Anda di halaman 1dari 18

Anlise Estatstica

Valdir Gil Pillat

Determinstico: so dados obtidos de sistemas fsicos cujas equaes so lineares No-Determinstico: no h relao direta entre os dados. Por isso, existe a necessidade de um tratamento estatstico. Amostragem: um conjunto de pontos tomados numa escala de tempo ou espao fixo, durante experimento. Eventos: um subconjunto de pontos cujo valores so escolhidos. Variveis aleatrias: um conjunto de dados onde no h qualquer correlao entre os seus valores. (sistema sem memria)

Algumas definies sobre os dados

Primeira Ordem: mdia de uma varivel =0 =< > = Para variveis aleatrias, a mdia igual a 0 Segunda Ordem: varincia 1 2 = 2 1

n o nmero total de pontos e o desvio padro Em muitas reas da fsica, a varincia tem a conotao de energia, ou seja, o quanto o sistema est espalhado em torno da mdia.

=0

Momentos de uma varivel

Terceira Ordem: tambm conhecida por coeficiente de assimetria em ingls, skewness. Mede se h uma tendncia a esquerda ou a direita 3 = 2 3 2 =


=0

1 /


=0

3 /2

O sentido fsico desse momento est relacionado com a presena de gradientes, como na mecnica de fludos. O coeficiente prximo de zero significa simetria, caso contrrio, uma tendncia esquerda para nmeros negativos e, direita para nmeros positivos

Momentos

Quarta Ordem: tambm conhecido como coeficiente de achatamento ou em ingls kurtosis 4 = 2 2 =


=0

1 /


=0

O sentido fsico da curtose avaliar ou estudar fenmenos intermitentes, ou seja, fenmenos que ocorrem raramente na natureza. A kurtosis mede a concentrao prxima a mdia (ou pico). No caso da normalidade, o valor 3. Menos que 3, a distribuio mais achatada chamada platykurtic. Maior que 3, o pico mais acentuado e a distribuio chamada leptokurtic.

Momentos

Em uma srie de dados possvel estimar uma distribuio de probabilidades atravs de um histograma. Supondo que realize uma hora de medidas de velocidade do vento, num total de 1000 pontos de dados. A distribuio de probabilidade, ou histograma, nos d a quantidade de cada intervalo dx

Histograma

As PDF so obtidas via o histograma atravs da seguinte expresso: = O objetivo disso normalizar o histograma, ou seja, a somatria de todas as probabilidades deve ser 1. Algumas funes conhecidas:
Gaussiana ou normal: =
Poisson: =
! 1 2
22
2

onde e2,71828

Funo de densidade de probabilidade (PDF)

Sries Temporais
Valdir Gil Pillat

Sries temporais: quando os dados so observados em diferentes instantes do tempo. Observaes vizinhas so dependentes.

Natureza e fonte de dados

Discreta: T = {t1, t2, ..., tn}, Ex.: Exportaes mensais de 1970 a 1980 {01/1970, 02/1970 ..., 12/1980}. Notao: Yt Contnua: T={t:t1<t<t2}. Ex.: Registro da mar no Rio durante 1 ano T=[0,24] se a unidade de tempo a hora. Notao: Y(t) Para o caso de sries contnuas necessrio amostr-la (em intervalos de tempo), convertendo em uma srie discreta com N pontos, onde N = T/t.

Classificao

O estudo de sries temporais:


Modelagens Anlise dessa dependncia Tcnicas especficas a sries temporais

Existe 2 enfoques usados na anlise de sries temporais:


A anlise feita no domnio temporal e os modelos propostos so modelos paramtricos (com um nmero finito de parmetros). A anlise conduzida no domnio de frequncias e os modelos propostos so modelos noparamtricos.

Objetivo

Dentre os modelos paramtricos tempos, por exemplo, os modelos ARIMA. No domnio de frequncias temos a anlise espectral, que consiste em decompor a srie dada em componentes de frequncia, onde a existncia do espectro a caracterstica fundamental.

Modelos

Uma srie estacionria quando ela se desenvolve no tempo aleatoriamente ao redor de uma mdia constante, refletindo alguma forma de equilbrio estvel.

Srie estacionria ou no estacionria

Dada uma srie temporal x(t), podemos estudar a sua estacionariedade e outras caractersticas atravs do seguinte processo. xr= x(t+r) x(t) onde r o espaamento entre pontos Exemplo: x(t) = 3, 4, 1, 9, 10, 14, 5, 0, 4, 2 Supondo r=2, temos x2(1) =-2; x2 (2)=5; x2 (3)=9;x2 (4)=5; x2 (5)=-5; x2 (6)=-14; x2 (7)=-1; x2 (8)=2 x2(t) =-2; 5; 9; 5;-5; -14; -1; 2

Transformao

Este procedimento efetua-se para pelo menos 4 valores de r. Com isso, teremos o seguinte teorema da estacionariedade.
Teorema: Se os momentos estatsticos de cada xr(t) permanecerem constantes, ento o sinal original dito estacionrio.

Estacionariedade

Como exemplo de sinal estacionrio, toma-se um sinal aleatrio (randmico). Calcula-se 4 sries obtidas para cada valor de espaamento entre pontos(r): Calcula-se qualquer momento estatstico das quatro sries temporais.
1900ral Mdias 1900ral 1900ral 1900ral

1900ral
1900ral 1900ral 1900ral 1900ral 1900ral 1900ral 1900ral r

Estacionariedade

Diz-se estacionrio se todas as distribuies permanecerem as mesma sob qualquer translao temporal (Morettin,1999) Tem uma componente fortemente aleatria. Diz-se gaussiano se para qualquer tempo t as variveis aleatrias (srie-temporal) possui uma distribuio normal.

Processo Estocstico

Triola, M. F. Introduo Estatstica, 7ed. LTC, 1999. Morettin, P. A.; Toloi, C.M.C. Anlise de sries temporais, 2 ed. Edgar Blucher, 2006. http://www.comp.ita.br/~forster/CC226old/02_2_probabilidades.pdf

Bibliografia