MTODOS OBSERVACIONAIS EM CLIMATOLOGIA E METEOROLOGIA DE MESOESCALA : NOTAS DE AULA

Prof. Resposvel: Dra. Lela M. V!spol "e Carval#o IAG$USP

AN%LISE DE SRIES TEMPORAIS
I& ALGORITMOS PARA A REMO'(O DO CICLO ANUAL) SEMI*ANUAL E TEND+NCIAS
Refer,-.as Bs.as :
1
Chatfield C., 1996: The Analysis of Time Series: An introduction. Chapman & Hall, fifth edition, N. !"# pp

!
$en%ins, &. '. and (. &. )atts, 196": Spectral Analysis and its Applications. Holden*day, S+, ,!,pp.
#
)il%s, (. S., 199,: Statistical methods in the Atmospheric Sciences. Academic -ress, N, .6" pp.
/& A prese-0a "e ..los -as s!res 1e2poras "e "a"os 2e1eorol34.os e .o2o 1ra1*los
Mo1va05o:
/ma s0rie temporal pode ser definida como um con1unto de o2ser3a45es feitas se67encialmente no tempo. A forma de analis8*la 0 o o21eto de
estudo desse curso. Assim, para 6ue se1a perce2ido o e9ato si:nificado do 6ue pretendemos fa;er da6ui para frente, 3amos o2ser3ar a import<ncia
de ciclos nas 3ari83eis meteorol=:icas 6ue estudamos.
O-"e .o-se46r "a"os 2e1eorol34.os:
http:>>???.cdc.noaa.:o3>cdc>data.interp@ABC.html
http:>>???.cdc.noaa.:o3>Timeseries>
http:>>???.ncdc.noaa.:o3>oa>climate>research>!DD#>may>:lo2al.html
http:>>?esley.??2.noaa.:o3>ncep@data>inde9.html
(ECAS (AS -CACF(E'FNTAS -ACA SF AGTFC SFCEFS TF'-ACAES A -ACTEC (F CFANABSES*! (A NCF- FNCANTCA'*SF AH/E
IACH/EJA .pdfK:
Ter2-olo4as e .o-.e1os 2por1a-1es:
/. S!res 1e2poras e pro.essos es1o.s1.os:
/./ 76-08es "e1er2-9s1.as e -5o*"e1er2-9s1.as :;<) C=&
/ma s0rie temporal pode ser uma fun4Lo 9 aleat=ria ou nLo*determinMstica de uma 3ari83el independente t. Na maioria das situa45es, a fun4Lo 9ItK
ser8 uma fun4Lo do tempo, mas em outras situa45es pode ser uma fun4Lo de outro par<metro fMsico, como por e9emplo, do espa4o.
/ma caracterMstica das s0ries temporais 0 6ue seu comportamento futuro nLo pode ser pre3isto e9atamente, como seria o caso de uma fun4Lo
NdeterminMsticaO do tempo.
E>er.9.o */: Des.reva 62 e>e2plo "e 62a f6-05o "e1er2-9s1.a) 1e-"o .o2o varvel -"epe-"e-1e o 1e2po o6 o espa0o o6 a2?os.
Desafio-1. Para acompanhar esse exerccio, voc precisara ler as discusses de Tsonis and Elsner(199!. "onsidere o
sis#ema de $ e%ua&es diferenciais %ue descrevem a convec&'o se(undo o modelo de )oren* ()oren* 19+$!. Discu#a o
%ue s'o a#ra#ores es#ranhos e sua implica&'o para a previs'o de #empo.
Contudo, muitos fenPmenos naturais, em2ora possuam oscila45es no tempo, nLo podem ser descritos por fun45es determinMsticas. -or e9emplo,
podemos medir a temperatura do ar em um a2ri:o meteorol=:ico todos os dias e 3erificarmos a presen4a de um ciclo diurno. Fntretanto, nLo
conse:uimos sempre determinar uma rela4Lo determinMstica 6ue possa ser a1ustada a cada inter3alo dessa s0rie de dados por6ue di3ersos fatores
podem estar causando 3aria45es nessa medida Ie9emplo, ne2ulosidade, entradas de frentes, altera4Lo dos 3entos por circula45es locais, etc.K. Se
compararmos uma s0rie temporal de temperatura em um determinado sMtio em dois anos distintos, podemos 3erificar 3isualmente 6ue esses dois
trechos da s0rie nLo se parecem um com outro. Fssa o2ser3a4Lo le3a a no4Lo de -CACFSSA FSTACQSTECA. A pala3ra Restoc8sticoR 3em
1
do :re:o STUVWSTXY e 6uer di;er @pessoa que aprende sobre os eventos futuros ou coisas escondidas por meios que no
esto baseados na razo@
/.A Pro.essos Es1o.s1.os :;<) <I&
/ma 3e; 6ue diferentes sec45es de uma s0rie temporal se parecem uma com a outra apenas nas suas propriedades m0dias, 0
necess8rio descre3er essas s0ries por leis de pro2a2ilidades ou modelos. Assim, os 3alores possM3eis das s0ries temporais a um dado tempo t sLo
descritos por uma JACEQJFB ABFATZCEA [ItK e sua associada (ESTCEG/E\]A (F -CAGAGEBE(A(FS. A 3alor o2ser3ado 9ItK da s0rie temporal
no tempo t 0 entLo considerado como um dos infinitos 3alores nos 6uais a 3ari83el [ItK pode ter no tempo t. Fm outras pala3ras, o comportamento
da s0rie temporal para todos os tempos t pode ser descrito por um con1unto de 3ari83eis aleat=rias ^[ItK_ onde t pode ter 6ual6uer 3alor entre * a
`. Assim, as propriedades estatMsticas das s0ries sLo descritas por distri2ui45es de pro2a2ilidade com 6ual6uer con1unto de tempos t 1, t!, ..., tN . A
con1unto ordenado de 3ari83eis aleat=rias ^[ItK_ em associa4Lo com sua distri2ui4Lo de pro2a2ilidades 0 chamado de -CACFSSA
FSTACQSTECA.
E>er.9.o *A VeBa o61ras -1erpre1a08es e2:
http:>>pespmc1.3u2.ac.2e>ASC>STACHA@-CACF.html
e
http:>>???.?i%ipedia.or:>?i%i>Stochastic@process
(iscuta defini45es e e9emplos meteorol=:icos de: 3ari83el aleat=riaa fun4Lo distri2ui4Lo de pro2a2ilidadea processos estoc8sticos. /sem as demais
referbncias se necess8rio.
Desafio-2. Considere as series temporais de temperatura fornecidas no curso. Demonstre, com argumentos baseados no
que voc aprendeu no curso e leu nos sites acima, se e porque a temperatura pode ser considerada uma varivel
aleatria e sua serie temporal um processo estocstico.
Ter2-olo4as:
S0ries temporais .o-19-6as: 'edidas no tempo contMnuas IF9: medidas de temperatura a partir de um term=:rafoK
S0ries temporais "s.re1as: A2ser3a45es tomadas em inter3alos de tempo especMficos, usualmente i:ualmente espa4ados IF9:
temperatura m0dia mensalK.
A. Co-.e1os 2por1a-1es e2 s!res 1e2poras:
Jimos 6ue os processos estoc8sticos, a partir dos 6uais considera*se 6ue a s0rie temporal o2ser3ada foi :erada, podem ser descritos por
distri2ui45es de pro2a2ilidades associadas com todos os possM3eis con1untos de pontos no tempo. -ara inferir a nature;a dessas distri2ui45es de
pro2a2ilidade a partir de uma cnica ou pe6ueno ncmero de s0ries 0 um e9ercMcio impossM3el ou de pouca si:nific<ncia pr8tica. Jamos discutir
al:umas das mais importantes simplifica45es 6ue podem ser feitas.
As suposi45es mais importantes feitas so2re uma s0rie temporal sLo: aK o correspondente processo estoc8stico 0 FSTACEANQCEAa 2K
um processo estoc8stico estacion8rio pode ser ade6uadamente descrito pelos mais GAE[AS 'A'FNTAS Iou momentos de 2ai9a ordemK de suas
distri2ui45es de pro2a2ilidade. Fsses momentos de 2ai9a ordem incluem: 'd(EA, JACEeNCEA, CAJACEeNCEA e a TCANS+AC'A(A (F
+A/CEFC (A +/N\]A (F CAJACEeNCEA, A FS-FCTCA (F -ATfNCEA. Assim, uma apro9ima4Lo alternati3a 0 supor 6ue o processo
estoc8stico pode ser ade6uadamente descrito por meio de um modelo contendo uns poucos par<metros os 6uais podem ser estimados a partir dos
dados. Jamos discutir essas simplifica45es.
A./. Es1a.o-ar"a"e :C=C <IC ;<&:
Suponha 6ue 3ocb este1a e9aminando uma s0rie temporal por um certo tempo limitado, por e9emplo, a saMda o2tida de um :erador de
ruMdos. Suponha 6ue a compara4Lo de diferentes trechos dessa s0rie mostra 6ue diferentes sec45es sLo NparecidasO. Fm contraste, 6uando 3ocb
o2ser3a a concentra4Lo de CA! :lo2al nos cltimos 1DD anos ou a 8rea de florestas desmatadas do planeta no mesmo perModo, 3ai notar 6ue e9iste
uma tendbncia dessas s0ries temporais de crescerem com o tempo. Assim, diferentes sec45es dessas s0ries possuem caracterMsticas distintas. A
saMda do :erador de ruMdo 0 considerada um processo FSTACEANQCEA en6uanto as s0ries temporais do CA! e de desmatamento sLo ditas N]A*
FSTACEANQCEAS.
Hualitati3amente, uma s0rie estacion8ria 0 a6uela 6ue est8 em FH/EBgGCEA FSTATgSTECA, no sentido 6ue cont0m NFNH/'A
TFN(fNCEA, en6uanto 6ue uma s0rie nLo*estacion8ria 0 a6uela cu1as propriedades mudam com o tempo. Na pr8tica, as s0ries sLo usualmente
de # tipos: a6uelas 6ue e>?e2 propre"a"es "e es1a.o-ar"a"e e2 lo-4o per9o"o, como, por e9emplo, as saMdas de :eradores de ruMdo.
A6uelas 6ue possuem uma ra;o83el es1a.o-ar"a"e e2 per9o"os .6r1os, por e9emplo, medidas de tur2ulbncia na atmosferaa e s0ries 6ue sLo
o?va2e-1e -5o es1a.o-ras, no sentido 6ue suas propriedades estLo continuamente mudando com o tempo. F9emplos =23ios de nLo*
estacionaridade: temperatura em altas e m0dias latitudes, 3entos Iapresentam ciclos diurnos e anuaisK.
/sualmente, o termo estacionaridade 0 interpretado como Nfra.a es1a.o-ar"a"eO ou N es1a.o-ar"a"e "a .ovarD-.aO. Neste sentido,
estacionaridade implica 6ue a m0dia e a fun4Lo de auto*correla4Lo de uma s0rie de dados nLo muda com o tempo. (iferentes peda4os de uma
s0rie de dados estacion8ria Ipor e9emplo, os dados o2ser3ados ho1e e no futuroK podem ser considerados como TFN(A /'A 'FS'A 'd(EA F
JACEeNCEA. Al0m disso, uma correla4Lo entre 3ari83eis em uma s0rie estacion8ria 0 determinada apenas pela sua separa4Lo no tempo Iou se1a,
pelo seu hla: %iK e nLo pela sua a2soluta posi4Lo no tempo. Esso si:nifica 6ue 3alores indi3iduais em distintas por45es da s0rie podem ser
diferentes em2ora essas duas por45es da s0rie se pare4am. A FSTACEANACE(A(F (F CAJACEeNCEA 0 uma suposi4Lo menos restriti3a 6ue
hestacionaridade restritai, a 6ual implica 6ue a distri2ui4Lo total das 3ari83eis na serie nLo muda com o tempo.
A maior parte dos m0todos 6ue trata com nLo*estacionaridade de s0ries temporais est8 2aseada em t0cnicas para remo3er ou filtrar a
parte nLo*estacion8ria, dei9ando apenas a parte 6ue pode ser tratada como estacion8ria. Fm climatolo:ia, utili;amos esse tipo de t0cnica 6uando
2
dese1amos conhecer o comportamento das anomalias de uma determinada 3ari83el. F9istem duas apro9ima45es para tratar*se com s0ries nLo*
estacion8rias. Am2as o21eti3am processar os dados de forma 6ue permitam 6ue uma su2se67ente estacionaridade se1a assumida. -or e9emplo:
su2tra4Lo de uma fun4Lo peri=dica m0dia a partir dos dados su1eitos a um ciclo anual produ;iria uma no3a s0rie transformada com m0dia
constante i:ual a ;ero. A fim de produ;ir uma s0rie com m0dia e 3ari<ncia constante, seria necess8rio transformar essas anomalias em anomalias
normali;adas:
x x
s
x
s
x x
z

I!.1K
Ande ; 0 a anomalia padroni;ada, calculada simplesmente pela su2tra4Lo da m0dia da amostra I6ue no caso seria i:ual a ;ero ap=s remo4Lo do
ciclo anualK e di3idindo pelo respecti3o des3io padrLo S9, o 6ual 3aria. -or e9emplo, nLo apenas as temperaturas tendem a ser mais frias durante o
in3erno, mas sua 3aria2ilidade tende a ser mais alta em re:i5es de latitudes m0dias. /ma apro9ima4Lo possM3el para transformar s0ries de
temperaturas mensais em uma s0rie Iapro9imadamenteK estacion8ria seria calcular as 1! m0dias mensais e os 1! des3ios*padrLo e entLo aplicar a
F6. I!.1K usando diferentes m0dias e des3ios*padrLo para o mbs do calend8rio apropriado. /ma alternati3a seria a estratifica4Lo dos dados. Esto 0,
poder*se*ia condu;ir an8lises separadas de su2con1untos dos dados 6ue sLo curtas o suficiente para serem consideradas apro9imadamente
estacion8rias. -or e9emplo, poder*se*ia analisar o2ser3a45es di8rias para todas os dados disponM3eis de 1aneiro para uma dada locali;a4Lo,
assumindo*se 6ue cada con1unto de #1 dias de dados 0 uma amostra 6ue sofreu os mesmos processos fMsicos. NLo necessariamente os
processos seriam os mesmos para 1ulho, ou fe3ereiro.
/m e9emplo so2re o uso da F6. !.1 para e9pressar dados clim8ticos em termos de anomalias padroni;adas 0 o c8lculo do Mndice do Fl*Nijo*
Ascila4Lo SulIFNSAK. As 3alores do Mndice I3e1a fi:ura a2ai9oK sLo deri3ados a partir de diferen4as mensais nas anomalias padroni;adas da
pressLo ao nM3el do mar em duas locali;a45es: Tahiti, no -acifico centrala e (ar?in, no Norte da Austr8lia. Assim, em termos da F6. !.1 o primeiro
passo para calcular os pontos do :r8fico 0 calcular a diferen4a
Darin !a"iti
z z z para cada mbs durante o perModo de anos considerados.
Na fi:ura a2ai9o, estLo mostrados o EAS desde 199# para uma ilustra4Lo mais clara. A anomalia padroni;ada ZTahiti para 1aneiro de 199k, por
e9emplo, 0 calculada su2traindo*se a pressLo m0dia para todos os 1aneiros em Taiti da pressLo o2ser3ada em 1aneiro de 199k. Fsta diferen4a 0
entLo di3idida pelo des3io*padrLo, caracteri;ando uma 3aria4Lo ano*a*ano das press5es atmosf0ricas em Taiti.
Na realidade, os 3alores do Mndice mostrado na fi:ura sLo, em :eral, anomalias da diferen4a das anomalias. Assim, a F6. !.1 0 aplicada ! 3e;es ao
con1unto ori:inal de dados. A primeira das duas padroni;a45es 0 tomada para minimi;ar a influbncia das mudan4as sa;onais na m0dia mensal das
press5es e a 3aria2ilidade ano*a*ano destas m0dias. A se:unda padroni;a4Lo calcula a anomalia padroni;ada da diferen4a zTahiti l zDarwin e :arante
6ue o Mndice resultante ter8 unidade de des3io*padrLo. A2t0m*se essa padroni;a4Lo considerando*se uma no3a 3ari83el m
; n s0rie temporal de
todos os ;. Calcula*se a m0dia dos ; e seu des3io padrLo. F9istem al:umas 3aria45es no 1eito de se calcular o EAS. No caso do e9emplo,
e9traMdo de http:>>???.2om.:o3.au>climate>current>soi!.shtml o EAS est8 multiplicado por 1D. A linha 3ermelha mostra a m0dia m=3el de , meses
ICA'A SF (F+ENE /'A 'd(EA 'ZJFB (F , 'FSFSoK
A interpreta4Lo fMsica do EAS 0 6ue durante e3entos Fl Nijo o centro da precipita4Lo no -acMfico tropical muda do -acMfico Aeste Ipr=9imo a
(ar?inK para leste ou o -acMfico Central Ipr=9imo a TaitiK. Fsta mudan4a est8 associada com as press5es p superfMcie acima da m0dia em (ar?in e
mais 2ai9as 6ue a m0dia em Taiti, o 6ue 1unto produ; um 3alor ne:ati3o no Mndice. F3entos e9cepcionalmente fortes Icomo o "!>"# e 9k>9"K
produ;iram 3alores 2em 2ai9os no Mndice.
A.A A-lse "e s!res E6e .o-1!2 1e-",-.a :C=&
Tendbncia pode ser definida :rosseiramente como huma mudan4a de lon:o*termo no nM3el m0dioi. As tendbncias mais simples conhecida
como hTFN(fNCEA BENFAC 'AES C/g(Ai, para 6ual a o2ser3a4Lo no tempo t 0 uma 3ari83el aleat=ria Xt dada por:
3
[tn`t ` t I!.!K
Ande , sLo constantes e t representa o termo de erro aleat=rio com m0dia ;ero Iconhecido tam20m como ruMdo 2rancoK. A nM3el m0dio no
tempo t 0 dado por mtnI`tK, o 6ue 0 al:umas 3e;es chamado de hTFC'A (F TFN(fNCEAi. Al:uns autores preferem descre3er o coeficiente
an:ular como a tendbncia. Fm outras pala3ras, a tendbncia 0 a '/(AN\A NA NgJFB 'd(EA por unidade de tempo.
A tendbncia na F6. !.! 0 uma fun4Lo determinMstica do tempo e 0 al:umas 3e;es chamada de hTFN(fNCEA &BAGABi. d :eralmente nLo
realMstica, e por isso e9iste a:ora uma maior bnfase em TFN(fNCEAS BACAES onde os par<metros e 3ariam no tempo. As tendbncias
tam20m podem ser N]A*BENFACFS. /m crescimento e9ponencial, ou uma tendbncia 6uadr8tica sLo al:uns e9emplos.
Assim, tem*se 6ue ter em mente 6ue a an8lise de uma s0rie temporal 6ue e9i2e tendbncia depende I1K se o pesE6sa"or E6er
e>a1a2e-1e 2e"r essa 1e-",-.a ou I!K se o pesE6sa"or E6er re2over a 1e-",-.a "e for2a a a-alsar fl616a08es lo.as. Esto tam20m
depende se o dado e9i2e SAmANABE(A(F. Com dados contendo sa;onalidade, 0 uma 2oa id0ia come4ar calculando m0dias anuais sucessi3as
por6ue estas podem fornecer uma descri4Lo simples das tendbncias implMcitas.
A.A./ AB6s1a-"o 62a .6rva :C=&
/m m0todo comum de se tratar com dados -5o*saFo-as 6ue cont0m uma 1e-",-.a, particularmente em dados di8rios, 0 a1ustar uma
fun4Lo simples como uma cur3a polinomial Ilinear, 6uadr8tica, etc.K, ou uma cur3a de &ompert; ou uma cur3a lo:Mstica. Fstas cltimas tbm sido
empre:adas em economia e 2iolo:ia Icrescimento de popula45esK.
A cur3a de &ompert; 0 dada por:
log xt = a + br
t
I!.#K
onde a, 2, r sLo par<metros com D q r q1, en6uanto a cur3a lo:Mstica 0 dada por
9tna>I1`be
*ct
K I!..K
Notem 6ue, conforme t 3ai para infinito, 9t na cur3a lo:Mstica tende assintoticamente para um determinado 3alor. -ara entender mais so2re a
constru4Lo de uma cur3a lo:Mstica e sua aplica4Lo, 3ocb pode consultar o site:
http:>>astro.temple.edu>rdhillDD1>lo:istic>lo:istic.html
o 6ual cont0m um demo e9plicati3o.
E>er.9.o *G Tes1a-"o 1e-",-.as -as s!res 1e2poras e .o-s1r6-"o 62a s!re 1e2poral .o2 62a 1e-",-.a
aK Nos sites de dados do C-C o2tenha uma s0rie temporal mensal de dados de temperatura p superfMcie ou em 1DDD h-a em re:i5es continentais
Ie9: SF do Grasil, NF dos Fstados /nidos, Furopa ocidentalK e outra em re:i5es tropicais Icontinentais ou oce<nicasK . /tili;ando o F9cel,
identifi6ue nos dados mensais a e9istbncia de tendbncias. Cemo3a essa tendbncia e mostre os resultados. Calcule as m0dias anuais da
temperatura e repita o procedimento. Compare o 6ue 3ocb o2te3e para as diferentes s0ries e discuta seus resultados.
2K /sando a fun4Lo no F9cel 6ue :era dados aleat=rios IsrandomK, construa uma s0rie temporal 6ue possua uma componente aleat=ria mais uma
tendbncia. +a4a esse procedimento supondo tendbncia: linear, 6uadr8tica, &ompert; e cur3a lo:Mstica. -lote os resultados e discuta as diferen4as.
sFntre no F9cel e cli6ue em Tools, Data Analysis, Random Iescolha distri2ui4Lo &aussiana, com m0dia D e des3io*padrLo 1K. Se nLo aparecer
hData Analysisi 6uando clicar em Tools, entLo cli6ue em Tools, Add Ins, e adicione Analysis ToolPak. ! o s!" #x$!l %or !m Port"g"&s, !nt'o !ntr!
!m (!rram!ntas, ")l!m!nto ! adi$ion! as an*lis!s +"! a)ar!$!r!m n!ssa o),'o.
A.G. E>s1,-.a "e saFo-al"a"e -as s!res 1e2poras:
A :rande maioria das s0ries temporais de 3ari83eis meteorol=:icas e9i2e 3aria45es com perModo anual. -or e9emplo, a temperatura 0
usualmente maior no 3erLo 6ue no in3erno, e, em al:umas localidades, a precipita4Lo possui um ciclo sa;onal 2em definido. A efeito sa;onal pode
ser aditi3o ou multiplicati3o. /m efeito sa;onal aditi3o 0 do tipo:
[t n mt ` St ` t I!.,K
Ande mt 0 o nM3el m0dio dessa;onali;ado no tempo t, St 0 o efeito sa;onal no tempo t e t 0 o erro aleat=rio. F3identemente, a an8lise de s0ries
temporais 6ue e9i2em uma 3aria4Lo sa;onal depende se se dese1a medir esse efeito ou elimin8*lo. -or e9emplo, suponha 6ue o o21eti3o se1a
analisar as anomalias di8rias na temperatura em um determinado ponto no :lo2o durante um certo perModo Ipor e9emplo, 1unho a a:ostoK. A nossa
premissa 0 6ue, a cada dia, a temperatura de uma localidade 0 determinada pelo ciclo solar aliado a 3aria2ilidades em outras escalas temporais.
Se 6uisermos entender o papel dessas outras escalas temporais na modula4Lo da temperatura ao lon:o da esta4Lo, de3emos primeiro remo3er o
4
efeito do ciclo sa;onal causado por efeito de transla4Lo da terra em torno do sol. Assim, remo3ido esse efeito, podemos analisar a temperatura a
cada dia, comparando um dia com o outro. Je1a 6ue em al:umas localidades, como 3eremos ao lon:o do curso, o ciclo anual da temperatura pode
ser o ciclo de maior import<ncia em termos de espectro, por0m 0, em :eral, o mais 2em conhecido e de pouco interesse. /m procedimento muito
comum em meteorolo:ia para se remo3er o ciclo anual 0 o se:uinte I=ar12a-- a-" M.#else-) /HIH) ;. A12osp#er. S.e-.es) /I) AIGI*AIJAK:
1K Suponha uma s0rie temporal [t,y , onde tnt1,#6,u dias e ynt1, totalu, total n ncmero de anos 6ue corresponde p s0rie, por e9emplo, !D
anos. No caso do e9emplo, o fato de considerarmos t 3ariando de 1 a #6, dias, si:nifica 6ue estamos despre;ando anos 2isse9tos. Fssa
suposi4Lo pode ser feita usando como apro9ima4Lo 6ue em anos 2isse9tos o 3alor da 3ari83el no dia !" de fe3ereiro 0 uma m0dia entre
!" e !9 de fe3ereiro. Autra alternati3a 0 simplesmente eliminar o dia !9 Idepende muito do 6ue se est8 estudandoK.
!K /ma possi2ilidade de remo4Lo do ciclo anual 0 primeiro calcular uma m0dia di8ria o2tida nos !D anos de dados:

total
#
# t t
x $
1
,
, a 2arra indica a m0dia, 9t 0 a o2ser3a4Lo no dia t e y representa o ano.
Fm :eral, 6uando fa;emos esse procedimento, de3ido ao redu;ido ncmero de anos, a s0rie temporal m0dia apresenta pe6uenas oscila45es 6ue
sLo o resultado de 3aria2ilidades interanuais as 6uais -5o s5o Kalsa"asL 6uando procedemos p opera4Lo de m0dia descrita acima. Assim, um
procedimento su:erido em Hartmann e 'ichelsen I19"9K:
#K A ciclo anual resultante
t
$ de3e ser NalisadoO usando um filtro com pesos do tipo 1*!*1, passado #DD 3e;es. A Ncmero de 3e;es 6ue
se passa um filtro pode ser decidido in3esti:ando*se o comportamento final da s0rie.
O E6e ! e .o2o .o-s1r6r 62 fl1ro /*A*/M :C=&
A id0ia 0 usar um +EBTCA BENFAC o 6ual con3erte uma s0rie temporal ^9t_ em outra ^yt_ por uma opera4Lo linear:

+

+

s
q r
r t r t
x a #
I!.6K
onde { }
r
a 0 o con1unto de pesos. -ara alisar flutua45es locais e estimar a m0dia local, de3emos escolher pesos tais 6ue 1
r
a . Fssa
opera4Lo 0 fre67entemente chamada de 'd(EA 'ZJFB I-./I01 A/#RA1#K. As m0dias m=3eis sLo fre67entemente sim0tricas com sn6 e a1na*1.
A e9emplo mais simples de um filtro sim0trico 0 do tipo:
) 1 2 /( 1 + q a
r
para rn*6,...,`6. A 3alor alisado de 9t 0 dado por:

+

+
+

q
q r
r t t
x
q
x %m
1 2
1
) (
I!.kK
Note 6ue nesse caso, o peso em cada elemento 0 i:ual a 1. A filtro conhecido como 1*!*1 considera uma m0dia m=3el de trbs elementos, por0m
com pesos { }
r
a na F6. !.6 i:uais a D.!,, D., e D.!,. Fm am2as as 2ordas, o procedimento 0 calcular a m0dia entre to e to`1 I2orda inferiorK e entre
tf e tf*1 I2orda superiorK. Fste procedimento 0 2astante ctil 6uando se dese1a determinar as anomalias em rela4Lo ao ciclo sa;onal e de3e ser
aplicado mesmo se considerarmos pbntadas.
E>er.9.o *N De1er2-a-"o o ..lo saFo-al -as s!res 1e2poras e .al.6la-"o a-o2alas.
Nos sites de dados do C-C o2tenha uma s0rie temporal de dados di8rios de temperatura p superfMcie ou em 1DDD h-a em re:i5es continentais
su2tropicais ou e9tratropicais, e em re:i5es tropicais so2re o continente ou oce<nicas. As s0ries temporais de3em ter pelo menos 1D anos.
(esconsidere anos 2isse9tos Iou se1a, eliminem o dia !9 de fe3ereiro, 6uando e9istir, calculando a m0dia entre !" e !9K.
aK /tili;ando o F9cel ou pro:ramando na lin:ua:em de sua escolha, calcule a m0dia di8ria dos dados e plote as s0ries temporais m0dias. (iscuta
as e3entuais diferen4as o2ser3adas entre as duas s0ries.
2K Apli6ue o filtro 1*!*1 conforme descrito acima nas suas s0ries temporais e plote no3amente a s0rie resultante.
cK (etermine a:ora uma no3a s0rie temporal de anomalias, isto 0, o 3alor o2ser3ado menos o 3alor m0dio. -lote essa s0rie temporal para os #
primeiros anos. (iscuta os resultados.
A.N DOMONIO DE TEMPO E DE 7REPU+NCIA :<I&
5
F9istem duas apro9ima45es fundamentais para a an8lise de s0ries temporais: an8lise no (A'gNEA (A TF'-A e an8lise no (A'gNEA
(F +CFH/fNCEA. Fstas duas apro9ima45es sLo processadas de forma 2em diferente e podem ser 3istas como 2astante distintas. Contudo, nLo
sLo independentesv Ao contr8rio, sLo m0todos complementares 6ue sLo li:ados matematicamente.
As m0todos de "o29-o 1e2poral procuram caracteri;ar as s0ries de dados nos mesmos termos em 6ue sLo o2ser3ados e reportados.
A ferramenta prim8ria para a caracteri;a4Lo de rela45es entre 3alores de dados na apro9ima4Lo do domMnio temporal 0 a +/N\]A (F A/TA*
CACCFBA\]A. 'atematicamente, as an8lises do domMnio temporal operam no mesmo espa4o dos 3alores dos dados.
As an8lises no "o29-o "e freEQ,-.a representam as s0ries de dados em termos de contri2ui45es ocorrendo em diferentes escalas
temporais, ou fre67bncias caracterMsticas. Cada escala temporal 0 representada por um par de fun45es seno e co*seno. A s0rie completa 0
considerada como resultante de efeitos com2inados de uma cole4Lo de ondas senoidais e co*senoidais oscilando em diferentes ta9as. A soma
destas ondas reprodu; os dados ori:inais, mas comumente 0 a intensidade relati3a das componentes indi3iduais das ondas 6ue sLo de interesse
prim8rio. An8lises no domMnio de fre67bncia ocorrem no espa4o matem8tico definido por esta cole4Lo de senos e co*senos. Esto 0, as an8lises no
domMnio de fre67bncia en3ol3em transforma4Lo dos 3alores de n dados ori:inais em coeficientes 6ue multiplicam um i:ual ncmero de fun45es
peri=dicas Ios senos e co*senosK. Fstes m0todos sLo comumente aplicados em s0ries temporais atmosf0ricas e sLo de :rande 3alia para 38rios
prop=sitos.

A.N./ 76-05o "e a61o*.orrela05o :;<K
Fm estatMstica cl8ssica as o2ser3a45es 9t Itn1,!,...,NK de al:uns par<metros fMsicos podem ser consideradas independentes desde 6ue os
e9perimentos 6ue :eraram essas o2ser3a45es se1am fisicamente independentes. Se a distri2ui4Lo de pro2a2ilidade f 9I9K associada com as
o2ser3a45es 0 NAC'AB ou &A/SSEANA, a mesma pode ser completamente caracteri;ada pela sua m0dia:
nFt[un dx x xf
x
) (

I!."K
e sua 3ari<ncia:
[ ] dx x f x $ &
x
) ( ) ( ) (
2 2 2

I!.9K
A m0dia mede a locali;a4Lo ou centro de :ra3idade da distri2ui4Lo e a 3ari<ncia a sua 3aria2ilidade em torno da m0dia.
Se as o2ser3a45es 9t formam parte da s0rie temporal, entLo apenas se o processo 6ue :erou os dados for puramente aleat=rio os
3alores 3i;inhos serLo independentes. Fm :eral, os 3alores 3i;inhos de uma s0rie temporal sLo CACCFBACEANA(AS. Assim, al0m de se
especificar a m0dia e a 3ari<ncia S
!
, 0 necess8rio no caso de uma s0rie Normal estacion8ria 6ue se especifi6ue a fun4Lo de auto*co3ari<ncia:
( ) ( ) [ ] + ) ( ) ( ) ( ' t $ t $ & ' I!.1DK
Na pr8tica, a fun4Lo de auto*co3ari<ncia pode ser estimada por :
( ) ( ) x x x x
(
' c
' t
' (
t
t

+

1
1
) ( I!.11K
onde,

(
t
t
x
(
x
1
1
I!.1!K
0 a m0dia da s0rie o2ser3ada. A plot de cI%K 3ersus % Iconhecido como Nla:O ou inter3alo no tempoK 0 chamado de +/N\]A (F
A/TACAJACEeNCEA A'ASTCAB da s0rie temporal. Al:umas 3e;es, 0 con3eniente 6uando comparamos s0ries com diferentes escalas de medida,
normali;armos a F6. I!.11K di3idindo pela 3ari<ncia cIDK, de forma a o2termos a +/N\]A (F A/TACACCFBA\]A A'ASTCAB:
) 0 (
) (
) (
c
' c
' r
I!.1#K
o 6ue 0 e6ui3alente a:

(
t
t
' (
t
' t t
x x
x x x x
' r
1
2
1
) (
) )( (
) ( I!.1#2K
A plot de rI%K 3ersus % 0 tam20m conhecido como hCorrelo:ramai. A fun4Lo de auto*correla4Lo 0 ctil em al:umas situa45es por6ue fornece uma
3isLo do 1eito como dependbncia da s0rie cai com o Nla:O ou separa4Lo % entre pontos da s0rie. Fntretanto, a fun4Lo de auto*correla4Lo 0 as 3e;es
muito difMcil de interpretar como 3eremos a se:uir.
OBSERVA'RES
1. NATF' H/F F[ESTF -A/CA SE&NE+ECA(A F' SF CABC/BAC r% -ACA JABACFS (F % 'AEACFS H/F N>.
!. H/AN(A N N]A d '/ETA &CAN(F, d -CF+FCgJFB CABC/BAC A A/TA*CAJACEeNCEA CA'A:
6

' (
t
' t t '
x x x x
' (
c
1
) )( (
1
F9emplos de correlo:ramas podem ser 3istos em CH. Al:umas recomenda45es e o2ser3a45es de CH:
aK S!res alea13ras: Se uma s0rie 0 completamente aleat=ria, entLo para :rande N, rI%K D para todos os 3alores diferentes de ;ero de %.

2K Correla05o "e .6r1o*1er2o. S0ries estacion8rias fre67entemente e9i2em correla4Lo de curto*termo caracteri;ada por um 3alor de rI1K
ra;oa3elmente alto, se:uido por uns poucos coeficientes os 6uais, em2ora maiores 6ue ;ero, tendem a ficar sucessi3amente menores.
Jalores de rI%K para hla:si maiores Iinter3alos de tempo maiorK tendem a ser apro9imadamente i:uais a ;ero. S0ries 6ue produ;em esse
tipo de correlo:rama sLo a6uelas 6ue uma o2ser3a4Lo acima da m0dia tende a ser se:uida por uma ou mais o2ser3a45es acima da
m0dia, e analo:amente para o2ser3a45es a2ai9o da m0dia.
cK S!res .o2 al1er-D-.as: Se uma s0rie temporal tem tendbncia a alternar, com sucessi3as o2ser3a45es em diferentes lados da m0dia
:eral, entLo o correlo:rama tam20m tende a alternar. A 3alor de rI1K ser8 ne:ati3o. Contudo, o 3alor de rI!K ser8 positi3o uma 3e; 6ue as
o2ser3a45es no la: ! tenderLo a estar do mesmo lado da m0dia.

dK S!res -5o*es1a.o-ras: Se a s0rie cont0m uma tendbncia, entLo os 3alores de rI%K nLo caem para ;ero e9ceto para 3alores de hla:i
Iinter3alo de tempoK muito altos. Esto ocorre por6ue uma o2ser3a4Lo de um lado da m0dia :eral tende a ser se:uida por um :rande
ncmero de o2ser3a45es do mesmo lado da m0dia por causa da tendbncia. Note 6ue pouco pode ser inferido por um correlo:rama desse
tipo por6ue a tendbncia domina todas as outras caracterMsticas. -or essa ra;Lo, note 6ue a fun4Lo de auto*correla4Lo s= 0 ctil para s0ries
temporais FSTACEANQCEAS. -or isso as tendbncias nas s0ries temporais de3em ser remo3idas antes de proceder p an8lise de auto*
correla4Lo.
eK 7l616a08es saFo-as: Se a s0rie temporal cont0m uma flutua4Lo sa;onal, entLo o correlo:rama tam20m e9i2ir8 uma oscila4Lo na
mesma fre67bncia. -or e9emplo, com o2ser3a45es mensais, rI6K ser8 :rande e ne:ati3o en6uanto rI1!K ser8 :rande e positi3o. Fm
particular, se 9t se:ue um padrLo senoidal entLo rI%K tam20m se:uir8 o mesmo padrLo. -or e9emplo, se:
t a x
t
cos I!.1.K
onde
a
0 uma constante e a fre67bncia 0 tal 6ue Dq q . -ode ser demonstrado 6ue IF9ercMcio !.# CHK:
' ' r cos ) ( para N :rande
:eralmente, um correlo:rama desse tipo tem pouca utilidade pr8tica. Se a 3aria4Lo sa;onal for remo3ida, entLo o correlo:rama pode
fornecer al:uma informa4Lo ctil.
fK Po-1os A?erra-1es Iho"tli!rsiK: Se a s0rie cont0m um ou mais pontos a2errantes, o correlo:rama pode ser seriamente afetado. Neste
caso, 0 recomend83el 6ue os pontos a2errantes se1am a1ustados de al:uma forma antes de come4ar uma an8lise formal. -or e9emplo,
se e9iste um ponto a2errante na s0rie temporal e este nLo 0 a1ustado, entLo o plot de 9t contra 9t`% conter8 dois pontos e9tremos os 6uais
irLo fa;er com 6ue os coeficientes de correla4Lo amostral caiam para ;ero. Se e9istirem dois pontos a2errantes este efeito 0 ainda mais
not83el, e9ceto 6uando o hla:i i:uala*se p dist<ncia entre os pontos a2errantes. Huando isso acontece, para esse la: pode ocorrer um
alto coeficiente de auto*correla4Lo.
@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@
E>er.9.o*S: De1er2-a-"o a f6-05o "e a61o*.orrela05o para "fere-1es s!res 1e2poras.
Aconselha*se 6ue os dados se1am :erados dentro do F9cel Ipor e9emploK, mas 6ue o estudante se entusiasme a fa;er um pro:rama simples,
em 6ual6uer lin:ua:em, para o c8lculo da fun4Lo de auto*correla4Lo.
aK /tili;ando a fun4Lo randPmica do F9cel, :ere uma s0rie temporal com #6, pontos aleat=rios e fa4a o correlo:rama dessa s0rie.
2K Adicione uma tendbncia linear na s0rie randPmica e recalcule o correlo:rama. Compare com o o2ser3ado no item anterior e discuta os
resultados
cK Adicione uma oscila4Lo do tipo cossenoidal na s0rie do item IaK e recalcule o correlo:rama. Compare com o o2ser3ado no item IaK e no
item I2K
dK Adicione pontos a2errantes aleatoriamente Ial:uns 3alores com `# des3ios*padrLo em rela4Lo p m0diaK e recalcule o correlo:rama.
'ostre diferen4as com respeito ao o2tido nos itens anteriores.
A.S DOMONIO DE 7REPU+NCIA: AN%LISE =ARMTNICA :<I&
An8lises no domMnio de fre67bncia en3ol3em a representacao das s0ries temporais em termos de contri2ui45es feitas em diferentes
escalas de tempo. -or e9emplo, uma s0rie temporal de dados de temperatura hor8ria de uma locali;a4Lo em latitudes m0dias ir8, em :eral, e9i2ir
fortes 3aria45es tanto na escala de tempo di8ria Icorrespondendo ao ciclo anual de a6uecimento solarK e na escala de tempo anual Irefletindo a
marcha das estacdoesK. No domMnio do tempo, estes ciclos apareceriam como 3alores positi3os altos na fun4Lo de auto*correla4Lo para hla:si em
Iou apro9imadamente emK !. h para o ciclo diurno e !.9#6, n "k6Dh para o ciclo anual. Huando pensamos nas s0ries no domMnio de fre67bncia,
estamos falando de contri2ui45es para o total da 3aria2ilidade das s0ries temporais em perModos de !. e "k6Dh, ou em fre67bncias de 1>!. n
D.D.1k h
*1
e 1>"k6D n D.DDD11. h
*1
.
A an8lise harmPnica consiste da representa4Lo de flutua45es ou 3aria45es em uma s0rie temporal 6ue se ori:inou da adi4Lo de uma
s0rie de fun45es seno e co*seno. Fstas fun45es tri:onom0tricas sLo hharmPnicosi 6uee sLo escolhidos como tendo fre67bncias 6ue sLo mcltiplas
da fre67bncia hfundamentali determinada pelo tamanho amostral da s0rie de dados.
7
A.S./ 76-08es se-o e .o*se-o I)EK
Jamos a6ui re3er 2re3emente a nature;a das fun45es cosIK e sinIK. A ar:umento de am2as 0 a 6uantidade , medida em unidades
de <n:ulo. Fstas unidades podem ser tanto em :raus ou radianos. A fi:ura !.1 mostra por45es de um .os Ilinha s=lidaK e se-o Ilinha trace1adaK, no
inter3alo an:ular 6ue 3aria de D a ,>! ID* .,DwK.
As fun45es seno e co*seno estendem*se at0 <n:ulos indefinidamente :randes positi3os ou ne:ati3os. A mesmo padrLo de onda se
repete a cada ! radianos ou #6Dw, tal 6ue:
cosI!% ` KncosIK I!.1,K
Ande % 0 um inteiro 6ual6uer. /ma e6ua4Lo an8lo:a 3ale para a fun4Lo seno. Esto 0, am2os seno e co*seno sLo peri=dicos. Am2as fun45es
oscilam em torno de seu 3alor m0dio i:ual a ;ero e tem 3alor m89imo de `1 e mMnimo de *1. A fun4Lo co*seno 0 ma9imi;ada a D
o
, #6Dw, e assim por
diante, en6uanto a fun4Lo seno 0 ma9imi;ada a 9Dw, .,Dw, e assim por diante. Fstas duas fun45es tbm e9atamente a mesma forma, mas estLo
deslocadas uma em rela4Lo a outra por 9Dw. Fm outras pala3ras, se 3ocb deslocar a fun4Lo co*seno para a direita em 9Dw, produ; a fun4Lo seno e
deslocando o seno para es6uerda em 9Dw produ; a fun4Lo co*seno:
) sin( )
2
cos(

I!.16K e
) cos( )
2
sin(

+ I!.1kK
746re /. Tre.#os "a f6-05o se-o :l-#a 1ra.eBa"a& e .o*se-o :l-#a s3l"a& para -1ervalols e-1re U
o
e NSU
o
) o6 U a S$A ra"a-os. Ca"a
.6rva e>e.61a 62 ..lo .o2ple1o a .a"a A ra"a-os e se es1e-"e "e * a V.
A.S.A. Represe-1a05o "e 62a s!re 1e2poral s2ples .o2 62a 76-05o =ar2W-.a. :<I&
'esmo na situa4Lo mais simples de uma s0rie temporal 6ue possui um car8ter senoidal e e9ecuta um cnico ciclo so2re o curso de n
o2ser3a45es, e9sistem trbs pe6uenas dificuldades a serem superadas a fim de se usar um seno ou co*seno para represent8*la:
1K A ar:umento de uma fun4Lo tri:onom0trica 0 um <n:ulo, en6uanto os dados da s0rie sLo fun4Lo do tempo.
!K As fun45es co*seno e seno flutuam entre `1 e *1, en6uanto os dados :eralmente flutuam entre diferentes limites.
#K A fun4Lo co*seno tem m89imo 3alor para nD e n!. Am2os seno e co*seno podem assim estar posicionados ar2itrariamente na
hori;ontal com respeito aos dados.
A solu4Lo para o primeiro pro2lema aparece 6uando consideramos o comprimento dos dados InK como constituindo um ciclo completo, ou
perodo fundamental. /ma 3e; 6ue o perModo fundamental corresponde a #6Dw ou ! radianos em medida an:ular, 0 f8cil re*escalar
proporcionalmente o tempo p medida an:ular usando:

360
/
360
n
t
ciclo tempo de unidades n
tempo de unidade t
ciclo

,
_

,
_

I!.1"K
ou
8
n
t
ciclo tempo de unidades n
tempo de unidade t
ciclo

2
/
2

,
_

,
_

I!.19K
Fm outras pala3ras, se considerarmos um ciclo completo o ncmero total de pontos n de uma s0rie temporal, entLo conforme andamos em t,
as e6ua45es !.1" e !.19 indicam em 6ue propor4Lo t encontra*se desse ciclo completo. Assim, a 6uantidade:
n

2
1
I!.!DK
0 chamada de +CFH/fNCEA +/N(A'FNTAB. Fsta 6uantidade 0 uma fre67bncia an:ular e tem dimens5es fMsicas de radianos por unidade
de tempo. A fre67bncia fundamental corresponde ao perModo i:ual ao comprimento dos dados. A su2scrito N1O indica 6ue 1 pertence a onda
6ue e9ecuta um CECBA CA'-BFTA so2re a s0rie de dados inteira.
A pro2lema I!K acima 0 tratado fa;endo*se um deslocamento da fun4Lo seno ou co*seno para cima ou para 2ai9o do nM3el :eral dos dados, e
entLo hesticandoi ou hcomprimindoi 3erticalmente at0 6ue seu inter3alo corresponda ao dos dados. Como isso pode ser feitoo /ma 3e; 6ue a
m0dia de uma onda pura co*seno ou seno 0 ;ero, simplesmente adicionar o 3alor m0dio da s0rie de dados ao co*seno asse:ura 6ue o mesmo
ir8 flutuar em torno do 3alor m0dio. A hesticamentoi ou a hcompressLoi pode ser o2tido pela multiplica4Lo de uma fun4Lo seno ou co*seno por
uma constante C1 6ue 0 conhecida como A'-BET/(F. No3amente, note 6ue o su2scrito 1 si:nifica 6ue trata*se da amplitude do
HAC'xNECA +/N(A'FNTAB. /ma 3e; 6ue as fun45es seno e co*seno possuem m89imo e mMnimo entre y 1, 0 2astante =23io mostrar 6ue
o m89imo>mMnimo dessas fun45es 6uando multiplicadas pela amplitude C1 0 i:ual a y C1. Assim, se com2inarmos as solu45es dos pro2lemas
I1K e I!K temos para a s0rie temporal:
)
2
cos(
1
n
t
C #
t
#

+ I!.!1K
Normalmente, h8 situa45es em 6ue 0 necess8rio transladar uma fun4Lo harmPnica lateralmente a fim de ter um casamento de cristas e
ca3ados na s0rie de dados. Fste tipo de desen3ol3imento 0 mais con3eniente 6uando a fun4Lo co*seno 0 utili;ada, por6ue esta fun4Lo possui
m89imo 3alor 6uando o <n:ulo na 6ual ela opera 0 ;ero. 'udar a fun4Lo co*seno para a direita por um <n:ulo 2 resulta em uma no3a fun4Lo
6ue 0 ma9imi;ada em 1tn!t3nn2,
)
1
2
cos(
1

+
n
t
C #
t
# I!.!!K
A <n:ulo 2 0 chamado de <n:ulo de fase ou fase. 'udar a fun4Lo co*seno para a direita desta 6uantidade re6uer su2trair a fase 2, de modo 6ue
o ar:umento da fun4Lo co*seno 0 ;ero 6uando I!t3nKn2, o 6ue e6ui3ale a di;er 6ue a yt em !.!! 0 ma9imi;ada para tn2n>!. -ara compreender
a aplica4Lo das e6s. !.!D a !.!!, fa4a o e9ercMcio proposto 6.
@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@
F9ercMcio*6. Considere os dados a se:uir, correspondentes p temperatura m0dia o2tida em em Ethaca INK:
Ta?le /* Te2pera16ra 2!"a 2e-sal
1X2,s Te2pera16ra
o
C
/ *S.NN
A *S./Y
G U.//
N J.IH
S /A.JY
J /Y.HN
Y AU.NN
I /H.S
H /S.JY
/U H.YA
// N.UJ
/A *A.SJ

aK -lote a cur3a em 6uestLo no F9cel. (etermine 1 e calcule a fun4Lo co*seno para todos os meses da ta2ela plotando no mesmo :r8fico.
2K (etermine a m0dia e a fun4Lo yt como em !.!1, isto 0, re*escalone a fun4Lo co*seno considerando a amplitude C1 como metade do
inter3alo entre o m89imo e o mMnimo da s0rie. -lote os resultados no mesmo :r8fico.
cK (etermine a fun4Lo yt como em !.!!, isto 0, a1uste a fase 1. (iscuta como isso foi feito.
9
(esafio*6a. /tili;e uma s0rie temporal de dados em 6ue 3ocb este1a tra2alhando Imensal, di8ria ou pentadalK, ou use uma das s0ries temporais
6ue foram fornecidas no curso. Calcule a m0dia mensal dos dados, o2tendo uma ta2ela semelhante p Ta2ela*1. +a4a os itens IaK a IcK, conforme
indicado acima. Note 6ue, nLo necessariamente, 3ocb ir8 o2ser3ar uma s0rie com um ciclo anual semelhante ao 6ue foi o2ser3ado no e9ercMcio.
Jocb tam20m pode efetuar seu tra2alho utili;ando dados 6ue nLo sLo anuais e interpretar o 6ue si:nifica o primeiro harmPnico nesse caso.
@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@
A.S.G. Es12a1va "e A2pl16"e e fase "e 62 Z-.o #ar2W-.o :<I&
No e9ercMcio anterior, estimou*se C1 e 1 de uma forma mais :rosseira. F9istem formas mais ade6uadas de se fa;er o mesmo
procedimento. A m0todo mais simples 0 usar a identidade tri:onom0trica:
) sin( ) sin( ) cos( ) cos( ) cos(
1 1 1
+ I!.!#K
Su2stituindo n!t>n IF6. !.19K e multiplicando*se am2os os lados pelas amplitudes C1, o2t0m*se:
)
2
sin( )
2
cos( )
2
sin( ) sin( )
2
cos( ) cos( )
2
cos(
1 1 1 1 1 1 1 1
n
t
)
n
t
*
n
t
C
n
t
C
n
t
C

+ + I!.!.K
onde,
) cos(
1 1 1
C * I!.!,K e
) sin(
1 1 1
C ) I!.!6K
A F6ua4Lo !.!. indica, portanto, 6ue um harmPnico 6ue possui amplitude C1 e fase 1 0 e6ui3alente a soma de um seno com um co*
seno, am2os sem deslocamento de fase. Note 6ue o seno aparece 1ustamente como uma e9pansLo de um co*seno de menos a fase. SLo
1ustamente G1 e A1 os coeficientes 6ue irLo modular a amplitude do harmPnico com o tempo. Note 6ue am2os coeficientes G1 e A1 sLo
determinados pelo seno e co*seno da fase, respecti3amente. +a;endo a transforma4Lo de 3ari83eis da F6. !.!. tal 6ue 91ncosI!t>nK e
9!nsinI!t>nK, temos uma e6ua4Lo resultante 6ue 0 uma e6ua4Lo de re:ressLo com dois preditores. (esta forma, dada a s0rie de dados yt, pode*
se aplicar a essa transforma4Lo 6ual6uer soft?are 6ue ache uma estimati3a de re:ressLo com o m0todo de mMnimos 6uadrados para encontrar os
coeficientes A1 e G1, tendo yt como preditando. A mesmo pacote de re:ressLo ir8 produ;ir a m0dia dos 3alores do preditando como o intercepto 2o.
-ode*se entLo encontrar C1 resol3endo o sistema das e6ua45es !.!, e !.!6, ou se1a:
)) ( cos ) ( (sin
1
2
1
2 2
1
2
1
2
1
+ + C ) *

[ ]
2 / 1
2
1
2
1 1
) * C +
I!.!kK
-ara se encontrar a fun4Lo de fase 1, sLo resol3idas as se:uintes e6ua45es:

'

< t t
>

0 90 ,
2
0 180 , tan
0 tan
1
1
1
1 1
1
1
1 1
1
* or
* ou
*
)
*
*
)
o
o

I!.!"K
Nota: uma 3e; 6ue as fun45es tri:onom0tricas sLo peri=dicas, o mesmo <n:ulo de fase 0 produ;ido se adicionarmos ou su2trairmos 1"Dw Imeio
cMrculoK se A1qD. (ecidimos se somamos ou su2traMmos 1"Dw dependendo da rela4Lo D q !
-ara encontrarmos os par<metros A1 e G1 podemos usar o m0todo de mMnimos 6uadrados. -ara casos especiais em 6ue os 3alores dos dados
estLo i:ualmente espa4ados no tempo com nenhum dado faltante Imissin: 3aluesK as propriedades do seno e co*seno permitem 6ue os
par<metros de mMnimos 6uadrados se1am o2tidos mais facilmente usando:

,
_

n
t
#
n
*
n
t
t
2
cos
2
1
1
I!.!9K
e

,
_

n
t
t
n
t
#
n
)
1
1
2
sin
2
I!.#DK
[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[
E>er.9.o*Y: Para os "a"os "o E>er.9.o J) o?1e-#a os .oef.e-1es "o #ar2W-.o a-6al "a 1e2pera16ra e2 I1#a.a: A/) B/) C/ e a fase
/. Use o E>.el para faFer se6s .l.6los e .o2pare .o2 a fase :e2 4ra6s& e o .oef.e-1e C/ o?1"os pelo 2!1o"o "o \ol#W2e1ro] "o
e>er.9.o a-1eror. Co2e-1e o E6e essas "fere-0as po"e2 s4-f.ar -a -1erpre1a05o "os res6l1a"os.
(esafio*k2. Se 3ocb utili;ou uma serie temporal distinta da fornecida, encontre os coeficientes para esta s0rie.
@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@
A.S.N =ar2W-.os "e or"e2 2as eleva"a: :<I&
Nos c8lculos efetuados nos e9ercMcios k e " produ;iu*se uma cnica fun4Lo dcosseno passando pr=9ima aos 1! meses de temperaturas
m0dias. Fste a1uste 2om ocorreu por6ue a forma do ciclo anual de temperatura na localidade em 6uestLo 0 apro9imadamente senoidal, com um
ciclo completo e9ecutado nos 1! pontos da s0rie temporal. Fm :eral, nLo se espera 6ue um cnico harmPnico ir8 representar todas as demais
s0ries temporais de temperatura em diferentes localidades. Fntretanto, se adicionarmos mais preditores a uma re:ressLo mcltipla poder8 melhor o
a1uste de um con1unto de dados, adicionando mais ondas do tipo co*seno a uma an8lise harmPnica ir8 melhorar o a1uste a uma s0rie temporal.
10
Assim, dada uma s0rie temporal consistindo de n pontos, a mesma pode ser e9atamente reprodu;ida. Esto si:nifica 6ue 0 possM3el
encontrar uma fun4Lo harmPnica 6ue passa atra30s de cada um dos pontos e isso 0 feito adicionando uma s0rie de n>! funcoes harmPnicas:


;

'

1
]
1

+
1
]
1

'

1
]
1

+
2 /
1
2 /
1
2
sin
2
cos
2
cos
n
'
' '
n
'
' ' t
n
't
)
n
't
* #
n
't
C # #

I!.#1K
Note 6ue o Mndice % na e6ua4Lo acima indica 6ue a F6. !.!. 3ale para 6ual6uer co*seno, independentemente de sua fre67bncia. A onda de co*seno
o2tida para %n1 na F6. !.#1 0, portanto, o primeiro harmPnico determinado anteriormente. As outros n>! * 1 termos da somat=ria da F6. !.#1 sLo
harmPnicos de ordem mais alta, ou ondas co*seno com fre67bncias:
n
'
'

2
I!.#!K
6ue sLo mcltiplos inteiros da fre67bncia fundamental 1. Note ainda 6ue cada onda representada pelo co*seno possui sua pr=pria fase e sua
pr=pria amplitude C. -ortanto, % dentro da e6ua4Lo 0 de suma import<ncia.
-rimeiro harmPnico: %n1, n!%t>n, fase 1 e amplitude C1
um ciclo completo ID a ! radK para tnD a tnn
Se:undo harmPnico: %n!, n!%t>n, fase ! e amplitude C!
um ciclo completo ID a ! radK para tnD a tnn>!
um ciclo completo para tnn>! e tnn
Terceiro harmPnico: %n#, n!%t>n, fase # e amplitude C#
trbs ciclos completos entre tnD e tnn
As coeficientes A% e G% podem ser encontrados, NA CASA 'AES &FCAB, IF6. !.#1K usando*se m0todo de re:ressLo linear mcltipla, ap=s as
transfoma45es de dados 91ncosI!t3nK, 9!nsinI!t3nK, 9#n cosI!!t3nK, 9.n sinI!4t3nK, 9,n cosI!#t3nK, 96n sinI!4t3nK e assim por diante.
-ACA SdCEFS TF'-ACAES E&/AB'FNTF FS-A\A(AS NA TF'-A ISF' JABACFS +ABTANTFS I'ESSEN& JAB/FSK: -odemos :enerali;ar as
e6ua45es !.!9 e !.#D para:

,
_

n
't
n
t
t
#
n
'
*
2
cos
1
2
I!.##K
e

,
_

n
t
n
't
t
#
n
'
)
1
2
sin
2
I!.#.K
Como determinar os coeficientes Ak e 5ko +ica e3idente pelas F6s. !.## e !.#. 6ue a determina4Lo desses coeficientes 0 3i83el usando*se um
pro:rama de computador. Nesse caso, o al:oritmo utili;aria um contador para o % Iisto 0, fi9a*se %K e fa;*se a somat=ria do cosseno Iou seno de K
de tn1 a tnn Iou se1a, t 0 um outro contador 6ue de3er8 fa;er o Nloopin:O ou somat=ria 6ue ser8 interno ao loopin: do contador %K. Fsse raciocMnio
pode ser tam20m aplicado para uso dentro do F9cel, por e9emplo. No entanto, para s0ries muito :randes, usa*se um m0todo mais eficiente 6ue
ser8 comentado adiante.
/ma 3e; calculados estes coeficientes, temos entLo 6ue o2ter a fase e a amplitude do harmPnico.
aK Amplitude:
[ ]
2 / 1
2 2
' '
) * '
C
+
I!.#,aK
A al:oritmo para encontrar C% 0, portanto, muito simples, uma 3e; achados A% e G% e de3e ser feito ap=s o loopin: da somat=ria. Huanto p fase,
de3e*se primeiro testar o coeficiente A% e resol3er:

'

< t t

>

0
1
90 ,
2
0
1
180 ,
1
tan
0
1
1
tan
*
o
ou
*
o
ou
'
*
'
)
*
'
*
'
)
'

I!.#,2K
Huantos harmPnicos podem ser determinadoso Notem 6ue uma fun4Lo de re:ressLo mcltipla ir8 passar por todos os pontos de dados e ir8
e9i2ir C
!
n1DDz se o ncmero de preditores 0 o mesmo 6ue ncmero de dados. A s0rie de cossenos da F6. !.#1 0 um e9emplo. Huer di;er, os -$A
#ar2W-.os 6ue aparecem na somat=ria da F6. !.#1 implica na e9istbncia de - 3ari83eis preditores. /ma 3e; 6ue a m0dia amostral da F6. !.#1 0
11
efeti3amente um dos par<metros estimados, correspondentes ao intercepto 2o, um a1uste para a F6. !.#1 0 necess8rio 6uando - 0 g'-AC. Neste
caso, uma soma so2re apenas In*1K>! harmPnicos 0 re6uerida para representar completamente a fun4Lo. Esto 0, In*1K>! harmPnicos 0 re6uerido
para completamente representar a fun4Lo. Esto 0, para n OMPAR:
:-*/&$A a2pl16"es V :-*/&$A D-46los "e fase V a 2!"a a2os1ral X -
-ara n PAR: A somat=ria da F6. !.#1 continua sendo at0 n>!. Fntretanto, temos
:-&$A a2pl16"es V ^:-&$A _ /` D-46los "e fase V a 2!"a a2os1ral X -
Neste caso, o <n:ulo de fase para o #ar2W-.o f-al e 2as al1o -$A X U
P6a-1os #ar2W-.os po"e2os 6sarM Fssa per:unta depende das finalidades. -odemos usar todos os n>! harmPnicos se 6ueremos uma
fun4Lo 6ue represente e9atamente atra30s de todos os pontos da s0rie. Contudo, se o o21eti3o 0 represnetar o ciclo anual de uma 6uantidade
climatol=:ica, os primeiros poucos harmPnicos podem fornecer uma representa4Lo ade6uada. d isso 6ue se fa; na pr8tica.
[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[
E>er.9.o*Ia: Para os "a"os "o E>er.9.o Y) o?1e-#a os .oef.e-1es "o se46-"o e 1er.ero #ar2W-.os "a 1e2pera16ra e2 I1#a.a.
Use o E>.el para faFer se6s .l.6los .o2pare .o2 o e>er.9.o a-1eror e .o2e-1e os res6l1a"os.
E>er.9.o I?: :Tarefa "e .asa&: U1lFe "a"os paleo.l21.os "a ra"a05o solar :e-.o-1ra2*se -o l-a b"a"osb& e .al.6le a
a2pl16"e "o #ar2W-.o .orrespo-"e-1e a // e AA a-os. Ds.61a se6s res6l1a"os
@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@
12