Modelos matematicos para ajustar curvas cumulativas de fecundidad

Incluye Bibliografía

Modelos de previsão de inflação e estudo da dinâmica inflacionária brasileira

O objetivo dessa dissertação é analisar as variáveis importantes da inflação para a decisão de política econômica do Banco Central. Considerando a importância de reações forward looking das autoridades monetárias num regime de metas de inflação, estudam-se alguns modelos de projeção de inflação de curto prazo para verificar qual modelo possui maior capacidade de previsão. Com o objetivo de entender a dinâmica inflacionária brasileira ao longo desses anos desde a implementação do sistema de metas de inflação, procura-se analisar a dinâmica da inércia inflacionária e do repasse cambial.

Descobrindo modelos de previsão para a inflação brasileira : uma análise a partir do algoritmo autometrics

O presente trabalho tem como objetivo avaliar a capacidade preditiva de modelos econométricos de séries de tempo baseados em indicadores macroeconômicos na previsão da inflação brasileira (IPCA). Os modelos serão ajustados utilizando dados dentro da amostra e suas projeções ex-post serão acumuladas de um a doze meses à frente. As previsões serão comparadas a de modelos univariados como autoregressivo de primeira ordem - AR(1) - que nesse estudo será o benchmark escolhido. O período da amostra vai de janeiro de 2000 até agosto de 2015 para ajuste dos modelos e posterior avaliação. Ao todo foram avaliadas 1170 diferentes variáveis econômicas a cada período a ser projetado, procurando o melhor conjunto preditores para cada ponto no tempo. Utilizou-se o algoritmo Autometrics para a seleção de modelos. A comparação dos modelos foi feita através do Model Confidence Set desenvolvido por Hansen, Lunde e Nason (2010). Os resultados obtidos nesse ensaio apontam evidências de ganhos de desempenho dos modelos multivariados para períodos posteriores a 1 passo à frente.

Promedio bayesiano de modelos para la predicción del consumo máximo de oxígeno en deportistas con datos de no-ejercicio

Históricamente, los modelos de no-ejercicio para predecir el consumo máximo de oxígeno (VO2max) han sido construidos mediante regresión lineal frecuentista, usando técnicas estándar de selección de modelos. Sin embargo, existe incertidumbre acerca de la estructura estadística en el proceso de selección del modelo. En este estudio se propuso construir un modelo de no-ejercicio para predecir el VO2max en deportistas orientados al rendimiento, considerando la incertidumbre de modelo a través del Promedio Bayesiano de Modelos (BMA). Un objetivo adicional fue comparar la performance predictiva del BMA con las de los modelos derivados de varias técnicas frecuentistas usuales de selección de variables. Con tal fin, se implementó un submuestreo aleatorio estratificado repetido. Los datos incluyeron observaciones de la variable respuesta (en L·min-1), así como registros de Género, Deporte, Edad, Peso, Talla e Índice de masa corporal (BMI) (Edad = 22.1 ± 4.9 años, media ± SD; n = 272). Se propuso una clasificación de deportes con el objetivo de incluirla dentro del proceso de construcción del modelo: Combate, Juego, Resistencia 1 y Resistencia 2. El enfoque BMA se implementó en base a dos métodos: Occam's window y Composición de Modelo mediante el método de Monte Carlo con Cadenas de Markov (MC²). Se observaron discrepancias en la selección de variables entre los procedimientos frecuentistas. Ambos métodos de BMA produjeron resultados muy similares. Los modelos que incluyeron Género y las variables dummies para Resistencia 1 y Resistencia 2 acumularon virtualmente toda la probabilidad de modelo a posteriori. El Peso fue el predictor continuo con la más alta probabilidad de inclusión a posteriori (menor a 0.8). Las combinaciones de variables que involucraron predictores con un alto nivel de multicolinealidad fueron desacreditadas. Los modelos con sustancial contribución para el BMA presentaron un ajuste apreciable (R² ajustado menor a 0.8). Entre los modelos seleccionados por estrategias frecuentistas, el obtenido mediante el método de regresión por pasos (Stepwise regression method) con alfa igual a 0.05 fue el más respaldado por los datos, en términos de probabilidad de modelo a posteriori. En concordancia con la literatura, el BMA tuvo mejor performance predictiva de los datos fuera de la muestra que los modelos seleccionados por técnicas frecuentistas, medida por la cobertura del intervalo de predicción de 90 por ciento. La clasificación de deportes reveló resultados consistentes.

Algunos modelos matemáticos combinatorios básicos

En este trabajo se plantea la necesidad de motivar el estudio de modelos matemáticos considerando algunos casos básicos de naturaleza combinatoria de importancia en el mundo real. El estudio de los correspondientes problemas de optimización y la introducción y aplicación de métodos de resolución sencillos se toma como base para argumentar a favor de su inclusión, como alternativa válida para motivar la utilidad de las Matemáticas, en los últimos cursos de la enseñanza secundaria.

Prevendo inflação usando ridge regressions

Este estudo tem como objetivo analisar o desempenho de vários modelos econométricos ao prever Inflação . Iniciamos o trabalho utilizando como base de comparação para todos os modelos a tradicional curva de Phillips que usa a taxa de desemprego como variável explicativa para diferenças de preço. Dentre os modelos analisados temos univariados e bivariados, sendo estes últimos uma curva de Phillips alternativa já que apenas sustitui a variável desemprego por outra variável macroeconômica. Além destes modelos também comparamos o desempenho de previsão de modelos que usam como covariadas uma combinação das previsões dos modelos anteriores (univariados e bivariados). O resultado deste estudo aponta a combinação de modelos por "ridge regression" como uma técnica - dentre as analisadas para combinação de previsões - de menor erro de previsão sempre; sendo alcançado pela combinação da média em apenas um dos casos analisados. No entanto, a combinação de previsões não apresentou melhor resultado que algumas das covariadas testadas em modelos bivariados

Modelos de escoragem de crédito aplicados à empréstimo pessoal com cheque

A motivação deste trabalho é relacionar a teoria da estatística com uma clássica aplicação prática na indústria, mais especificamente no mercado financeiro brasileiro. Com o avanço de hardware, sistemas de suporte à decisão se tornaram viáveis e desempenham hoje papel fundamental em muitas áreas de interesse como logística, gestão de carteiras de ativos, risco de mercado e risco de crédito. O presente trabalho tem como objetivos principais propor uma metodologia de construção de modelos de escoragem de crédito e mostrar uma aplicação prática em operações de empréstimo pessoal com pagamento em cheques. A parte empírica utiliza dados reais de instituição financeira e duas metodologias estatísticas, análise de regressão linear múltipla e análise de regressão probit. São comparados os resultados obtidos a partir da aplicação de modelos de escoragem de crédito desenvolvidos com cada metodologia com os resultados obtidos sem a utilização de modelos. Assim, demonstra-se o incremento de resultado da utilização de modelos de escoragem e conclui-se se há ou não diferenças significativas entre a utilização de cada metodologia. A metodologia de construção de modelos de escoragem é composta basicamente por duas etapas, definição das relações e da equação para cálculo do escore e a definição do ponto de corte. A primeira consiste em uma busca por relações entre as variáveis cadastrais e de comportamento do cliente, variáveis da operação e o risco de crédito caracterizado pela inadimplência. A segunda indica o ponto em que o risco deixa de ser interessante e o resultado esperado da operação passa a ser negativo. Ambas as etapas são descritas com detalhes e exemplificadas no caso de empréstimos pessoais no Brasil. A comparação entre as duas metodologias, regressão linear e regressão probit, realizada no caso de empréstimos pessoais, considerou dois aspectos principais dos modelos desenvolvidos, a performance estatística medida pelo indicador K-S e o resultado incremental gerado pela aplicação do modelo. Foram obtidos resultados similares com ambas as metodologias, o que leva à conclusão de que a discussão de qual das duas metodologias utilizar é secundária e que se deve tratar a gestão do modelo com maior profundidade.

Gestão da dívida pública pré fixada no regime de metas de inflação brasileiro

O Banco Central brasileiro tem como principal instrumento de política monetária a taxa de juros de curto prazo (SELIC), apesar de sabermos que a economia é mais afetada pelas taxas mais longas, pois são essas que demonstram mais precisamente o cenário prospectivo de prazo mais coerente com os investimentos. O trabalho tem como principal objetivo, analisar de que forma esta transmissão de política monetária entre as taxas curtas e longa poderia ser melhorada, através de uma atuação mais ativa na gestão da dívida pública pré fixada. Para isso, definimos uma variável S, que é tratada como a elasticidade da taxa longa à variações na taxa de curto prazo. Em seguida, analisamos econometricamente, como esta variável varia de acordo com as seguintes variáveis escolhidas: percentual pré fixado da dívida pública local, prazo médio da dívida pública local pré fixada, um parâmetro fiscal e um parâmetro de risco. Começamos o trabalho discutindo o modelo de metas de inflação no Brasil, e a influência das taxas longas nas análises produzidas. Em seguida mostramos a evolução do perfil da dívida pública desde 2000, característica dos títulos colocados no mercado e prazos médios. Veremos que, apesar da indiscutível melhora do seu perfil, a dívida pública apresenta ainda características bastante "arriscadas" e longe do ideal. Discutimos as principais teoria à respeito da formação de estrutura a termo de juros e verificamos que a idéia de otimização entre as relações de oferta e demanda ao longo da curva é um dos fatores principais na determinação de nível e formato das curvas de juros mais longas. Baseados neste conceito resolvemos analisar de que forma a sensibilidade destas taxas longas se relaciona com o aumento do percentual de títulos pré fixados na dívida total. Em seguida, definimos nosso modelo econométrico, realizamos alguns testes e variações no modelo proposto e analisamos seus resultados. Terminamos o trabalho discutindo as conclusões encontradas através de nosso estudo e propondo formas para que a melhoria do canal de transmissão de política monetária possa ser uma prioridade por parte do Tesouro Nacional e Banco Central, e para que no futuro não haja necessidade de termos uma taxa Selic tão alta para atingirmos nossos objetivos inflacionários, através de uma melhora significativa no mecanismo de transmissão de política monetária.

Prevendo inflação usando séries temporais e combinações de previsões

O propósito deste estudo é analisar a capacidade dos modelos econométricos ARMA, ADL, VAR e VECM de prever inflação, a fim de verificar qual modelagem é capaz de realizar as melhores previsões num período de até 12 meses, além de estudar os efeitos da combinação de previsões. Dentre as categorias de modelos analisados, o ARMA (univariado) e o ADL (bivariado e multivariado), foram testados com várias combinações de defasagens. Foram realizadas previsões fora-da-amostra utilizando 3 períodos distintos da economia brasileira e os valores foram comparados ao IPCA realizado, a fim de verificar os desvios medidos através do EQM (erro quadrático médio). Combinações das previsões usando média aritmética, um método de média ponderada proposto por Bates e Granger (1969) e média ponderada através de regressão linear múltipla foram realizadas. As previsões também foram combinadas com a previsão do boletim FOCUS do Banco Central. O método de Bates e Granger minimiza a variância do erro da combinação e encontra uma previsão com variância do erro menor ou igual à menor variância dos erros das previsões individuais, se as previsões individuais forem não viesadas. A conclusão é que, com as técnicas de séries temporais utilizadas, alguns modelos individuais fornecem previsões com EQM relativamente baixos. Destacando-se, dentre eles, os modelos VAR e VECM. Porém, com a combinação de previsões os EQM obtidos são menores do que os das previsões individuais usadas para combinação. Na maioria dos casos, a combinação de previsões com o boletim FOCUS também melhorou significativamente os resultados e forneceu previsões com EQM menores do que os das previsões individuais, destacando-se, dentre os métodos de combinações utilizados, a combinação via regressão linear múltipla.