MB751– Modelos de Previsão

1. MB751– Modelos de Previsão Prof. Carlos H. C. Ribeiro carlos@ita.br tel. (012) 3947 5895 www.comp.ita.br/~carlos sala 106 IEC

2. Aula 1 • Motivação • Orientações gerais • Modelos: importância e tipos

3. Motivação • MB751= Estudo de modelos • Com base nos modelos, podem ser feitas previsões baseadas em relações envolvendo: • Consumo e renda • Salários e anos de estudo, • Vendas e gastos em propaganda, • etc... • Estudaremos apenas modelos muito simples, mas muito úteis na análise de processos econômicos e relacionados à produção

4. Motivação – Um exemplo “inconsciente” • Fonte segura lhe diz que o índice Ibovespa médio para ações da Indústria aumentará no próximo ano. • Qual a base para a afirmação? • História passada • Crença de que o índice é relacionado a outros para os quais a fonte tem indicações seguras. • Isto não é só intuição, é também construção implícita de modelo!

5. Motivação – Um exemplo muito simples • Como o salário mensal dos pais determina a nota média dos filhos no vestibular? • Problema de interesse socioeconômico: • Definição de políticas justas para exames de admissão ao terceiro grau; • Importância do poder aquisitivo na escala social.

6. Motivação – Um exemplo muito simples • Passo 1: obter os dados.

7. Motivação – Um exemplo muito simples • Passo 2: visualizar os dados e analisá-los

8. Motivação – Um exemplo muito simples • Passo 3: Gerar um modelo para os dados

9. Detalhando um pouco: • Obtenção dos dados: • Nem sempre é fácil. Geralmente é trabalhosa. • Dados são sujeitos a erros: pais podem relatar valores inexatos de renda mensal, custos de um processo podem ser aproximados, etc. • Visualização dos dados: • Útil para seres humanos, mas nem sempre é possível (e.g., sistemas multivariável). • Geração do modelo: • Feita segundo métodos matemáticos. • É o foco deste curso.

10. OK, mas... Para que serve o modelo? • Qual deve ser a nota para filhos de pais que ganham um salário mínimo? • Para um aumento de salário, que melhora de nota média é esperada? ?

11. OK, mas... Para que serve o modelo? • Para um aumento de salário, que melhora de nota média é esperada? • Qual deve ser a nota para filhos de pais que ganham R$ 2.500,00 mensais? Em torno de 2,0... y x

12. Para que serve o modelo? • O modelo serve para explicar os dados e permitir que se façam previsões consistentes a partir destes. • Em geral, medidas estatísticas de confiança no modelo devem ser fornecidas, para considerar os possíveis erros associados à obtenção dos dados. • Logo: MB751 técnicas para gerar modelos + técnicas estatísticas para avaliar os modelos

13. Para que serve o modelo?

14. Por que confiar na Matemática? • Modelos explícitos forçam o projetista a pensar claramente nas variáveis e relações envolvidas em um problema: confiar na intuição ou em modelos implícitos pode excluir alguma relação importante, mas não imediatamente óbvia. • Modelos explícitos e formalizados matematicamente permitem testes e validações sobre o próprio modelo. • Modelos explícitos e formalizados matematicamente permitem análise quantitativa. Não se trata de confiar cegamente na Matemática. Os modelos terão problemas, mas pelo menos poderemos estabelecer o quão válido o modelo será, considerando estes problemas.

15. O que não queremos: previsão usando modelos jornalísticos SIMPLIFICAÇÃO EXTREMA BASEADA EM PALPITE: 27/04/2004 - 18h37 BOVESPA-Sem giro, mercado sofre com tensão internacional SÃO PAULO, 27 de abril (Reuters) - A Bovespa fechou a terça feira praticamente no zero a zero, após chegar a subir 1,8 por cento durante o pregão. Com fraco giro financeiro, o mercado de ações doméstico sentiu com intensidade o abalo provocado por ataques no Iraque e na Síria. PERSONIFICAÇÃO 28/04/2004 - 11h05Índice sucumbe a mau humor geral no 3o dia de giro fraco SÃO PAULO, 28 de abril (Reuters) - A Bovespa operava em queda nesta quarta-feira, contaminada pelo mau humor dos mercados em geral.

16. Orientações gerais: bibliografia • Gujarati, D. N. Econometria básica, 3a. ed., Pearson Education, 2000. • Pindyck, R. S. Econometric models and economic forecasts. McGraw Hill College Div., 1995. • Sartoris, A. Estatística e Introdução à Econometria. Saraiva, 2003. • Notas de aula (slides). • Artigos e textos distribuídos pelo professor.

17. Estrutura e avaliação: • Produtos: • Quatro listas de exercícios individuais para fixação de conceitos; • Quatro práticas desenvolvidas individualmente em sala de aula; • Um trabalho final (projeto) desenvolvido em grupos de 3 ou 4 alunos. • Métricas de avaliação: • nLx = Nota da lista x (escala 0-100) • nPx = nota da prática x (escala 0-100) • nT = nota do trabalho final (escala 0-100) • NF = nota final de curso

18. Plano de aulas (sujeito a alterações) Semana 1 – 15 Março 2013 Semana 2 – 6 Abril 2013 Modelo linear geral Testes F, R2 e R2 corrigido Correlação parcial e multicolinearidade Coeficientes beta e elasticidades Modelo linear geral: forma matricial Uso de variáveis dummy Uso de testes t e F Regressão linear por partes Heteroscedasticidade e correlação serial • Orientações gerais • Modelos: importância e tipos • Regressão a duas variáveis • Estimadores e suas propriedades • Mínimos quadrados • Teorema Gauss-Markov • ANOVA • Testes de hipótese • Correlação

19. Plano de aulas Semana 3 – 3 Maio 2013 Semana 4 – 22 Junho 2013 Previsão com modelos de 1 equação Forecasting incondicional Forecasting com erros correlacionados Forecasting condicional Modelos de séries temporais Modelos de extrapolação e média-móvel Suavização e ajuste sazonal • Erros em variáveis • Estimação paramétrica consistente • O problema de Identificação • Mínimos quadrados em dois estágios • Redes neurais: definição e características • TDNNs e previsão com RNAs Semana 5 – 3 Julho 2013 • Projeto final