Académique Documents
Professionnel Documents
Culture Documents
3,182-187,1999
A METODOLOGIA DE GEOESTATÍSTICA
APLICADA NA ANÁLISE DE SÉRIES TEMPORAIS
Resumo
Abstrat
1.0 Introdução
150
100
Manchas
Solares
50
0
ano 10 20 30 40 50 60 70 80 90 100
i) E[Z(t)] = µ, ∀ t ∈ T;
ii)Var[Z(t)-Z(s)] = 2 γ |t-s|, ∀ t ≠ s ∈ T,
w
2Γw ( t − s) = E[ | Z( t ) − Z( s) | ] , t ≠ s, ∈ T
n−s
∑ [ | Z( t ) − Z( t − s) | ] w
t =1
2Γ$ w (s) =
n−s
onde para w=1 tem-se o estimador do Madograma,para w=1/2 o
Rodograma e para w=2 o Variograma. Em geral as estimativas
assim obtidas são chamadas de Madograma,Rodograma e Variograma
Experimentais. Através destes estimadores identifica-se o
modelo matemático de Variograma, Madograma e Rodograma do
processo estocástico gerador dos dados amostrais.Prossegue-se
então, com a estimação dos parâmetros do mesmo. O modelo
estimado é utilizado nas equações de projeção.No caso
específico de séries temporais, os estágios de identificação e
estimação de parâmetros dos modelos de Variograma,Madograma e
Rodograma,podem ser suprimidos na grande maioria dos casos de
interesse prático.Isto decorre do fato de que os Variogramas,
Madogramas e Rodogramas experimentais contêm toda informação
necessária para a construção das equações de predição,como será
mostrado ao longo deste artigo.
3
Publicado na Revista Escola de Minas (REM), v.52,n.3,182-187,1999
2500
2000
1500
1000
500
0
1 11 21 31 41 51 61 71 81 91
60
50
40
30
20
10
0
1 10 19 28 37 46 55 64 73 82 91 100
4
Publicado na Revista Escola de Minas (REM), v.52,n.3,182-187,1999
8
6
4
2
0
1 10 19 28 37 46 55 64 73 82 91 100
0 , h=0
γ ( h, θ ) =
~ c 0 + c w {1 − a w sin( h / a w ) / h , h≠0 (1)
onde θ = (c 0 , c w , a w ) , c0 ≥ 0 , c w ≥ 0 , a w ≥ 0 são os
~
parâmetros do modelo.
0 , h=0
γ ( h, θ ) = c 0 + c w {1 − a w sin( h / a w ) / h , 0≤ h≤5
~ (2)
c 0 + c 1w {1 − b w sin( h / b w ) / h , h>5
θ = ( c 0 , c w , a w , c 1 w , b w ) c 0 ≥ 0 , c w ≥ 0 , a w ≥ 0 , c1 w ≥ 0 , b w ≥ 0 .
~
0 , h=0
γ ( h, θ ) = c 0 + c w {1 − a w sin( h / a w ) / h , 0≤ h≤5 (3)
~
c 0 + c 1w {1 + b w sin( h / b w ) / h , h>5
θ = ( c 0 , c w , a w , c 1w , b w ) c0 ≥ 0, c w ≥ 0 , a w ≥ 0 , c1w ≥ 0 , b w ≥ 0 .
~
n n
Ẑ ( s ) = ∑ λ i Z ( t i ) s > tn (onde ∑ λi = 1 )
i =1 i =1
λ0 = Γ 0− 1 γ 0 (4)
6
Publicado na Revista Escola de Minas (REM), v.52,n.3,182-187,1999
γ (t i − t j ), i = 1,..., n, j = 1,..., n,
1 , i = n + 1, j = 1,..., n,
Γ0 =
0 , i = n + 1, j = n + 1, (6)
1 , i = 1,..., n, j = n + 1
erro = ( Z ( t ) − Ẑ ( t ))
2 n n n
Var( erro ) = σˆ ( s ) = [ 2 ∑ λi γ ( s − ti )] − [ ∑ ∑ λi λ jγ ( ti − t j )]
i =1 i =1 j =1
100
80
previsão
60 valor real
40 Linferior
Lsuperior
20
0
1 2 3 4 5 6 7 8 9 10
Gráfico 5: Previsões a dez passos para Zt com origem de previsão no ano de 1859
1 1
EM = [ ∑ ( Z ( s ) − Ẑ ( s ) ] EQM = [ ∑ [ Z ( s ) − Ẑ ( s ) ] 2 ]
m s m s
9
Publicado na Revista Escola de Minas (REM), v.52,n.3,182-187,1999
Referências Bibliográficas
11
Publicado na Revista Escola de Minas (REM), v.52,n.3,182-187,1999
12