ao procedimento em questão, sucede que ao mesmo, como a qualquer outro que seja baseado no regime de juros simples, associam-se incontornáveis inconsistências. Como já anteriormente, amplamente evidenciado em de Faro (2013b e 2014a). Tomando a Tabela Price como base de comparação, o propósito do presente trabalho é o de aprofundar a análise das deficiências do que tem sido denominado como “Método de Gauss”. Em particular, dado que as sentenças judiciais costumam não alterar os valores numéricos das taxas contratuais de juros, substituindo tão somente o regime de juros compostos, que está implícito na Tabela Price, pela peculiar variante do regime de juros simples que está subjacente ao que se chama de “Método de Gauss”, buscar-se-á considerar a questão do ponto de vista do financiador.

Estimação de regressões aditivas via backfitting e integração marginal: performance em pequenas amostras

Nesta dissertação realizou-se um experimento de Monte Carlo para re- velar algumas características das distribuições em amostras finitas dos estimadores Backfitting (B) e de Integração Marginal(MI) para uma regressão aditiva bivariada. Está-se particularmente interessado em fornecer alguma evidência de como os diferentes métodos de seleção da janela hn, tais co- mo os métodos plug-in, impactam as propriedades em pequenas amostras dos estimadores. Está-se interessado, também, em fornecer evidência do comportamento de diferentes estimadores de hn relativamente a seqüência ótima de hn que minimiza uma função perda escolhida. O impacto de ignorar a dependência entre os regressores na estimação da janela é tam- bém investigado. Esta é uma prática comum e deve ter impacto sobre o desempenho dos estimadores. Além disso, não há nenhuma rotina atual- mente disponível nos pacotes estatísticos/econométricos para a estimação de regressões aditivas via os métodos de Backfitting e Integração Marginal. É um dos objetivos a criação de rotinas em Gauss para a implementação prática destes estimadores. Por fim, diferentemente do que ocorre atual- mente, quando a utilização dos estimadores-B e MI é feita de maneira completamente ad-hoc, há o objetivo de fornecer a usuários informação que permita uma escolha mais objetiva de qual estimador usar quando se está trabalhando com uma amostra finita.