Boletim Spe Outono 08

Publicao semestral Outono de 2008
Sries temporais e deciso dinmica

Nazar Mendes Lopes ....................................................................... 26
Processos estocsticos aplicados s fnanas
Joo Nicolau ...................................................................................... 35
Algumas noes de dependncia positiva
Paulo Eduardo Oliveira ..................................................................... 43
Processos estocsticos em dinmica de estrutura de engenharia
Paula Milheiro Oliveira .................................................................... 53
Equaes diferenciais estocsticas e aplicaes biolgicas
Carlos A. Braumann .......................................................................... 61
Editorial ............................................................... 1
Mensagem do Presidente ...................................... 2
Notcias ................................................................ 3
Episdios na Histria da Estatstica ................... 11
SPE e a Comunidade ............................................ 13
Cincia Estatstica
Artigos Cientfcos Publicados ................ 70
Livros ...................................................... 70
Teses de Doutoramento ............................ 71
Prmios Estatstico Jnior 2008 ............... 72
Informao Editorial
Endereo: Sociedade Portuguesa de Estatstica.
Campo Grande. Bloco C6. Piso 4.
1749-016 Lisboa. Portugal.
Telefone: +351.217500120
e-mail: spe@fc.ul.pt
URL: http://www.spestatistica.pt
ISSN: 1646-5903
Depsito Legal: 249102/06
Tiragem: 1000 exemplares
Execuo Grfca e Impresso: Grfca Sobreirense
Editor: Fernando Rosado, fernando.rosado@fc.ul.pt
Este Boletim tem o apoio da
Boletim
Processos Estocsticos
Novas Edies SPE
Ttulo: Sries temporais. Modelaes lineares e no lineares. 2 edio, revista e aumentada.
Autoras: Esmeralda Gonalves e Nazar Mendes Lopes
Editora: Sociedade Portuguesa de Estatstica
Ano: 2008
ISBN: 978-972-8890-16-2
Pginas: xxiv+298
Custo 10 Euros
Os interessados podem adquirir esta nova edio no INE e brevemente em algumas livrarias.
NOTA DA SPE Sobre as Segundas Edies dos livros dos mini - cursos"
Os manuais que a Sociedade Portuguesa de Estatstica (SPE) tem vindo a editar anualmente para suporte do mini-curso que
decorre no incio de cada congresso Anual da SPE tm sido muito solicitados, quer por docentes dos ensinos universitrio e
politcnico para serem usados como textos de apoio de vrias unidades curriculares de estudos graduados e ps-graduados,
quer por investigadores tericos e aplicados para apoio ao seu trabalho de investigao, quer ainda por estatsticos
profissionais para utilizao no exerccio da sua actividade. Temos mesmo tido solicitaes provenientes de outros pases
de lngua portuguesa ou de colegas estrangeiros que entendem o portugus. Os poucos exemplares que sobram dos
Congressos rapidamente se tm esgotado, pelo que a Direco da SPE sentiu a necessidade de proceder a segundas edies
para melhor servir a comunidade. tambm a oportunidade para os autores, escolhidos de entre os mais reputados
especialistas nacionais da respectiva rea, poderem corrigir as inevitveis gralhas da primeira edio e introduzirem
algumas melhorias e actualizaes que considerem justificadas. O Instituto Nacional de Estatstica (INE) uma instituio
com a qual temos tido intensa e frutuosa colaborao e que, nos ltimos anos, tem impresso os manuais dos mini-cursos. O
INE aceitou ser nosso parceiro nesta iniciativa editorial, encarregando-se da impresso e distribuio destas segundas
edies, o que nos d a garantia de um fcil acesso por parte dos interessados. Estamos muito gratos ao INE por mais esta
valiosa colaborao. Note-se que se trata de manuais sobre temas especializados que dificilmente poderiam ser editados
por editoras comerciais (ou s poderiam s-lo a um custo unitrio elevado), uma vez que o pblico a que se dirigem
relativamente limitado. Graas generosidade dos autores, que prescindem dos seus direitos de autor, ao formato de bolso
(que, alm de cmodo, permite menores custos de produo) e ao facto de a SPE e o INE apoiarem estas edies,
possvel elas chegarem ao leitor a preos muito moderados. Com esta iniciativa, a SPE e o INE pem ao dispor da
comunidade acadmica e da comunidade estatstica e dos utilizadores de metodologias estatsticas textos em lngua
portuguesa de elevada qualidade cientfica e pedaggica cobrindo temas importantes e actuais das Probabilidades e da
Estatstica, que podem funcionar como manuais escolares para o ensino superior e como apoio investigao e prtica
profissional. Esta a primeira das segundas edies que nos propomos disponibilizar. No houve para isso qualquer razo
especial, a no ser o facto de, logo a seguir deciso da Direco da SPE de lanar esta iniciativa, terem, por mera
coincidncia, as autoras solicitado autorizao para lanarem uma segunda edio da obra (esgotada h j algum tempo),
que alis tm usado h vrios anos nas suas aulas e da colhido uma preciosa experincia muito til no trabalho de reviso.
Prontamente aceitaram que essa segunda edio fosse tambm editada pela SPE. Por isso lhes estamos gratos, bem como
pela sua pacincia j que, tendo esta obra servido de cobaia para esta iniciativa, houve alguns atrasos decorrentes da
necessidade de definir e acordar questes organizativas e processuais. Trata-se, naturalmente, de uma importante obra que
nos orgulhamos de editar e que esperamos possa ser muito til ao leitor.
O Presidente da SPE
Carlos A. Braumann
Novas Edies SPE
Ano: 2008
ISBN: 978-972-8890-16-2
Pginas: xxiv+298
Custo 10 Euros
O Presidente da SPE
Carlos A. Braumann
Novas Edies SPE
Ano: 2008
ISBN: 978-972-8890-16-2
Pginas: xxiv+298
Custo 10 Euros
O Presidente da SPE
Carlos A. Braumann
Esmeralda Gonalves Nazar Mendes Lopes
Sries Temporais
Modelaes lineares e no lineares
2 edio
Sociedade Portuguesa de Estatstica
Novas Edies SPE
Ano: 2008
ISBN: 978-972-8890-16-2
Pginas: xxiv+298
Custo 10 Euros
O Presidente da SPE
Carlos A. Braumann
em crescimento sustentado
Com o incentivo da comunidade, o Boletim SPE tem crescido e esse avano tem produzido, como
principal consequncia, o aumento do nmero de pginas mais em uns e menos em outros!
Este Boletim de Outono fornece um novo record para o nmero de pginas. O anterior formato com
dobragem, principalmente a gramagem do papel utilizado, no permitia aumentar o nmero de
pginas. Foi aproveitada esta edio para criar um novo modelo com capa mais rija e diferente das
restantes pginas. Salientando a capa fez-se uma pequena alterao grfica na pgina de rosto.
Esperamos que seja do agrado dos leitores.
Pouco a pouco, passo a passo com nova imagem - maior mas no mais gordo, com mais espao,
com mais oportunidades de divulgao, mais fcil a gesto das contribuies dos especialistas dos
mais diversos campos.
Sempre com o interesse primeiro de divulgao da Cincia Estatstica!
O modelo editorial, usado na fase mais recente do Boletim SPE, tem vivido com as seguintes seces,
a saber: Mensagem do Presidente, Notcias, SPE e a Comunidade, Tema Central, Cincia Estatstica e
um espao do editor. Em cada edio de Primavera ou Outono - conforme os casos e a oportunidade -
temos divulgado os Prmios, com apoio, institudos pela SPE: o Prmio SPE e os Prmios Estatstico
Jnior. Alm de um espao noticioso, cada edio junta contribuies relevantes - com os textos
cientficos do tema central e com os escritos mais ligeiros de SPE e a Comunidade. Pretende-se que
estes sejam da mais ampla divulgao, especializados quanto baste, mas muito abrangentes;
especialmente pelas aplicaes e os campos diversificados de outras cincias com quem se partilha a
investigao estatstica.
O papel usado at presente edio limitava o aumento do nmero de pginas devido sua espessura
e a consequente dificuldade na dobragem. Tambm, a capa e o miolo estavam impressos no mesmo
tipo de papel. A capa desta edio passa a ser mais grossa e assim, com facilidade, podemos aumentar
o nmero de pginas sempre que a respectiva edio o exija. o caso deste Boletim de Outono que
no caberia nas possveis cinquenta e seis pginas do anterior formato.
Aproveitmos e mudmos o aspecto grfico da capa. Mantemos o cabealho inalterado com o logtipo
oficial da Sociedade Portuguesa de Estatstica. A restante informao de capa ser apresentada por
contraste em caixas com fundo de uma das cores do logtipo da SPE.
A solicitao dos leitores e autores de algumas contribuies tem estimulado o crescimento sustentado
a que temos assistido. A partir da presente edio, esta publicao da SPE d mais um pequeno passo
afirmando-se como Boletim!
Porque, na alterao executada, apenas transferimos matria prima do miolo para a capa, o
acrscimo no oramento da edio, correspondente ao aumento do nmero de pginas no
significativo e o custo da expedio no alterado pois o escalo da taxa de correios ser o mesmo.
A partir desta edio, com mais espao, h maior incentivo publicao
A partir desta edio, com mais espao, partilhe (ainda mais)!...
Um crescimento natural com o apoio daqueles que desejam ver bem cumprida a misso da SPE.
Alargamos horizontes e, tambm, com maior possibilidade de publicao poderemos aumentar a
temtica da edio. Este crescimento sustentado ser, basicamente, usado pela seco SPE e a
Comunidade.
Uma palavra final de agradecimento Direco da SPE pelo incondicional apoio para esta nova
caminhada que lhe foi proposta.
O Boletim Primavera de 2009 abordar o tema Investigao (em) Estatstica.
Editorial
em crescimento sustentado
Com o incentivo da comunidade, o Boletim SPE tem crescido e esse avano tem produzido, como
principal consequncia, o aumento do nmero de pginas mais em uns e menos em outros!
Este Boletim de Outono fornece um novo record para o nmero de pginas. O anterior formato com
dobragem, principalmente a gramagem do papel utilizado, no permitia aumentar o nmero de
pginas. Foi aproveitada esta edio para criar um novo modelo com capa mais rija e diferente das
restantes pginas. Salientando a capa fez-se uma pequena alterao grfica na pgina de rosto.
Esperamos que seja do agrado dos leitores.
Pouco a pouco, passo a passo com nova imagem - maior mas no mais gordo, com mais espao,
com mais oportunidades de divulgao, mais fcil a gesto das contribuies dos especialistas dos
mais diversos campos.
Sempre com o interesse primeiro de divulgao da Cincia Estatstica!
O modelo editorial, usado na fase mais recente do Boletim SPE, tem vivido com as seguintes seces,
a saber: Mensagem do Presidente, Notcias, SPE e a Comunidade, Tema Central, Cincia Estatstica e
um espao do editor. Em cada edio de Primavera ou Outono - conforme os casos e a oportunidade -
temos divulgado os Prmios, com apoio, institudos pela SPE: o Prmio SPE e os Prmios Estatstico
Jnior. Alm de um espao noticioso, cada edio junta contribuies relevantes - com os textos
cientficos do tema central e com os escritos mais ligeiros de SPE e a Comunidade. Pretende-se que
estes sejam da mais ampla divulgao, especializados quanto baste, mas muito abrangentes;
especialmente pelas aplicaes e os campos diversificados de outras cincias com quem se partilha a
investigao estatstica.
O papel usado at presente edio limitava o aumento do nmero de pginas devido sua espessura
e a consequente dificuldade na dobragem. Tambm, a capa e o miolo estavam impressos no mesmo
tipo de papel. A capa desta edio passa a ser mais grossa e assim, com facilidade, podemos aumentar
o nmero de pginas sempre que a respectiva edio o exija. o caso deste Boletim de Outono que
no caberia nas possveis cinquenta e seis pginas do anterior formato.
Aproveitmos e mudmos o aspecto grfico da capa. Mantemos o cabealho inalterado com o logtipo
oficial da Sociedade Portuguesa de Estatstica. A restante informao de capa ser apresentada por
contraste em caixas com fundo de uma das cores do logtipo da SPE.
A solicitao dos leitores e autores de algumas contribuies tem estimulado o crescimento sustentado
a que temos assistido. A partir da presente edio, esta publicao da SPE d mais um pequeno passo
afirmando-se como Boletim!
Porque, na alterao executada, apenas transferimos matria prima do miolo para a capa, o
acrscimo no oramento da edio, correspondente ao aumento do nmero de pginas no
significativo e o custo da expedio no alterado pois o escalo da taxa de correios ser o mesmo.
A partir desta edio, com mais espao, h maior incentivo publicao
A partir desta edio, com mais espao, partilhe (ainda mais)!...
Um crescimento natural com o apoio daqueles que desejam ver bem cumprida a misso da SPE.
Alargamos horizontes e, tambm, com maior possibilidade de publicao poderemos aumentar a
temtica da edio. Este crescimento sustentado ser, basicamente, usado pela seco SPE e a
Comunidade.
Uma palavra final de agradecimento Direco da SPE pelo incondicional apoio para esta nova
caminhada que lhe foi proposta.
O Boletim Primavera de 2009 abordar o tema Investigao (em) Estatstica.
2 B o l e t i m S P E
Mensagem do Presidente
Caros Colegas:
Realizou-se em Vila Real, de 1 a 4 de Outubro de 2008, o nosso XVI Congresso Anual. Voltmos
assim data habitual depois de um ano de 2007 em que o nosso Congresso decorreu em Agosto para
proporcionar uma melhor articulao com a 56 Sesso do International Statistical Institute, que se
realizou em Lisboa imediatamente a seguir. A Comisso Organizadora do XVI Congresso, presidida
pela nossa Colega Irene Oliveira, est de parabns pelo indiscutvel sucesso do Congresso e pelo
excelente trabalho organizativo, como de parabns esto a instituio anfitri, a Universidade de Trs-
os-Montes e Alto Douro, os membros da Comisso Executiva e Cientfica, os presidentes das sesses
de trabalho, os oradores convidados, os autores das comunicaes (em nmero record) e todos os
participantes. Todos deram um contributo importante para a festa anual da comunidade estatstica
nacional.
Durante o XVI Congresso, saram as Actas do XV Congresso, um registo bem revelador da qualidade
e relevncia do labor dos estatsticos portugueses em 2007. Est de parabns a Comisso Organizadora
deste Congresso, do ISCTE, presidida pela nossa Colega Manuela Magalhes Hill, que concluiu assim
a misso que to brilhantemente desempenhou.
O Prmio SPE 2008 premiou mais uma vez um trabalho cientfico de um jovem investigador que se
destacou pela sua qualidade e que foi apresentado no XVI Congresso. Tambm no XVI Congresso
tivemos de novo os Prmios Estatstico Jnior, a que se candidataram um nmero record de trabalhos
escolares dos ensinos bsico e secundrio, com a coordenao do Colega Russell Alpzar-Jara e da
Comisso Especializada de Educao e o apoio da Porto Editora. uma forma de incentivarmos o
gosto pela Estatstica na juventude portuguesa. Aos candidatos e aos jris de ambos os prmios, o
nosso agradecimento.
E altura de vos convidar para o XVII Congresso. A Faculdade de Cincias e Tecnologia da
Universidade Nova de Lisboa a anfitri e a Comisso Organizadora presidida pelo Colega Joo
Tiago Mexia. J estive com o Colega Manuel Esquvel, que coordena esta matria na Comisso
Organizadora, a visitar possveis locais para a sua realizao, faltando, porm, ainda acertar alguns
pormenores importantes. Brevemente vos darei notcias do local escolhido.
Em Agosto de 2008, realizou-se em Portugal, no Porto, um evento internacional muito importante, o
COMPSTAT 2008. Mais uma prova do reconhecimento pela comunidade internacional do trabalho
dos investigadores portugueses na rea da Estatstica. A Comisso Organizadora foi presidida pela
Colega Maria Paula Brito e o seu trabalho mereceu os maiores encmios dos participantes, como pude
constatar pessoalmente. A SPE, como no podia deixar de ser, foi um dos apoiantes deste relevante
evento.
Tenho vindo a enviar-vos notcias do que se vai passando, agora de uma forma mais organizada para
no bombardear os Colegas com sucessivos e-mails. Em todo o caso, queria salientar que o nosso
site j tem uma verso inglesa, com o objectivo de facilitar a cooperao internacional. Por outro
lado, prosseguiram os Encontros SPE-CIM, cujo arranque vos tinha anunciado o ano passado, e saiu,
numa parceria com o INE, a primeira das segundas edies revistas dos manuais dos mini cursos que
estavam esgotados, de que encontram notcia numa das pginas deste Boletim.
Certamente sabem que os actuais membros da Mesa da Assembleia Geral, da Direco e do Conselho
Fiscal, se recandidataram para o trinio 2009-2011, tendo a votao dos scios decorrido no dia 3 de
Outubro, durante o Congresso em Vila Real, e tambm por correspondncia. Quiseram os scios
honrar-nos com a expressiva votao de 129 votos a favor num total de 131 votos registados. Foi com
satisfao que constatmos continuar a merecer a vossa confiana, o que nos d redobrado nimo para,
com a vossa indispensvel colaborao, continuarmos a trabalhar no prximo trinio, tendo como
principais objectivos consolidar as iniciativas em curso e lanar novas iniciativas que esto na forja em
prol da comunidade estatstica.
Saudaes cordiais
Caros Colegas:
nacional.
evento.
Saudaes cordiais
Caros Colegas:
nacional.
evento.
Saudaes cordiais
Caros Colegas:
nacional.
evento.
Saudaes cordiais
Caros Colegas:
nacional.
evento.
Saudaes cordiais
3 O u t o n o d e 2 0 0 8
Notcias
XVI Congresso SPE
Passeio Aleatrio
1
pelo dia-a-dia do XVI Congresso Anual da SPE
Nas margens do Rio Corgo, um dos afluentes do Douro, a bonita cidade de Vila Real
hospedou, este ano e pela primeira vez, um congresso que j conta com 16 anos de histria. Esta
cidade, hoje capital de distrito pertencente antiga provncia de Trs-os-Montes, uma das mais
importantes provncias vincolas do pas, foi fundada em 1289 por D.Dinis que na poca a apelidou de
Pobra (povoao) de Vila Real de Panias. Por aqui passaram nomes como Nicolau Nasoni, famoso
arquitecto italiano, interveniente na edificao de um dos mais belos exemplos de arquitectura barroca
em Portugal a Casa de Mateus. O nosso ilustre romancista Camilo Castelo Branco viveu, de 1839 a
1841, na pequena aldeia de Vilarinho de Samard uma freguesia deste concelho. Numa poca em que
tanto se fala de Magalhes no podia deixar de mencionar que, segundo a tradio, o navegador
Ferno de Magalhes ter nascido na casa dos Pereiras, em Sabrosa, no ltimo quartel do sculo XVI
Para os menos apreciadores de histria resta-me referir que o contemporneo Miguel Torga, mdico e
escritor, nasceu neste distrito em So Martinho de Anta, concelho de Sabrosa e destacar, de entre as
figuras mediticas dos nossos dias, Simo Sabrosa, actualmente futebolista do Atltico de Madrid, que
aqui nasceu e Pedro Passos Coelho, actualmente Presidente da Assembleia Municipal de Vila Real,
que aqui estudou no Liceu Nacional Camilo Castelo Branco.
Com a colaborao do Departamento de Matemtica da Universidade de Trs-os-Montes e
Alto Douro, a Sociedade Portuguesa de Estatstica organizou assim em Vila Real o seu congresso
anual que constitui um evento fundamental a nvel nacional em Probabilidades e Estatstica e suas
aplicaes. Um bem haja Comisso Organizadora Local, constituda por Irene Oliveira, Elisete
Correia, Ftima Ferreira e Sandra Dias.
Apresentados a cidade de Vila Real e os organizadores deste congresso, inicio o meu passeio
por mais um congresso que, por interesses pessoais e por no ser f de lcool, de aleatrio s teve o
ttulo.
Primeiro dia: 1 de Outubro de 2008
Como vem sendo hbito nestes congressos o primeiro dia foi reservado quase inteiramente ao mini-
curso cuja preparao e dinamizao, este ano, esteve a cargo de Luclia Carvalho da Faculdade de
Cincias da Universidade de Lisboa. Este curso, de Anlise de Dados Espaciais, teve como objectivo
descrever e modelar dados que resultam de observaes de fenmenos dependentes da sua localizao
no espao, os dados espaciais. Foram introduzidos conceitos bsicos e os modelos mais simples e mais
aplicados a estes dados, particular destaque foi dado s mltiplas aplicaes prticas. Esta grande
aplicabilidade da estatstica espacial j fazia prever o elevado nmero de participantes que assistiram a
este curso.
Terminado o mini-curso era chegada a hora da Sesso de Abertura do Congresso. Nas palavras do
Presidente da Cmara, do Reitor da Universidade de Trs-os-Montes e Alto Douro, da Coordenadora
do Departamento de Matemtica, do Presidente da SPE e da Presidente da Comisso Organizadora
Local ouvimos as boas vindas e os votos de uma agradvel e profcua estadia. Seguiu-se, com o orador
convidado Daniel Gianola (Universidade de Winconsin-Madison, USA), a primeira das cinco sesses
plenrias a que aqui pudemos assistir. Em bom ingls e sob o olhar atento de Ivette Gomes que
presidiu sesso ouvimos falar de Nonparametric and machine learning procedures for genome-
enabled prediction of genetic value for quantitative traits.
A terminar um dia que j se avistava longo fomos recebidos nos Paos do Concelho para o tradicional
Porto de Honra, gentilmente oferecido pela Cmara Municipal de Vila Real.

Segundo dia: 2 de Outubro de 2008
O convite, que desde j agradeo, para presidir logo pela manh sesso Extremos I direccionou de
imediato o meu passeio neste dia que acordou solarengo. Em paralelo decorriam as restantes quatro
sesses de comunicaes orais deste dia Sries Temporais I, Ensino da Estatstica, Processos
Estocsticos e Estatstica Aplicada Sade e Epidemiologia.

1
Imagine-se um fulano, j muito tocado pelo lcool, que sai de uma taberna e procura o caminho para casa. Ao chegar a
cada esquina, o sujeito est to toldado que a sua escolha de direco perfeitamente aleatria. Virar para a direita ou
para a esquerda, seguir em frente ou voltar para trs por motivos que ningum entende, muito menos ele prprio. A sua
escolha perfeitamente aleatria, como se fosse atirando moedas ao ar para decidir o caminho. Em, Nuno Crato. (2007).
Passeio Aleatrio pela Cincia do dia-a-dia. Editora Gradiva.
Passeio Aleatrio
1
ttulo.
este curso.


1
Passeio Aleatrio
1
ttulo.
este curso.


1
Terminadas as sesses de comunicaes orais seguiu-se uma sesso de posters e posteriormente a
sesso plenria sobre Dados categorizados com omisso num quadro produto de multinomiais: uma
panormica de mtodos de anlise. Esta sesso plenria foi proferida por Carlos Daniel Paulino (IST,
Universidade Tcnica de Lisboa) e presidida por Joo Tiago Mexia.
Para aqueles que ainda no se cansaram de me ouvir falar de passeios chegou a hora de vos falar do
verdadeiro passeio, o Passeio do Congresso. Com uma temperatura que mais fazia lembrar um dia de
Vero partimos rumo Rgua para um magnfico cruzeiro pelo Douro abordo do Pirata Azul.
Rodeados de uma paisagem de vinhedos em socalcos de rara beleza, navegmos da Rgua ao Pinho
onde a eclusa da Barragem de Bagaste se destacou como o momento alto do percurso. Terminmos
o passeio na Quinta do Seixo, com cerca de 100 hectares, onde, no meio de muito mistrio e
sensualidade, aprendemos um pouco mais sobre a conhecida marca de vinhos Sandeman. A prova de
vinhos do Porto desta marca quase tornou o passeio aleatrio, contudo a descida ngreme e sinuosa que
nos esperava obrigou-nos a manter todos os sentidos bem despertos.
Terceiro dia: 3 de Outubro de 2008
No podia passar por este terceiro dia de congresso sem falar na comunicao Modelos geradores de
memria longa no controlo motor, proferida por Ana Diniz, que abriu a sesso Sries Temporais II.
Trata-se de um trabalho conjunto com Joo Barreiros e Nuno Crato, inspirador do ttulo deste texto e
que me ensinou, entre outras coisas, que no preciso de me preocupar com o facto de nos congressos
da SPE ser sempre oferecido a todos os oradores monxido di-hidrognico. Em jeito de agradecimento
pela inspirao aqui lhe presto a minha singela homenagem.
Aps as quatro sesses paralelas que integraram, no total, dezanove comunicaes orais em quatro
grande reas Sries Temporais, Estatstica Multivariada, Regresso Logstica e Aplicaes
Gentica ainda houve tempo para mais uma sesso de posters antes da primeira sesso plenria do
dia. Esta sesso plenria, presidida por Russel Alpizar-Jara, esteve a cargo de Geert Molenbergs
(Universidade de Hasselt, Blgica) e teve por ttulo Every missing not at random model for
incomplete data has got a missing at random counterpart with equal fit. O incio da tarde ficou
marcado pela segunda sesso plenria do dia, que teve como oradora convidada a Manuela Neves
(ISA, Universidade Tcnica de Lisboa) que nos falou de Mtodos semi-paramtricos e no
paramtricos em modelao e estimao. A presidir esteve Joo Branco. Seguiram-se mais duas
sesses de comunicaes orais e uma sesso de posters. A primeira destas sesses de comunicaes
orais, com as sesses paralelas Aplicaes Scio-econmicas, Amostragem, Estatstica Espacial e
Inferncia Estatstica I, teve um total de quinze apresentaes. A segunda contemplou apenas dez
comunicaes orais nas reas de Estatstica e Aplicaes, Estudo de Populaes Animais, Inferncia
Estatstica e Regresso e Aplicaes.
A tarde terminou com a fotografia do congresso tirada este ano em dois locais distintos, primeiro em
frente ao hotel onde se realizou o congresso (Hotel Miracorgo) e depois no terrao com vista sobre o
Rio Corgo. A noite prolongou-se com o sempre desejado jantar do congresso que decorreu na Quinta
de Santo Antnio e onde as cerca de 170 pessoas que estiveram presentes puderam desfrutar da boa
comida transmontana e ainda dar um pzinho de dana ao som de cantigas tradicionais portuguesas.
Quarto e ltimo dia: 4 de Outubro de 2008
O ltimo dia de congresso iniciou-se com vinte e trs comunicaes orais divididas por cinco sesses
Aplicaes Financeiras, Controlo de Qualidade, Estatstica e Aplicaes II, Extremos II e
Estatstica Bayesiana.
Com dezoito dos setenta e cinco posters apresentados neste congresso terminaram as sesses de
posters com que fomos presenteados ao longo de trs dias.
Tendo j ganho o Prmio SPE aguardo sempre com grande entusiasmo a revelao de cada novo
vencedor. Este ano o prmio foi atribudo a Nuno Seplveda (Instituto Gulbenkian da Cincia) pelo
seu trabalho Abordagem por penetrncias allicas: uma nova modelao em Gentica. Aqui ficam os
meus sinceros parabns.
Na ltima sesso plenria deste congresso, presidida por Carlos Braumann, Ian Maclean (Business
Statistics Users Group, Reino Unido) falou-nos da importncia da Estatstica na sociedade com a sua
comunicao intitulada Statistics in the Service of Society.
O congresso terminou com a Sesso de Encerramento onde Carlos Braumann entregou o Prmio
Estatstico Jnior 2008 e agradeceu a presena de todos bem como o empenho e excelente trabalho da
Comisso Organizadora Local.
5 O u t o n o d e 2 0 0 8
Terminadas as sesses de comunicaes orais seguiu-se uma sesso de posters e posteriormente a
sesso plenria sobre Dados categorizados com omisso num quadro produto de multinomiais: uma
panormica de mtodos de anlise. Esta sesso plenria foi proferida por Carlos Daniel Paulino (IST,
Universidade Tcnica de Lisboa) e presidida por Joo Tiago Mexia.
Para aqueles que ainda no se cansaram de me ouvir falar de passeios chegou a hora de vos falar do
verdadeiro passeio, o Passeio do Congresso. Com uma temperatura que mais fazia lembrar um dia de
Vero partimos rumo Rgua para um magnfico cruzeiro pelo Douro abordo do Pirata Azul.
Rodeados de uma paisagem de vinhedos em socalcos de rara beleza, navegmos da Rgua ao Pinho
onde a eclusa da Barragem de Bagaste se destacou como o momento alto do percurso. Terminmos
o passeio na Quinta do Seixo, com cerca de 100 hectares, onde, no meio de muito mistrio e
sensualidade, aprendemos um pouco mais sobre a conhecida marca de vinhos Sandeman. A prova de
vinhos do Porto desta marca quase tornou o passeio aleatrio, contudo a descida ngreme e sinuosa que
nos esperava obrigou-nos a manter todos os sentidos bem despertos.
Terceiro dia: 3 de Outubro de 2008
No podia passar por este terceiro dia de congresso sem falar na comunicao Modelos geradores de
memria longa no controlo motor, proferida por Ana Diniz, que abriu a sesso Sries Temporais II.
Trata-se de um trabalho conjunto com Joo Barreiros e Nuno Crato, inspirador do ttulo deste texto e
que me ensinou, entre outras coisas, que no preciso de me preocupar com o facto de nos congressos
da SPE ser sempre oferecido a todos os oradores monxido di-hidrognico. Em jeito de agradecimento
pela inspirao aqui lhe presto a minha singela homenagem.
Aps as quatro sesses paralelas que integraram, no total, dezanove comunicaes orais em quatro
grande reas Sries Temporais, Estatstica Multivariada, Regresso Logstica e Aplicaes
Gentica ainda houve tempo para mais uma sesso de posters antes da primeira sesso plenria do
dia. Esta sesso plenria, presidida por Russel Alpizar-Jara, esteve a cargo de Geert Molenbergs
(Universidade de Hasselt, Blgica) e teve por ttulo Every missing not at random model for
incomplete data has got a missing at random counterpart with equal fit. O incio da tarde ficou
marcado pela segunda sesso plenria do dia, que teve como oradora convidada a Manuela Neves
(ISA, Universidade Tcnica de Lisboa) que nos falou de Mtodos semi-paramtricos e no
paramtricos em modelao e estimao. A presidir esteve Joo Branco. Seguiram-se mais duas
sesses de comunicaes orais e uma sesso de posters. A primeira destas sesses de comunicaes
orais, com as sesses paralelas Aplicaes Scio-econmicas, Amostragem, Estatstica Espacial e
Inferncia Estatstica I, teve um total de quinze apresentaes. A segunda contemplou apenas dez
comunicaes orais nas reas de Estatstica e Aplicaes, Estudo de Populaes Animais, Inferncia
Estatstica e Regresso e Aplicaes.
A tarde terminou com a fotografia do congresso tirada este ano em dois locais distintos, primeiro em
frente ao hotel onde se realizou o congresso (Hotel Miracorgo) e depois no terrao com vista sobre o
Rio Corgo. A noite prolongou-se com o sempre desejado jantar do congresso que decorreu na Quinta
de Santo Antnio e onde as cerca de 170 pessoas que estiveram presentes puderam desfrutar da boa
comida transmontana e ainda dar um pzinho de dana ao som de cantigas tradicionais portuguesas.
Quarto e ltimo dia: 4 de Outubro de 2008
O ltimo dia de congresso iniciou-se com vinte e trs comunicaes orais divididas por cinco sesses
Aplicaes Financeiras, Controlo de Qualidade, Estatstica e Aplicaes II, Extremos II e
Estatstica Bayesiana.
Com dezoito dos setenta e cinco posters apresentados neste congresso terminaram as sesses de
posters com que fomos presenteados ao longo de trs dias.
Tendo j ganho o Prmio SPE aguardo sempre com grande entusiasmo a revelao de cada novo
vencedor. Este ano o prmio foi atribudo a Nuno Seplveda (Instituto Gulbenkian da Cincia) pelo
seu trabalho Abordagem por penetrncias allicas: uma nova modelao em Gentica. Aqui ficam os
meus sinceros parabns.
Na ltima sesso plenria deste congresso, presidida por Carlos Braumann, Ian Maclean (Business
Statistics Users Group, Reino Unido) falou-nos da importncia da Estatstica na sociedade com a sua
comunicao intitulada Statistics in the Service of Society.
O congresso terminou com a Sesso de Encerramento onde Carlos Braumann entregou o Prmio
Estatstico Jnior 2008 e agradeceu a presena de todos bem como o empenho e excelente trabalho da
Comisso Organizadora Local.
Para o ano o Departamento de Matemtica da Faculdade de Cincias e Tecnologia da Universidade
Nova de Lisboa convida-nos, a mais um passeio, nos dias 30 de Setembro a 3 de Outubro de 2009 em
Sesimbra (quase certamente), pela estatstica que por c se faz. Apaream e at l muitos e bons
passeios (mais ou menos aleatrios consoante os gostos)!
Ana Paula Andr Martins
(Departamento de Matemtica, UBI)
Eleies na SPE para o trinio 2009-11
Eleio dos Orgos Administrativos
da
Para o trinio 2009-2011
Candidatura
Mesa da Assembleia Geral
Presidente: Joo Branco (UTL - Instituto Superior Tcnico)
Primeiro Vogal: Maria Carmo Miranda Guedes (U. Porto - Faculdade Cincias)
Segundo Vogal: Paulo Infante (U. vora)
Direco
Presidente: Carlos Braumann (U. vora)
Vice-Presidente: Paula Brito (U.Porto Faculdade de Economia)
Secretrio: Lusa Canto e Castro Loura (U.Lisboa Faculdade de Cincias)
Secretrio-Adjunto: Russell Alpizar-Jara (U. vora)
Tesoureiro: Maria Manuela Souto Miranda ( U. Aveiro)
Conselho Fiscal
Presidente: Maria Manuela Neves Figueiredo (UTL Instituto Superior Agronomia)
Secretrio: Paulo Rodrigues (U. Algarve Faculdade de Economia)
Relator: Carlos Marcelo (Instituto Nacional de Estatstica)
da
Candidatura
Direco
Conselho Fiscal
da
Candidatura
Direco
Conselho Fiscal
da
Candidatura
Direco
Conselho Fiscal
da
Candidatura
Direco
Conselho Fiscal
da
Candidatura
Direco
Conselho Fiscal
7 O u t o n o d e 2 0 0 8
Um marco, h 25 anos!
Um marco, h 25 anos!
O acontecimento em notcia foi ponto de partida em muitos projectos cientficos e , sem dvida, uma
referncia na histria da consolidao da Estatstica em Portugal. A reunio cientfica que se enaltece
congregou em Portugal todos os extremfilos mundiais e abriu muitos e novos horizontes.
Com o propsito de obter uma perspectiva completa sobre o campo de investigao Estatstica de
Extremos e Aplicaes decorreu, de 31 de Agosto a 14 de Setembro de 1983, no Hotel Golf - Mar do
Vimeiro um Curso Avanado no mbito do NATO Advanced Study Institute. Com Direco de J.
Tiago de Oliveira e sendo co-directores M. Ivette Gomes e Feridun Turkman, aquele foi um
acontecimento cientfico do maior relevo para a histria da Estatstica e dos Estatsticos portugueses.
Atrevo-me hoje a dizer que a organizao deste encontro de duas semanas, com os dois fins de
semana includos e repletos de programa social, embora me tivesse traumatizado de tal modo que s a
partir de 1999 me atrevi a organizar outras conferncias, constitui o marco de lanamento daquilo que
penso poder considerar-se a Escola de Extremos em Portugal. (Ivette Gomes in Boletim SPE.
Primavera de 2007, p. 37)
Como memorial, foi editado por J. Tiago de Oliveira o livro de Actas - Statistical Extremes and
Applications - NATO Advanced Science Institute, Series C, pela editora D. Reidel, em 1984.
The purpose of the NATO ASI Statistical Extremes and Applications was to obtain a complete
perspective of the field, also with a series of promising directions of research and some recent results
escreveu Tiago de Oliveira no prefcio das referidas actas (disponveis em bibliotecas universitrias).

Fernando Rosado
Professora Ftima: A Scia n. 1 Notcia Professora Ftima: A Scia n 1
A nossa scia n 1, Professora Maria de
Ftima Fontes de Sousa, festejou no passado
ms de Julho, o seu 80 aniversrio. Durante
o jantar comemorativo, organizado por
iniciativa do Centro de Estatstica e
Aplicaes da Universidade de Lisboa, a
Sociedade Portuguesa de Estatstica prestou-
lhe uma pequena homenagem e salientou o
seu importante contributo para o
desenvolvimento da Estatstica em Portugal.
Maria de Ftima Fontes de Sousa licenciou-
se em Matemtica, fez toda a sua carreira
universitria na Faculdade de Cincias da
Universidade de Lisboa e foi Professora
Catedrtica do Departamento de Estatstica e
Investigao Operacional at 1998. Embora
jubilada, manteve a sua permanncia no
Centro de Estatstica e Aplicaes como
directora da linha de investigao em
Anlise e Planeamento de Experincias
Lusa Loura
Prmios Estatstico Jnior 2008
A atribuio de prmios Estatstico Jnior 2008 promovida pela Sociedade Portuguesa de
Estatstica, com o apoio da Porto Editora, e tem como objectivo estimular e desenvolver o interesse
dos alunos do ensino bsico e secundrio pelas reas da probabilidade e estatstica. Ao apelo para
submisso de trabalhos correspondeu uma adeso bastante elevada, tendo sido recebidos 21 trabalhos
na categoria Ensino Bsico, envolvendo um total de 57 alunos, e 15 na categoria Ensino Secundrio,
envolvendo um total de 39 alunos.
A cerimnia de entrega dos Prmios Estatstico Jnior 2008, conforme estipulado no Regulamento,
decorreu na Sesso de Encerramento do XVI Congresso Anual da Sociedade Portuguesa de Estatstica,
no dia 4 de Outubro de 2008, s 13horas, no Auditrio Miguel Torga nas instalaes do Hotel
Miracorgo em Vila Real.
Informa-se ainda que neste ano houve um trabalho do Ensino Bsico, com nvel compatvel
atribuio de um 1 lugar, mas este foi desqualificado porque a equipa foi composta por mais de 3
alunos, violando assim o ponto nmero 3 do Regulamento.
O Jri foi constitudo pelos professores: Doutora Maria Eugnia Graa Martins (Presidente) e Doutora
Lusa Canto e Castro de Loura do Departamento de Estatstica e Investigao Operacional da
Faculdade de Cincias da Universidade de Lisboa e Doutor Russell Alpizar-Jara do Departamento de
Matemtica da Universidade de vora.
No final deste Boletim so apresentados os premiados.
A Direco
Criao ou no da Regio Ibrica da Sociedade Int. de Biometria
Criao ou no da Regio Ibrica da Sociedade Internacional de Biometria
No Boletim de Outono de 2007 publicou-se um texto sobre a questo Sim ou no criao da Regio
Ibrica da Sociedade Internacional de Biometria, que foi igualmente distribudo por correio
electrnico aos scios da SPE. Nele se apelava para a participao do maior nmero possvel de
utilizadores de Estatstica, sobretudo no campo da Biometria, numa sondagem electrnica visando
indagar a extenso do interesse na criao de tal Regio Ibrica e na associao atravs dela
International Biometric Society.
Estamos agora em condies de informar que esta iniciativa no conseguiu mobilizar a comunidade a
que era dirigida j que o nmero de respostas recebidas foi claramente inexpressivo relativamente ao
dos investigadores que se sabe trabalharem frequentemente na metodologia estatstica aplicada
Biometria, ainda que tivessem correspondido esmagadoramente a posies inequivocamente
afirmativas.
No havendo uma alterao substancial desta situao de apatia e aparente desinteresse, no creio
pessoalmente que se justifique avanar para uma superior forma de organizao dos biostatsticos
ibricos que envolva num plano de representatividade mais equilibrado a comunidade portuguesa. E
pena que se perca esta oportunidade de contribuir decisivamente para impulsionar e conferir uma
maior visibilidade Biostatstica que se faz em Portugal.
Carlos Daniel Paulino
Novo glossrio ingls-portugus de termos estatsticos
O glossrio estatstico ingls-portugus da autoria de comisses criadas no seio da SPE e ABE, e que
foi enviado em Julho de 2007 para o ISI, encontra-se disponvel no stio deste no endereo
http://isi.cbs.nl/glossary/index.htm. Os vocbulos de uso exclusivo no Brasil esto a assinalados com
a indicao (bra).
Em consonncia com o que se refere no texto sobre esta matria publicado no Boletim de Outono de
2007, deu-se incio etapa de elaborao de um glossrio estatstico mais abrangente. A parte
portuguesa da equipa de trabalho (CENE) passou a ser constituda por Carlos Daniel Paulino, Joo
Branco, Dinis Pestana e Alfredo Reis.
Nunca demais realar a crucial importncia de que se reveste este trabalho para o mundo lusfono e
para a promoo internacional da lngua portuguesa no que diz respeito a esse domnio do
conhecimento. Nesse sentido, desafiamos uma vez mais todos os colegas a contriburem com as suas
sugestes, mormente associadas com o vocabulrio estatstico da respectiva rea de trabalho, para este
utilssimo instrumento de consulta e de harmonizao da comunicao estatstica em portugus.
9 O u t o n o d e 2 0 0 8
Novo glossrio ingls - portugus de termos estatsticos
Criao ou no da Regio Ibrica da Sociedade Internacional de Biometria
No Boletim de Outono de 2007 publicou-se um texto sobre a questo Sim ou no criao da Regio
Ibrica da Sociedade Internacional de Biometria, que foi igualmente distribudo por correio
electrnico aos scios da SPE. Nele se apelava para a participao do maior nmero possvel de
utilizadores de Estatstica, sobretudo no campo da Biometria, numa sondagem electrnica visando
indagar a extenso do interesse na criao de tal Regio Ibrica e na associao atravs dela
International Biometric Society.
Estamos agora em condies de informar que esta iniciativa no conseguiu mobilizar a comunidade a
que era dirigida j que o nmero de respostas recebidas foi claramente inexpressivo relativamente ao
dos investigadores que se sabe trabalharem frequentemente na metodologia estatstica aplicada
Biometria, ainda que tivessem correspondido esmagadoramente a posies inequivocamente
afirmativas.
No havendo uma alterao substancial desta situao de apatia e aparente desinteresse, no creio
pessoalmente que se justifique avanar para uma superior forma de organizao dos biostatsticos
ibricos que envolva num plano de representatividade mais equilibrado a comunidade portuguesa. E
pena que se perca esta oportunidade de contribuir decisivamente para impulsionar e conferir uma
maior visibilidade Biostatstica que se faz em Portugal.
Novo glossrio ingls-portugus de termos estatsticos
O glossrio estatstico ingls-portugus da autoria de comisses criadas no seio da SPE e ABE, e que
foi enviado em Julho de 2007 para o ISI, encontra-se disponvel no stio deste no endereo
http://isi.cbs.nl/glossary/index.htm. Os vocbulos de uso exclusivo no Brasil esto a assinalados com
a indicao (bra).
Em consonncia com o que se refere no texto sobre esta matria publicado no Boletim de Outono de
2007, deu-se incio etapa de elaborao de um glossrio estatstico mais abrangente. A parte
portuguesa da equipa de trabalho (CENE) passou a ser constituda por Carlos Daniel Paulino, Joo
Branco, Dinis Pestana e Alfredo Reis.
Nunca demais realar a crucial importncia de que se reveste este trabalho para o mundo lusfono e
para a promoo internacional da lngua portuguesa no que diz respeito a esse domnio do
conhecimento. Nesse sentido, desafiamos uma vez mais todos os colegas a contriburem com as suas
sugestes, mormente associadas com o vocabulrio estatstico da respectiva rea de trabalho, para este
utilssimo instrumento de consulta e de harmonizao da comunicao estatstica em portugus.
WEAA2008 - Workshop em Estimao da Abundncia Animal
Realizou-se na Universidade de vora, de 7 a 9 de Julho de 2008, o Workshop em Estimao da
Abundncia Animal. Este evento, de carcter interdisciplinar, foi patrocinado pelo Centro
Internacional de Matemtica (CIM) e pela Fundao para a Cincia e a Tecnologia (FCT).
Contou tambm com o apoio em espcie e subsdios de outras entidades do sector pblico e privado.
O workshop contou com a presena de ilustres instrutores convidados, cientistas de reconhecido
prestigio internacional nesta rea de investigao: os professores Kenneth H. Pollock e Theodore R.
Simons, da North Carolina State University, Raleigh, North Carolina, E. U. A., e o professor Jean-
Dominique Lebreton, do Centre National de la Recherche Scientifique (CNRS), CEFE, Frana.
Teve como principal objectivo estreitar a lacuna existente entre a teoria da estimao estatstica de
populaes animais e as suas aplicaes, tendo por isso como publico alvo investigadores e estudantes
interessados na estimao de parmetros demogrficos de populaes naturais e/ou humanas evasivas.
Originalmente destinado a uma lotao limitada de 30 inscries, o workshop foi alargado a um total
de 40 participantes dado o interesse manifestado.
Contou com participantes provenientes do sector acadmico, governamental e de consultores no sector
privado.
A maior parte dos participantes eram de Portugal mas tambm houve participantes provenientes do
Brasil, Espanha, Itlia e do Reino Unido.
Para mais informaes: http://www.eventos.uevora.pt/~weaa
A Comisso Organizadora
Russell Alpizar-Jara, Anabela Afonso e Joo Filipe Monteiro.
Centro de Investigao em Matemtica e Aplicaes (CIMA) e Departamento de Matemtica da Universidade de vora
WEAA2008 - Workshop em Estimao de Abundncia Animal
COMPSTAT 2008
A conferncia COMPSTAT2008, International Conference on Computational Statistics, teve este
ano lugar no Porto de 24 a 29 de Agosto, tendo sido organizada localmente pela Faculdade de Economia da
Universidade do Porto. COMPSTAT uma iniciativa da European Regional Section of the International
Association for Statistical Computing (IASC), uma seco do International Statistical Institute (ISI),
COMPSTAT2008 foi a sua 18 edio. Trata-se de uma das mais importantes conferncias a nvel mundial
na rea de Estatstica Computacional, certamente a mais importante a nvel europeu, reunindo algumas
centenas de participantes quer do mundo acadmico quer de diferentes actividades onde a Estatstica
Computacional tem aplicao, permitindo a divulgao de trabalhos nas vertentes terica e aplicada,
incentivando a interdisciplinaridade, as trocas de experincias e a cooperao futura. COMPSTAT2008 foi
a sua primeira edio em Portugal, tendo contado com cerca de 360 participantes, oriundos de 34 pases dos
5 continentes.
Foram Keynote Speakers, honrando a conferncia com a sua participao, os Prof. Peter Hall (Dep.
of Mathematics and Statistics, The University of Melbourne, Austrlia), Prof. Heikki Mannila (Dep. of
Computer Science, Faculty of Science, University of Helsinki, Finlndia) e Prof. Timo Tersvirta (School of
Economics and Management, University of Aarhus, Dinamarca). Tiveram lugar dois tutoriais, a saber:
Computational Methods in Finance por James Gentle (Dep. of Computational and Data Sciences, George
Mason University, EUA), e Creating R Packages por Friedrich Leisch (Institut fr Statistik, Ludwig-
Maximilians-Universitt, Mnchen, Alemanha), que despertaram muito interesse e contaram com uma
assinalvel audincia. A conferncia teve ainda Sesses Convidadas em variadssimas reas, assim como
Contributed Sessions, sob a forma oral e de poster. O livro de Proceedings, publicado pela Physica-Verlag -
Springer rene os artigos dos Keynote Speakers e dos oradores nas Sesses Convidadas, incluindo um CD-
Rom com os artigos submetidos livremente que foram aceites aps reviso.
De realar ainda a homenagem ao Prof. Norbert Victor (Presidente do IASC no perodo 1991-1993)
cuja aco foi fundamental para a criao e desenvolvimento da seco europeia (ERS) do IASC e para a
adopo de COMPSTAT como sua conferncia oficial. Norbert Victor seria o primeiro Chairman da ERS,
aquando da sua criao pelo Conselho do IASC em 1978.
O Programa Social foi concebido para dar a conhecer aos participantes um pouco mais da cidade do
Porto e da sua cultura, permitindo encontros informais e a necessria descontraco aps as sesses de
trabalho. Assim, no domingo, dia 24, os participantes foram convidados para um Ice Breaker nas belssimas
instalaes da Comisso de Viticultura da Regio dos Vinhos Verdes, onde puderam apreciar um copo de
Vinho Verde com uma bela vista sobre o rio Douro. Na Segunda-feira, dia 25, teve lugar o Cocktail do
Congresso, na Praia da Luz, ao pr do Sol que cremos ficar na memria de todos e que terminou com
dana ao som de msicas dos 60s e 70s. O Instituto dos Vinhos do Porto e Douro ofereceu uma prova de
Vinhos do Porto na 3 feira, que contou com a presena de cerca de 80 participantes, que assim tiveram
oportunidade de aprender alguns segredos sobre o precioso nctar. Tera-feira foi ainda o dia em que os
participantes visitaram a Casa da Msica para um concerto pelo agrupamento Camerata Senza Misura, que
tocou obras de Rossini, Carlos Azevedo e Beethoven. Quarta-feira j pedia um pouco de descanso e da
parte da tarde subimos o Rio Douro de barco, passando a barragem de Crestuma-Lever. A metereologia no
nos deixou ficar mal e foi um momento de agradvel descontraco e abundante reportagem fotogrfica.
Finalmente, no dia 28 reunimo-nos para jantar no restaurante das Caves Taylors, tendo havido ainda a
oportunidade de uma visita s caves para os interessados. A noite terminou com msica e dana para os
mais activos, tendo os restantes desfrutado da vista nocturna sobre a cidade do Porto a partir do terrao a
noite estava belssima.
Na sesso de encerramento do Congresso foram atribudos trs prmios a trabalhos apresentados por
jovens investigadores; os laureados foram: Michiel Debruyne - "The Stahel-Donoho Outlyingness in a
Reproducing Kernel Hilbert Space"; Paulo Canas Rodrigues e Miguel de Carvalho - "Monitoring
Calibration of the Singular Spectrum Analysis Method" e Morgan Seston - "A Simple Algorithm to
Recognize Robinsonian Dissimilarities".
E sexta-feira foi o dia das despedidas at Paris em Agosto de 2010.
A Comisso Organizadora Local agradece a todos os que de alguma forma contriburam para a
realizao de COMPSTAT2008, enviando daqui um abrao a todos os connosco participaram na
Conferncia. Para mais informaes, fotografias, etc., no deixe de visitar o website da Conferncia,
www.fep.up.pt/compstat08/.
Paula Brito
E sexta-feira foi o dia das despedidas at Paris em Agosto de 2010.
A Comisso Organizadora Local agradece a todos os que de alguma forma contriburam para a
realizao de COMPSTAT2008, enviando daqui um abrao a todos os connosco participaram na
Conferncia. Para mais informaes, fotografias, etc., no deixe de visitar o website da Conferncia,
www.fep.up.pt/compstat08/.
Paula Brito
11 O u t o n o d e 2 0 0 8
Episdios na Histria da Estatstica
Rodolpho Guimares (1904)
RODOLPHO GUIMARES (1904)
Rodolfo Ferreira Dias Guimares (18661918), professor da Escola do Exrcito de Lisboa (actual
Academia Militar), clebre pela sua investigao em Histria da Matemtica, nomeadamente pela
edio de um catlogo das obras de Matemtica publicadas por autores portugueses durante o sculo
XIX e pela divulgao da obra de Pedro Nunes (15021578), publica em 1904 um riqussimo
opsculo intitulado Noes sobre Clculo das Probabilidades, Theoria dos Erros e Mthodo dos
Mnimos Quadrados, que contm os principais resultados, existentes na poca, nesta rea. Este tratado
corresponde ao volume 223 da coleco Bibliotheca do Povo e das Escolas, uma coleco assinalvel,
destinada quer ao mercado portugus quer ao brasileiro, em cuja capa se declara: Cada volume
abrange 64 paginas, de composio cheia, edio
estereotypada, e frma um tratado elementar completo
nalgum ramo de sciencias, artes ou industrias, um florilegio
litterario, ou um aggregado de conhecimentos uteis e
indispensaveis, expostos por frma succinta e concisa, mas
clara, despretenciosa, popular, ao alcance de todas as
intelligencias. Correspondendo a tal apresentao, esta
extensa coleco de livros de pequeno formato (11cm17cm)
abordava os mais diversos assuntos, tais como a Matemtica
(nas suas distintas reas, como por exemplo, em 1910,
Geometria e trigonometria espherica, do autor agora em
referncia), a Fsica, a Qumica, a Histria, a Geografia, a
Filosofia, a Religio, a Meteorologia, a Gramtica, a Arte, a
Anatomia, a Culinria, o Cultivo, a Ginstica, at a Hygiene
da Habitao.
Na obra acima referida, Rodolfo Guimares, aps uma breve
resenha histrica do Clculo das Probabilidades, aponta a
definio clssica de probabilidade, baseada na
equipossibilidade, atravs da qual deduz as principais propriedades da Probabilidade, tais como os
Teoremas da Probabilidade Composta, da Probabilidade Total, de Bayes, entre outros. Define a
esperana matemtica em jogos de azar, com a qual analisa o paradoxo de S. Petersburgo, e apresenta
a esperana moral de Nicolau Bernoulli. Demonstra o Teorema de Jacob Bernoulli (Lei [Fraca] dos
Grandes Nmeros) e o Teorema Limite Central (de MoivreLaplace), ambos restritos a provas de
Bernoulli com igual probabilidade, referindo a generalizao de Poisson para provas com
probabilidades de sucesso distintas, publicada em 1837. No examina, no entanto, os casos gerais,
obtidos pela escola russa de probabilidade, tanto as generalizaes da Lei dos Grandes Nmeros de
Chebycheff, de 1867, e de Markoff, de 1900, que no se restringem a provas de Bernoulli mas impem
condies aos momentos da distribuio, como ainda o Teorema Limite Central de mbito geral
demonstrado por Lyapounov em 1901, resultados que, alis, esto ausentes nas publicaes ocidentais
at obra de Castelnuovo, que s aparece em 1919. O autor dedica uma boa parte desta obra Teoria
dos Erros, expondo as hipteses subjacentes aos erros para que sejam caracterizados pela Lei de Gauss
e verificando experimentalmente este resultado na medio de ngulos. O estudo termina com a
exposio do Mtodo dos Mnimos Quadrados.
Ao lermos este volume inserido nesta coleco popular, ao alcance de todas as intelligencias,
conclumos que, certamente, os intelectos da poca seriam deveras brilhantes.
Rui Santos
Escola Superior de Tecnologia e Gesto Instituto Politcnico de Leiria
Centro de Estatstica e Aplicaes da Universidade de Lisboa
Jos de Sousa Pinto (1913)
JOS DE SOUSA PINTO (1913)
Jos Freire de Sousa Pinto (18551911), professor da Faculdade de Matemtica da Universidade de
Coimbra, debate a utilizao do Clculo das Probabilidade na modelao dos fenmenos casuais,
numa construo pstuma e inacabada, mas deveras rica, publicada
nos Annaes Scientificos da Academia Polytecnica do Porto em
1913 (disponvel no Fundo Antigo da Faculdade de Cincias da
Universidade do Porto http://www.fc.up.pt/fa). Nesta obra,
intitulada Noes de Clculo das Probabilidades para o
Estabelecimento das Bases da Estatstica, o autor comea por expor
o processo de construo do conhecimento em qualquer cincia,
concluindo que o avano do conhecimento advm da combinao
entre a observao do fenmeno e o raciocnio terico. Deste modo,
qualquer teoria decorre da observao dum fenmeno, sendo essa
teoria inicialmente uma aproximao. Depois observado uma vez
mais o fenmeno. Esta nova observao servir para testar a
primeira teoria formada, que confirmada ou aperfeioada com o
novo conhecimento proveniente da nova observao, ou mesmo
alterada, caso a teoria inicial venha a ser considerada errnea.
nesta cadeia sucessiva de duplo esforo, observao e raciocnio,
que o conhecimento cientfico avana no sentido do esclarecimento completo do fenmeno, onde a
teoria formalizada acontecer de certeza sempre que o fenmeno ocorra. Jos de Sousa Pinto considera
que existem, contudo, alguns fenmenos que no podem ser totalmente teorizados, isto , que no
podem passar categoria de certeza, pois correspondem a fenmenos casuais. O autor destaca
ento dois tipos de probabilidades: as probabilidades aleatrias, quando a equipossibilidade
evidente e, por este motivo, pode ser utilizada a definio clssica de probabilidade de Laplace, as
quais, apesar do superior desenvolvimento da sua analyse, representam um meio restricto, artificial
e como quasi separado do campo scientifico, sendo a sua utilidade restrita quase unicamente aos
jogos de azar; as probabilidades dos fenmenos, onde atravs da realizao repetida do fenmeno,
supondo invariabilidade deste, que o valor das probabilidades associadas so determinadas, pois, se
um fenmeno tiver, por exemplo, dois resultados possveis, A e B, a sua repetio continuada dever
mostrar a sua relao teleolgica, como se ao acontecimento A estivessem associados resultados
favorveis e ao acontecimento B estivessem e, medida que vamos observando o fenmeno, o rcio
entre o nmero de vezes que ocorre A e o nmero de vezes que ocorre B tender a manifestar a relao
/ Lei Teleolgica de Wronski ou Lei Emprica do Acaso. Desta forma, Jos de Sousa Pinto
considera claramente que as Leis de Bernoulli so o instrumento certo para determinar as
probabilidades quando no aplicvel a definio clssica de probabilidade e, por conseguinte, a elas,
bem como s mathematicas philosophicas de WRONSKI, se deve a importncia da Estatstica como a
cincia que determina as probabilidades associadas aos fenmenos casuais, tornando, desta forma, as
Probabilidades num fecundo recurso scientfico. Ser justo salientar, por conseguinte, a riqueza da
construo filosfica para a determinao das probabilidades e sua fundamentao com recurso
inversa das Leis de Bernoulli efectuada por Jos de Sousa Pinto em 1913, numa das poucas obras
Portuguesas dedicadas ao Clculo das Probabilidades e Estatstica na poca.
Rui Santos
Escola Superior de Tecnologia e Gesto Instituto Politcnico de Leiria
Centro de Estatstica e Aplicaes da Universidade de Lisboa
13 O u t o n o d e 2 0 0 8
SPE e a Comunidade
Para uma melhor compreenso da Gesto como Cincia
1

PARA UMA MELHOR COMPREENSO DA GESTO COMO CINCIA
Antnio Teixeira (afst@iscte.pt), lvaro Rosa (alvaro.rosa@iscte.pt)
e Nelson Antnio (nelson.antonio@iscte.pt)
IBS (ISCTE Business School), UNIDE
1. Introduo
Um dos aspectos que os investigadores e prticos da gesto se confrontam a necessidade de integrar
num todo coerente as contribuies provenientes de diversas disciplinas cientficas com grau de
exactido diferente, onde se incluem tanto componentes duras como moles.
Quer na vertente prtica quer na terica da gesto, anlises abrangentes devem estar associadas a uma
capacidade integradora das diversas disciplinas sem contudo perder de vista as suas caractersticas
diferentes. Claro que a gesto um corpo multifacetado que no se limita fronteira da cincia. No
entanto, este artigo debruar-se- apenas sobre a componente cientfica da gesto, abordando como
exemplo a forma de conciliar a estatstica com as cincias comportamentais.
Como Deming (1986) refere, as observaes empricas devem ser sempre analisadas luz de uma
teoria. Esta integrao multidisciplinar tambm no deve decorrer revelia de uma matriz terica que
neste caso se deve referir ao critrio de cientificidade. Neste artigo, tendo em contas as limitaes de
espao, abordamos um leque nuclear de concepes de demarcao do campo da cincia, de forma a
clarificar as bases de um modelo integrador para a gesto (para mais detalhes ver Teixeira et al.,
2007).
2. Critrios de demarcao
Com o advento do Iluminismo, o pensamento cientfico assumiu uma posio predominante, tendo-se
assistido no sculo XIX a uma etapa marcante na crena nas possibilidades da cincia. Alguns
pensadores consideram exagerada esta atitude. Fiolhais et al. (2008) afirmam a este respeito que O
cientismo manifesta-se na ideia de que ou temos provas cientficas, ou nada podemos ter que seja
racional. Mas esta no uma posio razovel. Provar cientificamente algo, ou logicamente, ou
matematicamente, apenas uma das maneiras que temos de argumentar a favor de ideias ou decises
ou compromissos, considerando que racionalidade mais vasta. Diga-se alis que o prprio termo
por vezes empregue com sentido pejorativo (Bauer, 1992), considerando inclusivamente Jarroson
(1992) que o mesmo se encontrava nos antpodas do esprito cientfico.
Esta tendncia levou a que se procurasse a definio de critrios de demarcao entre a cincia e a no
cincia, para distinguir o conhecimento cientfico do metafsico, de forma a erradicar este ltimo do
edifcio cientfico em construo. Vejamos quais foram as etapas relevantes para o mbito da nossa
anlise da evoluo destes critrios de demarcao.
2.1 O verificacionismo
Embora a teoria do conhecimento e a filosofia das cincias venham de perodos anteriores, a primeira
situao relevante para a nossa anlise diz respeito ao positivismo lgico representado pelo Crculo de
Viena, tendo alguns dos seus membros apresentado o Modelo Hipottico-Dedutivo. Esta corrente
utilizou a abordagem cartesiana e evoluiu para o empirismo lgico unificador da cincia e pretendendo
proteg-la da metafsica.
Estas perspectivas assumem uma abordagem acumulacionista do desenvolvimento das cincias,
na qual cada gerao de cientistas, recebe a viso anterior e trabalha a partir dela para alargar as
fronteiras da cincia, dentro do mesmo quadro geral de princpios metodolgicos. O critrio de
demarcao presente no positivismo lgico centra-se na significao das proposies, considerando
com sentido, as que podem ser verificadas recorrendo anlise lgica regressiva, at aos
enunciados de base, remetendo para a categoria das sem sentido, as que tm carcter metafsico,
no sendo portanto, passveis de verificao. Assim, para o positivismo lgico, o critrio de
1

PARA UMA MELHOR COMPREENSO DA GESTO COMO CINCIA
Antnio Teixeira (afst@iscte.pt), lvaro Rosa (alvaro.rosa@iscte.pt)
e Nelson Antnio (nelson.antonio@iscte.pt)
IBS (ISCTE Business School), UNIDE
1. Introduo
Um dos aspectos que os investigadores e prticos da gesto se confrontam a necessidade de integrar
num todo coerente as contribuies provenientes de diversas disciplinas cientficas com grau de
exactido diferente, onde se incluem tanto componentes duras como moles.
Quer na vertente prtica quer na terica da gesto, anlises abrangentes devem estar associadas a uma
capacidade integradora das diversas disciplinas sem contudo perder de vista as suas caractersticas
diferentes. Claro que a gesto um corpo multifacetado que no se limita fronteira da cincia. No
entanto, este artigo debruar-se- apenas sobre a componente cientfica da gesto, abordando como
exemplo a forma de conciliar a estatstica com as cincias comportamentais.
Como Deming (1986) refere, as observaes empricas devem ser sempre analisadas luz de uma
teoria. Esta integrao multidisciplinar tambm no deve decorrer revelia de uma matriz terica que
neste caso se deve referir ao critrio de cientificidade. Neste artigo, tendo em contas as limitaes de
espao, abordamos um leque nuclear de concepes de demarcao do campo da cincia, de forma a
clarificar as bases de um modelo integrador para a gesto (para mais detalhes ver Teixeira et al.,
2007).
2. Critrios de demarcao
Com o advento do Iluminismo, o pensamento cientfico assumiu uma posio predominante, tendo-se
assistido no sculo XIX a uma etapa marcante na crena nas possibilidades da cincia. Alguns
pensadores consideram exagerada esta atitude. Fiolhais et al. (2008) afirmam a este respeito que O
cientismo manifesta-se na ideia de que ou temos provas cientficas, ou nada podemos ter que seja
racional. Mas esta no uma posio razovel. Provar cientificamente algo, ou logicamente, ou
matematicamente, apenas uma das maneiras que temos de argumentar a favor de ideias ou decises
ou compromissos, considerando que racionalidade mais vasta. Diga-se alis que o prprio termo
por vezes empregue com sentido pejorativo (Bauer, 1992), considerando inclusivamente Jarroson
(1992) que o mesmo se encontrava nos antpodas do esprito cientfico.
Esta tendncia levou a que se procurasse a definio de critrios de demarcao entre a cincia e a no
cincia, para distinguir o conhecimento cientfico do metafsico, de forma a erradicar este ltimo do
edifcio cientfico em construo. Vejamos quais foram as etapas relevantes para o mbito da nossa
anlise da evoluo destes critrios de demarcao.
2.1 O verificacionismo
Embora a teoria do conhecimento e a filosofia das cincias venham de perodos anteriores, a primeira
situao relevante para a nossa anlise diz respeito ao positivismo lgico representado pelo Crculo de
Viena, tendo alguns dos seus membros apresentado o Modelo Hipottico-Dedutivo. Esta corrente
utilizou a abordagem cartesiana e evoluiu para o empirismo lgico unificador da cincia e pretendendo
proteg-la da metafsica.
Estas perspectivas assumem uma abordagem acumulacionista do desenvolvimento das cincias,
na qual cada gerao de cientistas, recebe a viso anterior e trabalha a partir dela para alargar as
fronteiras da cincia, dentro do mesmo quadro geral de princpios metodolgicos. O critrio de
demarcao presente no positivismo lgico centra-se na significao das proposies, considerando
com sentido, as que podem ser verificadas recorrendo anlise lgica regressiva, at aos
enunciados de base, remetendo para a categoria das sem sentido, as que tm carcter metafsico,
no sendo portanto, passveis de verificao. Assim, para o positivismo lgico, o critrio de
2

demarcao entre o cientfico e o metafsico, o verificacionismo.
2.2 O falsificacionismo
Popper (1934) seguiu um caminho diferente, adoptando como critrio de demarcao a
falsificabilidade. Ao contrrio dos positivistas, Popper no estava interessado na excluso das
propostas tradicionais da filosofia do campo do que faz sentido. Ele estava apenas interessado em
exclu-las do mbito da rea cientfica.
A teoria de Popper constituiu um passo que veio revolucionar a viso do processo cientfico. Enquanto
que anteriormente o processo era tido como acumulacionista e sem descontinuidades, com os
horizontes da cincia sendo sucessivamente alargados a partir das contribuies anteriores (the
received view). Popper introduziu uma perspectiva revolucionria em que cada novo passo passa pela
rejeio do que anteriormente era aceite, ao mesmo tempo que a nova teoria explica igualmente,
embora por outra forma ou por um caso particular, os factos explicados pela teoria que se abandona.
Popper considera que todas as teorias so contextuais e s devem ser adoptadas enquanto a sua
falsidade no estiver provada, utilizando o termo corroborao como sinnimo de insucesso numa
tentativa de falsificao, o que no significa aceitao. Assim, uma determinada teoria no tem
necessariamente que reflectir uma verdade cientfica absoluta, mas apenas uma forma de lidar com a
realidade, partindo da sua observao e encontrando explicaes dentro das limitaes do
desenvolvimento cientfico e tecnolgico existente no contexto em que a teoria elaborada, sendo no
fundo um raciocnio de gesto da ignorncia. Uma teoria ou afirmao s ser cientfica se a sua
falsificabilidade for possvel a partir dos resultados de observaes empricas embora, nalguns casos,
devido a limitaes de vria ordem, nomeadamente de cariz tecnolgico, essa falsificao possa ser
apenas possvel teoricamente, pelo menos a curto prazo.
Embora Popper no se refira a Sir Ronald Fisher (1890-1962), Jerzy Neyman (1894-1981) e E.S.
Pearson (1895-1980) na sua obra, estes desenvolveram na altura a teoria da inferncia estatstica
(Blankenship e Petersen, 1999) que reflecte de uma forma perfeita o esprito do falsificacionismo:
Fisher tinha lanado as fundaes de uma teoria geral para tirar concluses dos dados estatsticos.
Neyman e Pearson reformularam parte da teoria numa forma que era mais fcil de compreender,
porque seguia regras matemticas simples.
Na boa tradio popperiana, a proposio sujeita a teste assumida, o que no o mesmo que aceite
como verdadeira, a menos que se encontre evidncia estatstica que aponte para a sua falsidade. A
hiptese nula, representando a proposio assumida antes do teste, nunca validada pelo teste e
geralmente formulada como o contrrio do que se quer provar. Desta forma d-se o benefcio da
dvida ao status quo. Ou rejeitada ou continua a ser utilizada, mas como uma verdade transitria e
contextual de carcter probabilstico que se mantm apenas enquanto no se obtm indcios apontando
para a sua falsidade (Ackerman, 1976): Muitos estatsticos falam livremente sobre aceitar e rejeitar
hipteses com base em regras metodolgicas (incluindo a dimenso de diversos parmetros); Popper
s pode falar em rejeio de hipteses na inferncia estatstica.
Assim, a teoria de Popper no contempla a existncia de verdades absolutas, sendo estas tidas por
transitrias e probabilsticas e vistas como uma correspondncia com factos, num caminho que, de
falsificao em falsificao, se percorre um processo iterativo de aproximao a uma verdade
inatingvel, no que Miller (1994) chama de conjecturas e refutaes, vendo a diferena entre o
verificacionismo e o falsificacionismo como algo de semelhante a dois regimes diferentes de admisso
de estudantes para o acesso ao ensino universitrio. No primeiro caso h um exame de admisso para
entrar na universidade que certifica que o estudante tem as caractersticas exigidas (verificacionismo),
no segundo, todos os estudantes so admitidos e vo sendo expulsos do sistema medida que se prove
no serem capazes (falsificacionismo)
Relativamente ao paralelismo entre a obra de Popper e o que viria mais tarde a ser conhecido por
inferncia estatstica, Blaug (1992) refere: A filosofia da cincia de Popper teria sido muito melhor
compreendida, e estaria hoje muito menos rodeada pelas ms interpretaes que ainda abundam na
literatura derivada, se ele tivesse logo feito expressa referncia teoria da inferncia estatstica de
Neyman Pearson A est o sentido principal da teoria de Neyman Pearson e, quando posta
desta maneira, torna-se imediatamente bvio que o princpio da falsificabilidade requer normas
15 O u t o n o d e 2 0 0 8
.
2

demarcao entre o cientfico e o metafsico, o verificacionismo.
2.2 O falsificacionismo
Popper (1934) seguiu um caminho diferente, adoptando como critrio de demarcao a
falsificabilidade. Ao contrrio dos positivistas, Popper no estava interessado na excluso das
propostas tradicionais da filosofia do campo do que faz sentido. Ele estava apenas interessado em
exclu-las do mbito da rea cientfica.
A teoria de Popper constituiu um passo que veio revolucionar a viso do processo cientfico. Enquanto
que anteriormente o processo era tido como acumulacionista e sem descontinuidades, com os
horizontes da cincia sendo sucessivamente alargados a partir das contribuies anteriores (the
received view). Popper introduziu uma perspectiva revolucionria em que cada novo passo passa pela
rejeio do que anteriormente era aceite, ao mesmo tempo que a nova teoria explica igualmente,
embora por outra forma ou por um caso particular, os factos explicados pela teoria que se abandona.
Popper considera que todas as teorias so contextuais e s devem ser adoptadas enquanto a sua
falsidade no estiver provada, utilizando o termo corroborao como sinnimo de insucesso numa
tentativa de falsificao, o que no significa aceitao. Assim, uma determinada teoria no tem
necessariamente que reflectir uma verdade cientfica absoluta, mas apenas uma forma de lidar com a
realidade, partindo da sua observao e encontrando explicaes dentro das limitaes do
desenvolvimento cientfico e tecnolgico existente no contexto em que a teoria elaborada, sendo no
fundo um raciocnio de gesto da ignorncia. Uma teoria ou afirmao s ser cientfica se a sua
falsificabilidade for possvel a partir dos resultados de observaes empricas embora, nalguns casos,
devido a limitaes de vria ordem, nomeadamente de cariz tecnolgico, essa falsificao possa ser
apenas possvel teoricamente, pelo menos a curto prazo.
Embora Popper no se refira a Sir Ronald Fisher (1890-1962), Jerzy Neyman (1894-1981) e E.S.
Pearson (1895-1980) na sua obra, estes desenvolveram na altura a teoria da inferncia estatstica
(Blankenship e Petersen, 1999) que reflecte de uma forma perfeita o esprito do falsificacionismo:
Fisher tinha lanado as fundaes de uma teoria geral para tirar concluses dos dados estatsticos.
Neyman e Pearson reformularam parte da teoria numa forma que era mais fcil de compreender,
porque seguia regras matemticas simples.
Na boa tradio popperiana, a proposio sujeita a teste assumida, o que no o mesmo que aceite
como verdadeira, a menos que se encontre evidncia estatstica que aponte para a sua falsidade. A
hiptese nula, representando a proposio assumida antes do teste, nunca validada pelo teste e
geralmente formulada como o contrrio do que se quer provar. Desta forma d-se o benefcio da
dvida ao status quo. Ou rejeitada ou continua a ser utilizada, mas como uma verdade transitria e
contextual de carcter probabilstico que se mantm apenas enquanto no se obtm indcios apontando
para a sua falsidade (Ackerman, 1976): Muitos estatsticos falam livremente sobre aceitar e rejeitar
hipteses com base em regras metodolgicas (incluindo a dimenso de diversos parmetros); Popper
s pode falar em rejeio de hipteses na inferncia estatstica.
Assim, a teoria de Popper no contempla a existncia de verdades absolutas, sendo estas tidas por
transitrias e probabilsticas e vistas como uma correspondncia com factos, num caminho que, de
falsificao em falsificao, se percorre um processo iterativo de aproximao a uma verdade
inatingvel, no que Miller (1994) chama de conjecturas e refutaes, vendo a diferena entre o
verificacionismo e o falsificacionismo como algo de semelhante a dois regimes diferentes de admisso
de estudantes para o acesso ao ensino universitrio. No primeiro caso h um exame de admisso para
entrar na universidade que certifica que o estudante tem as caractersticas exigidas (verificacionismo),
no segundo, todos os estudantes so admitidos e vo sendo expulsos do sistema medida que se prove
no serem capazes (falsificacionismo)
Relativamente ao paralelismo entre a obra de Popper e o que viria mais tarde a ser conhecido por
inferncia estatstica, Blaug (1992) refere: A filosofia da cincia de Popper teria sido muito melhor
compreendida, e estaria hoje muito menos rodeada pelas ms interpretaes que ainda abundam na
literatura derivada, se ele tivesse logo feito expressa referncia teoria da inferncia estatstica de
Neyman Pearson A est o sentido principal da teoria de Neyman Pearson e, quando posta
desta maneira, torna-se imediatamente bvio que o princpio da falsificabilidade requer normas
3

metodolgicas que lhe dem operacionalidade. A omisso da explorao da teoria de Neyman
Pearson, e particularmente a sua aparente relutncia em a mencionar, devem ento ser registadas
como um daqueles mistrios insolveis da histria das ideias.
2.3 A abordagem paradigmtica
O conceito de paradigma, tal como foi definido por Thomas Khun (1962) constitui um instrumento
privilegiado para apoiar o relacionamento procurado. Com este conceito, Khun produziu uma
perspectiva convencional sobre a natureza da cincia, ligando-a actividade cientfica. Esta
perspectiva considera o paradigma como sendo um conjunto de ideias convencionalmente aceite pelos
que exercem a sua actividade na resoluo de problemas concretos, puzzles na sua terminologia.
Desta forma, a adopo de uma determinada matriz terica no decorre do resultado de uma discusso
dos mritos relativos de vrias alternativas medidos de forma abstracta, mas sim da sua aceitao para
servir de base actividade conduzida nos perodos de aplicao do que Khun chama de cincia
normal, ou seja, nos quais no so questionados os princpios de base convencionalmente aceites e
utilizados margem de quaisquer consideraes referentes a mritos relativos avaliados de forma
abstracta e no contextual.
Esta caracterstica convencional largamente aceite, o que no exclui a existncia de posies
dissidentes, mais frequentes e naturais nos meios ligados s cincias duras. No entanto, pode afirmar-
se que emerge da literatura um largo apoio s teses de Kuhn. H mesmo seguidores de outras ordens
de ideias, nomeadamente do falsificacionismo de Popper, que consideram, em ltima anlise, ter
vencido o lado errado, quando se encara como critrio de vitria o grau de aceitao (Fuller, 2003).
Assim, adoptando uma perspectiva pragmtica que, como veremos, um dos principais pontos de
partida para a formao das ideias que presidem gesto da qualidade, iremos adoptar o paradigma
como instrumento de anlise da evoluo do corpo cientfico no mbito da gesto das organizaes.
Vejamos portanto como se pode reflectir esta abordagem paradigmtica da evoluo da cincia da
gesto ao aspecto concreto em anlise, comeando por identificar quais os paradigmas da gesto
surgidos na sua fase cientfica. A Figura 1 ilustra esta evoluo, sendo de referir que a mesma
contempla apenas as fases marcantes, independentemente das datas em que ocorreram. Os efeitos da
evoluo paradigmtica encontram-se ilustrados na Figura 2 que mostra as diferentes perspectivas dos
seguidores do novo paradigmas e dos que se mantm dentro das fronteiras do anterior.
Figura 1 Os paradigmas da gesto
Figura 2 Desenvolvimento dos paradigmas
4

As cinco situaes ilustradas correspondem a (Teixeira et al., 2008):
1. Paradigma inicial Esta situao caracteriza-se pela existncia de um ncleo de valores aceite que preside actividade
normal de gesto. Existem ainda camadas perifricas de valores, cada vez mais confinados a uma dimenso instrumental
medida que so mais perifricos. Cada vez so mais uma consequncia e no uma causa, um servidor e no um amo.
2. Relaes ncleo-periferia e periferia-ncleo - As setas que se acrescentaram nesta fase so de dois tipos. O primeiro,
respeitante s setas direccionadas no sentido ncleo-periferia ilustra o facto de que as camadas perifricas correspondem a
concretizaes mais especficas e concretas dos valores nucleares. O segundo tipo corresponde s setas em sentido contrrio
e significam que qualquer elemento de uma camada perifrica deve ser analisado em cada caso concreto tendo em ateno os
valores nucleares de onde provm.
Por outro lado, o feedback recebido da aplicao das ferramentas deve ser analisado constantemente para verificar se as
ideias nucleares mantm a sua capacidade geradora de solues que resolvam efectivamente os problemas que vo surgindo.
3. Movimentos resultantes da aceitao de um novo paradigma Esta fase mostra que os paradigmas concorrem entre si
por um posicionamento no ncleo do corpo terico aceite. Assim, a aceitao do novo paradigma ter como consequncia a
substituio do ncleo, o que por sua vez provocar uma migrao para posies mais perifricas dos valores base e
instrumentos respeitantes ao paradigma objecto de substituio.
4. Situao aps a aceitao de um novo paradigma Esta fase ilustra de forma simplificada e esquemtica o resultado do
rearranjo do corpo terico aps a aceitao de um novo paradigma. A zona interior corresponde posio nuclear do novo
paradigma e a exterior resulta da migrao para a periferia dos elementos do paradigma anterior, que no se extinguem,
transformam-se.
5. Perspectiva dos aderentes ao novo paradigma Os aderentes ao novo paradigma ganham um novo conjunto de ideias de
ordem superior no sentido de permitirem a compreenso e interpretao de situaes para as quais o paradigma anterior se
mostrara insuficiente. No entanto, mantm a perspectivao resultante do paradigma anterior que se mantm perfeitamente
vlida para determinada gama de situaes. A teoria de que a terra no plana no invalida muitas aplicaes concretas
delineadas a partir da considerao em contrrio, aplicando-se o mesmo considerao da sua esfericidade perfeita.
6. Perspectiva dos no aderentes ao novo paradigma Esta situao retrata esquematicamente um resultado de uma no
adeso ao novo paradigma. Enquanto a envolvente caracterizada por um amplo campo de actuao, os no aderentes
correm o risco de ficar com uma perspectiva mais restrita do que se passa sua volta e das regras do jogo, no possuindo
variedade e profundidade conceptuais para interpretarem as situaes que excederam os limites da sua perspectiva.
Em termos paradigmticos passa-se o ilustrado na Figura 3. O desenvolvimento da envolvente de
forma que a mesma se encontra em permanente expanso, tendo como consequncia o aparecimento
de novos tipos de situao para os quais o paradigma at ento aceite no fornece as respostas
adequadas.
Figura 3 Reduo do domnio de aplicao do
paradigma alvo de substituio
3

3

3

4

As cinco situaes ilustradas correspondem a (Teixeira et al., 2008):
1. Paradigma inicial Esta situao caracteriza-se pela existncia de um ncleo de valores aceite que preside actividade
normal de gesto. Existem ainda camadas perifricas de valores, cada vez mais confinados a uma dimenso instrumental
medida que so mais perifricos. Cada vez so mais uma consequncia e no uma causa, um servidor e no um amo.
2. Relaes ncleo-periferia e periferia-ncleo - As setas que se acrescentaram nesta fase so de dois tipos. O primeiro,
respeitante s setas direccionadas no sentido ncleo-periferia ilustra o facto de que as camadas perifricas correspondem a
concretizaes mais especficas e concretas dos valores nucleares. O segundo tipo corresponde s setas em sentido contrrio
e significam que qualquer elemento de uma camada perifrica deve ser analisado em cada caso concreto tendo em ateno os
valores nucleares de onde provm.
Por outro lado, o feedback recebido da aplicao das ferramentas deve ser analisado constantemente para verificar se as
ideias nucleares mantm a sua capacidade geradora de solues que resolvam efectivamente os problemas que vo surgindo.
3. Movimentos resultantes da aceitao de um novo paradigma Esta fase mostra que os paradigmas concorrem entre si
por um posicionamento no ncleo do corpo terico aceite. Assim, a aceitao do novo paradigma ter como consequncia a
substituio do ncleo, o que por sua vez provocar uma migrao para posies mais perifricas dos valores base e
instrumentos respeitantes ao paradigma objecto de substituio.
4. Situao aps a aceitao de um novo paradigma Esta fase ilustra de forma simplificada e esquemtica o resultado do
rearranjo do corpo terico aps a aceitao de um novo paradigma. A zona interior corresponde posio nuclear do novo
paradigma e a exterior resulta da migrao para a periferia dos elementos do paradigma anterior, que no se extinguem,
transformam-se.
5. Perspectiva dos aderentes ao novo paradigma Os aderentes ao novo paradigma ganham um novo conjunto de ideias de
ordem superior no sentido de permitirem a compreenso e interpretao de situaes para as quais o paradigma anterior se
mostrara insuficiente. No entanto, mantm a perspectivao resultante do paradigma anterior que se mantm perfeitamente
vlida para determinada gama de situaes. A teoria de que a terra no plana no invalida muitas aplicaes concretas
delineadas a partir da considerao em contrrio, aplicando-se o mesmo considerao da sua esfericidade perfeita.
6. Perspectiva dos no aderentes ao novo paradigma Esta situao retrata esquematicamente um resultado de uma no
adeso ao novo paradigma. Enquanto a envolvente caracterizada por um amplo campo de actuao, os no aderentes
correm o risco de ficar com uma perspectiva mais restrita do que se passa sua volta e das regras do jogo, no possuindo
variedade e profundidade conceptuais para interpretarem as situaes que excederam os limites da sua perspectiva.
Em termos paradigmticos passa-se o ilustrado na Figura 3. O desenvolvimento da envolvente de
forma que a mesma se encontra em permanente expanso, tendo como consequncia o aparecimento
de novos tipos de situao para os quais o paradigma at ento aceite no fornece as respostas
adequadas.
Figura 3 Reduo do domnio de aplicao do
paradigma alvo de substituio
5

3. Concluses
Um modelo integrador da componente cientfica da gesto esto, representadas na gesto, o
falsificacionismo que se encontra no mago da estatstica inferencial tal como encarada por Fisher e
Neyma-Pearson, no preenche estes requisitos. O modelo ter ento que ser construdo com base na
perspectiva paradigmtica. No entanto, esta no possui a componente metodolgica essencial
vertente quantitativa.
Uma via integradora de ambas as perpspectivas passa pelo que chamamos de caminho intermdio de
Lakatos, os programas de investigao cientfica.
Sem abandonar as concepes de Popper, Lakatos assume posies que respondem a algumas das
crticas do campo paradigmtico em relao ao falsificacionismo, robustecendo e aproximando as duas
perpspectivas. Esta posio vista de formas diversas conforme as convices dos observadores,
havendo quem considere que est mais prximo de Popper e quem entenda que est mais prximo de
Kuhn. A este respeito, Silva (1998), por exemplo, considera: O contributo de Imre Lakatos para a
filosofia da cincia permite-nos uma reflexo permanente, tanto sobre a leitura de Karl Popper, como
sobre a de Thomas Kuhn: apesar do seu autor o apresentar como mais prximo de uma proposta
popperiana melhorada e mais contrastante com a contribuio kuhniana. As limitaes de espao
no nos permitem abordar o pensamento de Lakatos, deixando tal para outra ocasio.
Ser assim de adoptar a perspectiva paradigmtica associada aos projectos de investigao como uma
ponte para componentes que, caracterizadas por uma vertente mais metodolgica do que a
providenciada pelo paradigma, essencialmente estrutural e descritiva, exijam uma abordagem
metodolgica. Esta situao encontra-se espelhada na Figura 3.
Figura 3 Estrutura e metodologia no modelo a adoptar
4. Bibliografia
Ackerman, R. J. (1976), The Philosophy of Karl Popper, Massachusetts: University of Massachusetts
Press.
Bauer, H. (1992). Scientific Literacy and the Myth of the Scientific Method, University of Illinois
Press.
17 O u t o n o d e 2 0 0 8
5

3. Concluses
Um modelo integrador da componente cientfica da gesto esto, representadas na gesto, o
falsificacionismo que se encontra no mago da estatstica inferencial tal como encarada por Fisher e
Neyma-Pearson, no preenche estes requisitos. O modelo ter ento que ser construdo com base na
perspectiva paradigmtica. No entanto, esta no possui a componente metodolgica essencial
vertente quantitativa.
Uma via integradora de ambas as perpspectivas passa pelo que chamamos de caminho intermdio de
Lakatos, os programas de investigao cientfica.
Sem abandonar as concepes de Popper, Lakatos assume posies que respondem a algumas das
crticas do campo paradigmtico em relao ao falsificacionismo, robustecendo e aproximando as duas
perpspectivas. Esta posio vista de formas diversas conforme as convices dos observadores,
havendo quem considere que est mais prximo de Popper e quem entenda que est mais prximo de
Kuhn. A este respeito, Silva (1998), por exemplo, considera: O contributo de Imre Lakatos para a
filosofia da cincia permite-nos uma reflexo permanente, tanto sobre a leitura de Karl Popper, como
sobre a de Thomas Kuhn: apesar do seu autor o apresentar como mais prximo de uma proposta
popperiana melhorada e mais contrastante com a contribuio kuhniana. As limitaes de espao
no nos permitem abordar o pensamento de Lakatos, deixando tal para outra ocasio.
Ser assim de adoptar a perspectiva paradigmtica associada aos projectos de investigao como uma
ponte para componentes que, caracterizadas por uma vertente mais metodolgica do que a
providenciada pelo paradigma, essencialmente estrutural e descritiva, exijam uma abordagem
metodolgica. Esta situao encontra-se espelhada na Figura 4.
Figura 4 Estrutura e metodologia no modelo a adoptar
4. Bibliografia
Ackerman, R. J. (1976), The Philosophy of Karl Popper, Massachusetts: University of Massachusetts
Press.
Bauer, H. (1992). Scientific Literacy and the Myth of the Scientific Method, University of Illinois
Press.
6

Blankenship, B. e P. Peterson (1999). W. Edwards Demings Mentor and Others who Made a
Significant Impact on his Views During the 1920s and 1930s, Journal of Management History, Vol.
5, No. 8, pp. 454-465.
Blaug, M. (1992), The Methodology of Economics, traduo portuguesa de V. Calvete (1994), A
Metodologia da Economia, Lisboa: Gradiva.
Deming, W. E. (1986). Out of the Crisis, Cambridge: Cambridge University Press.
Fiolhais, C., D. Murcho, H. Damio, J. Buescu, P. F. Silva, P. G. Mota e S. Arajo. F, racionalidade
e cientismo (consultado em Julho de 2008).
Fuller, S. (2003). Kuhn vs Popper, Icon Books.
http://dererummundi.blogspot.com/2007/12/f-racionalidade-e-cientismo.html
Jarrosson, B. (1992), Invitation la Philosophie des Sciences, Paris: ditions do Seuil.
Kuhn, T. (1962). The Structure of Scientific Revolutions, Chicago: Chicago University Press.
Popper, K. (1934). The Logic of Scientific Discovery, New York: Harper & Row.
Silva, P. (1998). A Filosofia da Cincia de Paul Feyerabend, Lisboa: Instituto Piaget.
Teixeira A., Rosa A. e N.Antnio (2007). O doce amanhecer da cincia da gesto: uma perspectiva
filosfica, Lisboa: Pedago.
Teixeira, A, e N.Antnio (2008). Qualidade e estratgia, TMQ Gesto da Qualidade, 2008,
Lisboa: Slabo (a publicar).
Estimao da abundncia animal e de populaes humanas mveis
Russell Alpizar-Jara, Anabela Afonso e Joo Filipe Monteiro
{alpizar, aafonso, jfgm}@uevora.pt
Centro de Investigao em Matemtica e Aplicaes
Departamento de Matemtica
Universidade de vora
1. Introduo
O tema Estimao da Abundncia Animal, apesar de aparentemente limitado e restrito a uma rea de
conhecimento, muito vasto e com grande potencial de aplicao. Neste texto vamos desenvolver este
tema enfatizando a sua relevncia para a gesto das populaes biolgicas e para a tomada de decises
referentes a populaes humanas que so de difcil acesso devido ao seu carcter evasivo.
A estimao da abundncia de populaes animais e do nmero de pessoas de algumas populaes
humanas mveis um tema bastante relevante na sociedade actual. Por exemplo, para a definio de
quotas de pesca de extrema importncia uma correcta estimao da abundncia de pescado, de forma
a evitar a extino ou a sobre abundncia de algumas espcies; nas polticas de Sade so precisas
estimativas das taxas de incidncia e prevalncia de certas doenas crnicas em populaes de difcil
acesso. Na seco 6 referimos vrios exemplos em diversas reas de aplicao.
Recentemente decorreu na Universidade de vora o CIM Workshop em Estimao da Abundncia
Animal. Julgamos que este foi o primeiro workshop, desta natureza, a decorrer em territrio
Portugus, pelo menos durante a ltima dcada. O principal objectivo foi o de trazer comunidade
cientfica portuguesa um elenco de reconhecidos especialistas internacionais para leccionar alguns
tpicos de interesse nesta rea de investigao, divulgar algum trabalho recente e apontar linhas de
investigao e desenvolvimento futuro (ver na seco Notcias neste volume e mais detalhes sobre o
workshop em http://www.eventos.uevora.pt/~weaa). Pode-se considerar que este objectivo foi
alcanado dada a excelente adeso verificada. Outro dos objectivos deste workshop era a constituio
de um pequeno grupo de trabalho interessado no desenvolvimento e aplicao de tcnicas nesta rea
de investigao. Tambm aqui a iniciativa foi bem sucedida, visto que foram vrios os participantes
que se mostraram interessados em pertencer a esse grupo de trabalho, estando j a ser agendados
alguns encontros. Os principais tpicos tratados neste workshop foram os mtodos de captura-
recaptura e extenses no mbito dos modelos de estados mltiplos. Tambm foi abordada a
amostragem por distncias, onde foi dada uma ateno especial amostragem por pontos.
Nos ltimos anos tm-se verificado grandes desenvolvimentos tanto na amostragem por distncias
como nos modelos de estados mltiplos e ainda na amostragem adaptativa para populaes biolgicas
e/ou evasivas. No entanto, neste artigo vamos centrar a nossa discusso apenas nos modelos de
captura-recaptura, em particular nos modelos para populaes fechadas, visto serem os que tm tido
uma maior aplicao nas mais diversas reas do conhecimento. Referiremos tambm vrios
contributos de colegas e alunos que colaboraram connosco e a quem desde j agradecemos. Muitas
destas contribuies podem ser consultadas nos artigos publicados nas Actas da SPE dos ltimos
congressos anuais. A nossa inteno no fazer aqui uma reviso exaustiva destes mtodos de
amostragem mas sim indicar alguns desenvolvimentos recentes na rea e a possibilidade de utilizao
e difuso na sociedade portuguesa por parte da comunidade cientfica.
2. Breve reviso histrica
Os modelos de captura-recaptura tm uma grande importncia histrica. O modelo mais simples, que
hoje em dia conhecido por modelo de Lincoln-Petersen, est na base dos modelos que proliferaram
muito rapidamente no sculo XX. Os primeiros desenvolvimentos tericos remontam ao tempo de
1. Introduo
1. Introduo
Laplace (1786), quando tentou estimar o tamanho da populao francesa com base nos registos do
nmero de nascimentos e do nmero de habitantes nos centros suburbanos nos arredores de Paris.
Pouco mais de 100 anos depois, Petersen (1896) introduz algumas ideias na rea da pesca e formaliza
um modelo ao estudar a migrao de peixes do Mar Alemo para Limfjord. De forma independente,
Lincoln (1930) prope os mesmos princpios para estimar o tamanho da populao de patos silvestres
nos Estados Unidos da Amrica. Apesar de se atriburem a Laplace as primeiras ideias relativas aos
actuais desenvolvimentos de captura-recaptura, tem sido documentado que o eminente britnico John
Graunt j tinha usado ideias semelhantes para estimar a populao de Londres, baseando-se em dados
publicados na sua obra, Natural and Political Observations: Made upon the Bills of Mortality de 1662
(Amstrup et al. 2005).
Os modelos de captura-recaptura tm sido classificados em dois grandes grupos, dependendo do tipo
de populao: fechada (Otis et al. 1978 e White et al. 1982) ou aberta (Pollock et al. 1990 e Lebreton
et al. 1992). Considera-se que a populao fechada quando o seu tamanho se mantm constante
durante o perodo de amostragem e no existem sadas (mortes ou emigrao) nem entradas
(nascimentos ou imigrao) na populao. Caso contrrio diz-se que a populao aberta. Pollock
(1982) prope um desenho robusto que permite combinar modelos para populaes fechadas e abertas.
Ao longo dos anos, estes modelos continuaram a ser muito utilizados na rea das cincias biolgicas
mas a sua aplicabilidade tambm se foi expandindo s populaes humanas, por exemplo na rea das
cincias mdicas e epidemiologia ("International Working Group for Disease Monitoring and
Forecasting" 1995ab). Seber (1982) faz referncia aplicao de captura-recaptura a problemas de
edio de texto, correco de programas informticos, controlo de qualidade e em geral a populaes
evasivas.
3. O estimador de Lincoln-Petersen
A experincia de captura-captura mais simples consiste em recolher (capturar) uma amostra inicial
com n
1
animais, que so marcados e devolvidos rea de estudo para que se misturem com a
populao de N n
1
animais no marcados. Posteriormente, retira-se uma nova amostra, de n
2
animais,
da populao. Nesta segunda amostra verificaremos que m
2
dos n
2
animais capturados j foram
previamente marcados (recapturas). Se considerarmos que a populao fechada, que os animais
dentro de cada amostra tm igual probabilidade de captura (homogeneidade), que as marcas no se
perdem nem so contadas mais do que uma vez pelo observador e que os indivduos marcados e no
marcados estavam aleatoriamente misturados, ento esperamos que a proporo de animais marcados
na segunda amostra seja semelhante proporo de animais marcados na populao total, ou seja
2 1
2
m n
n N
.
Desta relao resulta o conhecido estimador de Lincoln-Petersen:
.
2
2 1
m
n n
N =
Este estimador pode ser obtido por diferentes mtodos de estimao e est na base de diversos
modelos probabilsticos. No entanto, apesar de apresentar a mesma forma analtica, a interpretao
pode variar com os pressupostos elaborados (Alpizar-Jara 2000, Jorge e Alpizar-Jara 2006).
Na figura 1 apresenta-se um desafio bastante ilustrativo dos modelos de captura-recaptura, disponvel
na pgina de internet Figure This!. Este espao foi criado pela National Council of Teachers of
Mathematics, nos Estados Unidos da Amrica, em cooperao com outras entidades, para envolver os
estudantes e as suas famlias em desafios matemticos que podem ser resolvidos em casa. Estes
divertidos desafios so cuidadosamente escolhidos, de alta qualidade e apelam utilidade da
matemtica na resoluo de problemas da vida real.
19 O u t o n o d e 2 0 0 8
evasivas.
com n
1
populao de N n
1
2
animais,
2
dos n
2
2 1
2
m n
n N
.
.
2
2 1
m
n n
N =
evasivas.
com n
1
populao de N n
1
2
animais,
2
dos n
2
2 1
2
m n
n N
.
.
2
2 1
m
n n
N =
evasivas.
com n
1
populao de N n
1
2
animais,
2
dos n
2
2 1
2
m n
n N
.
.
2
2 1
m
n n
N =
evasivas.
com n
1
populao de N n
1
2
animais,
2
dos n
2
2 1
2
m n
n N
.
.
2
2 1
m
n n
N =
evasivas.
com n
1
populao de N n
1
2
animais,
2
dos n
2
2 1
2
m n
n N
.
.
2
2 1
m
n n
N =

Figura 1: Desafio 52 Captura-recaptura, disponvel na pgina de internet Figure This!
(http://www.figurethis.org/challenges/c52/challenge.htm).
4. Modelao da heterogeneidade nas probabilidades de captura
O pressuposto de homogeneidade das probabilidades de captura muitas vezes violado, devido a
factores externos entre diferentes momentos de amostragem (t = variao temporal), a caractersticas
dos indivduos (h = heterogeneidade), ou forma como os indivduos reagem s armadilhas
(b = comportamento) onde se podem observar efeitos do tipo trap happy ou trap shy. De forma a
incorporar estas componentes na modelao, foram propostos oito modelos que combinam estas trs
fontes de variao, que se podem apresentar numa estrutura hierrquica, como se ilustra na Figura 2. O
modelo M
tbh
considera as trs fontes de variao em simultneo e o modelo nulo M
0
assume que as
probabilidades de captura so constantes. A seleco de modelos habitualmente efectuada atravs de
um critrio baseado numa funo discriminante multivariada que considera vrios testes de
ajustamento e a validao dos modelos ajustados. Este procedimento est disponvel no software, de
distribuio livre, CAPTURE (Otis et al. 1978 e White et al. 1982).
Figura 2: Estrutura hierrquica dos modelos usuais para tratar a heterogeneidade nos problemas de captura (adaptada de
White et al. 1982).
Mais recentemente, tm sido implementadas extenses dos oito modelos originalmente propostos e
vrias abordagens de estimao em softwares de livre acesso como MARK (Cooch e White 2002).
Nestes modelos para populaes fechadas, a estimao de parmetros habitualmente feita com
recurso ao mtodo de estimao por mxima verosimilhana e tambm com alguns mtodos no
paramtricos. Uma formulao geral da funo de mxima verosimilhana para os modelos para
populaes fechadas dada por:

modelo M
tbh
0
assume que as
White et al. 1982).

modelo M
tbh
0
assume que as
White et al. 1982).
( ) ( )
1
1 1
1
ij
ij
N k
x
x
ij ij
i j
L p p
= =
=
(1)
onde N representa o total de indivduos na populao em estudo, k o nmero de capturas, x
ij
= 1 se o
animal i capturado no instante j, e x
ij
= 0 caso contrrio, e p
ij
representa a probabilidade do animal i
ser capturado no instante j, i = 1, , N, e j = 1, , k, i. e. para os diferentes modelos:
M
0
: p
ij
= p, i, j
M
t
: p
ij
= p
j
, i
M
h
: p
ij
= p
i
, j, p
i
F(p), onde F a funo de distribuio de p
M
b
: p
ij
= p para a primeira captura, p
ij
= c para as recapturas
M
bh
: p
ij
= p
i
para a primeira captura, p
ij
= c
i
para as recapturas
M
th
: p
ij
=
i

j
, assume combinao do efeitos t e h multiplicativos
M
tb
: p
ij
= p
j
ij
= c
j
para as recapturas
M
tbh
: p
ij
= p
ij
ij
= c
ij
para as recapturas.
Os parmetros destes modelos so o tamanho da populao, N, e as probabilidades de captura, p
ij
.
Devido ao elevado nmero de parmetros em alguns modelos, a funo de verosimilhana (1)
apresenta problemas de identificabilidade e estimao se no forem consideradas algumas restries.
Autores como Burnham e Overton (1978) e Chao et al. (1992) propem estimadores alternativos
baseados em mtodos no paramtricos para evitar estes problemas.
Os primeiros desenvolvimentos do modelo M
h
foram considerados por Burnham e Overton (1978),
que derivaram um estimador para o tamanho da populao em funo das frequncias de capturas e
utilizaram o mtodo Jackknife para corrigir o enviesamento. Mais tarde, Cormack (1989) tentou
estimar os parmetros do modelo que considera heterogeneidade nas probabilidades de captura atravs
de modelos loglineares e, mais recentemente, Pledger (2000), baseando-se nos desenvolvimentos
anteriormente feitos por Norris e Pollock (1996) em modelos de misturas, introduziu heterogeneidade
nas probabilidades de captura utilizando o mtodo de mxima verosimilhana no paramtrica. Vrios
estimadores dos modelos tipo M
t
foram desenvolvidos por Chao (1989) e mais tarde generalizados
para o modelo M
th
(Chao et al., 1992). Huggins (1989, 1991) props a tcnica de regresso logstica
para modelar heterogeneidade nas probabilidades de captura atravs de covariveis observveis.
A inferncia bayesiana tem sido utilizada nos modelos M
t
que permitem apenas a variao das
probabilidades entre os momentos de amostragens (Castledine, 1981) ou quando se aborda o problema
da heterogeneidade nos modelos M
h
(Basu e Ebrahimi, 2001). Ghosh e Norris (2005) desenvolveram
um modelo M
bh
utilizando uma abordagem bayesiana onde as probabilidades de captura no variam
com o tempo, mas variam de indivduo para indivduo e dependem da reaco dos mesmos
armadilha.
5. Algumas reas de aplicao
Seguidamente, chamamos ateno do leitor para uma variedade de aplicaes, dando particular
nfase s aplicaes nas reas da Biologia/Ecologia (populaes animais, dinmica de populaes e de
comunidades), Cincias Mdicas e da Sade (Epidemiologia, doenas crnicas), Cincias Sociais e
Demografia (subcontagem de minorias em censos de populao, imigrantes ilegais, os sem abrigo,
toxicodependncia, prostituio), Controlo de Qualidade e inspeco de softwares.
5.1 Cincias Biolgicas
Nas Cincias Biolgicas, os modelos de captura-recaptura continuam ser aplicados numa grande
variedade de grupos taxonmicos: mamferos, peixes, aves entre outros, e tambm em plantas.
Algumas contribuies importantes podem ser consultadas em Brownie et al. (1985), Burnham et al.
(1987) e Nichols et al. (1992). Mais recentemente, tem havido um grande interesse na utilidade destes
modelos na estimao da riqueza de espcies (Nichols et al. 1998). Neste contexto, N representa o

modelo M
tbh
0
assume que as
White et al. 1982).
21 O u t o n o d e 2 0 0 8
( ) ( )
1
1 1
1
ij
ij
N k
x
x
ij ij
i j
L p p
= =
=
(1)
ij
= 1 se o
ij
ij
M
0
: p
ij
= p, i, j
M
t
: p
ij
= p
j
, i
M
h
: p
ij
= p
i
, j, p
i
M
b
: p
ij
ij
M
bh
: p
ij
= p
i
ij
= c
i
para as recapturas
M
th
: p
ij
=
i

j
M
tb
: p
ij
= p
j
ij
= c
j
para as recapturas
M
tbh
: p
ij
= p
ij
ij
= c
ij
para as recapturas.
ij
.
h
t
para o modelo M
th
t
h
um modelo M
bh
armadilha.
( ) ( )
1
1 1
1
ij
ij
N k
x
x
ij ij
i j
L p p
= =
=
(1)
ij
= 1 se o
ij
ij
M
0
: p
ij
= p, i, j
M
t
: p
ij
= p
j
, i
M
h
: p
ij
= p
i
, j, p
i
M
b
: p
ij
ij
M
bh
: p
ij
= p
i
ij
= c
i
para as recapturas
M
th
: p
ij
=
i

j
M
tb
: p
ij
= p
j
ij
= c
j
para as recapturas
M
tbh
: p
ij
= p
ij
ij
= c
ij
para as recapturas.
ij
.
h
t
para o modelo M
th
t
h
um modelo M
bh
armadilha.
( ) ( )
1
1 1
1
ij
ij
N k
x
x
ij ij
i j
L p p
= =
=
(1)
ij
= 1 se o
ij
ij
M
0
: p
ij
= p, i, j
M
t
: p
ij
= p
j
, i
M
h
: p
ij
= p
i
, j, p
i
M
b
: p
ij
ij
M
bh
: p
ij
= p
i
ij
= c
i
para as recapturas
M
th
: p
ij
=
i

j
M
tb
: p
ij
= p
j
ij
= c
j
para as recapturas
M
tbh
: p
ij
= p
ij
ij
= c
ij
para as recapturas.
ij
.
h
t
para o modelo M
th
t
h
um modelo M
bh
armadilha.
nmero de espcies (riqueza de espcies - o parmetro de interesse) e p
ij
representa a probabilidade da
espcie i estar presente na quadrcula j, i = 1,..., N, e j = 1, ..., t. O pressuposto de igualdade na
probabilidade de deteco entre as espcies restringe fortemente a utilidade dos modelos M
0
, M
t
, M
b
, e
M
tb
. No entanto, a violao deste pressuposto permitida no modelo M
h
e nos modelos que
consideram variaes nas probabilidades de deteco entre as espcies (Alpizar-Jara e Nichols 2002).
5.2 Cincias Mdicas
Como referimos na nota histrica, nas ltimas dcadas os mtodos de captura-recaptura tm sido
amplamente utilizados em Epidemiologia para estimar e corrigir as taxas de incidncia e de
prevalncia de certas doenas (McCarty et al. 1993; Roberts e Scragg 1994). Uma das vantagens desta
metodologia que permite evitar contagens exaustivas e onerosas de pessoas afectadas, que
dificilmente esto disponveis. possvel obter estimativas baseando-nos na existncia de listagens
incompletas e considerando as sobreposies das pessoas nas listas respectivas (Lee et al. 2001,
Alpizar-Jara 2003). A dependncia entre as amostras um facto neste tipo de aplicaes, o que
geralmente se traduz em estimativas enviesadas. Uma forma de abordar o problema da dependncia
entre vrias amostras mediante o uso dos modelos log-lineares (Cormack 1989).
5.3 Cincias Sociais
Nas cincias sociais so vrios os artigos publicados com aplicao dos modelos de captura-recaptura
em reas bastante sensveis da sociedade como sejam: a estimao do nmero dos sem abrigo (Fisher
et al. 1994), prostitutas (Kruse et al. 2003) e toxicodependentes (Domingo-Salvany et al. 1995). Tal
como na Epidemiologia, as estimativas deste tipo de populaes mveis baseiam-se, de um modo
geral, em bases de amostragem de registos incompletos, onde as listas so dependentes entre si. Silva
et al. (2007) mostram um exemplo de aplicao para avaliar o efeito da violao do pressuposto de
independncia baseados no trabalho de Domingo-Salvany et al. (1995).
Em Demografia, por exemplo, os modelos de captura recaptura tm sido utilizados, sob o nome de
sistemas de registo mltiplo, para a correco dos censos de populao por subcontagens de grupos
minoritrios (Chao e Tsay 1998) e para a estimao do nmero de imigrantes ilegais (Jandl 2004).
Fienberg (1992) apresenta uma extensa lista de referncias bibliogrficas sobre o uso de modelos de
captura-recaptura aplicados subcontagem nos censos da populao e Pollock et al. (1994) utilizam
estes modelos para estimar a dimenso duma populao baseados em registos de listas incompletas.
5.4 Controlo de Qualidade e inspeco de softwares
Muitas empresas que se dedicam ao desenvolvimento de software para a manipulao de dados (de
contas bancrias, registos mdicos, e dos Ministrios de Justia, por exemplo) esto preocupadas em
garantir o sigilo dos dados pessoais e, habitualmente, investem elevadas quantias com esse propsito.
Uma das principais ameaas no tratamento dessas bases de dados so as falhas no software
disponibilizado (Schofield 2007). Os modelos de captura-recaptura tm sido utilizados na deteco de
erros em aplicaes de inspeco de software (Peterson et al. 2004). Os modelos propostos
consideram a heterogeneidade nas probabilidades de deteco das falhas e as diferenas nas
probabilidades de deteco entre inspectores. Vrios autores tm questionado a utilidade dos modelos
do tipo M
b
, mas Alpizar-Jara et al. (2008) argumentam que estes modelos tambm podem ser teis
neste tipo de aplicaes dado que provvel que, em algumas situaes, exista intercomunicao entre
os inspectores sobre as caractersticas das falhas detectadas.
6. Algumas reflexes e possibilidades de trabalho futuro
Apesar da crescente utilizao desta metodologia nas diversas reas de conhecimento, os modelos
devem ser cuidadosamente avaliados em funo dos seus pressupostos. Assim, gostvamos fazer um
apelo comunidade cientfica para ter em ateno no s o potencial dos mtodos de captura-recaptura
nas vrias reas de aplicao, mas tambm as limitaes associadas s aplicaes concretas.
ij
0
, M
t
, M
b
, e
M
tb
h
e nos modelos que
5.2 Cincias Mdicas
5.3 Cincias Sociais
do tipo M
b
ij
0
, M
t
, M
b
, e
M
tb
h
e nos modelos que
5.2 Cincias Mdicas
5.3 Cincias Sociais
do tipo M
b
ij
0
, M
t
, M
b
, e
M
tb
h
e nos modelos que
5.2 Cincias Mdicas
5.3 Cincias Sociais
do tipo M
b
ij
0
, M
t
, M
b
, e
M
tb
h
e nos modelos que
5.2 Cincias Mdicas
5.3 Cincias Sociais
do tipo M
b
ij
0
, M
t
, M
b
, e
M
tb
h
e nos modelos que
5.2 Cincias Mdicas
5.3 Cincias Sociais
do tipo M
b
Devemos tambm referir que os avanos nestas tcnicas de amostragem tm sido acompanhados dos
principais desenvolvimentos noutras metodologias estatsticas como sejam as anlises de dados
categorizados (regresso logstica e modelos log-lineares), os critrios de seleco de modelos, a
modelao da heterogeneidade, a estatstica espacial, os modelos para erros de medio, a mistura de
distribuies, a estimao no paramtrica, os mtodos de re-amostragem e a inferncia bayesiana.
Assim, esperamos tambm que este texto sirva de motivao para que investigadores interessados
nestas metodologias possam procurar elos de ligao entre as diversas reas de interesse.
Na estimao de populaes biolgicas os mtodos de captura-recaptura, amostragem por distncias,
modelos multi-estados e a combinao destes tm tido um papel relevante. A combinao dos mtodos
de amostragem existentes permite tambm o desenvolvimento de novos modelos. Por exemplo, nas
populaes evasivas a combinao da amostragem por distncias com a amostragem adaptativa cada
vez mais uma realidade (Afonso e Alpizar-Jara 2006). Nos ltimos anos tem-se notado o
desenvolvimento de modelos espaciais quer para a amostragem por distncias (Hedley et al. 2004)
quer para os modelos de captura-recaptura (Borchers et al., 2008). A combinao da amostragem por
distncias com os modelos de captura-recapatura (Alpizar-Jara e Pollock, 1996, 1999; Borchers et al.
1998; Monteiro e Alpizar-Jara 2006) permitem lidar com a violao do pressuposto de que g(0) = 1 e
estimar o valor de g(0). Nas Actas dos Congressos da SPE encontram-se outras contribuies na rea
da amostragem por distncias de Alpizar-Jara et al. (2001), Marques e Buckland (2005), Rendas e
Alpizar-Jara (2005) e Afonso e Alpizar-Jara (2007, 2008).
Finalmente, sugerimos a leitura do artigo de reviso de Schwarz e Seber (1999) sobre o
desenvolvimento de modelos e mtodos de estimao da abundncia animal e tambm de alguns livros
de referncia nesta rea de investigao como Amstrup et al. (2005), Buckland et al. (2001), Williams
et al. (2002).
7. Referncias bibliogrficas
Afonso, A. e Alpizar-Jara, R. (2006). Amostragem por distncias adaptativa: combinao de transectos lineares com pontuais. Em:
Cincia Estatstica Actas do XIII Congresso Anual da Sociedade Portuguesa de Estatstica (Canto, L. C., Martins, E. G., Rocha, C.,
Oliveira, M. F., Leal, M. M. e Rosado, F. eds.), Edies SPE, Lisboa, p. 163-172.
Afonso, A. e Alpizar-Jara, R. (2007). Estimao em amostragem por distncias com distribuies espaciais no homogneas. Em:
Estatstica: Cincia Interdisciplinar - Actas do XIV Congresso Anual da Sociedade Portuguesa de Estatstica; (Eds. Ferro, M.E.,
Nunes, C. e Braumann, C.A.) Edies SPE; Lisboa; p. 201-210.
Afonso, A. e Alpizar-Jara, R. (2008). Avaliao dos estimadores de amostragem por distncias usando processos de Poisson no
homogneos. Em: Estatstica: da teoria prtica. Actas do XV Congresso Anual da Sociedade Portuguesa de Estatstica; (Magalhes-
Hill, M., Ferreira, M.A., Dias, J.G., Salgueiro, M.F., Carvalho, H., Vicente, P., Braumann, C.) Edies SPE; Lisboa; p. 73-81.
Alpizar-Jara, R. (2000). Muestreo de poblaciones animales basado en modelos probabilsticos. Em: Memoria de la VII Jornada de
Anlisis Estadstico de Datos (JAED). (Ed. Hernndez, O.) Escuela de Estadstica. Universidad de Costa Rica. p. 9-25.
Alpizar-Jara, R. (2003). Modelos de captura-recaptura: aplicaes nas cincias mdicas. Em: II Conferncia Estatstica e Qualidade na
Sade. Escola Superior de Tecnologia da Sade de Lisboa. 6 p.
Alpizar-Jara, R. e Nichols, J. (2002). Modelos de captura-recaptura para estimar o nmero de espcies numa comunidade ecolgica. Em:
Novos Rumos em Estatstica. Actas do IX Congresso anual da Sociedade Portuguesa de Estatstica. (Carvalho, L., Brilhante, F. e Rosado,
F. eds.) p. 125-136.
Alpizar-Jara, R. e Pollock, K.H. (1996). A combination line transect and capture-recapture sampling model for multiple observers in
aerial surveys. Journal Environmental and Ecological Statistics, 3(4):311-327.
Alpizar-Jara, R. e Pollock, K.H. (1999). Combining line transect capture-recapture for mark-resighting studies. Em: Marine Mammal
Survey and Assessment Methods. (Garner, G.W, Amstrup, S.C., Laake, J.L., Manly, B.F.J., McDonald, L.L e Robertson, D.G. eds). A.A.
Balkema. Rotterdam. Netherlands. p. 99-114.
Alpizar-Jara, R., Infante, P. e Martins, A. (2008). Inspeces de software usando modelos de captura-recaptura na estimao de falhas.
Em: Estatstica: da teoria prtica. Actas do XV Congresso Anual da Sociedade Portuguesa de Estatstica; (Magalhes-Hill, M.,
Ferreira, M.A., Dias, J.G., Salgueiro, M.F., Carvalho, H., Vicente, P., Braumann, C.) Edies SPE; Lisboa; p. 83-92
Alpizar-Jara. R., Stefanski, L.E., Pollock, K.H e Laake, J. (2001). An additive measurement error model in line transect sampling using
multiple observes. Em: Um olhar sobre a Estatstica. Actas do VII Congresso anual da Sociedade Portuguesa de Estatstica. Eds. P.
Oliveira and E. Athayde. Portugal. p. 539-555.
23 O u t o n o d e 2 0 0 8
et al. (2002).
F. eds.) p. 125-136.
et al. (2002).
F. eds.) p. 125-136.
Amstrup, S.C., McDonald, T.L., e Manly, B.F.J. (2005). Handbook of Capture-Recapture Analysis. Princeton NJ: Princeton University
Press.
Basu, S. e Ebrahimi, N. (2001). Bayesian capture-recapture methods for error detection and estimation of population size: Heterogeneity
and dependence. Biometrika, 88(1):269-279.
Borchers, D. L. e Efford, M. G. (2008). Spatially Explicit Maximum Likelihood Methods for Capture-Recapture Studies. Biometrics
64:377-385.
Borchers, D.L., W. Zucchini e R.M. Fewster. (1998). Mark-recapture models for line transects surveys. Biometrics 54:1207-1220.
Brownie, C., D. R. Anderson, K. P. Burnham e D.S. Robson. (1985). Statistical inference from band recovery data: a handbook. Second
ed. U.S. Fish and Wildlife Service Resource. Publication 156.
Buckland, S. T., Anderson, D. R., Burnham, K. P., Laake, J. L., Borchers, D. L. e Thomas, L. (2001). Introduction to distance sampling.
Oxford University Press, New York.
Burnham, K.P. e Overton, W.S. (1978). Estimation of the size of a closed population when capture probabilities vary among animals.
Biometrika 65:625-633.
Burnham K. P., D. R. Anderson, G. C. White, C. Brownie e K. H. Pollock. (1987). Design and analysis methods for fish survival
experiments based on release-recapture. American Fisheries Society Monographs 5, Bethesda, MD.
Castledine, B.J. (1981). A Bayesian Analysis of Multiple-Recapture Sampling for a Closed Population. Biometrika 68(1):197-210.
Chao, A. (1989). Estimating population size for sparse data in capture-recapture experiments. Biometrics 45:427-438.
Chao, A. e Tsay, P.K. (1998). A sample coverage approach to multiple-system estimation with application to census undercount. Journal
of American Statistical Association 93:283-293.
Chao A, Lee SM e Jeng SL. (1992). Estimation of population size for capture-recapture data when capture probabilities vary by time and
individual animal. Biometrics 48: 201-16.
Cooch E. e White, G.C. (2008). Program MARK- A gentle Introduction. 7ed.
Em http://www.phidot.org/software/mark/docs/book/ (Outubro 2008)
Cormack, R.M. (1989). Log-Linear Models for Capture-Recapture. Biometrics 45(2):395-413.
Domingo-Salvany, A., Hartnoll, R.L., Maguire, A., Suelves, J.M. e Ant, J.M. (1995). Use of capture-recapture to estimate the
prevalence of opiate addiction in Barcelona, Spain, 1989. American Journal of Epidemiology 141:567-574.
Fienberg, S.E. (1992). Biobliography on capture-recapture modelling with application to census undercount adjustment. Survey
Methodology 18:143-154.
Fisher, N., Turner, S.E., Pugh, R. e Taylor, C. (1994). Estimating numbers of homeless and homeless mentally ill people in north east
Westminster by using capture-recapture analysis. BMJ, 308:27-30.
Ghosh, K.S. e Norris, J.L. (2005). Bayesian Capture-Recapture Analysis and Model Selection Allowing for Heterogeneity and
Behavioral Effects. Journal of Agricultural, Biological & Environmental Statistics, 10(1):35-49.
Hedley, S. L. e Buckland, S. T. (2004). Spatial models for line transect sampling. Journal of Agricultural, Biological, and Environmental
Statistics, 9:181-199.
Huggins, R.M. (1989). On the statistical analysis of capture experiments. Biometrika 76:133-40.
Huggins, R.M. (1991). Some Practical Aspects of a Conditional Likelihood Approach to Capture Experiments. Biometrics, 47(2):725-
732.
International Working Group for Disease Monitoring and Forecasting (1995a). Capture-recapture and multiple-record system estimation,
I: History and theoretical development. American Journal of Epidemiology, 141:1047-1058.
International Working Group for Disease Monitoring and Forecasting (1995b). Capture-recapture and multiple-record system estimation,
I: Application in human diseases. American Journal of Epidemiology, 141:1059-1088.
Jandl, M. (2004). The estimation of illegal migration in Europe. Studi Emigrazione/Migration Studies, vol. XLI (153): 141-155.
Jorge, C. e Alpizar-Jara, R. (2006). Captura-Recaptura: um estudo de simulao para avaliar o desempenho de estimadores do tipo
Lincoln-Petersen. Em: Cincia Estatstica. Actas do XIII Congresso Anual da Sociedade Portuguesa de Estatstica. (Eds. Canto e Castro,
L., Martins E. G., Rocha, C., Oliveira, M. F., Leal, M. M. e Rosado, F.), p. 423-431.
Kruse, N., Frieda, Behets, F.M., Vaovola, G., Burkhardt, G., Barivelo, T., Amida, X., e Dallabetta, G. (2003). Participatory mapping of
sex trade and enumeration of sex workers using capture-recapture methodology in Diego-Suarez, Madagascar. Sexually Transmitted
Diseases 30(8):664-670.
Amstrup, S.C., McDonald, T.L., e Manly, B.F.J. (2005). Handbook of Capture-Recapture Analysis. Princeton NJ: Princeton University
Press.
Basu, S. e Ebrahimi, N. (2001). Bayesian capture-recapture methods for error detection and estimation of population size: Heterogeneity
and dependence. Biometrika, 88(1):269-279.
Borchers, D. L. e Efford, M. G. (2008). Spatially Explicit Maximum Likelihood Methods for Capture-Recapture Studies. Biometrics
64:377-385.
Borchers, D.L., W. Zucchini e R.M. Fewster. (1998). Mark-recapture models for line transects surveys. Biometrics 54:1207-1220.
Brownie, C., D. R. Anderson, K. P. Burnham e D.S. Robson. (1985). Statistical inference from band recovery data: a handbook. Second
ed. U.S. Fish and Wildlife Service Resource. Publication 156.
Buckland, S. T., Anderson, D. R., Burnham, K. P., Laake, J. L., Borchers, D. L. e Thomas, L. (2001). Introduction to distance sampling.
Oxford University Press, New York.
Burnham, K.P. e Overton, W.S. (1978). Estimation of the size of a closed population when capture probabilities vary among animals.
Biometrika 65:625-633.
Burnham K. P., D. R. Anderson, G. C. White, C. Brownie e K. H. Pollock. (1987). Design and analysis methods for fish survival
experiments based on release-recapture. American Fisheries Society Monographs 5, Bethesda, MD.
Castledine, B.J. (1981). A Bayesian Analysis of Multiple-Recapture Sampling for a Closed Population. Biometrika 68(1):197-210.
Chao, A. (1989). Estimating population size for sparse data in capture-recapture experiments. Biometrics 45:427-438.
Chao, A. e Tsay, P.K. (1998). A sample coverage approach to multiple-system estimation with application to census undercount. Journal
of American Statistical Association 93:283-293.
Chao A, Lee SM e Jeng SL. (1992). Estimation of population size for capture-recapture data when capture probabilities vary by time and
individual animal. Biometrics 48: 201-16.
Cooch E. e White, G.C. (2008). Program MARK- A gentle Introduction. 7ed.
Em http://www.phidot.org/software/mark/docs/book/ (Outubro 2008)
Cormack, R.M. (1989). Log-Linear Models for Capture-Recapture. Biometrics 45(2):395-413.
Domingo-Salvany, A., Hartnoll, R.L., Maguire, A., Suelves, J.M. e Ant, J.M. (1995). Use of capture-recapture to estimate the
prevalence of opiate addiction in Barcelona, Spain, 1989. American Journal of Epidemiology 141:567-574.
Fienberg, S.E. (1992). Biobliography on capture-recapture modelling with application to census undercount adjustment. Survey
Methodology 18:143-154.
Fisher, N., Turner, S.E., Pugh, R. e Taylor, C. (1994). Estimating numbers of homeless and homeless mentally ill people in north east
Westminster by using capture-recapture analysis. BMJ, 308:27-30.
Ghosh, K.S. e Norris, J.L. (2005). Bayesian Capture-Recapture Analysis and Model Selection Allowing for Heterogeneity and
Behavioral Effects. Journal of Agricultural, Biological & Environmental Statistics, 10(1):35-49.
Hedley, S. L. e Buckland, S. T. (2004). Spatial models for line transect sampling. Journal of Agricultural, Biological, and Environmental
Statistics, 9:181-199.
Huggins, R.M. (1989). On the statistical analysis of capture experiments. Biometrika 76:133-40.
Huggins, R.M. (1991). Some Practical Aspects of a Conditional Likelihood Approach to Capture Experiments. Biometrics, 47(2):725-
732.
International Working Group for Disease Monitoring and Forecasting (1995a). Capture-recapture and multiple-record system estimation,
I: History and theoretical development. American Journal of Epidemiology, 141:1047-1058.
International Working Group for Disease Monitoring and Forecasting (1995b). Capture-recapture and multiple-record system estimation,
I: Application in human diseases. American Journal of Epidemiology, 141:1059-1088.
Jandl, M. (2004). The estimation of illegal migration in Europe. Studi Emigrazione/Migration Studies, vol. XLI (153): 141-155.
Jorge, C. e Alpizar-Jara, R. (2006). Captura-Recaptura: um estudo de simulao para avaliar o desempenho de estimadores do tipo
Lincoln-Petersen. Em: Cincia Estatstica. Actas do XIII Congresso Anual da Sociedade Portuguesa de Estatstica. (Eds. Canto e Castro,
L., Martins E. G., Rocha, C., Oliveira, M. F., Leal, M. M. e Rosado, F.), p. 423-431.
Kruse, N., Frieda, Behets, F.M., Vaovola, G., Burkhardt, G., Barivelo, T., Amida, X., e Dallabetta, G. (2003). Participatory mapping of
sex trade and enumeration of sex workers using capture-recapture methodology in Diego-Suarez, Madagascar. Sexually Transmitted
Diseases 30(8):664-670.
Laplace, P.S. (1786). Sur les naissances, les mariages et les morts. Histoire de l'Acadmie Royale des Sciences, Anne 1783, Paris. p.
693-702.
Lebreton, J-D., Burnham, K. P., Clobert, J., e Anderson, D.R. (1992). Modeling survival and testing biological hypotheses using marked
animals: a unified approach with case studies. Ecological Monographs, 62:67-118.
Lee, AJ; Seber, GAF; Holden, JK e Huakau, JT. (2001). Capture-Recapture, Epidemiology, and List Mismatches: Several Lists.
Biometrics 57(3):707-713.
Lincoln, F.C. (1930). Calculating waterfowl abundances on the basis of banding returns. U.S. Department of Agriculture, Circular,
118:1-4.
Marques,T.A. e Buckland, S.T. (2005). Transectos lineares em situaes de no uniformidade das distncias disponveis para deteco.
Em: Estatstica Jubilar. Actas do XII Congresso da SPE (Eds. C. A. Braumann, P. Infante, M. M. Oliveira, R. Alpizar-Jara e F. Rosado).
Edies SPE. p. 445-454
McCarty D.J., Tull E.S., Moy C.S., Kwoh C.K. e LaPorte R.E. (1993). Ascertainment corrected rates: applications of capture-recapture
methods. International Journal of Epidemiology 22:559-565.
Monteiro, J.F.G. e Alpizar-Jara, R. (2006). Estimao bayesiana de g
0
em amostragem por distncias. Em: Cincia Estatstica. Actas do
XIII Congresso Anual da Sociedade Portuguesa de Estatstica. (Eds. Canto e Castro, L., Martins E. G., Rocha, C., Oliveira, M. F., Leal,
M. M. e Rosado, F.), p. 501-510.
Nichols, J.D., Sauer, JR., Pollock, K.H. e Hestbeck, J.B. (1992). Estimating transition probabilities for stage based population projection
matrices using capture-recapture data. Ecology 73:306-312.
Nichols JD, Boulinier T, Hines JE, Pollock KH e Sauer JR. (1998). Inference methods for spatial variation in species richness and
community composition when not all species are detected. Conservation Biology 12:1390-1398.
Norris, J.L. III, e Pollock, K.H. (1996). Nonparametric MLE under two closed capture-recapture models with heterogeneity, Biometrics
52:639-649.
Otis, D.L., Burnham, K.P., White, G.C. e Anderson, D.R. (1978). Statistical inference from capture data on closed animal populations.
Wildlife Monographs, 62, 135 pp.
Petersen C.G.J. (1896). The yearly immigration of young plaice into the Limfjord from the German Sea. Report Danish Biological
Station for 1895, 6:1-48.
Peterson, H., Thelin, T., Runeson, P. e Wohlin, C. (2004). Capture-recapture in software inspections after 10 years research-theory,
evaluation and application. Journal of Systems and Software 72:249-264.
Pledger, S. (2000). Unified maximum likelihood estimates for closed capture-recapture models using mixtures. Biometrics 56:434-442.
Pollock, K.H. (1982). A capture-recapture design robust to unequal probability of capture. Journal of Wildlife Management 46:757-760.
Pollock, K.H., S. C. Turner e C. A. Brown. (1994). Use of capture-recapture techniques to estimate population size and population totals
when a complete frame is unavailable. Survey Methodology 20:117-124.
Pollock, K.H, J.D. Nichols, C. Brownie e J.E. Hines. (1990). Statistical inference for capture-recapture experiments. Wildlife
Monographs 107. 97pp.
Rendas, L.M.P. e Alpizar-Jara, R. (2005). O modelo logspline aplicado aos transectos lineares. Em: Estatstica Jubilar. Actas do XII
Congresso Anual da Sociedade Portuguesa de Estatstica. (Eds. Braumann, C.A., Infante, P., Oliveira, M.M., Alpizar-Jara, R. e Rosado,
F.) p. 629-640.
Roberts I. e Scragg R. (1994). Application of capture-recature methodology to estimate the completeness of child injury surveillance.
Journal of Pediatric Child Health 30:514-515.
Schofield, J. (2007). Beyond defect removal: Latent defect estimation with capture recapture method (CRM). The Journal of Defense
Software Engineering.
Em: http://www.stsc.hill.af.mil/crosstalk/2007/08/0708Schofield.html (Outubro 2008).
Schwarz, C. J. e Seber, G. A. F. (1999). A review of estimating animal abundance III, Statistical Science 14:427-456.
Seber, G.A.F. (1982). The estimation of animal abundance and related parameters, 2nd ed. Charles W. Griffin. London.
Silva, N., Afonso, A. e Alpizar-Jara, R. (2007). Captura-recaptura: modelos loglineares na estimao do nmero de toxicodependentes
em Barcelona, Espanha. Em Estatstica: Cincia Interdisciplinar - Actas do XIV Congresso Anual da Sociedade Portuguesa de
Estatstica; (Eds. Ferro, M.E., Nunes, C. e Braumann, C.A.) Edies SPE; Lisboa; p. 741-750
White, G.C., Anderson, D.R., Burnham, K.P., e Otis, D.L. (1982). Capture-recapture and removal methods for sampling closed
populations. Los Alamos National Laboratory LA-8787-NERP.
Williams, B.K., Nichols, J.D. and Conroy, M.J. (2002). Analysis and Management of Animal Populations. Academic Press. San Diego.
25 O u t o n o d e 2 0 0 8
Laplace, P.S. (1786). Sur les naissances, les mariages et les morts. Histoire de l'Acadmie Royale des Sciences, Anne 1783, Paris. p.
693-702.
Lebreton, J-D., Burnham, K. P., Clobert, J., e Anderson, D.R. (1992). Modeling survival and testing biological hypotheses using marked
animals: a unified approach with case studies. Ecological Monographs, 62:67-118.
Lee, AJ; Seber, GAF; Holden, JK e Huakau, JT. (2001). Capture-Recapture, Epidemiology, and List Mismatches: Several Lists.
Biometrics 57(3):707-713.
Lincoln, F.C. (1930). Calculating waterfowl abundances on the basis of banding returns. U.S. Department of Agriculture, Circular,
118:1-4.
Marques,T.A. e Buckland, S.T. (2005). Transectos lineares em situaes de no uniformidade das distncias disponveis para deteco.
Em: Estatstica Jubilar. Actas do XII Congresso da SPE (Eds. C. A. Braumann, P. Infante, M. M. Oliveira, R. Alpizar-Jara e F. Rosado).
Edies SPE. p. 445-454
McCarty D.J., Tull E.S., Moy C.S., Kwoh C.K. e LaPorte R.E. (1993). Ascertainment corrected rates: applications of capture-recapture
methods. International Journal of Epidemiology 22:559-565.
Monteiro, J.F.G. e Alpizar-Jara, R. (2006). Estimao bayesiana de g
0
em amostragem por distncias. Em: Cincia Estatstica. Actas do
XIII Congresso Anual da Sociedade Portuguesa de Estatstica. (Eds. Canto e Castro, L., Martins E. G., Rocha, C., Oliveira, M. F., Leal,
M. M. e Rosado, F.), p. 501-510.
Nichols, J.D., Sauer, JR., Pollock, K.H. e Hestbeck, J.B. (1992). Estimating transition probabilities for stage based population projection
matrices using capture-recapture data. Ecology 73:306-312.
Nichols JD, Boulinier T, Hines JE, Pollock KH e Sauer JR. (1998). Inference methods for spatial variation in species richness and
community composition when not all species are detected. Conservation Biology 12:1390-1398.
Norris, J.L. III, e Pollock, K.H. (1996). Nonparametric MLE under two closed capture-recapture models with heterogeneity, Biometrics
52:639-649.
Otis, D.L., Burnham, K.P., White, G.C. e Anderson, D.R. (1978). Statistical inference from capture data on closed animal populations.
Wildlife Monographs, 62, 135 pp.
Petersen C.G.J. (1896). The yearly immigration of young plaice into the Limfjord from the German Sea. Report Danish Biological
Station for 1895, 6:1-48.
Peterson, H., Thelin, T., Runeson, P. e Wohlin, C. (2004). Capture-recapture in software inspections after 10 years research-theory,
evaluation and application. Journal of Systems and Software 72:249-264.
Pledger, S. (2000). Unified maximum likelihood estimates for closed capture-recapture models using mixtures. Biometrics 56:434-442.
Pollock, K.H. (1982). A capture-recapture design robust to unequal probability of capture. Journal of Wildlife Management 46:757-760.
Pollock, K.H., S. C. Turner e C. A. Brown. (1994). Use of capture-recapture techniques to estimate population size and population totals
when a complete frame is unavailable. Survey Methodology 20:117-124.
Pollock, K.H, J.D. Nichols, C. Brownie e J.E. Hines. (1990). Statistical inference for capture-recapture experiments. Wildlife
Monographs 107. 97pp.
Rendas, L.M.P. e Alpizar-Jara, R. (2005). O modelo logspline aplicado aos transectos lineares. Em: Estatstica Jubilar. Actas do XII
Congresso Anual da Sociedade Portuguesa de Estatstica. (Eds. Braumann, C.A., Infante, P., Oliveira, M.M., Alpizar-Jara, R. e Rosado,
F.) p. 629-640.
Roberts I. e Scragg R. (1994). Application of capture-recature methodology to estimate the completeness of child injury surveillance.
Journal of Pediatric Child Health 30:514-515.
Schofield, J. (2007). Beyond defect removal: Latent defect estimation with capture recapture method (CRM). The Journal of Defense
Software Engineering.
Em: http://www.stsc.hill.af.mil/crosstalk/2007/08/0708Schofield.html (Outubro 2008).
Schwarz, C. J. e Seber, G. A. F. (1999). A review of estimating animal abundance III, Statistical Science 14:427-456.
Seber, G.A.F. (1982). The estimation of animal abundance and related parameters, 2nd ed. Charles W. Griffin. London.
Silva, N., Afonso, A. e Alpizar-Jara, R. (2007). Captura-recaptura: modelos loglineares na estimao do nmero de toxicodependentes
em Barcelona, Espanha. Em Estatstica: Cincia Interdisciplinar - Actas do XIV Congresso Anual da Sociedade Portuguesa de
Estatstica; (Eds. Ferro, M.E., Nunes, C. e Braumann, C.A.) Edies SPE; Lisboa; p. 741-750
White, G.C., Anderson, D.R., Burnham, K.P., e Otis, D.L. (1982). Capture-recapture and removal methods for sampling closed
populations. Los Alamos National Laboratory LA-8787-NERP.
Williams, B.K., Nichols, J.D. and Conroy, M.J. (2002). Analysis and Management of Animal Populations. Academic Press. San Diego.
Processos Estocsticos
Nazar Mendes Lopes, nazare@mat.uc.pt
Departamento de Matemtica, F.C.T.U.C.
1 Introduo
A necessidade de tomar decises e efectuar anlises sobre fenmenos ou sistemas que evoluem de
forma aleatria ao longo do tempo so caractersticas comuns a muitas das questes que preocupam
especialistas de reas transversais da sociedade actual como a economia e as finanas, a gesto, a
tecnologia e a biotecnologia ou a sociologia. Geralmente, a tomada de decises baseia-se em modelos
matemticos temporais construdos de forma a ter em conta o maior nmero de caractersticas
empricas observadas nos resultados dos fenmenos em estudo. A anlise emprica retrospectiva do
fenmeno, olhando em particular para os resultados do mesmo sob diferentes pressupostos, essencial
ao desenvolvimento da investigao no domnio da modelao estocstica. Mais, tal como os
fenmenos em estudo, esta modelao tem carcter dinmico. Nenhum modelo definitivo. A escolha
correcta de um modelo decorre, usualmente, da comparao, validada com uma certa confiana, entre
as propriedades empricas dos resultados e as propriedades tericas de vrios modelos de resposta
possvel. Para alm disso, anlises empricas mais profundas de tais fenmenos permitem constatar
novas caractersticas no tidas em conta nos modelos inicialmente considerados e, assim, procurar uma
outra classe que lhes responda.
O carcter no determinista de tais fenmenos justifica a sua incluso no domnio geral das
Probabilidades e Estatstica ou, mais particularmente, dos Processos Estocsticos. De facto, o estudo
destes processos apresenta, relativamente Teoria Bsica das Probabilidades, o aspecto inovador de
desenvolver modelos matemticos para fenmenos aleatrios dinmicos, isto , cuja dependncia do
tempo (ou de outro eventual parmetro) tem um papel preponderante. Assim, a probabilidade aparece
no no sentido de cada resultado de uma experincia aleatria determinar uma nica observao, um
nico nmero por exemplo, mas sim o comportamento de algum sistema ao longo de uma sequncia
ou intervalo de tempo. Fazendo o contraponto com a Estatstica Clssica, onde o dado fundamental
uma famlia (quando muito numervel) de variveis aleatrias independentes, realar-se- o carcter
dinmico deste modelo estocstico atravs da dependncia, habitualmente existente, entre as variveis
que o definem. De facto, a hiptese de independncia das observaes no tem agora qualquer sentido:
estamos perante variveis que j se observavam no passado, que podemos observar no futuro e cujas
concluses dependem de um segmento de observaes entre dois instantes conhecidos, a que
chamamos trajectria do processo.
Podemos definir matematicamente esta situao identificando um processo estocstico com uma
famlia de variveis aleatrias, ), , ( T t X
t
dependentes de um parmetro t (em geral o tempo), todas
definidas sobre um mesmo espao de probabilidade ) , , ( P , o que nos permite fazer intervir o
acaso da forma axiomatizada habitual. Nas situaes em estudo no presente texto esta dependncia
temporal e o espao dos tempos, T, discreto, usualmente N ou Z , o que conduz designao natural
de tais processos como sries temporais ou cronolgicas.
A construo de um modelo adequado, que permita descrever e interpretar a evoluo da srie,
fundamental para a resoluo dos diferentes problemas que se pem na anlise das sries temporais.
Existem vrios tipos de modelos que distinguimos entre tericos e emprico-tericos.
Os modelos tericos esto associados a fenmenos aleatrios cuja descrio permite equacionar
matematicamente a sua evoluo. Destes, podem referir-se, em particular, os caminhos aleatrios, os
processos de ramificao ou os processos de nascimento e morte. Quanto aos modelos emprico-
Nazar Mendes Lopes, nazare@mat.uc.pt
Departamento de Matemtica, F.C.T.U.C.
27 O u t o n o d e 2 0 0 8
tericos, objecto essencial deste estudo, diremos que so modelos tericos criados para descrever o
comportamento evolutivo de um conjunto de dados reais. Destes, destacamos como particularmente
importantes os modelos auto-projectivos, isto , genericamente, aqueles em que o processo em cada
instante funo dos seus valores passados e de uma perturbao aleatria. Procura-se que tais
modelos verifiquem teoricamente as caractersticas empricas dos dados a representar. H, assim, uma
dialctica entre o terico e o emprico em permanente desenvolvimento. medida que vamos
conseguindo, teoricamente, responder aos factos empricos conhecidos sobre o tipo de dados a
descrever, aumenta a necessidade de prosseguir estudos sobre tal tipo de dados que permitam
identificar novas caractersticas comportamentais.
Um aspecto essencial ligado anlise de dados temporais tem a ver com a impossibilidade de
representar uma evoluo totalmente anrquica da srie de dados. Nomeadamente, a presena de
valores aberrantes ou de caractersticas sazonais na srie em anlise pode conduzir a modelos
matemticos incorrectos. Assim, impe-se um prvio procedimento de filtragem que elimine factores
alheios evoluo da prpria srie e a transforme numa outra com propriedades de estabilidade no
tempo, isto , verificando as chamadas propriedades de estacionaridade.
Recorrendo aos modelos lineares de sries temporais e sua limitao para descrever determinado
tipo de dados, em particular os de natureza financeira, procuraremos ilustrar as questes genericamente
referidas nesta introduo.
2 Modelos auto-projectivos de sries temporais
Os modelos auto-projectivos constituem uma das principais aproximaes matemticas da anlise
de sries temporais com objectivo de previso. A ideia bsica subjacente a tais modelos a de
encontrar uma formulao matemtica que, a menos de um certo erro, gere aproximadamente a histria
de evoluo da srie e reproduza as suas caractersticas padro. Em comparao com outras
metodologias, esta apresenta a enorme vantagem de usar apenas, na obteno de previses, informao
associada srie que pretendemos prever e no informao contida em sries subjacentes que se cr
influenciarem o comportamento da srie original. assim uma tcnica mais parcimoniosa e
particularmente til para previses a curto e mdio prazo.
Um processo estocstico ) , ( T t X
t
verifica um modelo auto-projectivo se funo dos seus
valores passados e de um processo centrado e no correlacionado, ) , ( T t
t
, habitualmente designado
processo de erro, isto ,
, todo para ), ,..., , (
2 1
T t X X f X
t t t t
=

com f uma funo mensurvel dependente de um certo nmero de parmetros desconhecidos.
Aps a construo ou definio do modelo, h que estimar os parmetros envolvidos nessa
definio. A validao do modelo estimado por um procedimento de teste estatstico que comprove a
sua adequao aos dados observados indispensvel correcta utilizao do mesmo em estudos
subsequentes, designadamente de previso.
Estes estudos sero tanto mais fiveis quanto mais regular for, no tempo, a funo que descreve a
srie em estudo e quanto menor for o horizonte de previso. O interesse de tratar sries estacionrias
assim evidente.
At ao incio dos anos 80 estes estudos foram dominados pelos modelos lineares, com particular
nfase, no caso estacionrio, para os modelos ARMA (auto-regressivos/mdias mveis), situando-se
nos anos 70, e na sequncia do aparecimento do livro de Box e Jenkins (1970, ed. revista 1976), a
poca de ouro do seu desenvolvimento. A formulao retida para estes modelos permite exprimir o
valor presente da srie como funo linear dos seus valores passados e dos valores presente e passados
de um rudo que se interpreta como a inovao da srie. Mais precisamente, diz-se que um processo
estocstico real ( ) Z t X
t
, segue um modelo ARMA de ordens p e q , ) , ( q p ARMA , se verifica a
seguinte equao de recorrncia,
, ... ...
1 1 1 1 q t q t t p t p t t
X X X

=
onde ( )
p i i 1
e ( )
q i i 1
so constantes reais e ( ) Z = t
t
, um processo de erro de varincia
constante.
Em algumas sries temporais a hiptese de estacionaridade no fcil de aceitar, designadamente
quando notria a presena de uma tendncia de crescimento ou decrscimo. A tendncia poder ser
eliminada com um simples procedimento de diferenciao, isto , poder ser j aceitvel aquela
hiptese para a srie das diferenas
( )
t t t t
X L X X Y = =
1
1
ou, mais geralmente, para a srie das diferenas de ordem d , isto , para
( ) , , 1 N = d X L Y
t
d
t
onde L o operador tal que .
k t t
k
X X L

=
A modelao ARMA estacionria ser ento agora aplicada nova srie ( ) Z t Y
t
, .
Alargamos deste modo a classe dos modelos ARMA os chamados modelos ) , , ( q d p ARIMA (a
letra I provm da palavra integrated), cujo objectivo essencial transformar uma srie com certas
caractersticas no estacionrias numa estacionria. Nota-se que, na prtica, no habitual ir alm das
diferenas de ordem 1 ou 2 .
Outro aspecto a ter em conta na modelao estacionria de sries temporais tem que ver com a
eliminao dos, eventualmente existentes, perfis sazonais; por exemplo, para certas sries mensais os
dados relativos a um mesmo ms em diferentes anos tm tendncia a situar-se de maneira anloga em
relao mdia anual. A fim de contornar este problema, Box e Jenkins introduziram uma classe de
modelos, generalizao dos anteriores, capazes de ter em conta tais sazonalidades. Tais modelos so
denominados SARIMA (a letra S decorre do termo sazonal). O princpio subjacente a esta modelao
tem a ver com a aplicao da modelao ARIMA ao modelo inicial aps a eliminao neste da
sazonalidade. Por exemplo, se designarmos por S o perodo correspondente sazonalidade da srie
inicial ( ) Z t X
t
, , a simples considerao da srie transformada
S t t t
X X Z

=
poder j conduzir a uma srie sem sazonalidade. A esta nova srie poder ser agora aplicada a
modelao ARIMA.
3 Identificao de um modelo da famlia ARIMA
A identificao, em termos prticos, do modelo ou modelos que podem ajustar-se a determinado
conjunto de dados baseia-se sobretudo na anlise das funes de autocorrelao e de autocorrelao
empricas, associadas srie observada, e sua comparao com as correspondentes funes tericas,
quando existem, para tais modelos.
De facto, a famlia dos modelos ARMA estacionrios caracterizada ordem 2 , isto , atravs dos
resumos de 2 ordem, pelas correspondentes funes de autocorrelao e de autocorrelao parcial.
Ilustremos este aspecto com os modelos auto-regressivos de ordem p , isto , ) 0 , ( p ARMA , para os
quais os dois teoremas de caracterizao a seguir enunciados so de importncia fundamental no
procedimento prtico de identificao.
Teorema 1 Uma condio necessria e suficiente para que um processo estacionrio (
1
) centrado X
admita uma representao auto-regressiva ) (AR que as autocorrelaes, ( ) , 0 , h h se escrevam

1
Um modelo ) ( p AR admite uma soluo estacionria nica se e s se todas as razes do polinmio
i
i
p
i
x
1
1
=
so de
mdulos diferentes de 1. Se (e s se) tais razes so de mdulos superiores a 1 podemos interpretar como o processo de
inovao (isto ,
t
no correlacionado com o passado de X data t ).
tericos, objecto essencial deste estudo, diremos que so modelos tericos criados para descrever o
comportamento evolutivo de um conjunto de dados reais. Destes, destacamos como particularmente
importantes os modelos auto-projectivos, isto , genericamente, aqueles em que o processo em cada
instante funo dos seus valores passados e de uma perturbao aleatria. Procura-se que tais
modelos verifiquem teoricamente as caractersticas empricas dos dados a representar. H, assim, uma
dialctica entre o terico e o emprico em permanente desenvolvimento. medida que vamos
conseguindo, teoricamente, responder aos factos empricos conhecidos sobre o tipo de dados a
descrever, aumenta a necessidade de prosseguir estudos sobre tal tipo de dados que permitam
identificar novas caractersticas comportamentais.
Um aspecto essencial ligado anlise de dados temporais tem a ver com a impossibilidade de
representar uma evoluo totalmente anrquica da srie de dados. Nomeadamente, a presena de
valores aberrantes ou de caractersticas sazonais na srie em anlise pode conduzir a modelos
matemticos incorrectos. Assim, impe-se um prvio procedimento de filtragem que elimine factores
alheios evoluo da prpria srie e a transforme numa outra com propriedades de estabilidade no
tempo, isto , verificando as chamadas propriedades de estacionaridade.
Recorrendo aos modelos lineares de sries temporais e sua limitao para descrever determinado
tipo de dados, em particular os de natureza financeira, procuraremos ilustrar as questes genericamente
referidas nesta introduo.
2 Modelos auto-projectivos de sries temporais
Os modelos auto-projectivos constituem uma das principais aproximaes matemticas da anlise
de sries temporais com objectivo de previso. A ideia bsica subjacente a tais modelos a de
encontrar uma formulao matemtica que, a menos de um certo erro, gere aproximadamente a histria
de evoluo da srie e reproduza as suas caractersticas padro. Em comparao com outras
metodologias, esta apresenta a enorme vantagem de usar apenas, na obteno de previses, informao
associada srie que pretendemos prever e no informao contida em sries subjacentes que se cr
influenciarem o comportamento da srie original. assim uma tcnica mais parcimoniosa e
particularmente til para previses a curto e mdio prazo.
Um processo estocstico ) , ( T t X
t
verifica um modelo auto-projectivo se funo dos seus
valores passados e de um processo centrado e no correlacionado, ) , ( T t
t
, habitualmente designado
processo de erro, isto ,
, todo para ), ,..., , (
2 1
T t X X f X
t t t t
=

com f uma funo mensurvel dependente de um certo nmero de parmetros desconhecidos.
Aps a construo ou definio do modelo, h que estimar os parmetros envolvidos nessa
definio. A validao do modelo estimado por um procedimento de teste estatstico que comprove a
sua adequao aos dados observados indispensvel correcta utilizao do mesmo em estudos
subsequentes, designadamente de previso.
Estes estudos sero tanto mais fiveis quanto mais regular for, no tempo, a funo que descreve a
srie em estudo e quanto menor for o horizonte de previso. O interesse de tratar sries estacionrias
assim evidente.
At ao incio dos anos 80 estes estudos foram dominados pelos modelos lineares, com particular
nfase, no caso estacionrio, para os modelos ARMA (auto-regressivos/mdias mveis), situando-se
nos anos 70, e na sequncia do aparecimento do livro de Box e Jenkins (1970, ed. revista 1976), a
poca de ouro do seu desenvolvimento. A formulao retida para estes modelos permite exprimir o
valor presente da srie como funo linear dos seus valores passados e dos valores presente e passados
de um rudo que se interpreta como a inovao da srie. Mais precisamente, diz-se que um processo
estocstico real ( ) Z t X
t
, segue um modelo ARMA de ordens p e q , ) , ( q p ARMA , se verifica a
seguinte equao de recorrncia,
, ... ...
1 1 1 1 q t q t t p t p t t
X X X

=
onde ( )
p i i 1
e ( )
q i i 1
t
constante.
( )
t t t t
X L X X Y = =
1
1
( ) , , 1 N = d X L Y
t
d
t
k t t
k
X X L

=
t
, .
inicial ( ) Z t X
t
S t t t
X X Z

=
modelao ARIMA.
1
) centrado X

1
i
i
p
i
x
1
1
=
so de
inovao (isto ,
t
onde ( )
p i i 1
e ( )
q i i 1
t
constante.
( )
t t t t
X L X X Y = =
1
1
( ) , , 1 N = d X L Y
t
d
t
k t t
k
X X L

=
t
, .
inicial ( ) Z t X
t
S t t t
X X Z

=
modelao ARIMA.
1
) centrado X

1
i
i
p
i
x
1
1
=
so de
inovao (isto ,
t
como combinaes de funes exponenciais de , h da forma
( )
( )
. ,
1
1
C =
=
j
h
j
j
p
j
A
z
A h
Nota-se que os valores
j
z so as razes do polinmio auto-regressivo
p
p
L L L = ... 1 ) (
1
.
Assim, se a representao tal que tais razes so de mdulos maiores do que 1 ento as
autocorrelaes do modelo tendem para zero de modo exponencial.

Teorema 2 Uma condio necessria e suficiente para que um processo estacionrio centrado admita
uma representao AR que a sucesso das autocorrelaes parciais se anule a partir de uma certa
ordem. Tal ordem a ordem da representao auto-regressiva.

Assim, se as sucessivas autocorrelaes empricas da srie observada apresentam um decrscimo
exponencial e as correspondentes autocorrelaes parciais empricas so significativamente nulas a
partir de certa ordem, a representao do fenmeno em estudo por um modelo auto-regressivo
bastante verosmil.
Se o processo que gerou a srie de observaes descrito por um modelo ARIMA ento, dada a sua
no estacionaridade, no existe funo de autocorrelao. No entanto, sendo processos de 2 ordem,
existe sempre a correlao entre
t
X e
h t
X
+
, que se prova tender para 1 quando t tende para . +
Assim, se as autocorrelaes empricas da srie observada permanecem prximas de 1 para um
nmero suficientemente grande de instantes (por exemplo, se o seu decrscimo, para instantes
positivos, lento), natural diferenciar a srie a fim de a tornar estacionria. O nmero de vezes, d ,
que devemos diferenciar obtido aplicando o critrio anterior s sucessivas sries diferenciadas, tantas
vezes quantas as necessrias.
A deteco de factores sazonais tambm feita com o recurso ao comportamento das
autocorrelaes e autocorrelaes parciais empricas. Neste caso, se estamos em presena de uma
sazonalidade de perodo S , tais funes tomam valores grandes, em mdulo, para os ndices mltiplos
de S .
4 Processo de erro na modelao de sries financeiras
A evoluo dos modelos anteriormente considerados est limitada a uma formulao linear pelo que
se torna evidente o carcter restritivo do seu campo de aplicao, quando pretendemos obter bons
ajustamentos para certos sistemas reais. Alm disso, no tendo tais modelos qualquer outro tipo de
especificao, por exemplo informao sobre a evoluo no tempo dos seus momentos condicionais,
revelam-se, em particular, insuficientes para o tratamento de certos problemas financeiros e monetrios
(ndices da bolsa de valores, taxas de juro e de cmbio, inflao...) nos quais a variabilidade
instantnea (ou volatilidade) das sries de valores associados depende de modo significativo do
passado. Este problema revela-se nos resduos da estimao de tais sries por modelos do tipo ARIMA
quando, havendo compatibilidade entre as funes de correlao e de correlao parcial da srie de
dados e as de um tal modelo linear, a estimao resultante conduz a um resduo com caractersticas
diferentes das de um rudo branco clssico.
Os rudos brancos clssicos so em geral considerados independentes ou mesmo Gaussianos, no
sendo formulada qualquer hiptese sobre a forma como evolui no tempo a sua variabilidade
instantnea que, como j foi referido, em dados de natureza financeira depende de modo significativo
do passado. Esta caracterstica, reconhecida pelo menos desde Mandelbrot (1963) que, sobre dados
relativos inflao e a taxas de juros, afirmou ...large changes tend to be followed by large changes -
of either sign - and small changes tend to be followed by small changes..., tambm constatada por
29 O u t o n o d e 2 0 0 8
como combinaes de funes exponenciais de , h da forma
( )
( )
. ,
1
1
C =
=
j
h
j
j
p
j
A
z
A h
Nota-se que os valores
j
z so as razes do polinmio auto-regressivo
p
p
L L L = ... 1 ) (
1
.
Assim, se a representao tal que tais razes so de mdulos maiores do que 1 ento as
autocorrelaes do modelo tendem para zero de modo exponencial.

Teorema 2 Uma condio necessria e suficiente para que um processo estacionrio centrado admita
uma representao AR que a sucesso das autocorrelaes parciais se anule a partir de uma certa
ordem. Tal ordem a ordem da representao auto-regressiva.

Assim, se as sucessivas autocorrelaes empricas da srie observada apresentam um decrscimo
exponencial e as correspondentes autocorrelaes parciais empricas so significativamente nulas a
partir de certa ordem, a representao do fenmeno em estudo por um modelo auto-regressivo
bastante verosmil.
Se o processo que gerou a srie de observaes descrito por um modelo ARIMA ento, dada a sua
no estacionaridade, no existe funo de autocorrelao. No entanto, sendo processos de 2 ordem,
existe sempre a correlao entre
t
X e
h t
X
+
, que se prova tender para 1 quando t tende para . +
Assim, se as autocorrelaes empricas da srie observada permanecem prximas de 1 para um
nmero suficientemente grande de instantes (por exemplo, se o seu decrscimo, para instantes
positivos, lento), natural diferenciar a srie a fim de a tornar estacionria. O nmero de vezes, d ,
que devemos diferenciar obtido aplicando o critrio anterior s sucessivas sries diferenciadas, tantas
vezes quantas as necessrias.
A deteco de factores sazonais tambm feita com o recurso ao comportamento das
autocorrelaes e autocorrelaes parciais empricas. Neste caso, se estamos em presena de uma
sazonalidade de perodo S , tais funes tomam valores grandes, em mdulo, para os ndices mltiplos
de S .
4 Processo de erro na modelao de sries financeiras
A evoluo dos modelos anteriormente considerados est limitada a uma formulao linear pelo que
se torna evidente o carcter restritivo do seu campo de aplicao, quando pretendemos obter bons
ajustamentos para certos sistemas reais. Alm disso, no tendo tais modelos qualquer outro tipo de
especificao, por exemplo informao sobre a evoluo no tempo dos seus momentos condicionais,
revelam-se, em particular, insuficientes para o tratamento de certos problemas financeiros e monetrios
(ndices da bolsa de valores, taxas de juro e de cmbio, inflao...) nos quais a variabilidade
instantnea (ou volatilidade) das sries de valores associados depende de modo significativo do
passado. Este problema revela-se nos resduos da estimao de tais sries por modelos do tipo ARIMA
quando, havendo compatibilidade entre as funes de correlao e de correlao parcial da srie de
dados e as de um tal modelo linear, a estimao resultante conduz a um resduo com caractersticas
diferentes das de um rudo branco clssico.
Os rudos brancos clssicos so em geral considerados independentes ou mesmo Gaussianos, no
sendo formulada qualquer hiptese sobre a forma como evolui no tempo a sua variabilidade
instantnea que, como j foi referido, em dados de natureza financeira depende de modo significativo
do passado. Esta caracterstica, reconhecida pelo menos desde Mandelbrot (1963) que, sobre dados
relativos inflao e a taxas de juros, afirmou ...large changes tend to be followed by large changes -
of either sign - and small changes tend to be followed by small changes..., tambm constatada por
Friedman que, na sua Nobel Lecture (1977), considera que as mais altas taxas de inflao esto
geralmente associadas sua maior variabilidade e, presumivelmente, a uma maior incerteza sobre as
taxas futuras.
Este tipo de sries apresenta tambm caractersticas de no normalidade. De facto, as observaes,
no correlacionadas ao longo do tempo, so em geral bem descritas por uma distribuio simtrica,
unimodal e com caudas mais pesadas do que a normal (leptocrtica).
Tais constataes empricas levam Robert Engle a propor, em 1982, uma classe de modelos para
sries temporais, com caractersticas de processos de erro, que prevem uma evoluo no tempo da
respectiva varincia condicional. Tais modelos, ditos com heteroscedasticidade condicional auto-
regressiva de ordem q ( ) (q ARCH ), definem a varincia condicional ao passado do processo no
instante t (volatilidade) como uma funo linear dos quadrados dos valores do processo anteriores
quele instante t .
As trajectrias destes processos, que revelam um comportamento compatvel com a observao de
Mandelbrot, bem como a anlise das respectivas distribuies empricas, ilustram bem a sua
adequao a tal tipo de dados.
Nas figuras abaixo tais aspectos so ilustrados quer com a trajectria de 1000 observaes de uma
srie gerada de acordo com o modelo ) 1 ( ARCH verificando ( )
2
1 1
2
7 . 0 3 . 0

+ =
t t t
E (
2
) quer com a
correspondente anlise estatstica emprica, que inclui, em particular, um teste normalidade da sua
lei.
-8
-6
-4
-2
0
2
4
6
8
250 500 750 1000
ARCH(1)
0
50
100
150
200
250
-6 -4 -2 0 2 4 6
Srie : ARCH(1)
Amo stra: 1000 obs.
M dia: -0.002 307
Me dian a: 0. 0107 73
M xi mo: 6.21 6783
Mn imo: -6. 5522 30
De svio p adro :1.01 4642
Simetria :-0.17 5610
Cu rtose: 9.1 6986 7 (>3)
Esta tsti ca de Jarq ue-Bera : 159 1.275
p-va lor: 0 .000 000
(menor val or do nvel de sig . que le va re j. d a n ormal.)

2
Designa-se por
t
a -lgebra gerada por ( ) ,... ,
1 t t
, i.e., ( ). ,... ,
1
=
t t t

taxas futuras.
quele instante t .
2
1 1
2
7 . 0 3 . 0

+ =
t t t
E (
2
) quer com a
lei.
-8
-6
-4
-2
0
2
4
6
8
250 500 750 1000
ARCH(1)
0
50
100
150
200
250
-6 -4 -2 0 2 4 6
Srie : ARCH(1)
Amo stra: 1000 obs.
M dia: -0.002 307
Me dian a: 0. 0107 73
M xi mo: 6.21 6783
Mn imo: -6. 5522 30
Cu rtose: 9.1 6986 7 (>3)
p-va lor: 0 .000 000

2
Designa-se por
t
1 t t
, i.e., ( ). ,... ,
1
=
t t t

taxas futuras.
quele instante t .
2
1 1
2
7 . 0 3 . 0

+ =
t t t
E (
2
) quer com a
lei.
-8
-6
-4
-2
0
2
4
6
8
250 500 750 1000
ARCH(1)
0
50
100
150
200
250
-6 -4 -2 0 2 4 6
Srie : ARCH(1)
Amo stra: 1000 obs.
M dia: -0.002 307
Me dian a: 0. 0107 73
M xi mo: 6.21 6783
Mn imo: -6. 5522 30
Cu rtose: 9.1 6986 7 (>3)
p-va lor: 0 .000 000

2
Designa-se por
t
1 t t
, i.e., ( ). ,... ,
1
=
t t t

Na tentativa de encontrar formulaes mais adequadas para a variabilidade instantnea surgiram
inmeras generalizaes e extenses dos modelos ARCH , que podemos incluir numa classe geral de
processos de erro condicionalmente heteroscedsticos ( CH ) com a seguinte definio:

Definio Diz-se que ( ) Z = t
t
, segue um modelo condicionalmente heteroscedstico de ordens p
e q , ) , ( q p CH , se
( ) ( ) ( ), ,..., , ,..., e 0
1 1 1 1 p t t q t t t t t t t
h h H h V E

= = =
onde H uma funo real definida sobre
q p+
R , estritamente positiva e Borel - mensurvel.

Observe-se que, soluo de um modelo CH ) , ( q p todo o processo da forma ,
t t t
Z h = com
( ) ( ), ,... , ,..., , ,...,
2 1 1 1
= =
t t p t t q t t t
G h h H h sendo G uma funo real, estritamente positiva e
mensurvel, e ( ) Z t Z
t
, uma sucesso de variveis aleatrias reais (v.a.r.) independentes e
identicamente distribudas, centradas e reduzidas e tais que
t
Z independente de .
1 t
Algumas caractersticas interessantes destes modelos podem ser de imediato obtidas como
consequncia da definio anterior e reforam a sua boa adequao a dados financeiros. De facto, a
condio ( ) , 0
1
=
t t
E que pode interpretar-se como uma condio de ortogonalidade ao passado do
processo, permite-nos concluir ainda a ortogonalidade e a inexistncia de correlaes condicionais a
qualquer passado do processo. Alm disso, tais processos verificam propriedades de rudo branco (no
necessariamente homoscedstico) relativamente lei condicional e so rudos brancos, no sentido
clssico, desde que sejam estacionrios. Permitem tambm modelar inovaes no Gaussianas, sendo,
em particular, leptocrticos.

A especificao da forma funcional H conduz obteno das mltiplas classes de modelos que,
desde os j referidos processos ARCH de Engle, tm surgido na literatura, e que permitem ter em
conta outras caractersticas particulares eventualmente presentes nas sries reais a modelar. Os
processos GARCH e GTARCH parecem-nos representar classes de modelos de grande utilidade
prtica e com caractersticas suficientemente diferenciadas.
Os modelos ARCH generalizados de ordens p e q , ), , ( q p GARCH introduzidos por Bollerslev
em 1986, so a generalizao mais natural dos ARCH (ou ) , 0 ( q GARCH ) e a sua varincia
condicional dada por ,
1
2
1
0 j t j
p
j
i t i
q
i
t
h h

=
=
+ + = onde , ,..., 1 , 0 , 0
0
q i
i
= > e , 0
j
. ,..., 1 p j =
Com esta formulao procurou-se ir ao encontro de uma dinmica auto-regressiva/mdia mvel
para o quadrado do processo e assim minimizar a ordem de atrasos associada dinmica,
simplesmente auto-regressiva, presente no quadrado de um processo . ARCH
Esta classe de modelos apresenta uma importante limitao, resultante da formulao quadrtica
retida para a expresso da varincia condicional. Com efeito, a influncia dos valores passados do
processo na variabilidade instantnea da srie no tem em conta os seus sinais, mas apenas os seus
valores absolutos. Ora, em particular no caso das sries financeiras, surgem frequentemente
assimetrias na variabilidade; por exemplo, a variabilidade em geral maior depois de um decrscimo
do que aps um acrscimo de igual valor absoluto. Os modelos threshold ARCH ( ARCH com
limiares), introduzidos em Zakoian (1990), permitem modelar assimetrias na variabilidade tendo em
conta, de modo distinto, a influncia de valores simtricos do processo subjacente.
Em Rabemananjara e Zakoian (1993) surge uma generalizao destes, os modelos GTARCH
( ARCH com limiares generalizados), onde, seguindo a ideia de Bollerslev, se introduziu uma
dinmica endgena na varincia condicional por forma a minimizar a j referida ordem de atrasos e
consequente perda de informao. A varincia condicional de tais processos ) , ( q p GTARCH
31 O u t o n o d e 2 0 0 8
Na tentativa de encontrar formulaes mais adequadas para a variabilidade instantnea surgiram
inmeras generalizaes e extenses dos modelos ARCH , que podemos incluir numa classe geral de
processos de erro condicionalmente heteroscedsticos ( CH ) com a seguinte definio:

Definio Diz-se que ( ) Z = t
t
, segue um modelo condicionalmente heteroscedstico de ordens p
e q , ) , ( q p CH , se
( ) ( ) ( ), ,..., , ,..., e 0
1 1 1 1 p t t q t t t t t t t
h h H h V E

= = =
onde H uma funo real definida sobre
q p+
R , estritamente positiva e Borel - mensurvel.

Observe-se que, soluo de um modelo CH ) , ( q p todo o processo da forma ,
t t t
Z h = com
( ) ( ), ,... , ,..., , ,...,
2 1 1 1
= =
t t p t t q t t t
G h h H h sendo G uma funo real, estritamente positiva e
mensurvel, e ( ) Z t Z
t
, uma sucesso de variveis aleatrias reais (v.a.r.) independentes e
identicamente distribudas, centradas e reduzidas e tais que
t
Z independente de .
1 t
Algumas caractersticas interessantes destes modelos podem ser de imediato obtidas como
consequncia da definio anterior e reforam a sua boa adequao a dados financeiros. De facto, a
condio ( ) , 0
1
=
t t
E que pode interpretar-se como uma condio de ortogonalidade ao passado do
processo, permite-nos concluir ainda a ortogonalidade e a inexistncia de correlaes condicionais a
qualquer passado do processo. Alm disso, tais processos verificam propriedades de rudo branco (no
necessariamente homoscedstico) relativamente lei condicional e so rudos brancos, no sentido
clssico, desde que sejam estacionrios. Permitem tambm modelar inovaes no Gaussianas, sendo,
em particular, leptocrticos.

A especificao da forma funcional H conduz obteno das mltiplas classes de modelos que,
desde os j referidos processos ARCH de Engle, tm surgido na literatura, e que permitem ter em
conta outras caractersticas particulares eventualmente presentes nas sries reais a modelar. Os
processos GARCH e GTARCH parecem-nos representar classes de modelos de grande utilidade
prtica e com caractersticas suficientemente diferenciadas.
Os modelos ARCH generalizados de ordens p e q , ), , ( q p GARCH introduzidos por Bollerslev
em 1986, so a generalizao mais natural dos ARCH (ou ) , 0 ( q GARCH ) e a sua varincia
condicional dada por ,
1
2
1
0 j t j
p
j
i t i
q
i
t
h h

=
=
+ + = onde , ,..., 1 , 0 , 0
0
q i
i
= > e , 0
j
. ,..., 1 p j =
Com esta formulao procurou-se ir ao encontro de uma dinmica auto-regressiva/mdia mvel
para o quadrado do processo e assim minimizar a ordem de atrasos associada dinmica,
simplesmente auto-regressiva, presente no quadrado de um processo . ARCH
Esta classe de modelos apresenta uma importante limitao, resultante da formulao quadrtica
retida para a expresso da varincia condicional. Com efeito, a influncia dos valores passados do
processo na variabilidade instantnea da srie no tem em conta os seus sinais, mas apenas os seus
valores absolutos. Ora, em particular no caso das sries financeiras, surgem frequentemente
assimetrias na variabilidade; por exemplo, a variabilidade em geral maior depois de um decrscimo
do que aps um acrscimo de igual valor absoluto. Os modelos threshold ARCH ( ARCH com
limiares), introduzidos em Zakoian (1990), permitem modelar assimetrias na variabilidade tendo em
conta, de modo distinto, a influncia de valores simtricos do processo subjacente.
Em Rabemananjara e Zakoian (1993) surge uma generalizao destes, os modelos GTARCH
( ARCH com limiares generalizados), onde, seguindo a ideia de Bollerslev, se introduziu uma
dinmica endgena na varincia condicional por forma a minimizar a j referida ordem de atrasos e
consequente perda de informao. A varincia condicional de tais processos ) , ( q p GTARCH
definida pela funo
,
2
1
,
1
,
1
0
+ + =

=
+
+
=
j t j
p
j
i t i
q
i
i t i
q
i
t
h h
com , ,..., 1 , 0 , 0 , 0
, , 0
q i
i i
= >
+
e . ,..., 1 , 0 p j
j
= Se 0 = p , encontramos os j referidos
modelos TARCH de ordem q .

O estudo das propriedades de estacionaridade destes modelos fundamental para averiguar da sua
correcta adequao a dados estacionrios ou tornados estacionrios. Podemos desde j afirmar que
para todos estes modelos existem solues estacionrias nicas.
A anlise da estacionaridade fraca foi inicialmente desenvolvida a partir das formulaes lineares
que foram obtidas para certas funes do processo e do estudo correspondente para modelos lineares.
Ora, a determinao destas funes, muito simples no caso dos modelos , GARCH complica-se
enormemente quando passamos a modelos com limiares no tendo sido mesmo encontradas no caso
dos modelos com limiares generalizados. Tal facto, levou descoberta de uma outra metodologia que
permitiu resolver, em simultneo, a estacionaridade forte e fraca bem como a ergodicidade de tais
modelos.
Tal metodologia baseia-se fundamentalmente na obteno de uma representao Markoviana
multivariada do tipo auto-regressivo com coeficientes aleatrios para uma funo vectorial do processo
da qual se deduz a soluo estacionria para . Nomeadamente, so obtidas condies necessrias e
suficientes de estacionaridade forte e fraca para processos , seguindo modelos ), , ( q p GTARCH
soluo da anteriormente referida equao do tipo .
t t t
Z h = Alm disso, sob as mesmas condies,
tais modelos so ergdicos. Constata-se ainda que todo o modelo fracamente estacionrio fortemente
estacionrio, isto , a condio de existncia de momentos de 2 ordem mais exigente que a de
estacionaridade da lei.
Em particular, no caso de um modelo ) 1 ( TARCH condicionalmente Gaussiano, isto , tal que

+
+
+ =
1 , 1 1 , 1 0 t t t
h , com ( ) Z t Z
t
, rudo branco Gaussiano, se as v.a.r.
+
+
=
t t t
Z Z A
, 1 , 1

so tais que ( )
t
A E ln existe e estritamente negativa ento existe uma soluo forte e fracamente
estacionria nica, que tambm ergdica desde que 2
2
, 1
2
, 1
< +
+
. No entanto, basta que
( ) ... 5619 . 3 ) ( exp
2
1
2
1
, 1 , 1
<
+
, para que tal soluo exista e seja fortemente estacionria e
ergdica. Nota-se que o estudo desenvolvido a partir da representao Markoviana de coeficientes
aleatrios, facilmente dedutvel, .
1 1 0
+ =
t t t
h A h

Estudos tericos que permitam identificar propriedades para estes modelos compatveis com novas
constataes empricas sobre os dados a modelar continuam a ser preocupao dos investigadores
nestes domnios. Em 1986, ao estudar vrias sries de retornos financeiros, Taylor observou que, na
maior parte delas, a autocorrelao emprica dos retornos em valor absoluto maior do que a
autocorrelao emprica do quadrado de tais retornos. Outros estudos, de que citamos por exemplo
Granger e Ding (1995) e Granger et al (2000), permitiram tambm observar a presena de tal relao
emprica noutras sries de retornos reais. Assim, perante a j destacada boa adequao dos modelos
condicionalmente heteroscedsticos s series financeiras, imps-se analisar esta propriedade terica
para tais processos. Mais precisamente, tm-se vindo a desenvolver estudos que permitam concluir
sobre a validade da relao, conhecida por propriedade de Taylor,
( ) ( ), , ,
2
1
2
1
>
t t t t
corr corr
quando ( ) Z = t
t
, segue um modelo condicionalmente heteroscedstico.
Podemos afirmar que estes estudos esto ainda em fase muito inicial e tm sido sobretudo baseados
definida pela funo
,
2
1
,
1
,
1
0
+ + =

=
+
+
=
j t j
p
j
i t i
q
i
i t i
q
i
t
h h
com , ,..., 1 , 0 , 0 , 0
, , 0
q i
i i
= >
+
e . ,..., 1 , 0 p j
j
= Se 0 = p , encontramos os j referidos
modelos TARCH de ordem q .

O estudo das propriedades de estacionaridade destes modelos fundamental para averiguar da sua
correcta adequao a dados estacionrios ou tornados estacionrios. Podemos desde j afirmar que
para todos estes modelos existem solues estacionrias nicas.
A anlise da estacionaridade fraca foi inicialmente desenvolvida a partir das formulaes lineares
que foram obtidas para certas funes do processo e do estudo correspondente para modelos lineares.
Ora, a determinao destas funes, muito simples no caso dos modelos , GARCH complica-se
enormemente quando passamos a modelos com limiares no tendo sido mesmo encontradas no caso
dos modelos com limiares generalizados. Tal facto, levou descoberta de uma outra metodologia que
permitiu resolver, em simultneo, a estacionaridade forte e fraca bem como a ergodicidade de tais
modelos.
Tal metodologia baseia-se fundamentalmente na obteno de uma representao Markoviana
multivariada do tipo auto-regressivo com coeficientes aleatrios para uma funo vectorial do processo
da qual se deduz a soluo estacionria para . Nomeadamente, so obtidas condies necessrias e
suficientes de estacionaridade forte e fraca para processos , seguindo modelos ), , ( q p GTARCH
soluo da anteriormente referida equao do tipo .
t t t
Z h = Alm disso, sob as mesmas condies,
tais modelos so ergdicos. Constata-se ainda que todo o modelo fracamente estacionrio fortemente
estacionrio, isto , a condio de existncia de momentos de 2 ordem mais exigente que a de
estacionaridade da lei.
Em particular, no caso de um modelo ) 1 ( TARCH condicionalmente Gaussiano, isto , tal que

+
+
+ =
1 , 1 1 , 1 0 t t t
h , com ( ) Z t Z
t
, rudo branco Gaussiano, se as v.a.r.
+
+
=
t t t
Z Z A
, 1 , 1

so tais que ( )
t
A E ln existe e estritamente negativa ento existe uma soluo forte e fracamente
estacionria nica, que tambm ergdica desde que 2
2
, 1
2
, 1
< +
+
. No entanto, basta que
( ) ... 5619 . 3 ) ( exp
2
1
2
1
, 1 , 1
<
+
, para que tal soluo exista e seja fortemente estacionria e
ergdica. Nota-se que o estudo desenvolvido a partir da representao Markoviana de coeficientes
aleatrios, facilmente dedutvel, .
1 1 0
+ =
t t t
h A h

Estudos tericos que permitam identificar propriedades para estes modelos compatveis com novas
constataes empricas sobre os dados a modelar continuam a ser preocupao dos investigadores
nestes domnios. Em 1986, ao estudar vrias sries de retornos financeiros, Taylor observou que, na
maior parte delas, a autocorrelao emprica dos retornos em valor absoluto maior do que a
autocorrelao emprica do quadrado de tais retornos. Outros estudos, de que citamos por exemplo
Granger e Ding (1995) e Granger et al (2000), permitiram tambm observar a presena de tal relao
emprica noutras sries de retornos reais. Assim, perante a j destacada boa adequao dos modelos
condicionalmente heteroscedsticos s series financeiras, imps-se analisar esta propriedade terica
para tais processos. Mais precisamente, tm-se vindo a desenvolver estudos que permitam concluir
sobre a validade da relao, conhecida por propriedade de Taylor,
( ) ( ), , ,
2
1
2
1
>
t t t t
corr corr
quando ( ) Z = t
t
, segue um modelo condicionalmente heteroscedstico.
Podemos afirmar que estes estudos esto ainda em fase muito inicial e tm sido sobretudo baseados
em simulaes. De facto, as expresses tericas daquelas autocorrelaes s foram conhecidas, e
apenas para alguns modelos, a partir do trabalho de He e Tersvirta (1999) e, alm disso, o grau de
complexidade que apresentam limita fortemente o seu desenvolvimento. Tanto quanto do nosso
conhecimento, os estudos tericos sobre esta propriedade estavam, at h pouco, circunscritos ao j
referido trabalho de He e Tersvirta e garantiam apenas a existncia de um subconjunto de modelos
) 1 ( ARCH de valor absoluto, isto , modelos ) 1 ( TARCH em que ,
, 1 , 1 +
= verificando a
propriedade de Taylor. Recentemente, esta propriedade foi estabelecida em Gonalves, Leite e Mendes
Lopes (2007) na classe geral dos modelos ) 1 ( TARCH , sendo explicitamente exibida a regio de
valores dos parmetros a que correspondem modelos verificando tal propriedade. Em particular, se o
modelo um ) 1 ( TARCH condicionalmente Gaussiano, uma discretizao do conjunto de
parametrizaes que verificam a propriedade de Taylor est representada pelos crculos a preto na
figura abaixo.
Em resumo, a investigao desenvolvida sobre a propriedade de Taylor permite-nos afirmar que
esta no uma caracterstica comum aos modelos condicionalmente heteroscedsticos. Revela, no
entanto, que ela poder estar presente em subconjuntos de parametrizaes de todas as classes de
modelos deste tipo.
nossa convico que o estudo deste problema tem muito ainda a revelar. Em particular, os estudos
que desenvolvemos permitem conjecturar que a verificao desta propriedade est muito ligada
cauda da distribuio parente do processo estacionrio e sobre a qual tem papel relevante a distribuio
do processo gerador, ( ) Z t Z
t
, , acima referido.

5 Em jeito de concluso
No desenvolvimento deste artigo procuramos realar a importncia da dialctica que
indispensvel estabelecer entre o comportamento emprico das sries a descrever e as propriedades
tericas dos modelos a adequar ou a definir. De facto, fica patente no s a importncia de procurar, na
classe dos modelos conhecidos, aqueles que em cada momento conjugam propriedades tericas
prximas das correspondentes propriedades empricas dos dados, mas tambm quo fundamental ,
para a criao de novos modelos, a deteco de outros comportamentos empricos no tidos em conta
nos j existentes.
A dinmica do processo de ajustamento de um modelo estocstico a uma srie de dados observada
tambm particularmente evidente quando tomamos como referncia a j clssica metodologia de Box-
Jenkins associada classe dos modelos lineares gerais do tipo SARIMA . De facto, partindo do
comportamento das funes de autocorrelao e autocorrelao parcial empricas da srie de dados a
ajustar, procuramos o modelo naquela classe que melhor a representa. A aceitao de um tal modelo
no , no entanto, tcita, passando por um controlo de qualidade, por meio de testes estatsticos, que
avaliaro, em particular, se o resduo resultante de uma tal modelao tem propriedades de processo de
erro. Caso tal no acontea, a procura anterior volta ao incio mantendo-se esta dinmica at que uma
tal condio mnima seja verificada. Este processo ganha obviamente um maior dinamismo com o
aparecimento de novos modelos, designadamente com os processos de erro condicionalmente
33 O u t o n o d e 2 0 0 8
em simulaes. De facto, as expresses tericas daquelas autocorrelaes s foram conhecidas, e
apenas para alguns modelos, a partir do trabalho de He e Tersvirta (1999) e, alm disso, o grau de
complexidade que apresentam limita fortemente o seu desenvolvimento. Tanto quanto do nosso
conhecimento, os estudos tericos sobre esta propriedade estavam, at h pouco, circunscritos ao j
referido trabalho de He e Tersvirta e garantiam apenas a existncia de um subconjunto de modelos
) 1 ( ARCH de valor absoluto, isto , modelos ) 1 ( TARCH em que ,
, 1 , 1 +
= verificando a
propriedade de Taylor. Recentemente, esta propriedade foi estabelecida em Gonalves, Leite e Mendes
Lopes (2007) na classe geral dos modelos ) 1 ( TARCH , sendo explicitamente exibida a regio de
valores dos parmetros a que correspondem modelos verificando tal propriedade. Em particular, se o
modelo um ) 1 ( TARCH condicionalmente Gaussiano, uma discretizao do conjunto de
parametrizaes que verificam a propriedade de Taylor est representada pelos crculos a preto na
figura abaixo.
Em resumo, a investigao desenvolvida sobre a propriedade de Taylor permite-nos afirmar que
esta no uma caracterstica comum aos modelos condicionalmente heteroscedsticos. Revela, no
entanto, que ela poder estar presente em subconjuntos de parametrizaes de todas as classes de
modelos deste tipo.
nossa convico que o estudo deste problema tem muito ainda a revelar. Em particular, os estudos
que desenvolvemos permitem conjecturar que a verificao desta propriedade est muito ligada
cauda da distribuio parente do processo estacionrio e sobre a qual tem papel relevante a distribuio
do processo gerador, ( ) Z t Z
t
, , acima referido.

5 Em jeito de concluso
No desenvolvimento deste artigo procuramos realar a importncia da dialctica que
indispensvel estabelecer entre o comportamento emprico das sries a descrever e as propriedades
tericas dos modelos a adequar ou a definir. De facto, fica patente no s a importncia de procurar, na
classe dos modelos conhecidos, aqueles que em cada momento conjugam propriedades tericas
prximas das correspondentes propriedades empricas dos dados, mas tambm quo fundamental ,
para a criao de novos modelos, a deteco de outros comportamentos empricos no tidos em conta
nos j existentes.
A dinmica do processo de ajustamento de um modelo estocstico a uma srie de dados observada
tambm particularmente evidente quando tomamos como referncia a j clssica metodologia de Box-
Jenkins associada classe dos modelos lineares gerais do tipo SARIMA . De facto, partindo do
comportamento das funes de autocorrelao e autocorrelao parcial empricas da srie de dados a
ajustar, procuramos o modelo naquela classe que melhor a representa. A aceitao de um tal modelo
no , no entanto, tcita, passando por um controlo de qualidade, por meio de testes estatsticos, que
avaliaro, em particular, se o resduo resultante de uma tal modelao tem propriedades de processo de
erro. Caso tal no acontea, a procura anterior volta ao incio mantendo-se esta dinmica at que uma
tal condio mnima seja verificada. Este processo ganha obviamente um maior dinamismo com o
aparecimento de novos modelos, designadamente com os processos de erro condicionalmente
heteroscedsticos. No basta agora verificar se o resduo resultante um processo de erro pois
sabemos que, por exemplo em dados de natureza financeira, pode estar presente uma volatilidade
instantnea que os modelos lineares no conseguem incorporar. H ento a possibilidade de,
recorrendo de novo a um teste estatstico, questionar a significncia da presena de tal volatilidade ou
heteroscedasticidade condicional. Confirmada a sua presena, o recurso metodologia de Box-
Jenkins, agora aplicada aos modelos lineares associados a certas funes do processo de erro (por
exemplo, ao quadrado do resduo no caso GARCH ), que nos ir conduzir ao modelo mais adequado.
Claro que, em qualquer caso, o que temos sempre uma resposta que tendo muito para ser boa ser
certamente, no mnimo, aceitvel.
Em concluso, um modelo estocstico para um certo fenmeno apenas uma representao
matemtica aceite desse mesmo fenmeno e no uma sua caracterizao. Captar as caractersticas
essenciais dos dados a representar muitas vezes o mais importante e indispensvel, no
necessariamente para chegar a uma boa previso pontual mas, sobretudo, para deduzir sobre o
fenmeno em causa um bom intervalo de previso.
O desenvolvimento terico e prtico dos assuntos sintetizados neste texto pode, por exemplo, ser
encontrado em Gonalves e Mendes-Lopes (2008).
6 Bibliografia
Bollerslev, T. (1986) Generalized autoregressive conditional heteroscedasticity, Journal of
Econometrics, 37, 307-327.
Droesbeke, J., B. Fichet et Ph. Tassi (1989) Sries Chronologiques - Thorie et pratique des modles
ARIMA, Economica, Paris.
Engle, R. (1982) Autoregressive conditional heteroscedasticity with estimates of the variance of the
U.K. inflation, Econometrica, 50, 987-1008.
Gonalves, E. e N. Mendes-Lopes (2008) Sries temporais - Modelaes lineares e no lineares, Ed.
da Sociedade Portuguesa de Estatstica, Lisboa.
Gonalves, E., J. Leite e N. Mendes-Lopes (2007) Taylor property in the threshold ARCH models,
Proceedings of the 56th ISI Session, Lisboa (http://www.isi2007.com.pt/isi2007/).
Gouriroux, Ch. et A. Monfort (1990) Sries Temporelles et Modles Dynamiques, Economica, Paris.
Gouriroux, Ch. et A. Monfort (1992) Modles ARCH et applications financires, Economica, Paris.
Granger, C.W.J. and Z. Ding (1995) Some properties of absolute return: an alternative measure of risk,
Annales d'conomie et de Statistique, 40, 67-95.
Granger, C.W.J., S. Spear and Z. Ding (2000) Stylized facts on the temporal and distributional
properties of absolute return: an update, Proceedings of the Hong Kong International Workshop on
Statistics and Finance: An Interface (GChan, W., W. Li and H. Tong, eds.), 97-120, Imperial College
Press.
He, C. and T. Tersvirta (1999) Properties of moments of a family of GARCH processes, Journal of
Murteira, B., D. Muller, e K. F. Turkman (1993) Anlise das sucesses cronolgicas, McGraw-Hill,
Lisboa.
Rabemananjara, R. and J.M. Zakoian (1993) Threshold ARCH models and asymmetries in volatility,
Journal of Applied Econometrics, 8, 31-49.
Taylor, S. (1986) Modelling Financial Time Series, Wiley.
heteroscedsticos. No basta agora verificar se o resduo resultante um processo de erro pois
sabemos que, por exemplo em dados de natureza financeira, pode estar presente uma volatilidade
instantnea que os modelos lineares no conseguem incorporar. H ento a possibilidade de,
recorrendo de novo a um teste estatstico, questionar a significncia da presena de tal volatilidade ou
heteroscedasticidade condicional. Confirmada a sua presena, o recurso metodologia de Box-
Jenkins, agora aplicada aos modelos lineares associados a certas funes do processo de erro (por
exemplo, ao quadrado do resduo no caso GARCH ), que nos ir conduzir ao modelo mais adequado.
Claro que, em qualquer caso, o que temos sempre uma resposta que tendo muito para ser boa ser
certamente, no mnimo, aceitvel.
Em concluso, um modelo estocstico para um certo fenmeno apenas uma representao
matemtica aceite desse mesmo fenmeno e no uma sua caracterizao. Captar as caractersticas
essenciais dos dados a representar muitas vezes o mais importante e indispensvel, no
necessariamente para chegar a uma boa previso pontual mas, sobretudo, para deduzir sobre o
fenmeno em causa um bom intervalo de previso.
O desenvolvimento terico e prtico dos assuntos sintetizados neste texto pode, por exemplo, ser
encontrado em Gonalves e Mendes-Lopes (2008).
6 Bibliografia
Bollerslev, T. (1986) Generalized autoregressive conditional heteroscedasticity, Journal of
Droesbeke, J., B. Fichet et Ph. Tassi (1989) Sries Chronologiques - Thorie et pratique des modles
ARIMA, Economica, Paris.
Engle, R. (1982) Autoregressive conditional heteroscedasticity with estimates of the variance of the
U.K. inflation, Econometrica, 50, 987-1008.
Gonalves, E. e N. Mendes-Lopes (2008) Sries temporais - Modelaes lineares e no lineares, Ed.
da Sociedade Portuguesa de Estatstica, Lisboa.
Gonalves, E., J. Leite e N. Mendes-Lopes (2007) Taylor property in the threshold ARCH models,
Proceedings of the 56th ISI Session, Lisboa (http://www.isi2007.com.pt/isi2007/).
Gouriroux, Ch. et A. Monfort (1990) Sries Temporelles et Modles Dynamiques, Economica, Paris.
Gouriroux, Ch. et A. Monfort (1992) Modles ARCH et applications financires, Economica, Paris.
Granger, C.W.J. and Z. Ding (1995) Some properties of absolute return: an alternative measure of risk,
Annales d'conomie et de Statistique, 40, 67-95.
Granger, C.W.J., S. Spear and Z. Ding (2000) Stylized facts on the temporal and distributional
properties of absolute return: an update, Proceedings of the Hong Kong International Workshop on
Statistics and Finance: An Interface (GChan, W., W. Li and H. Tong, eds.), 97-120, Imperial College
Press.
He, C. and T. Tersvirta (1999) Properties of moments of a family of GARCH processes, Journal of
Murteira, B., D. Muller, e K. F. Turkman (1993) Anlise das sucesses cronolgicas, McGraw-Hill,
Lisboa.
Rabemananjara, R. and J.M. Zakoian (1993) Threshold ARCH models and asymmetries in volatility,
Journal of Applied Econometrics, 8, 31-49.
Taylor, S. (1986) Modelling Financial Time Series, Wiley.
35 O u t o n o d e 2 0 0 8
Processos Estocsticos Aplicados s Finanas
Joo Nicolau, nicolau@iseg.utl.pt
Instituto Superior de Economia e Gesto/Universidade Tcnica de Lisboa
Introduo
Este artigo foca a ligao entre os processos estocsticos e as finanas. Concretamente, a) procura-se
explicar o forte crescimento dos processos estocsticos ligados s finanas, b) exemplificam-se
algumas ligaes entre a teoria financeira e os processos estocsticos, c) argumenta-se que a rea
financeira tem contribudo para o desenvolvimento da teoria dos processos estocsticos e, finalmente,
d) faz-se uma breve nota sobre o ensino das sries temporais financeiras e disciplinas afins.Bachelier,
um matemtico Francs na viragem do sculo XX, visto por muitos como o fundador da moderna
Matemtica Financeira. Na sua tese de doutoramento (Teoria da Especulao) lana as bases do
movimento Browniano
1
como modelo do comportamento das cotaes em bolsa e usa esse modelo
para avaliar opes sobre aces. Historicamente, um dos primeiros trabalhos a usar explicitamente
processos estocsticos no mbito das finanas. Passado mais de um sculo sobre a Teoria da
Especulao, pode-se dizer que os processos estocsticos, em tempo discreto e contnuo, esto na
base da economia financeira, por uma razo simples: tempo, risco e incerteza so os elementos
centrais que influenciam o comportamento dos agentes econmicos e dos mercados financeiros em
geral e, por essa via so indissociveis da teoria financeira.
A rea dos processos estocsticos, em geral, vastssima, e tem sido aplicada em quase todos os ramos
da cincia e da tecnologia. Neste artigo detenho-me apenas sobre os desenvolvimentos recentes que
tm ocorrido no mbito das finanas. Estes desenvolvimentos tm sido muito significativos e, como
resultado, tm aparecido disciplinas novas, como por exemplo, Econometria Financeira, Sries
Temporais Financeiras, Finanas Computacionais (a Matemtica Financeira, como disciplina, mais
antiga e deve a sua projeco e visibilidade fundamentalmente aos trabalhos de Fisher Black, Eugene
Fama, Harry Markowitz, Robert Merton, Myron Scholes, entre outros).
Forte Desenvolvimento dos Processos Estocsticos no mbito das Finanas
incontestvel o crescimento extraordinrio dos processos estocsticos ligados s finanas. Nenhuma
outra rea da economia se desenvolveu to rapidamente nos ltimos anos como a dos processos
estocsticos aplicados a problemas financeiros. Procurarei a seguir, de forma muito breve, avanar
com algumas explicaes.

1
Bachelier explorou as ideias do teorema do limite central e, assumindo que o rudo de mercado no possua memria, deduziu que
os incrementos dos preos deviam ser independentes e ter distribuio normal.
Processos estocsticos aplicados s finanas
Instituto Superior de Economia e Gesto/Universidade Tcnica de Lisboa
Introduo
Este artigo foca a ligao entre os processos estocsticos e as finanas. Concretamente, a) procura-se
explicar o forte crescimento dos processos estocsticos ligados s finanas, b) exemplificam-se
algumas ligaes entre a teoria financeira e os processos estocsticos, c) argumenta-se que a rea
financeira tem contribudo para o desenvolvimento da teoria dos processos estocsticos e, finalmente,
d) faz-se uma breve nota sobre o ensino das sries temporais financeiras e disciplinas afins.Bachelier,
um matemtico Francs na viragem do sculo XX, visto por muitos como o fundador da moderna
Matemtica Financeira. Na sua tese de doutoramento (Teoria da Especulao) lana as bases do
movimento Browniano
1
como modelo do comportamento das cotaes em bolsa e usa esse modelo
para avaliar opes sobre aces. Historicamente, um dos primeiros trabalhos a usar explicitamente
processos estocsticos no mbito das finanas. Passado mais de um sculo sobre a Teoria da
Especulao, pode-se dizer que os processos estocsticos, em tempo discreto e contnuo, esto na
base da economia financeira, por uma razo simples: tempo, risco e incerteza so os elementos
centrais que influenciam o comportamento dos agentes econmicos e dos mercados financeiros em
geral e, por essa via so indissociveis da teoria financeira.
A rea dos processos estocsticos, em geral, vastssima, e tem sido aplicada em quase todos os ramos
da cincia e da tecnologia. Neste artigo detenho-me apenas sobre os desenvolvimentos recentes que
tm ocorrido no mbito das finanas. Estes desenvolvimentos tm sido muito significativos e, como
resultado, tm aparecido disciplinas novas, como por exemplo, Econometria Financeira, Sries
Temporais Financeiras, Finanas Computacionais (a Matemtica Financeira, como disciplina, mais
antiga e deve a sua projeco e visibilidade fundamentalmente aos trabalhos de Fisher Black, Eugene
Fama, Harry Markowitz, Robert Merton, Myron Scholes, entre outros).
Forte Desenvolvimento dos Processos Estocsticos no mbito das Finanas
incontestvel o crescimento extraordinrio dos processos estocsticos ligados s finanas. Nenhuma
outra rea da economia se desenvolveu to rapidamente nos ltimos anos como a dos processos
estocsticos aplicados a problemas financeiros. Procurarei a seguir, de forma muito breve, avanar
com algumas explicaes.

1
Bachelier explorou as ideias do teorema do limite central e, assumindo que o rudo de mercado no possua memria,
deduziu que os incrementos dos preos deviam ser independentes e ter distribuio normal.
2

1. Tem-se assistido em muitos pases, sobretudo desde a dcada de 60/70, a uma liberalizao e
globalizao progressiva dos mercados financeiros e no financeiros. Como resultado, o
sistema financeiro cresceu exponencialmente. Mas aumentou tambm de complexidade (na
relao entre os agentes, na diversidade produtos financeiros, etc.). Esta crescente
complexidade do sistema financeiro, foi acompanhada pelo desenvolvimento de mtodos
quantitativos adequados natureza das transaces financeiras e dos instrumentos financeiros
criados. Estes mtodos tm sido desenvolvidos nas universidades e, sobretudo, nas grandes
instituies financeiras. Na indstria financeira so bem conhecidos os quants (ou quantitative
analysts). Tratam-se de indivduos com forte formao matemtica que se dedicam aos
problemas financeiros de base quantitativa. Uma caracterstica singular destes mtodos
quantitativos o de se basearem em grande parte em processos estocsticos porque o risco e a
incerteza esto presentes em todos os mercados financeiros.
2. Assistiram-se tambm a progressos muito significativos na modelao quantitativa dos
mercados financeiros. Merecem especial destaque autores como Fisher Black, John Cox,
Eugene Fama, John Lintner, Harry Markowitz, Robert Merton, Franco Modigliani, Merton
Miller, Stephen Ross, Paul Samuelson, Myron Scholes, William Sharpe, Rober Engle, entre
outros, cujas contribuies lanaram as fundaes da moderna anlise financeira quantitativa.
Todas as principais contribuies envolveram explicitamente os processos estocsticos, porque
(como j argumentmos) o risco e a incerteza, presentes em todos os mercados financeiros, no
podem ser dissociados das finanas.
3. O progresso informtico nas suas vertentes hardware e software tem sido muito importante em
todas as reas da estatstica. Muitas das tcnicas e mtodos estatsticos propostos nos ltimos
anos teriam sido complemente irrelevantes e, certamente, condenados ao esquecimento sem os
recursos informticos existentes. Naturalmente, este argumento justifica o desenvolvimento
dos mtodos estatsticos em geral, mas particularmente vlido no mbito das sries temporais
financeiras.
4. Outro factor relevante para o desenvolvimento dos processos estocsticos no mbito das
finanas a grande oferta de sries financeiras. Nenhuma outra rea da economia dispe de
tantas e variadas sries temporais como a rea financeira. possvel, hoje em dia, obter sem
custos sries financeiras longas com periodicidades extremamente elevadas (e.g. observaes
dirias e intradirias) praticamente isentas de erros de observao. Por exemplo, o website da
Yahoo Finance fornece, a ttulo gratuito, centenas de milhares de cotaes nacionais e
estrangeiras com periodicidade diria, semanal ou mensal. possvel tambm, a baixo custo,
adquirir bases de dados de cotaes tick-by-tick de ttulos de aces, taxas de cmbio e taxas de
juro compostas por milhes de observaes. Esta disponibilidade de dados permite ao
investigador validar, confirmar e experimentar novas tcnicas e mtodos e descobrir novas
regularidades empricas.

A Teoria Financeira e os Processos Estocsticos
O objecto de estudo pertinente em Sries Temporais Financeiras (STF) e reas afins (e.g. Econometria
Financeira) o preo financeiro observado ao longo do tempo (poder ser, por exemplo, uma cotao
de uma aco, um ndice bolsista, uma taxa de cmbio, uma taxa de juro, etc.)
2
. Este preo poder

2
Mais geralmente, o preo poder representar o valor a que um intermedirio financeiro informa estar disposto a pagar pela
compra de um determinado activo, opo ou futuro, o valor a que um intermedirio financeiro informa estar disposto a receber
pela venda de um determinado activo, opo ou futuro, o valor final da transaco, o valor definido num mercado de futuros, entre
outros.
Processos estocsticos aplicados s nanas
Instituto Superior de Economia e Gesto / Universidade Tcnica de Lisboa
2

financeiras.

2
. Este preo poder

2
Mais geralmente, o preo poder representar o valor a que um intermedirio financeiro informa estar disposto a pagar pela
compra de um determinado activo, opo ou futuro, o valor a que um intermedirio financeiro informa estar disposto a receber
pela venda de um determinado activo, opo ou futuro, o valor final da transaco, o valor definido num mercado de futuros, entre
outros.
2

financeiras.

2
. Este preo poder

2
Mais geralmente, o preo poder representar o valor a que um intermedirio financeiro informa estar disposto a pagar
pela compra de um determinado activo, opo ou futuro, o valor a que um intermedirio financeiro informa estar
disposto a receber pela venda de um determinado activo, opo ou futuro, o valor final da transaco, o valor definido
num mercado de futuros, entre outros.
3

depois ser convertido em rendibilidade ou retorno caso se trabalhe em tempo discreto. Quase sempre
este preo estudado no quadro de uma teoria financeira. Esta interligao entre finanas e os
processos estocsticos ilustrada a seguir.
1. Uma das aplicaes mais importantes da teoria dos processos estocsticos s finanas a que
respeita determinao do preo justo ou prmio de uma opo. Uma opo call europeia
confere ao seu detentor o direito, mas no a obrigao, de comprar um activo (por exemplo
uma aco cotada na bolsa) na data de expirao do contrato T, por um preo K previamente
fixado. A cotao do activo evolui estocasticamente ao longo do tempo e pode ser
genericamente caracterizado como um processo estocstico definido num
espao de probabilidades (onde o espao amostral, podendo ser identificado
como o conjunto de todos os cenrios de mercado, a lgebra- dos subconjuntos de e P
a medida de probabilidade). No instante T o detentor da opo pode comprar o activo pelo
preo K, previamente estabelecido, e vender imediatamente por , supondo obviamente que
. Se o detentor da opo no exerce o direito de compra. Desta forma a receita
(payoff) . Nestas circunstncias, qual o valor justo do prmio da opo no
momento ? Naturalmente, o valor depende crucialmente do processo
estocstico . Fisher Black e Myron Scholes, assumindo um movimento
Browniano geomtrico, deduziram uma frmula matemtica para o prmio da opo. Esta
frmula, simples e extremamente til ainda nos dias de hoje, considerada por muitos
economistas como uma das maiores realizaes da teoria financeira.
2. A volatilidade um tpico fundamental em finanas. O conceito de volatilidade est presente
na gesto do risco, na afectao e seleco de activos, na valorizao e hedging das opes e
derivados e em muitas outras operaes e estratgias financeiras (no exemplo anterior, o
parmetro mais importante que condiciona o valor , precisamente, a
volatilidade do processo ). A rea da modelao e da previso da volatilidade
assenta, naturalmente, em processos estocsticos. A literatura muita vasta nesta rea, e inclui
variadssimos modelos em tempo discreto (e.g. modelos ARCH e modelos de volatilidade
estocstica) e em tempo contnuo (e.g. processos de difuso univariados com coeficiente de
difuso no constante e processos de difuso de segunda ordem de volatilidade estocstica).
3. A gesto do risco consiste, grosso modo, em identificar as fontes de risco e em medir, controlar
e gerir esse mesmo risco. Nesta rea, um conceito fundamental o Value at Risk ou VaR
(como usualmente conhecido na literatura). O VaR representa a perda que pode ocorrer num
lapso de tempo determinado, com uma certa probabilidade , supondo que o portfolio no
gerido durante o perodo de anlise. Em termos probabilsticos, o VaR o quantil de ordem
da distribuio terica de ganhos e perdas. Estes ganhos e perdas evoluem ao longo do tempo
e, portanto, so susceptveis de serem modelados atravs de processos estocsticos.
4. Uma discusso j longa na literatura debate a eficincia dos mercados financeiros. O mercado
de capitais diz-se eficiente se os preos dos produtos financeiros reflectirem toda a informao
disponvel. Quando libertada uma informao relevante (por exemplo, um anncio de
distribuio de dividendos de valor superior ao esperado, um anncio de fuses ou aquisies,
etc.) num mercado eficiente os agentes reagem imediatamente comprando ou vendendo de
acordo com a informao e os preos ajustam-se imediatamente. Se o mercado eficiente o
preo ajusta-se rapidamente e no h oportunidades para a realizao de rendibilidades
anormais. Neste caso, o retorno no previsvel e, portanto, dever ser no autocorrelacionado.
Naturalmente esta discusso faz-se no mbito de um modelo probabilstico de processos
estocsticos.
37 O u t o n o d e 2 0 0 8
3

depois ser convertido em rendibilidade ou retorno caso se trabalhe em tempo discreto. Quase sempre
este preo estudado no quadro de uma teoria financeira. Esta interligao entre finanas e os
processos estocsticos ilustrada a seguir.
1. Uma das aplicaes mais importantes da teoria dos processos estocsticos s finanas a que
respeita determinao do preo justo ou prmio de uma opo. Uma opo call europeia
confere ao seu detentor o direito, mas no a obrigao, de comprar um activo (por exemplo
uma aco cotada na bolsa) na data de expirao do contrato T, por um preo K previamente
fixado. A cotao do activo evolui estocasticamente ao longo do tempo e pode ser
genericamente caracterizado como um processo estocstico definido num
espao de probabilidades (onde o espao amostral, podendo ser identificado
como o conjunto de todos os cenrios de mercado, a lgebra- dos subconjuntos de e P
a medida de probabilidade). No instante T o detentor da opo pode comprar o activo pelo
preo K, previamente estabelecido, e vender imediatamente por , supondo obviamente que
. Se o detentor da opo no exerce o direito de compra. Desta forma a receita
(payoff) . Nestas circunstncias, qual o valor justo do prmio da opo no
momento ? Naturalmente, o valor depende crucialmente do processo
estocstico . Fisher Black e Myron Scholes, assumindo um movimento
Browniano geomtrico, deduziram uma frmula matemtica para o prmio da opo. Esta
frmula, simples e extremamente til ainda nos dias de hoje, considerada por muitos
economistas como uma das maiores realizaes da teoria financeira.
2. A volatilidade um tpico fundamental em finanas. O conceito de volatilidade est presente
na gesto do risco, na afectao e seleco de activos, na valorizao e hedging das opes e
derivados e em muitas outras operaes e estratgias financeiras (no exemplo anterior, o
parmetro mais importante que condiciona o valor , precisamente, a
volatilidade do processo ). A rea da modelao e da previso da volatilidade
assenta, naturalmente, em processos estocsticos. A literatura muita vasta nesta rea, e inclui
variadssimos modelos em tempo discreto (e.g. modelos ARCH e modelos de volatilidade
estocstica) e em tempo contnuo (e.g. processos de difuso univariados com coeficiente de
difuso no constante e processos de difuso de segunda ordem de volatilidade estocstica).
3. A gesto do risco consiste, grosso modo, em identificar as fontes de risco e em medir, controlar
e gerir esse mesmo risco. Nesta rea, um conceito fundamental o Value at Risk ou VaR
(como usualmente conhecido na literatura). O VaR representa a perda que pode ocorrer num
lapso de tempo determinado, com uma certa probabilidade , supondo que o portfolio no
gerido durante o perodo de anlise. Em termos probabilsticos, o VaR o quantil de ordem
da distribuio terica de ganhos e perdas. Estes ganhos e perdas evoluem ao longo do tempo
e, portanto, so susceptveis de serem modelados atravs de processos estocsticos.
4. Uma discusso j longa na literatura debate a eficincia dos mercados financeiros. O mercado
de capitais diz-se eficiente se os preos dos produtos financeiros reflectirem toda a informao
disponvel. Quando libertada uma informao relevante (por exemplo, um anncio de
distribuio de dividendos de valor superior ao esperado, um anncio de fuses ou aquisies,
etc.) num mercado eficiente os agentes reagem imediatamente comprando ou vendendo de
acordo com a informao e os preos ajustam-se imediatamente. Se o mercado eficiente o
preo ajusta-se rapidamente e no h oportunidades para a realizao de rendibilidades
anormais. Neste caso, o retorno no previsvel e, portanto, dever ser no autocorrelacionado.
Naturalmente esta discusso faz-se no mbito de um modelo probabilstico de processos
estocsticos.
4

5. Um problema importante em finanas o da seleco e constituio de portfolios de acordo
com o princpio geral da obteno da mxima rendibilidade com a menor volatilidade (risco)
possvel. Existem vrias abordagens para obter a rendibilidade e a volatilidade mas a mais
conveniente e adequada diz respeito s previses (temporais) de rendibilidade e volatilidades
associadas aos activos que constituem o portfolio. Com efeito, a deciso sobre constituio de
portfolio depender da rendibilidade e da volatilidade futura dos activos financeiros que
constituem o portfolio. Trata-se, portanto, de um problema de previso que deve ser tratado,
naturalmente, no mbito dos processos estocsticos.
As Finanas e o Desenvolvimento da Teoria dos Processos Estocsticos
Os exemplos discutidos no ponto anterior ilustram a forte ligao entre as finanas e a teoria dos
processos estocsticos. No entanto, a teoria financeira no se tem limitado a aplicar mtodos e
procedimentos j estabelecidos na teoria dos processos estocsticos. Tem tambm expandido a anlise
dos processos estocsticos, quer propondo novos modelos ou processos estocsticos quer propondo
novas metodologias de estimao e inferncia. Para ilustrar este tpico tomam-se alguns exemplos.
1. Como referimos anteriormente, a volatilidade uma das variveis mais importante em
finanas. A questo como medir, estimar e prever a volatilidade. O modelo ARCH
(Autoregressive Conditional Heteroskedasticity), devido a Robert Engle, um produto das
sries temporais financeiras. O modelo, definido em tempo discreto, prope uma especificao
dinmica para a varincia condicional de um processo estocstico. A estimao do modelo,
normalmente realizada no quadro da estimao de mxima verosimilhana, permite medir,
estimar e prever a volatilidade. No exagero dizer-se que tm sido produzidos centenas de
artigos sobre estas questes. Muitos destes artigos tm refinado a abordagem ARCH, por
exemplo, propondo especificaes alternativas e testes estatsticos, discutindo as propriedades
assimptticas dos estimadores e testes, etc. Outros modelos de volatilidade, baseados em
pressupostos alternativos, tm sido propostos, sendo, provavelmente o mais importante, o
modelo de volatilidade estocstica. Estes modelos envolvem questes difceis de estimao
3
que tambm tm sido tratados por investigadores da rea das finanas.
2. As transaces nos mercados financeiros no ocorrem, naturalmente, de forma espaada. Se
registarmos todas as alteraes do preo de um activo, obtemos, para mercados
suficientemente lquidos, uma sucesso de observaes, de altssima frequncia onde o
intervalo entre observaes consecutivas pode ser encarado como um processo estocstico,
susceptvel de ser modelado. Na rea das Sries Temporais Financeiras vrios modelos tm
sido propostos para modelarem o intervalo entre observaes, sendo talvez o mais relevante o
modelo autoregressive conditional duration.
3. Processos estocsticos em tempo contnuo, especialmente processos de difuso tem sido
largamente empregues em finanas. Todavia, todos os modelos envolvem parmetros ou
funes desconhecidas que devem ser estimados a partir de observaes discretas do processo.
A inferncia estatstica , pois, crucial em todas as aplicaes, particularmente em finanas.
Sob certas condies gerais, o mtodo da mxima verosimilhana para processos de difuso
baseados em observaes discretas apresenta as habituais boas propriedades (consistncia,
eficincia e distribuio assimpttica normal dos estimadores). Infelizmente, as densidades de
transio necessrias para construir a funo de verosimilhana so geralmente desconhecidas.

3
Nestes modelos a volatilidade uma varivel latente, no observvel, dependente de um erro aleatrio, o que impede a utilizao
dos mtodos habituais de estimao.
4

3

3
Nestes modelos a volatilidade uma varivel latente, no observvel, dependente de um erro aleatrio, o que impede a utilizao
dos mtodos habituais de estimao.
4

3

3
Nestes modelos a volatilidade uma varivel latente, no observvel, dependente de um erro aleatrio, o que impede a
utilizao dos mtodos habituais de estimao.
5

Nestas circunstncias, vrias abordagens alternativas tm sido propostas, muitas delas vindas
da rea das finanas. A ttulo de exemplo, citam-se as seguintes abordagens: mtodo dos
momentos generalizados baseados no operador infinitesimal; funo martingala de estimao;
aproximao da verosimilhana via expanso de Hermite; aproximao da verosimilhana via
aproximao numrica da equao progressiva de Kolmogorov; aproximao da
verosimilhana via simulao; mtodos Bayesianos; mtodos baseados em modelos auxiliares
(inferncia indirecta e mtodo dos momentos eficientes).
4. Os investigadores matemticos da rea das finanas tm expandido os modelos em tempo
contnuo, focando sobretudo o caso em que o coeficiente de difuso da equao dos preos
modelado atravs de uma outra equao diferencial estocstica, governada por outro processo
de Wiener, eventualmente correlacionado com o processo de Wiener associado equao dos
preos. Este tipo de modelos adequado para modelar preos de activos onde se suspeite que a
volatilidade dos preos ela tambm uma funo estocstica. Ainda na rea da modelao dos
preos, tem sido dada especial ateno aos processos de difuso com saltos de Poisson, por se
entender que estes modelos se adequam aos processos sujeitos a alteraes bruscas da
trajectria, devido, por exemplo, a crashes bolsistas ou ataques especulativos sbitos. Estes
modelos tm sido aplicados no apreamento das opes e na estimao e previso da
volatilidade.
5. Como referimos, nenhuma outra rea da economia dispe de tantas e variadas sries temporais
como a rea financeira. possvel obter sem custos, sries financeiras longas com
periodicidades extremamente altas (por exemplo, de segundo a segundo). A disponibilidade
destas novas sries mostrou novas regularidades empricas e lanou as bases da teoria da
microestrutura de mercado. Em particular foi revelado a existncia de um rudo de mercado
impossvel de detectar com frequncia de amostragem inferior. Esta questo tem sido discutida
no mbito da realized volatility que uma medida da volatilidade baseada na variao
quadrtica de uma semimartingala.
6. Importantes contribuies tm tambm surgido no mbito dos processos estocsticos no
lineares na mdia em tempo discreto (nota: interpretamos modelos no lineares na mdia
quando a mdia condicional uma funo no linear dos seus argumentos). Estas contribuies
tm incidido sobretudo nos modelos do tipo regime-switching. Estes tipos de modelos
adequam-se, por exemplo, em situaes onde existem alteraes bruscas e inesperadas nas
trajectrias dos processos (e.g., ataques especulativos, crashes bolsistas, anncios pblicos de
medidas do governo, eventos polticos e, em geral, eventos extraordinrios no antecipados) ou
onde existem alteraes da dinmica do processo sem alteraes bruscas nas trajectrias. Para
este tipo de fenmenos, tm sido discutidos dois tipos de modelos: 1) modelos onde a
mudana de regime funo de uma varivel observvel, como por exemplo, os modelos com
variveis impulso, os modelos limiares ou threshold AR (TAR), os modelos onde os
coeficientes associados s componentes AR so funes no lineares dos valores passados
(STAR, smoothed transition AR), entre outros; 2) modelos onde a mudana de regime no
observada, incluindo-se, nesta classe, os modelos onde os regimes so independentes entre si
(como, por exemplo, os modelos simple switching ou de Bernoulli) e os modelos onde existe
dependncia entre os regimes (como por exemplo, os modelos Markov-Switching).
7. A rea da estimao no paramtrica tem estado tambm muito activa em finanas. Em certos
casos, a teoria e os dados so insuficientes para especificar parametricamente o modelo de
interesse. Nestes casos considera-se uma abordagem no paramtrica. No mbito dos modelos
de difuso, tem sido particularmente estudada a estimao dos coeficientes infinitesimais
(tendncia e difuso) e das densidades de transio e estacionrias (quando existam). Estas
estimativas tm sido empregues para testar a especificao paramtrica de vrios modelos.
Outras aplicaes incluem, por exemplo, o estudo da homogeneidade dos coeficientes
(concretamente, sero os coeficientes infinitesimais dependentes apenas do estado do processo
39 O u t o n o d e 2 0 0 8
5

Nestas circunstncias, vrias abordagens alternativas tm sido propostas, muitas delas vindas
da rea das finanas. A ttulo de exemplo, citam-se as seguintes abordagens: mtodo dos
momentos generalizados baseados no operador infinitesimal; funo martingala de estimao;
aproximao da verosimilhana via expanso de Hermite; aproximao da verosimilhana via
aproximao numrica da equao progressiva de Kolmogorov; aproximao da
verosimilhana via simulao; mtodos Bayesianos; mtodos baseados em modelos auxiliares
(inferncia indirecta e mtodo dos momentos eficientes).
4. Os investigadores matemticos da rea das finanas tm expandido os modelos em tempo
contnuo, focando sobretudo o caso em que o coeficiente de difuso da equao dos preos
modelado atravs de uma outra equao diferencial estocstica, governada por outro processo
de Wiener, eventualmente correlacionado com o processo de Wiener associado equao dos
preos. Este tipo de modelos adequado para modelar preos de activos onde se suspeite que a
volatilidade dos preos ela tambm uma funo estocstica. Ainda na rea da modelao dos
preos, tem sido dada especial ateno aos processos de difuso com saltos de Poisson, por se
entender que estes modelos se adequam aos processos sujeitos a alteraes bruscas da
trajectria, devido, por exemplo, a crashes bolsistas ou ataques especulativos sbitos. Estes
modelos tm sido aplicados no apreamento das opes e na estimao e previso da
volatilidade.
5. Como referimos, nenhuma outra rea da economia dispe de tantas e variadas sries temporais
como a rea financeira. possvel obter sem custos, sries financeiras longas com
periodicidades extremamente altas (por exemplo, de segundo a segundo). A disponibilidade
destas novas sries mostrou novas regularidades empricas e lanou as bases da teoria da
microestrutura de mercado. Em particular foi revelado a existncia de um rudo de mercado
impossvel de detectar com frequncia de amostragem inferior. Esta questo tem sido discutida
no mbito da realized volatility que uma medida da volatilidade baseada na variao
quadrtica de uma semimartingala.
6. Importantes contribuies tm tambm surgido no mbito dos processos estocsticos no
lineares na mdia em tempo discreto (nota: interpretamos modelos no lineares na mdia
quando a mdia condicional uma funo no linear dos seus argumentos). Estas contribuies
tm incidido sobretudo nos modelos do tipo regime-switching. Estes tipos de modelos
adequam-se, por exemplo, em situaes onde existem alteraes bruscas e inesperadas nas
trajectrias dos processos (e.g., ataques especulativos, crashes bolsistas, anncios pblicos de
medidas do governo, eventos polticos e, em geral, eventos extraordinrios no antecipados) ou
onde existem alteraes da dinmica do processo sem alteraes bruscas nas trajectrias. Para
este tipo de fenmenos, tm sido discutidos dois tipos de modelos: 1) modelos onde a
mudana de regime funo de uma varivel observvel, como por exemplo, os modelos com
variveis impulso, os modelos limiares ou threshold AR (TAR), os modelos onde os
coeficientes associados s componentes AR so funes no lineares dos valores passados
(STAR, smoothed transition AR), entre outros; 2) modelos onde a mudana de regime no
observada, incluindo-se, nesta classe, os modelos onde os regimes so independentes entre si
(como, por exemplo, os modelos simple switching ou de Bernoulli) e os modelos onde existe
dependncia entre os regimes (como por exemplo, os modelos Markov-Switching).
7. A rea da estimao no paramtrica tem estado tambm muito activa em finanas. Em certos
casos, a teoria e os dados so insuficientes para especificar parametricamente o modelo de
interesse. Nestes casos considera-se uma abordagem no paramtrica. No mbito dos modelos
de difuso, tem sido particularmente estudada a estimao dos coeficientes infinitesimais
(tendncia e difuso) e das densidades de transio e estacionrias (quando existam). Estas
estimativas tm sido empregues para testar a especificao paramtrica de vrios modelos.
Outras aplicaes incluem, por exemplo, o estudo da homogeneidade dos coeficientes
(concretamente, sero os coeficientes infinitesimais dependentes apenas do estado do processo
6

ou, eventualmente, dependem tambm do tempo?) e do apreamento das opes
(concretamente estuda-se se o preo das opes consistente com os seus valores tericos,
baseados em modelos paramtricos).
Muitos outros exemplos poderiam ser acrescentados (por exemplo, na teoria dos valores extremos para
modelar cenrios de risco e valores em perda, redes neuronais, etc.).
O Ensino das Sries Temporais Financeiras e disciplinas Afins
Dada a importncia dos processos estocsticos no mbito das finanas, pois natural que o ensino o
das sries temporais financeiras e disciplinas afins (econometria financeira, mtodos de previso para
finanas, etc.) estejam j firmemente presentes nas principais faculdades de economia, gesto e
finanas do mundo, em todos os nveis do ensino superior (licenciatura, mestrado e doutoramento).
Uma breve consulta na Internet mostra que centenas de universidades em todo o mundo oferecem
Sries Temporais Financeiras, Econometria Financeira ou Matemtica Financeira. Apresenta-se a
seguir uma lista de algumas universidades que leccionam a unidade curricular Financial
Econometrics: Harvard University, EUA; London School of Economics, Reino Unido; School of
Economics and Business Administration University of Navarre, Espanha; University of Washington,
Seattle, Washington, EUA; Aarhus School of Business, Dinamarca; New York Stern School of
Business, EUA; University of Wales Swansea, Reino Unido; Macquarie University, Austrlia. Entre
ns vrias universidades oferecem tambm unidades curriculares na rea de ligao entre as finanas e
os processos estocsticos. No ISEG/UTL (Instituto Superior de Economia e Gesto) tm sido
leccionadas as seguintes unidades curriculares: Econometria Financeira (licenciatura), Sries
Temporais para Finanas (mestrado) e Mtodos de Previso para Finanas (mestrado); na
Universidade Nova de Economia, Introduction to Financial Econometrics (mestrado); no ISCTE
(Instituto Superior das Cincias do Trabalho e da Empresa), Mtodos e Estudos Empricos em
Finanas (Doutoramento); na Faculdade de Economia da Universidade de Algarve, Econometria
Financeira (MBA); na Faculdade de Economia da Universidade de Coimbra, Anlise de Sries
Financeiras (mestrado).
Bibliografia
4
At-Sahalia, Y., (1996), Nonparametric Princing of Interest Rate Derivative Securities,
Econometrica, 64, 527-560.
At-Sahalia, Y., (2002), Maximum Likelihood Estimation of Discretely Sampled Diffusions: A
Closed-form Approximation Approach. Econometrica, 70(1), 223-262.
Amin, K. e V. Ng, (1993), Option Valuation with Systematic Stochastic Volatility, Journal of
Finance, 48(3), 881-910.
Andersen, T.G., T. Bollerslev, F.X. Diebold e H. Ebens, (2001), The distribution of realized stock
return volatility, Journal of Financial Economics, 61, 43-76.
Bachelier, L., (1900), Thorie de la Spculation, thse de Mathmatique, Paris.

4
Lista necessariamente incompleta de artigos muito relevantes na rea dos processos estocsticos em finanas. Inclui tambm
algumas publicaes do autor na rea dos processos com aplicaes s finanas.
6

Bibliografia
4
Finance, 48(3), 881-910.

4
6

Bibliografia
4
Finance, 48(3), 881-910.

4
6

Bibliografia
4
Finance, 48(3), 881-910.

4
Lista necessariamente incompleta de artigos muito relevantes na rea dos processos estocsticos em finanas. Inclui
tambm algumas publicaes do autor na rea dos processos com aplicaes s finanas.
7

Barndorff-Nielsen, O.E. e N. Shephard, (2006), Econometrics of testing for jumps in financial
economics using bipower variation, Journal of Financial Econometrics, 4, 1-30.
Bibby, B., e M. Sorensen, (1995), Martingale Estimation Function for Discretely Observed Diffusion
Process, Bernoulli, 1, 17-39.
Black, F., e M. Scholes, (1973), The Pricing of Options and Corporate Liabilities, Journal of Political
Economy, 81, pp. 637-654.
Bollerslev, T., (1986), Generalized autoregressive conditional heteroscedasticity, Journal of
Econometrics 31, 307-327.
Bollerslev, T., R.Y. Chou e K.F. Kroner, (1992), ARCH modeling in finance: a review of the theory
and empirical evidence, Journal of Econometrics, 52, 5-59.
Cox, J., Ingersoll J., Ross S. , (1985), A Theory of the Term Structure of Interest Rates,
Danielsson, J., (1994), Stochastic Volatility in Asset Prices - Estimation With Simulated Maximum
Likelihood, Journal of Econometrics, 64, 375-400.
Duffie, D., (1988), Security Markets : Stochastic Models, Academic Press.
Engle, R., (1982), Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of
United Kingdom Inflation, Econometrica, 50, 987-1008.
Engle, R., (2001), GARCH101: The Use of ARCH/GARCH Models in Applied Econometrics,
Journal of Economic Perspectives, 15, 157-168
Engle, R., e J. Russell, (1998), Autoregressive Conditional Duration: A New Model for Irregularly
Spaced Transaction Data, Econometrica 66.
Eraker, B., (2001), MCMC Analysis of Diffusion Models With Application to Finance, Journal of
Business & Economic Statistics, 19, 177-191.
Fama, E., (1976), Forward Rates as Predictors of Future Spot Rates, Journal of Financial
Economics, 361-77.
Gallant A., e G. Tauchen, (1996), Which moments to match?, Econometric Theory, 12, 657-681.
Hansen, L., (1982), Large Sample Properties of Generalized Methods of Moments, Econometrica,
50.
Hansen, L., e J. Scheinkman, (1995), Back to the Future: Generating Moment Implications for
Continuous-Time Markov Processes, Econometrica, 63, 767-804.
Hull J, e A. White, (1987), The Pricing of Options on Assets with Stochastic Volatilities, Journal of
Finance, 42, 281-300.
Jacquier, e., N. Polson, e P. Rossi, (1994), Bayesian Analysis of Stochastic Volatility Models,
Journal of Business and Economic Statistics, 12,371-389
Kessler, M., (1997), Estimation of an Ergodic Diffusion from Discrete Observations, Scandinavian
Journal of Statistics, 24, 211- 229.
Lintner, J., (1965), The valuation of risk assets and the selection of risky investments in stock
portfolios and capital budgets, Review of Economics and Statistics, 47, 13-37.
41 O u t o n o d e 2 0 0 8
7

Barndorff-Nielsen, O.E. e N. Shephard, (2006), Econometrics of testing for jumps in financial
economics using bipower variation, Journal of Financial Econometrics, 4, 1-30.
Bibby, B., e M. Sorensen, (1995), Martingale Estimation Function for Discretely Observed Diffusion
Process, Bernoulli, 1, 17-39.
Black, F., e M. Scholes, (1973), The Pricing of Options and Corporate Liabilities, Journal of Political
Economy, 81, pp. 637-654.
Bollerslev, T., (1986), Generalized autoregressive conditional heteroscedasticity, Journal of
Econometrics 31, 307-327.
Bollerslev, T., R.Y. Chou e K.F. Kroner, (1992), ARCH modeling in finance: a review of the theory
and empirical evidence, Journal of Econometrics, 52, 5-59.
Cox, J., Ingersoll J., Ross S. , (1985), A Theory of the Term Structure of Interest Rates,
Danielsson, J., (1994), Stochastic Volatility in Asset Prices - Estimation With Simulated Maximum
Likelihood, Journal of Econometrics, 64, 375-400.
Duffie, D., (1988), Security Markets : Stochastic Models, Academic Press.
Engle, R., (1982), Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of
United Kingdom Inflation, Econometrica, 50, 987-1008.
Engle, R., (2001), GARCH101: The Use of ARCH/GARCH Models in Applied Econometrics,
Journal of Economic Perspectives, 15, 157-168
Engle, R., e J. Russell, (1998), Autoregressive Conditional Duration: A New Model for Irregularly
Spaced Transaction Data, Econometrica 66.
Eraker, B., (2001), MCMC Analysis of Diffusion Models With Application to Finance, Journal of
Business & Economic Statistics, 19, 177-191.
Fama, E., (1976), Forward Rates as Predictors of Future Spot Rates, Journal of Financial
Economics, 361-77.
Gallant A., e G. Tauchen, (1996), Which moments to match?, Econometric Theory, 12, 657-681.
Hansen, L., (1982), Large Sample Properties of Generalized Methods of Moments, Econometrica,
50.
Hansen, L., e J. Scheinkman, (1995), Back to the Future: Generating Moment Implications for
Continuous-Time Markov Processes, Econometrica, 63, 767-804.
Hull J, e A. White, (1987), The Pricing of Options on Assets with Stochastic Volatilities, Journal of
Finance, 42, 281-300.
Jacquier, e., N. Polson, e P. Rossi, (1994), Bayesian Analysis of Stochastic Volatility Models,
Journal of Business and Economic Statistics, 12,371-389
Kessler, M., (1997), Estimation of an Ergodic Diffusion from Discrete Observations, Scandinavian
Journal of Statistics, 24, 211- 229.
Lintner, J., (1965), The valuation of risk assets and the selection of risky investments in stock
portfolios and capital budgets, Review of Economics and Statistics, 47, 13-37. 8

Lo, A., (1988), Maximum likelihood estimation of generalized Ito processes with discretely sampled
data, Econometric Theory, 4, 231--247.
Marakowitz, H., (1952), Portfolio selection, Journal of Finance, 7, 77-91.
Merton, R., 1990, Continuous Time Finance, Cambridge, M.A. Blackwell.
Merton, R., (1973), Theory of Rational Option Pricing, Bell Journal of Economics and
Management Science, 4, 141-183.
Nelson, D., (1990), ARCH Models as Diffusion Approximations, Journal of Econometrics, 45, 7-
38.
Nelson, D., (1991), Conditional Heteroskedasticity in Asset Returns: A New Approach,
Econometrica, 59.
Nicolau, J., (2002) New Technique for Simulating the Likelihood of Stochastic Differential
Equations, The Econometrics Journal, 5, 2002.
Nicolau, J., (2002) Stationary Processes that Look Like Random Walks -- the Bounded Random
Walk Process in Discrete and Continuous Time, Econometric Theory, 18.
Nicolau, J., (2003) Bias Reduction in Nonparametric Diffusion Coefficient Estimation, Econometric
Theory, 19.
Nicolau, J., (2005), Processes with Volatility-Induced Stationarity. An Application for Interest
Rates, Statistica Neerlandica, 59, 376-396.
Nicolau, J., (2005). A Method for Simulating Non-Linear Stochastic Differential Equations in R1.
Journal of Statistical Computation and Simulation, 75, 595-609.
Nicolau, J., (2007), A Discrete and a Continuous-Time Model Based on a Technical Trading Rule,
Journal of Financial Econometrics, 5, 266-284.
Nicolau, J., (2007), Non-Parametric Estimation of Second Order Stochastic Difference Equations,
Econometric Theory, 23.
Nicolau, J., (2008), Modeling Financial Time Series Through Second Order Stochastic Differential
Equations, Statistics and Probability Letters, to appear.
Pedersen, A., (1995), A new approach to maximum likelihood estimation for stochastic differential
equations based on discrete observations, Scandinavian Journal of Statistics, 22, 55-71.
Sharpe, W., (1963), A simplified model for portfolio analysis, Management Science, 9, 277-93.
Sharpe, W., (1964), Capital asset prices: a theory of market equilibrium under conditions of risk,
Journal of Finance, 19.
Srensen, M., (1995), Martingale Estimation Function for Discretely Observed Diffusion Process,
Bernoulli, 1.
Taylor, S., (2008), Modelling Financial Time Series, Second Edition, John Wiley & Sons.
Yoshida, N., (1992), "Estimation for Diffusion Processes from Discrete Observations", Journal of
Multivariate Analysis 41, 220-242.
8

Lo, A., (1988), Maximum likelihood estimation of generalized Ito processes with discretely sampled
data, Econometric Theory, 4, 231--247.
Marakowitz, H., (1952), Portfolio selection, Journal of Finance, 7, 77-91.
Merton, R., 1990, Continuous Time Finance, Cambridge, M.A. Blackwell.
Merton, R., (1973), Theory of Rational Option Pricing, Bell Journal of Economics and
Management Science, 4, 141-183.
Nelson, D., (1990), ARCH Models as Diffusion Approximations, Journal of Econometrics, 45, 7-
38.
Nelson, D., (1991), Conditional Heteroskedasticity in Asset Returns: A New Approach,
Econometrica, 59.
Nicolau, J., (2002) New Technique for Simulating the Likelihood of Stochastic Differential
Equations, The Econometrics Journal, 5, 2002.
Nicolau, J., (2002) Stationary Processes that Look Like Random Walks -- the Bounded Random
Walk Process in Discrete and Continuous Time, Econometric Theory, 18.
Nicolau, J., (2003) Bias Reduction in Nonparametric Diffusion Coefficient Estimation, Econometric
Theory, 19.
Nicolau, J., (2005), Processes with Volatility-Induced Stationarity. An Application for Interest
Rates, Statistica Neerlandica, 59, 376-396.
Nicolau, J., (2005). A Method for Simulating Non-Linear Stochastic Differential Equations in R1.
Journal of Statistical Computation and Simulation, 75, 595-609.
Nicolau, J., (2007), A Discrete and a Continuous-Time Model Based on a Technical Trading Rule,
Journal of Financial Econometrics, 5, 266-284.
Nicolau, J., (2007), Non-Parametric Estimation of Second Order Stochastic Difference Equations,
Econometric Theory, 23.
Nicolau, J., (2008), Modeling Financial Time Series Through Second Order Stochastic Differential
Equations, Statistics and Probability Letters, to appear.
Pedersen, A., (1995), A new approach to maximum likelihood estimation for stochastic differential
equations based on discrete observations, Scandinavian Journal of Statistics, 22, 55-71.
Sharpe, W., (1963), A simplified model for portfolio analysis, Management Science, 9, 277-93.
Sharpe, W., (1964), Capital asset prices: a theory of market equilibrium under conditions of risk,
Journal of Finance, 19.
Srensen, M., (1995), Martingale Estimation Function for Discretely Observed Diffusion Process,
Bernoulli, 1.
Taylor, S., (2008), Modelling Financial Time Series, Second Edition, John Wiley & Sons.
Yoshida, N., (1992), "Estimation for Diffusion Processes from Discrete Observations", Journal of
Multivariate Analysis 41, 220-242.
43 O u t o n o d e 2 0 0 8
Algumas noc oes de depend encia positiva
Paulo Eduardo Oliveira, paulo@mat.uc.pt
CMUC, Departamento de Matem atica, Universidade de Coimbra
1 Introduc ao
A Teoria da Probabilidades comecou por evoluir tratando essencialmente vari aveis aleat orias indepen-
dentes. No entanto, se do ponto de vista te orico e satisfat oria a construc ao de um corpo de conhecimen-
tos coerente, do ponto de vista da modelizac ao de fen omenos fsicos, ou outros que foram surgindo, a
independ encia era claramente insuciente. Da que, naturalmente, fossem surgindo abordagens ao trata-
mento da depend encia. Assim, foram-se introduzindo noc oes que controlavam o grau de depend encia,
comecando por ser populares as noc oes de mistura. Foram introduzidas v arias noc oes deste tipo, ten-
tando responder ` as necessidades de controlo da depend encia que surgiam em diversos contextos. A ideia
base subjacente ` as noc oes de mistura e simples: h a um par ametro que descreve a dist ancia a que se
encontram as vari aveis dentro da famlia considerada e exige-se que quanto mais afastadas as vari aveis
estiverem menos dependentes est ao ser ao. No essencial, o que distingue as diferentes noc oes de mistura
e a forma como se mede o grau de depend encia. Sendo conhecidos diversos par ametros que podem
dar indicac oes sobre a independ encia, facilmente se imagina que as noc oes de mistura se podem multi-
plicar. Existe uma vasta literatura sobre a utilizac ao de noc oes de mistura em modelos probabilsticos,
estabelecendo relac oes entre as diversas noc oes, quando isso e possvel.
As noc oes de depend encia positiva pretendem controlar o grau de depend encia deixando cair esta
ideia de dist ancia entre vari aveis aleat orias.

E, por isso, uma noc ao de depend encia mais global tra-
duzindo um comportamento do conjunto de vari aveis aleat orias, independente da ordenac ao destas.
As primeiras refer encias a depend encia positiva surgem em Lehman (1966) e depois, na sua forma
mais denitiva, conhecida como associac ao, em Esary, Proschan, Walkup (1967). Os conceitos de de-
pend encia positiva atraram pouca atenc ao dos probabilistas e estatsticos durante bastantes anos: Bar-
low, Porschan (1975), que utilizam a depend encia positiva para tirar partido das suas propriedades por
transformac oes mon otonas para estudar modelos em abilidade e an alise de sobreviv encia, e das pou-
cas refer encias que se encontram. O tema s o volta a aparecer com as contribuic oes de Newman (1980,
1984), Newman, Wright (1981) que abordam os problemas cl assicos de teoremas centrais limites. Em
Joag-Dev, Proschan (1983) introduzem-se condic oes de depend encia negativa, que acabaram por s o
atrair alguma atenc ao ainda mais tarde na literatura. Posteriormente, Lindqvist (1988) e Evans (1990)
estendem os conceitos a espacos abstractos colocando em evid encia algumas subtilezas deste g enero
de depend encia. Em paralelo a esta literatura o conceito de associac ao desenvolve-se de forma com-
pletamente independente em fsica matem atica, onde e conhecido como desigualdades FKG (Fortuin,
Kasteleyn, Ginibre (1971)), com aplicac oes ` a teoria da percolac ao e modelos de Ising, por exemplo.
A partir do incio dos anos 1990 o interesse por depend encia positiva cresce aparecendo ent ao
contribuic oes que estabelecem de forma mais completa o estudo dos teoremas limites cl assicos e se
estendem progressivamente a quest oes de velocidades de converg encia ou grandes desvios.
2 Associac ao e primeiras propriedades
A primeira noc ao de depend encia positiva surge em Lehman 1966.
Denic ao 2.1 (Lehamn (1966)) Duas vari aveis aleat orias X
1
e X
2
dizem-se positivamente dependentes
se
P(X
1
> x, X
2
> y) P(X
1
> x)P(X
2
> y) 0, x, y R.
E imediato vericar que podemos substituir o sinal > por . A ideia consistia em tirar partido da
representac ao seguinte para vari aveis de quadrado integr avel, conhecida como Lemma de Hoeffding,
Cov(X
1
, X
2
) =

P(X
1
> x, X
2
> y) P(X
1
> x)P(X
2
> y) dx dy. (1)
1
Algumas noes de dependncia positiva
CMUC, Departamento de Matemtica, Universodade de Coimbra
Algumas noc oes de depend encia positiva
CMUC, Departamento de Matem atica, Universidade de Coimbra
1 Introduc ao
A Teoria da Probabilidades comecou por evoluir tratando essencialmente vari aveis aleat orias indepen-
dentes. No entanto, se do ponto de vista te orico e satisfat oria a construc ao de um corpo de conhecimen-
tos coerente, do ponto de vista da modelizac ao de fen omenos fsicos, ou outros que foram surgindo, a
independ encia era claramente insuciente. Da que, naturalmente, fossem surgindo abordagens ao trata-
mento da depend encia. Assim, foram-se introduzindo noc oes que controlavam o grau de depend encia,
comecando por ser populares as noc oes de mistura. Foram introduzidas v arias noc oes deste tipo, ten-
tando responder ` as necessidades de controlo da depend encia que surgiam em diversos contextos. A ideia
base subjacente ` as noc oes de mistura e simples: h a um par ametro que descreve a dist ancia a que se
encontram as vari aveis dentro da famlia considerada e exige-se que quanto mais afastadas as vari aveis
estiverem menos dependentes est ao ser ao. No essencial, o que distingue as diferentes noc oes de mistura
e a forma como se mede o grau de depend encia. Sendo conhecidos diversos par ametros que podem
dar indicac oes sobre a independ encia, facilmente se imagina que as noc oes de mistura se podem multi-
plicar. Existe uma vasta literatura sobre a utilizac ao de noc oes de mistura em modelos probabilsticos,
estabelecendo relac oes entre as diversas noc oes, quando isso e possvel.
As noc oes de depend encia positiva pretendem controlar o grau de depend encia deixando cair esta
ideia de dist ancia entre vari aveis aleat orias.

E, por isso, uma noc ao de depend encia mais global tra-
duzindo um comportamento do conjunto de vari aveis aleat orias, independente da ordenac ao destas.
As primeiras refer encias a depend encia positiva surgem em Lehman (1966) e depois, na sua forma
mais denitiva, conhecida como associac ao, em Esary, Proschan, Walkup (1967). Os conceitos de de-
pend encia positiva atraram pouca atenc ao dos probabilistas e estatsticos durante bastantes anos: Bar-
low, Porschan (1975), que utilizam a depend encia positiva para tirar partido das suas propriedades por
transformac oes mon otonas para estudar modelos em abilidade e an alise de sobreviv encia, e das pou-
cas refer encias que se encontram. O tema s o volta a aparecer com as contribuic oes de Newman (1980,
1984), Newman, Wright (1981) que abordam os problemas cl assicos de teoremas centrais limites. Em
Joag-Dev, Proschan (1983) introduzem-se condic oes de depend encia negativa, que acabaram por s o
atrair alguma atenc ao ainda mais tarde na literatura. Posteriormente, Lindqvist (1988) e Evans (1990)
estendem os conceitos a espacos abstractos colocando em evid encia algumas subtilezas deste g enero
de depend encia. Em paralelo a esta literatura o conceito de associac ao desenvolve-se de forma com-
pletamente independente em fsica matem atica, onde e conhecido como desigualdades FKG (Fortuin,
Kasteleyn, Ginibre (1971)), com aplicac oes ` a teoria da percolac ao e modelos de Ising, por exemplo.
A partir do incio dos anos 1990 o interesse por depend encia positiva cresce aparecendo ent ao
contribuic oes que estabelecem de forma mais completa o estudo dos teoremas limites cl assicos e se
estendem progressivamente a quest oes de velocidades de converg encia ou grandes desvios.
2 Associac ao e primeiras propriedades
A primeira noc ao de depend encia positiva surge em Lehman 1966.
Denic ao 2.1 (Lehamn (1966)) Duas vari aveis aleat orias X
1
e X
2
dizem-se positivamente dependentes
se
P(X
1
> x, X
2
> y) P(X
1
> x)P(X
2
> y) 0, x, y R.
E imediato vericar que podemos substituir o sinal > por . A ideia consistia em tirar partido da
representac ao seguinte para vari aveis de quadrado integr avel, conhecida como Lemma de Hoeffding,
Cov(X
1
, X
2
) =

P(X
1
> x, X
2
> y) P(X
1
> x)P(X
2
> y) dx dy. (1)
1
Por exemplo, e imediato que o seguinte resultado se verica.
Proposic ao 2.2 Sejam X
1
e X
2
vari aveis aleat orias de quadrado integr avel positivamente dependentes.
Estas vari aveis s ao independentes se e s o se Cov(X
1
, X
2
) = 0.
A noc ao seguinte acabou por se revelar mais util para o estudo de resultados limites.
Denic ao 2.3 (Esary, Proschan, Walkup (1967)) Um conjunto de vari aveis aleat orias X
1
, . . . , X
n
diz-
-se (positivamente) associado se dadas duas quaisquer func oes f, g : R
n
R crescentes coordenada a
coordenada se tiver
Cov
f(X
1
, . . . , X
n
), g(X
1
, . . . , X
n
)
0, (2)
sempre que esta covari ancia exista.
Uma sucess ao de vari aveis aleat orias X
k
, k 1, diz-se (positivamente) associada se, para todo o
n N, X
1
, . . . , X
n
e um conjunto (positivamente) associado de vari aveis aleat orias.
E obvio que a propriedade de associac ao de vari aveis aleat orias n ao se altera se operarmos uma permu-
tac ao das vari aveis. Note-se ainda que se dene associac ao de conjuntos de vari aveis aleat orias reais,
utilizando func oes reais crescentes. Esta noc ao depende, portanto, da estrutura de ordem dos reais, o que
torna sua generalizac ao a espacos mais abstractos delicada.
Antes de apresentar alguns exemplos, vejamos uma simplicac ao desta denic ao ` a custa do Lema de
Hoeffding (1). De facto, dadas duas func oes f e g, podemos escrever
Cov
f(X
1
, . . . , X
n
), g(X
1
, . . . , X
n
)
=

Cov
I
{f(X
1
,...,X
n
)>s}
, I
{g(X
1
,...,X
n
)>t}
ds dt,
onde I
A
representa a func ao indicatriz do conjunto A. Note-se que, para s e t xos,
s
(X
1
, . . . , X
n
) =
I
{f(X
1
,...,X
n
)>s}
e
t
(X
1
, . . . , X
n
) = I
{g(X
1
,...,X
n
)>t}
s ao crescentes coordenada a coordenada.
Teorema 2.4 X
1
, . . . , X
n
s ao associadas se e s o se, para todas as func oes e crescentes coordenada a
coordenada e tomando valores em {0, 1},
Cov
(X
1
, . . . , X
n
), (X
1
, . . . , X
n
)
0.
Utilizando esta caracterizac ao podemos agora deduzir o seguinte resultado.
Proposic ao 2.5 Uma vari avel aleat oria X e associada consigo mesma.
A vericac ao desta proposic ao recorre ao Teorema 2.4 e ao facto das func oes reais nele considera-
das serem da forma I
[s,+)
, pelo que duas destas func oes s ao orden aveis. Uma vez efectuada esta
observac ao, o resultado e imediato.
Caso pretend essemos estender a noc ao denindo uma famlia de vectores aleat orios de dimens ao k
associados deveramos considerar func oes denidas em R
k
R
k
crescentes em cada uma das suas
n coordenadas, isto e, crescentes enquanto func ao denida em R
k
. Se o Teorema 2.4 continua v alido, j a
que apenas depende da representac ao integral da covari ancia, a forma das func oes crescentes n ao permite
a sua ordenac ao completa n ao se podendo, portanto, repetir a argumentac ao anterior. Isto e, um vector
aleat orio n ao e necessariamente associado consigo mesmo.
Decorrem agora da Proposic ao 2.5 as propriedades seguintes.
Teorema 2.6 Se dois conjuntos de vari aveis associadas s ao independentes um do outro, a sua uni ao e
um conjunto de vari aveis associadas.
Se as vari aveis X
1
, . . . , X
n
s ao associadas e f
1
, . . . , f
k
s ao func oes reais denidas em R
n
todas
crescentes (ou todas decrescentes), ent ao as vari aveis aleat orias f
1
(X
1
, . . . , X
n
), . . ., f
k
(X
1
, . . . , X
n
)
s ao associadas.
Estamos agora em condic oes de apresentar de forma mais simples alguns exemplos de vari aveis
aleat orias associadas.
2
45 O u t o n o d e 2 0 0 8
Por exemplo, e imediato que o seguinte resultado se verica.
Proposic ao 2.2 Sejam X
1
e X
2
vari aveis aleat orias de quadrado integr avel positivamente dependentes.
Estas vari aveis s ao independentes se e s o se Cov(X
1
, X
2
) = 0.
A noc ao seguinte acabou por se revelar mais util para o estudo de resultados limites.
Denic ao 2.3 (Esary, Proschan, Walkup (1967)) Um conjunto de vari aveis aleat orias X
1
, . . . , X
n
diz-
-se (positivamente) associado se dadas duas quaisquer func oes f, g : R
n
R crescentes coordenada a
coordenada se tiver
Cov
f(X
1
, . . . , X
n
), g(X
1
, . . . , X
n
)
0, (2)
sempre que esta covari ancia exista.
Uma sucess ao de vari aveis aleat orias X
k
, k 1, diz-se (positivamente) associada se, para todo o
n N, X
1
, . . . , X
n
e um conjunto (positivamente) associado de vari aveis aleat orias.
E obvio que a propriedade de associac ao de vari aveis aleat orias n ao se altera se operarmos uma permu-
tac ao das vari aveis. Note-se ainda que se dene associac ao de conjuntos de vari aveis aleat orias reais,
utilizando func oes reais crescentes. Esta noc ao depende, portanto, da estrutura de ordem dos reais, o que
torna sua generalizac ao a espacos mais abstractos delicada.
Antes de apresentar alguns exemplos, vejamos uma simplicac ao desta denic ao ` a custa do Lema de
Hoeffding (1). De facto, dadas duas func oes f e g, podemos escrever
Cov
f(X
1
, . . . , X
n
), g(X
1
, . . . , X
n
)
=

Cov
I
{f(X
1
,...,X
n
)>s}
, I
{g(X
1
,...,X
n
)>t}
ds dt,
onde I
A
representa a func ao indicatriz do conjunto A. Note-se que, para s e t xos,
s
(X
1
, . . . , X
n
) =
I
{f(X
1
,...,X
n
)>s}
e
t
(X
1
, . . . , X
n
) = I
{g(X
1
,...,X
n
)>t}
s ao crescentes coordenada a coordenada.
Teorema 2.4 X
1
, . . . , X
n
s ao associadas se e s o se, para todas as func oes e crescentes coordenada a
coordenada e tomando valores em {0, 1},
Cov
(X
1
, . . . , X
n
), (X
1
, . . . , X
n
)
0.
Utilizando esta caracterizac ao podemos agora deduzir o seguinte resultado.
Proposic ao 2.5 Uma vari avel aleat oria X e associada consigo mesma.
A vericac ao desta proposic ao recorre ao Teorema 2.4 e ao facto das func oes reais nele considera-
das serem da forma I
[s,+)
, pelo que duas destas func oes s ao orden aveis. Uma vez efectuada esta
observac ao, o resultado e imediato.
Caso pretend essemos estender a noc ao denindo uma famlia de vectores aleat orios de dimens ao k
associados deveramos considerar func oes denidas em R
k
R
k
crescentes em cada uma das suas
n coordenadas, isto e, crescentes enquanto func ao denida em R
k
. Se o Teorema 2.4 continua v alido, j a
que apenas depende da representac ao integral da covari ancia, a forma das func oes crescentes n ao permite
a sua ordenac ao completa n ao se podendo, portanto, repetir a argumentac ao anterior. Isto e, um vector
aleat orio n ao e necessariamente associado consigo mesmo.
Decorrem agora da Proposic ao 2.5 as propriedades seguintes.
Teorema 2.6 Se dois conjuntos de vari aveis associadas s ao independentes um do outro, a sua uni ao e
um conjunto de vari aveis associadas.
Se as vari aveis X
1
, . . . , X
n
s ao associadas e f
1
, . . . , f
k
s ao func oes reais denidas em R
n
todas
crescentes (ou todas decrescentes), ent ao as vari aveis aleat orias f
1
(X
1
, . . . , X
n
), . . ., f
k
(X
1
, . . . , X
n
)
s ao associadas.
Estamos agora em condic oes de apresentar de forma mais simples alguns exemplos de vari aveis
aleat orias associadas.
2
Exemplo 2.7 Considerem-se vari aveis aleat orias X
n
, n 1, e xe-se um natural m > 1. Denam-
-se Y
i
= max(X
i
, . . . , X
i+m
). Como o conjunto Y
1
, . . . , Y
k
e obtido por transformac oes crescentes de
X
1
, . . . , X
k+m
, segue-se que a famlia Y
n
, n 1, e associada.
Exemplo 2.8 Se considerarmos um modelo auto-regressivo X
n
=
k
i=1
c
i
X
ni
em que os coecientes
c
1
, . . . , c
k
> 0, ent ao a sucess ao X
n
, n 1, e associada.
Exemplo 2.9 Sejam X
1
, . . . , X
n
vari aveis associadas e, para k = 1, . . . , n, S
k
= X
1
+ + X
k
.
Atendendo ao teorema anterior segue-se que S
1
, . . . , S
n
s ao associadas. Analogamente, as estatsticas
de ordem X
1:n
, . . . , X
n:n
s ao associadas. Para o justicar basta invocar o Teorema 2.6. (Note-se que isto
inclui o caso em que as vari aveis iniciais s ao independentes.)
Um exemplo importante foi demonstrado em Pitt (1982).
Proposic ao 2.10 Seja X = (X
1
, . . . , X
n
) um vector aleat orio de dimens ao n gaussiano. Se, para todos
os i, j = 1, . . . , n, Cov(X
i
, X
j
) 0 ent ao as vari aveis X
1
, . . . , X
n
s ao associadas.
A demonstrac ao exige uma caracterizac ao alternativa de associac ao, reduzindo a famlia de func oes
crescentes para as quais e necess ario vericar (2) ` aquelas com derivadas parciais contnuas e limitadas.
Os exemplos anteriores exploram a segunda parte do Teorema 2.6. Este implica que sempre que
se operem transformac oes com o mesmo sentido de monotonia sobre vari aveis independentes, obtemos
uma famlia de vari aveis associadas.

E, portanto, natural que este conceito de independ encia apareca em
modelos de abilidade ou an alise de sobreviv encia, como e explorado em Barlow, Proschan (1975).
Escolhendo convenientemente mais uma famlia de func oes crescentes que caracteriza a associac ao,
mostra-se que esta forma de depend encia e preservada pela converg encia en distribuic ao.
Teorema 2.11 (Esary, Proschan, Walkup (1967)) Sejam, para cada k, X
k,1
, . . . , X
k,n
vari aveis associ-
adas tais que o vector (X
k,1
, . . . , X
k,n
) converge em distribuic ao (quando k +) para (X
1
, . . . , X
n
).
Ent ao as vari aveis X
1
, . . . , X
n
s ao associadas.
Para terminar esta apresentac ao de resultados b asicos, faz-se agora refer encia um pouco mais deta-
lhada ` a quest ao da estrutura de ordem do espaco em que as vari aveis tomam valores, j a abordada ap os
a Proposic ao 2.5. Seja E um espaco m etrico separ avel e completo no qual est a denida uma estrutura
de ordem parcial . Um conjunto A E diz-se crescente se sempre que x A e x y ent ao
tamb em y A. O espaco E diz-se totalmente ordenado se dados x, y E se tiver que x y ou y x.
Evidentemente, se E = R
n
com a ordenac ao lexicogr aca habitual, o espaco n ao e totalmente ordenado.
Consideremos vari aveis aleat orias X
n
que assumem valores em E. Para efectuar a extens ao da noc ao de
associac ao necessitamos de denir o que se entende por func ao ou conjunto crescente em E.
Denic ao 2.12 Dado um espaco m etrico separ avel e completo parcialmente ordenado,
1. uma vari avel aleat oria com valores em E diz-se associada se, dados dois conjuntos crescentes
C
1
, C
2
E, se tiver
P(X C
1
C
2
) P(X C
1
)P(X C
2
);
2. uma sucess ao de vari aveis aleat orias X
k
, k 1, com valores em E diz-se associada se, para todo
o n N, dados C
1
, . . . , C
n
E crescentes, se tiver
P(X
1
C
1
, , X
n
C
n
) P(X
1
C
1
) P(X
n
C
n
).
Como se v e, a estrutura de ordem do espaco E e forma de a estender ao produto cartesiano E
n
e essen-
cial para a caracterizac ao da associac ao. Pode-se agora mostrar que as propriedades b asicas referidas
atr as, no que diz respeito ` a transformac ao por func oes crescentes se mant em v alidas. Isto e, se efectu-
armos transformac oes crescentes sobre vari aveis associadas continuamos com uma famlia de vari aveis
associadas. No entanto, h a uma diferenca fundamental no que respeita ` a extens ao da Proposic ao 2.5.
3
Exemplo 2.7 Considerem-se vari aveis aleat orias X
n
, n 1, e xe-se um natural m > 1. Denam-
-se Y
i
= max(X
i
, . . . , X
i+m
). Como o conjunto Y
1
, . . . , Y
k
e obtido por transformac oes crescentes de
X
1
, . . . , X
k+m
, segue-se que a famlia Y
n
, n 1, e associada.
Exemplo 2.8 Se considerarmos um modelo auto-regressivo X
n
=
k
i=1
c
i
X
ni
em que os coecientes
c
1
, . . . , c
k
> 0, ent ao a sucess ao X
n
, n 1, e associada.
Exemplo 2.9 Sejam X
1
, . . . , X
n
vari aveis associadas e, para k = 1, . . . , n, S
k
= X
1
+ + X
k
.
Atendendo ao teorema anterior segue-se que S
1
, . . . , S
n
s ao associadas. Analogamente, as estatsticas
de ordem X
1:n
, . . . , X
n:n
s ao associadas. Para o justicar basta invocar o Teorema 2.6. (Note-se que isto
inclui o caso em que as vari aveis iniciais s ao independentes.)
Um exemplo importante foi demonstrado em Pitt (1982).
Proposic ao 2.10 Seja X = (X
1
, . . . , X
n
) um vector aleat orio de dimens ao n gaussiano. Se, para todos
os i, j = 1, . . . , n, Cov(X
i
, X
j
) 0 ent ao as vari aveis X
1
, . . . , X
n
s ao associadas.
A demonstrac ao exige uma caracterizac ao alternativa de associac ao, reduzindo a famlia de func oes
crescentes para as quais e necess ario vericar (2) ` aquelas com derivadas parciais contnuas e limitadas.
Os exemplos anteriores exploram a segunda parte do Teorema 2.6. Este implica que sempre que
se operem transformac oes com o mesmo sentido de monotonia sobre vari aveis independentes, obtemos
uma famlia de vari aveis associadas.

E, portanto, natural que este conceito de independ encia apareca em
modelos de abilidade ou an alise de sobreviv encia, como e explorado em Barlow, Proschan (1975).
Escolhendo convenientemente mais uma famlia de func oes crescentes que caracteriza a associac ao,
mostra-se que esta forma de depend encia e preservada pela converg encia en distribuic ao.
Teorema 2.11 (Esary, Proschan, Walkup (1967)) Sejam, para cada k, X
k,1
, . . . , X
k,n
vari aveis associ-
adas tais que o vector (X
k,1
, . . . , X
k,n
) converge em distribuic ao (quando k +) para (X
1
, . . . , X
n
).
Ent ao as vari aveis X
1
, . . . , X
n
s ao associadas.
Para terminar esta apresentac ao de resultados b asicos, faz-se agora refer encia um pouco mais deta-
lhada ` a quest ao da estrutura de ordem do espaco em que as vari aveis tomam valores, j a abordada ap os
a Proposic ao 2.5. Seja E um espaco m etrico separ avel e completo no qual est a denida uma estrutura
de ordem parcial . Um conjunto A E diz-se crescente se sempre que x A e x y ent ao
tamb em y A. O espaco E diz-se totalmente ordenado se dados x, y E se tiver que x y ou y x.
Evidentemente, se E = R
n
com a ordenac ao lexicogr aca habitual, o espaco n ao e totalmente ordenado.
Consideremos vari aveis aleat orias X
n
que assumem valores em E. Para efectuar a extens ao da noc ao de
associac ao necessitamos de denir o que se entende por func ao ou conjunto crescente em E.
Denic ao 2.12 Dado um espaco m etrico separ avel e completo parcialmente ordenado,
1. uma vari avel aleat oria com valores em E diz-se associada se, dados dois conjuntos crescentes
C
1
, C
2
E, se tiver
P(X C
1
C
2
) P(X C
1
)P(X C
2
);
2. uma sucess ao de vari aveis aleat orias X
k
, k 1, com valores em E diz-se associada se, para todo
o n N, dados C
1
, . . . , C
n
E crescentes, se tiver
P(X
1
C
1
, , X
n
C
n
) P(X
1
C
1
) P(X
n
C
n
).
Como se v e, a estrutura de ordem do espaco E e forma de a estender ao produto cartesiano E
n
e essen-
cial para a caracterizac ao da associac ao. Pode-se agora mostrar que as propriedades b asicas referidas
atr as, no que diz respeito ` a transformac ao por func oes crescentes se mant em v alidas. Isto e, se efectu-
armos transformac oes crescentes sobre vari aveis associadas continuamos com uma famlia de vari aveis
associadas. No entanto, h a uma diferenca fundamental no que respeita ` a extens ao da Proposic ao 2.5.
3
Proposic ao 2.13 (Lindqvist (1988)) Uma vari avel com valores num espaco m etrico separ avel e com-
pleto parcialmente ordenado e associada consigo mesma se e s o se existe um subconjunto mensur avel
totalmente ordenado A E tal que P(X A) = 1. Em particular, as vari aveis aleat orias sobre E ser ao
associadas com elas pr oprias se e s o se E for um espaco totalmente ordenado.
Este resultado de associac ao deixa claro o papel que tem a estrutura de ordenac ao na caracterizac ao da
associac ao. Por exemplo, se alterarmos a representac ao de uma famlia de vari aveis aleat orias, passando
por um espaco distinto do inicial, isso poder a ter consequ encias sobre a eventual associac ao da famlia
em estudo. Este comportamento n ao se observa ao manipular as noc oes de mistura. Um exemplo do que
se descreve acontece na utilizac ao de processos pontuais.
Exemplo 2.14 Considere-se uma famlia de vari aveis aleat orias X
1
, . . . , X
n
e denam-se as medidas de
Dirac
X
1
, . . . ,
X
n
(massas pontuais nos pontos denidos pelas vari aveis aleat orias). Esta famlia de me-
didas de Dirac dene um conjunto de vari aveis aleat orias com valores no espaco do processos pontuais
discretos N = { medida sobre R : (A) N, A boreliano de R}. Este conjunto e evidentemente ape-
nas parcialmente ordenado. Um elemento N e represent avel na forma =
k

x
k
,onde x
k
Rn ao
s ao necessariamente distintos. Se designarmos por suporte de , supp() = {x
1
, . . . , x
k
, . . .} o conjunto
de pontos em que se concentram as massas pontuais, podemos denir
1

2
supp(
1
) supp(
2
)
(note-se que esta relac ao de ordem n ao tem em conta a grandeza da massas pontuais). Esta relac ao
de ordem e apenas parcial: n ao e possvel ordenar elementos de N cujos suportes n ao veriquem uma
relac ao de inclus ao. Assim, o facto da famlia de vari aveis aleat orias reais X
1
, . . . , X
n
ser associada n ao
signica que a famlia de processos pontuais
X
1
, . . . ,
X
n
seja associada, e vice-versa.
Para mais resultados sobre as quest oes topol ogicas e de ordenac ao e suas inu encias na noc ao de
associac ao reenvia-se o leitor para Lindqvist (1988).
3 Associac ao e desigualdades
O estudo de resultados limites depende, normalmente, do estabelecimento de desigualdade adequadas
para o controlo de momentos de somas ou de desigualdades que permitam limitar alguma noc ao de
dist ancia ao que observaramos no caso de estudarmos sucess oes independentes. Esta ultima aproxi-
mac ao foi a utilizada para estabelecer vers oes do Teorema Limite Central, nas suas vers oes cl assica e
funcional. As desigualdades sobre momentos de somas surgiram um pouco mais tarde e t em-se tor-
nado mais populares nos ultimos anos na caracterizac ao de velocidades de converg encia. As primeiras
desigualdades demonstradas diziam respeito a majorac oes de probabilidades de cauda, veja-se Esary,
Proschan, Walkup (1967) e Lebowitz (1972). A desigualdade mais importante para o estudo da con-
verg encia em distribuic ao controla a dist ancia entre distribuic oes conjuntas e distribuic oes produto, que
corresponderiam ao caso independente.
Teorema 3.1 (Newman (1980)) Sejam X
1
, . . . , X
n
vari aveis aleat orias independentes de quadrado in-
tegr avel. Ent ao, dados t
1
, . . . , t
n
R,
(X
1
,...,X
n
)
(t
1
, . . . , t
n
)
n
j=1
X
j
(t
j
)
1
2
j=k
|t
j
t
k
| Cov(X
j
, X
k
), (3)
onde representa a func ao caracterstica do vector ou vari avel em ndice.
A demonstrac ao deste resultado e surpreendentemente simples. Uma vez vericada para o caso de
duas vari aveis, o que se reduz a uma integrac ao por partes, uma argumentac ao por induc ao permite
obter a majorac ao enunciada. De acordo com (3), a estrutura de covari ancias descreve por completo o
comportamento de vari aveis associadas, pelo menos no que ` a converg encia em distribuic ao diz respeito.
Esta desigualdade est a na base de resultados do tipo Teorema Limite Central, como o apresentado no
Teorema 4.1.
4
47 O u t o n o d e 2 0 0 8
Proposic ao 2.13 (Lindqvist (1988)) Uma vari avel com valores num espaco m etrico separ avel e com-
pleto parcialmente ordenado e associada consigo mesma se e s o se existe um subconjunto mensur avel
totalmente ordenado A E tal que P(X A) = 1. Em particular, as vari aveis aleat orias sobre E ser ao
associadas com elas pr oprias se e s o se E for um espaco totalmente ordenado.
Este resultado de associac ao deixa claro o papel que tem a estrutura de ordenac ao na caracterizac ao da
associac ao. Por exemplo, se alterarmos a representac ao de uma famlia de vari aveis aleat orias, passando
por um espaco distinto do inicial, isso poder a ter consequ encias sobre a eventual associac ao da famlia
em estudo. Este comportamento n ao se observa ao manipular as noc oes de mistura. Um exemplo do que
se descreve acontece na utilizac ao de processos pontuais.
Exemplo 2.14 Considere-se uma famlia de vari aveis aleat orias X
1
, . . . , X
n
e denam-se as medidas de
Dirac
X
1
, . . . ,
X
n
(massas pontuais nos pontos denidos pelas vari aveis aleat orias). Esta famlia de me-
didas de Dirac dene um conjunto de vari aveis aleat orias com valores no espaco do processos pontuais
discretos N = { medida sobre R : (A) N, A boreliano de R}. Este conjunto e evidentemente ape-
nas parcialmente ordenado. Um elemento N e represent avel na forma =
k

x
k
,onde x
k
Rn ao
s ao necessariamente distintos. Se designarmos por suporte de , supp() = {x
1
, . . . , x
k
, . . .} o conjunto
de pontos em que se concentram as massas pontuais, podemos denir
1

2
supp(
1
) supp(
2
)
(note-se que esta relac ao de ordem n ao tem em conta a grandeza da massas pontuais). Esta relac ao
de ordem e apenas parcial: n ao e possvel ordenar elementos de N cujos suportes n ao veriquem uma
relac ao de inclus ao. Assim, o facto da famlia de vari aveis aleat orias reais X
1
, . . . , X
n
ser associada n ao
signica que a famlia de processos pontuais
X
1
, . . . ,
X
n
seja associada, e vice-versa.
Para mais resultados sobre as quest oes topol ogicas e de ordenac ao e suas inu encias na noc ao de
associac ao reenvia-se o leitor para Lindqvist (1988).
3 Associac ao e desigualdades
O estudo de resultados limites depende, normalmente, do estabelecimento de desigualdade adequadas
para o controlo de momentos de somas ou de desigualdades que permitam limitar alguma noc ao de
dist ancia ao que observaramos no caso de estudarmos sucess oes independentes. Esta ultima aproxi-
mac ao foi a utilizada para estabelecer vers oes do Teorema Limite Central, nas suas vers oes cl assica e
funcional. As desigualdades sobre momentos de somas surgiram um pouco mais tarde e t em-se tor-
nado mais populares nos ultimos anos na caracterizac ao de velocidades de converg encia. As primeiras
desigualdades demonstradas diziam respeito a majorac oes de probabilidades de cauda, veja-se Esary,
Proschan, Walkup (1967) e Lebowitz (1972). A desigualdade mais importante para o estudo da con-
verg encia em distribuic ao controla a dist ancia entre distribuic oes conjuntas e distribuic oes produto, que
corresponderiam ao caso independente.
Teorema 3.1 (Newman (1980)) Sejam X
1
, . . . , X
n
vari aveis aleat orias independentes de quadrado in-
tegr avel. Ent ao, dados t
1
, . . . , t
n
R,
(X
1
,...,X
n
)
(t
1
, . . . , t
n
)
n
j=1
X
j
(t
j
)
1
2
j=k
|t
j
t
k
| Cov(X
j
, X
k
), (3)
onde representa a func ao caracterstica do vector ou vari avel em ndice.
A demonstrac ao deste resultado e surpreendentemente simples. Uma vez vericada para o caso de
duas vari aveis, o que se reduz a uma integrac ao por partes, uma argumentac ao por induc ao permite
obter a majorac ao enunciada. De acordo com (3), a estrutura de covari ancias descreve por completo o
comportamento de vari aveis associadas, pelo menos no que ` a converg encia em distribuic ao diz respeito.
Esta desigualdade est a na base de resultados do tipo Teorema Limite Central, como o apresentado no
Teorema 4.1.
4
S o em Birkel (1988) aparecem as primeiras desigualdades para momentos de somas de vari aveis
associadas. Assume agora um papel central o controlo de
u(n) =
j:|kj|n
Cov(X
j
, X
k
).
Teorema 3.2 (Birkel (1988)) SejamX
n
, n 1, vari aveis aleat orias centradas e associadas. Designemos
por S
n
= X
1
+ + X
n
. Se sup
n1
E(|X
n
|
s
) < +, s > 2 e u(n) = O(n
), > 0, ent ao existe

r (2, s) tal que sup
m0
E(|S
m+n
S
m
|
r
) Bn
r/2
, onde B e independente de n.
Esta desigualdade do tipo Rosenthal foi estendida em Shao, Yu (1996), aligeirando as hip oteses, no-
meadamente sobre a velocidade de converg encia de u(n). O seu enunciado e complexo e um pouco
t ecnico, pelo que n ao o incluiremos neste texto. A condic ao sobre u(n) signica que os termos da
matriz de covari ancias que est ao longe da diagonal principal s ao negligenci aveis. O controlo adequado
do decrescimento de u(n) tornou-se num instrumento comum no estudo de resultados limites.
Importantes para o estudo das velocidades de converg encia em leis dos grandes n umeros, que per-
mitem o tratamento da converg encia de estimadores estatsticos, por exemplo, s ao as desigualdades
maximais e as exponenciais do tipo Bernstein. A n ao negatividade das covari ancias permite utilizar um
argumento simples de induc ao para mostrar uma desigualdade maximal de ordem 2.
Teorema 3.3 (Newman, Wright (1981)) Sejam X
n
, n 1, vari aveis aleat orias centradas, de quadrado
integr avel e associadas. Designemos S
n
= X
1
+ + X
n
e M
n
= max(S
1
, . . . , S
n
). Ent ao E(M
2
n
)
Var(S
n
) = E(S
2
n
). Em consequ encia
P(max(|S
1
| , . . . , |S
n
|) )
2
2
Var(S
n
) .
Isto e, a desigualdade de Kolmogorov para vari aveis independentes continua v alida, a menos do factor
2. A extens ao a desigualdades maximais de ordem superior, tentando a analogia ao caso independente,
n ao parece simples. De facto, o argumento indutivo utilizado na decomposic ao das vari ancias deixa
de funcionar j a que faz aparecer momentos de todas as ordens inferiores e, em particular as de ordem
par n ao s ao control aveis, ` a custa da associac ao, j a que n ao denem func oes crescentes das vari aveis
originais.
Foi necess ario esperar at e Ioannides, Roussas (1999) para que fosse provada uma desigualdade do
tipo Bernstein. Esta vers ao assumia que as vari aveis eram estacion arias e uniformemente limitadas
e utilizava na demonstrac ao um argumento indutivo para analisar momentos exponenciais das somas
parciais. A limitac ao das vari aveis era justicada pelo contexto em que a quest ao era analisada, j a
que se tratava do estudo de estimadores do tipo n ucleo em que as express oes intervenientes eram, de
facto, uniformemente limitadas. A extens ao ao caso geral, sob estacionaridade, foi demonstrada em
Oliveira (2005), simplicando ainda a t ecnica de demonstrac ao ao substituir o argumento indutivo pela
utilizac ao de uma variante da desigualdade (3).
Teorema 3.4 (Oliveira (2005)) Sejam X
n
, n 1, vari aveis centradas, estritamente estacion arias e as-
sociadas tais que, para algum > 0,
log n
p
n
c
2
n
exp
nlog n
2p
n
1/2
j=p
n
+2
Cov(X
1
, X
j
) C
0
< , (4)
onde p
n
<
n
2
e c
n
convergem para +. Suponhamos que
n
= 9
p
n
log n
n
1/2
c
n
,
e que existe > tal que sup
|t|
E(e
tX
1
) M
< +. Ent ao, para n sucientemente grande,

P
1
n
n
i=1
X
i
E(X
i
)
>
2(1 +
4
C
0
) +
2M
n
2
9
3
p
n
log
3
n
exp (log n) . (5)

5
S o em Birkel (1988) aparecem as primeiras desigualdades para momentos de somas de vari aveis
associadas. Assume agora um papel central o controlo de
u(n) =
j:|kj|n
Cov(X
j
, X
k
).
Teorema 3.2 (Birkel (1988)) SejamX
n
, n 1, vari aveis aleat orias centradas e associadas. Designemos
por S
n
= X
1
+ + X
n
. Se sup
n1
E(|X
n
|
s
) < +, s > 2 e u(n) = O(n
), > 0, ent ao existe

r (2, s) tal que sup
m0
E(|S
m+n
S
m
|
r
) Bn
r/2
, onde B e independente de n.
Esta desigualdade do tipo Rosenthal foi estendida em Shao, Yu (1996), aligeirando as hip oteses, no-
meadamente sobre a velocidade de converg encia de u(n). O seu enunciado e complexo e um pouco
t ecnico, pelo que n ao o incluiremos neste texto. A condic ao sobre u(n) signica que os termos da
matriz de covari ancias que est ao longe da diagonal principal s ao negligenci aveis. O controlo adequado
do decrescimento de u(n) tornou-se num instrumento comum no estudo de resultados limites.
Importantes para o estudo das velocidades de converg encia em leis dos grandes n umeros, que per-
mitem o tratamento da converg encia de estimadores estatsticos, por exemplo, s ao as desigualdades
maximais e as exponenciais do tipo Bernstein. A n ao negatividade das covari ancias permite utilizar um
argumento simples de induc ao para mostrar uma desigualdade maximal de ordem 2.
Teorema 3.3 (Newman, Wright (1981)) Sejam X
n
, n 1, vari aveis aleat orias centradas, de quadrado
integr avel e associadas. Designemos S
n
= X
1
+ + X
n
e M
n
= max(S
1
, . . . , S
n
). Ent ao E(M
2
n
)
Var(S
n
) = E(S
2
n
). Em consequ encia
P(max(|S
1
| , . . . , |S
n
|) )
2
2
Var(S
n
) .
Isto e, a desigualdade de Kolmogorov para vari aveis independentes continua v alida, a menos do factor
2. A extens ao a desigualdades maximais de ordem superior, tentando a analogia ao caso independente,
n ao parece simples. De facto, o argumento indutivo utilizado na decomposic ao das vari ancias deixa
de funcionar j a que faz aparecer momentos de todas as ordens inferiores e, em particular as de ordem
par n ao s ao control aveis, ` a custa da associac ao, j a que n ao denem func oes crescentes das vari aveis
originais.
Foi necess ario esperar at e Ioannides, Roussas (1999) para que fosse provada uma desigualdade do
tipo Bernstein. Esta vers ao assumia que as vari aveis eram estacion arias e uniformemente limitadas
e utilizava na demonstrac ao um argumento indutivo para analisar momentos exponenciais das somas
parciais. A limitac ao das vari aveis era justicada pelo contexto em que a quest ao era analisada, j a
que se tratava do estudo de estimadores do tipo n ucleo em que as express oes intervenientes eram, de
facto, uniformemente limitadas. A extens ao ao caso geral, sob estacionaridade, foi demonstrada em
Oliveira (2005), simplicando ainda a t ecnica de demonstrac ao ao substituir o argumento indutivo pela
utilizac ao de uma variante da desigualdade (3).
Teorema 3.4 (Oliveira (2005)) Sejam X
n
, n 1, vari aveis centradas, estritamente estacion arias e as-
sociadas tais que, para algum > 0,
log n
p
n
c
2
n
exp
nlog n
2p
n
1/2
j=p
n
+2
Cov(X
1
, X
j
) C
0
< , (4)
onde p
n
<
n
2
e c
n
convergem para +. Suponhamos que
n
= 9
p
n
log n
n
1/2
c
n
,
e que existe > tal que sup
|t|
E(e
tX
1
) M
< +. Ent ao, para n sucientemente grande,

P
1
n
n
i=1
X
i
E(X
i
)
>
2(1 +
4
C
0
) +
2M
n
2
9
3
p
n
log
3
n
exp (log n) . (5)

5
As condic oes do tipo (4) s ao, para vari aveis estacion arias, equivalentes ` as condic oes sobre u(n) j a
referidas atr as. Portanto, o essencial continua a ser um controlo adequado sobre o decrescimento das
covari ancias.

E de realcar que (4) imp oe um decrescimento r apido das covari ancias j a que s ao estas que
t em que compensar o crescimento deo termo exponencial que aparece como factor.
4 Converg encia em distribuic ao
O primeiro Teorema Limite Central para vari aveis associadas demonstra-se utilizando a desigualdade
(3), comparando com o que acontece no caso de vari aveis independentes.
Teorema 4.1 (Newman (1980)) SejamX
n
, n 1, vari aveis aleat orias centradas de quadrado integr avel
associadas e estritamente estacion arias tais que
2
= Var(X
1
) + 2
j=2
Cov(X
1
, X
j
) < +.
Ent ao
1
n
j=1
X
j
converge em distribuic ao para uma vari avel com distribuic ao N(0, 1).
Este resultado foi estendido por Cox, Grimmett (1984) para vari aveis com momentos de ordem 3 nitos,
deixando cair a estacionaridade estrita, e impondo u(n) 0. Em Birkel (1993) encontramos vers oes
do Teorema Limite Central assumindo apenas a exist encia de momentos de ordem 2 e, em Oliveira,
Suquet (1996), o controlo das covari ancias e um pouco mais exvel, permitindo a exist encia de algumas
covari ancias signicativamente grandes perto da diagonal principal (o enunciado e demasiado t ecnico
para caber neste artigo).
Estes resultados t em sempre vers oes funcionais, essencialmente sob as mesmas condic oes, que po-
dem ser encontrados em Newman, Wright (1981) ou Birkel (1993).
No que respeita ` a velocidade de converg encia para o Teorema Limite Central, o primeiro resultado
do tipo Berry-Ess een, majorando uniformemente a dist ancia entre as func oes de distribuic ao, foi de-
monstrado em Wood (1983) assumindo a estacionaridade da sucess ao. A express ao para a velocidade e
complicada, mas sempre mais lenta do que n
1/5
. Esta velocidade e provada adaptando a demonstrac ao
cl assica de Berry-Ess een. Um controlo mais preciso do decrescimento de u(n) permite obter uma melhor
velocidade de converg encia.
Teorema 4.2 (Birkel (1988)) Sejam X
n
, n 1, vari aveis centradas e associadas, S
n
= X
1
+ + X
n
e
2
n
= E(S
2
n
). Suponhamos que
u(n) = O(e
n
), > 0, inf
n1
2
n
n
> 0, sup
n1
E(|X
n
|
3
) < .
Ent ao existe uma constante B, independente de n 1, tal que
sup
xR
n
S
2
n
x
(x)
Bn
1/2
log
2
n,
onde representa a func ao de distribuic ao de uma vari avel com distribuic ao N(0, 1).
A demonstrac ao baseia-se numa variante da desigualdade (3) que permite uma adaptac ao da t ecnica
habitual para provar a desigualdade de Berry-Ess een. No mesmo artigo se mostra que podemos substituir
o termo log
2
n por log n no majorante, caso existam momentos de ordem superior a 3. Noutra direcc ao,
Suquet (1995) obt em um majorante substituindo a dist ancia uniforme por uma dist ancia do tipo L
2
entre
as func oes de distribuic ao.
6
49 O u t o n o d e 2 0 0 8
As condic oes do tipo (4) s ao, para vari aveis estacion arias, equivalentes ` as condic oes sobre u(n) j a
referidas atr as. Portanto, o essencial continua a ser um controlo adequado sobre o decrescimento das
covari ancias.

E de realcar que (4) imp oe um decrescimento r apido das covari ancias j a que s ao estas que
t em que compensar o crescimento deo termo exponencial que aparece como factor.
4 Converg encia em distribuic ao
O primeiro Teorema Limite Central para vari aveis associadas demonstra-se utilizando a desigualdade
(3), comparando com o que acontece no caso de vari aveis independentes.
Teorema 4.1 (Newman (1980)) SejamX
n
, n 1, vari aveis aleat orias centradas de quadrado integr avel
associadas e estritamente estacion arias tais que
2
= Var(X
1
) + 2
j=2
Cov(X
1
, X
j
) < +.
Ent ao
1
n
j=1
X
j
converge em distribuic ao para uma vari avel com distribuic ao N(0, 1).
Este resultado foi estendido por Cox, Grimmett (1984) para vari aveis com momentos de ordem 3 nitos,
deixando cair a estacionaridade estrita, e impondo u(n) 0. Em Birkel (1993) encontramos vers oes
do Teorema Limite Central assumindo apenas a exist encia de momentos de ordem 2 e, em Oliveira,
Suquet (1996), o controlo das covari ancias e um pouco mais exvel, permitindo a exist encia de algumas
covari ancias signicativamente grandes perto da diagonal principal (o enunciado e demasiado t ecnico
para caber neste artigo).
Estes resultados t em sempre vers oes funcionais, essencialmente sob as mesmas condic oes, que po-
dem ser encontrados em Newman, Wright (1981) ou Birkel (1993).
No que respeita ` a velocidade de converg encia para o Teorema Limite Central, o primeiro resultado
do tipo Berry-Ess een, majorando uniformemente a dist ancia entre as func oes de distribuic ao, foi de-
monstrado em Wood (1983) assumindo a estacionaridade da sucess ao. A express ao para a velocidade e
complicada, mas sempre mais lenta do que n
1/5
. Esta velocidade e provada adaptando a demonstrac ao
cl assica de Berry-Ess een. Um controlo mais preciso do decrescimento de u(n) permite obter uma melhor
velocidade de converg encia.
Teorema 4.2 (Birkel (1988)) Sejam X
n
, n 1, vari aveis centradas e associadas, S
n
= X
1
+ + X
n
e
2
n
= E(S
2
n
). Suponhamos que
u(n) = O(e
n
), > 0, inf
n1
2
n
n
> 0, sup
n1
E(|X
n
|
3
) < .
Ent ao existe uma constante B, independente de n 1, tal que
sup
xR
n
S
2
n
x
(x)
Bn
1/2
log
2
n,
onde representa a func ao de distribuic ao de uma vari avel com distribuic ao N(0, 1).
A demonstrac ao baseia-se numa variante da desigualdade (3) que permite uma adaptac ao da t ecnica
habitual para provar a desigualdade de Berry-Ess een. No mesmo artigo se mostra que podemos substituir
o termo log
2
n por log n no majorante, caso existam momentos de ordem superior a 3. Noutra direcc ao,
Suquet (1995) obt em um majorante substituindo a dist ancia uniforme por uma dist ancia do tipo L
2
entre
as func oes de distribuic ao.
6
5 Processos empricos
Dada uma sucess ao de vari aveis aleat orias associadas e com distribuic ao uniforme no intervalo [0, 1],
tem interesse estatstico o comportamento da sucess ao de func oes
n
(t) =
1
n
n
i=1
I
[X
i
,1]
(t) t
, t [0, 1].
Como e bem sabido, basta estudar estas func oes para vari aveis uniformes, j a que o caso geral se obt em
por transformac ao pela func ao de distribuic ao das vari aveis. O comportamento limite destas func oes
interv em na caracterizac ao assimpt otica de testes de hip oteses, da a motivac ao estatstica para o estudo.
A converg encia em distribuic ao desta sucess ao sob a hip otese de associac ao aparece em Yu (1993).
Teorema 5.1 (Yu (1993)) SejamX
n
, n 1 vari aveis com distribuic ao uniforme em [0, 1], estacion arias
e associadas, tais que para algum a > 0,
+
n=2
n
13
2
+a
Cov(X
1
, X
n
) < + (6)
ent ao a sucess ao
n
converge em distribuic ao no espaco D(0, 1), das func oes contnuas ` a direita e com
limites ` a esquerda, para um processo gaussiano centrado e com covari ancia
(s, t) = s t st + 2
+
k=2
P(X
1
s, X
k
t) st
.
O interesse nesta converg encia prov em das transformac oes que e possvel operar, mantendo a con-
verg encia em distribuic ao. De facto, a topologia habitual em D[0, 1] e sucientemente forte para tornar
contnuas uma famlia de operadores bastante alargada, contendo, por exemplo, transformac oes como
sup
t[0,1]
n
(t) (veja-se Billingsley (1968)), utilizadas em alguns testes de hip oteses n ao param etricos.
A velocidade de decrescimento das covari ancias exigida pelo resultado anterior e grande. De facto, tem
que acontecer que Cov(X
1
, X
n
) = O(n
r
), com r > 7.5. Como habitualmente no espaco D[0, 1] a
maior parte do esforco e passada a mostrar a compacidade da sucess ao por forma a garantir a exist encia
do limite. Este resultado foi sucessivamente melhorado, baixando a velocidade de decrescimento exigida
` as covari ancias para Cov(X
1
, X
n
) = O(n
r
), com r > 4, em Louhichi (2000).
Tendo em atenc ao que v arios dos referidos testes n ao necessitam da transformac oes contnuas num
espaco com topologia t ao forte, a converg encia do processo emprico foi estudada nos espacos L
p
[0, 1].
Por exemplo, os testes de Anderson-Darling apenas necessitam da converg encia do processo emprico
relativamente ` a topologia do espaco L
2
. Como seria de esperar, a caracterizac ao da compacidade da
sucess ao ca substancialmente facilitada.
Teorema 5.2 (Oliveira, Suquet (1998)) Nas condic oes do Teorema 5.1 o processo emprico converge
em distribuic ao no espaco L
p
[0, 1] desde que Cov(X
1
, X
n
) = 0(n
r
), com r >
3p
2
.
Nota-se nas condic oes para a converg encia do processo emprico uma maior exig encia quanto ao
decrescimento das covari ancias relativamente ` as condic oes para a resultados do tipo limite central. Uma
boa parte da explicac ao para esta diferenca deve-se ` a necessidade de, no estudo do processo emprico,
controlar covari ancias entre vari aveis do tipo I
{X
n
s}
. A traduc ao deste controlo para covari ancias entre
as vari aveis originais faz-se ` a custa da desigualdade seguinte, v alida para vari aveis associadas (veja-se
Roussas (1995) para os detalhes)
Cov
I
{X
0
s}
, I
{X
n
t}
BCov
1/3
(X
0
, X
n
).
7
5 Processos empricos
Dada uma sucess ao de vari aveis aleat orias associadas e com distribuic ao uniforme no intervalo [0, 1],
tem interesse estatstico o comportamento da sucess ao de func oes
n
(t) =
1
n
n
i=1
I
[X
i
,1]
(t) t
, t [0, 1].
Como e bem sabido, basta estudar estas func oes para vari aveis uniformes, j a que o caso geral se obt em
por transformac ao pela func ao de distribuic ao das vari aveis. O comportamento limite destas func oes
interv em na caracterizac ao assimpt otica de testes de hip oteses, da a motivac ao estatstica para o estudo.
A converg encia em distribuic ao desta sucess ao sob a hip otese de associac ao aparece em Yu (1993).
Teorema 5.1 (Yu (1993)) SejamX
n
, n 1 vari aveis com distribuic ao uniforme em [0, 1], estacion arias
e associadas, tais que para algum a > 0,
+
n=2
n
13
2
+a
Cov(X
1
, X
n
) < + (6)
ent ao a sucess ao
n
converge em distribuic ao no espaco D(0, 1), das func oes contnuas ` a direita e com
limites ` a esquerda, para um processo gaussiano centrado e com covari ancia
(s, t) = s t st + 2
+
k=2
P(X
1
s, X
k
t) st
.
O interesse nesta converg encia prov em das transformac oes que e possvel operar, mantendo a con-
verg encia em distribuic ao. De facto, a topologia habitual em D[0, 1] e sucientemente forte para tornar
contnuas uma famlia de operadores bastante alargada, contendo, por exemplo, transformac oes como
sup
t[0,1]
n
(t) (veja-se Billingsley (1968)), utilizadas em alguns testes de hip oteses n ao param etricos.
A velocidade de decrescimento das covari ancias exigida pelo resultado anterior e grande. De facto, tem
que acontecer que Cov(X
1
, X
n
) = O(n
r
), com r > 7.5. Como habitualmente no espaco D[0, 1] a
maior parte do esforco e passada a mostrar a compacidade da sucess ao por forma a garantir a exist encia
do limite. Este resultado foi sucessivamente melhorado, baixando a velocidade de decrescimento exigida
` as covari ancias para Cov(X
1
, X
n
) = O(n
r
), com r > 4, em Louhichi (2000).
Tendo em atenc ao que v arios dos referidos testes n ao necessitam da transformac oes contnuas num
espaco com topologia t ao forte, a converg encia do processo emprico foi estudada nos espacos L
p
[0, 1].
Por exemplo, os testes de Anderson-Darling apenas necessitam da converg encia do processo emprico
relativamente ` a topologia do espaco L
2
. Como seria de esperar, a caracterizac ao da compacidade da
sucess ao ca substancialmente facilitada.
Teorema 5.2 (Oliveira, Suquet (1998)) Nas condic oes do Teorema 5.1 o processo emprico converge
em distribuic ao no espaco L
p
[0, 1] desde que Cov(X
1
, X
n
) = 0(n
r
), com r >
3p
2
.
Nota-se nas condic oes para a converg encia do processo emprico uma maior exig encia quanto ao
decrescimento das covari ancias relativamente ` as condic oes para a resultados do tipo limite central. Uma
boa parte da explicac ao para esta diferenca deve-se ` a necessidade de, no estudo do processo emprico,
controlar covari ancias entre vari aveis do tipo I
{X
n
s}
. A traduc ao deste controlo para covari ancias entre
as vari aveis originais faz-se ` a custa da desigualdade seguinte, v alida para vari aveis associadas (veja-se
Roussas (1995) para os detalhes)
Cov
I
{X
0
s}
, I
{X
n
t}
BCov
1/3
(X
0
, X
n
).
7
6 Leis dos grandes n umeros
Os primeiros resultados do tipo leis dos grandes n umeros aparecem em Newman (1984) e Birkel (1998a).
Teorema 6.1 A lei forte dos grandes n umeros e v alida se
(Newman (1984)) as vari aveis s ao associadas, estacion arias e
1
n
n
i=1
Cov(X
1
, X
n
) 0;
(Birkel (1988a)) as vari aveis s ao associadas e
i=1
1
n
2
Cov(X
n
, S
n
) < .
As demonstrac oes utilizam o controlo das covari ancias atrav es de u(n), denido atr as, ou utilizando
desigualdades para momentos de somas de vari aveis no caso de Birkel (1988a). As abordagens n ao
permitem contudo caracterizac oes de velocidades de converg encia.
S o com o aparecimento de desigualdades exponenciais para vari aveis associadas se obtiveram as
primeiras caracterizac oes de velocidades de converg encia em leis dos grandes n umeros. Estas passam
pela condic ao (4) o que obriga a decrescimento geom etrico das covari ancias.
Teorema 6.2 (Ioannides, Roussas (1999)) Sejam X
n
, n 1, vari aveis aleat orias limitadas, centradas
e associadas tais que Cov(X
1
, X
n
) =
0
n
, onde
0
>0 e (0, 1). Ent ao
1
n
(X
1
+ + X
n
) 0
quase certamente com velocidade de converg encia de ordem
log
2/3
n
n
1/3
.
Este resultado e uma consequ encia directa da vers ao do Teorema 3.4 provada em Ioannides, Rous-
sas (1999). Neste mesmo artigo se mostra que caso Cov(X
1
, X
n
) = c
0
n
a
, com a > 0, ent ao utilizando
(4) n ao e possvel deduzir uma velocidade de converg encia para a lei dos grandes n umeros. No caso
de decrescimento geom etrico, a velocidade foi sendo melhorada, ` a custa da utilizac ao de vers oes op-
timizadas para o efeito das desigualdades exponenciais, como em Sung (2007), at e obter a velocidade
log
2
n(loglog n)
1/2
n
1/2
em Xing, Yang (2008) e
log
2
n
n
1/2
em Henriques, Oliveira (2008).
Mais recentemente obtiveram-se caracterizac oes para as velocidades de converg encia utilizando de-
sigualdades maximais.
Teorema 6.3 Sejam X
n
, n 1, vari aveis centradas, e associadas.
(Yang, Su, Yu (2008)) Suponhamos que as vari aveis aleat orias s ao de quadrado integr avel e
i=1
u
1/2
(2
i
) < , ent ao
1
n
(X
1
+ + X
n
) 0 com velocidade de converg encia da ordem
log
1/2
n(loglog n)
/2
n
1/2
, onde > 1.
(Henriques, Oliveira (2008)) Suponhamos que as vari aveis aleat orias s ao estacion arias, E(X
r
1
) <
, para algum r > 4, u(n) c n
1
e E(X
i
X
j
|(X
1
, . . . , X
i
)) 0, para todos os i < j. Ent ao
1
n
(X
1
+ + X
n
(log n)
1/4+
n
1/2
, onde > 0.
Asegunda velocidade de converg encia e ligeiramente melhor que a primeira, embora ` a custa de condic oes
um pouco mais restritivas. A condic ao sobre as esperancas condicionais pode ser interpretada como uma
esp ecie de depend encia positiva condicional. Vale a pena referir que os modelos introduzidos no Exem-
plo 2.7 satisfazem esta condic ao. A primeira destas velocidades de converg encia e menos exigente e
parece ter sido o primeiro resultado deste tipo baseado em desigualdades maximais.
Refer encias
[1] Barlow, R., Proschan, F. (1975). Statistical Theory of Reliability and Life Testing: Probability
Models. Holt, Rinehart and Winston, New York.
[2] Billingsley, P. (1968). Convergence of probability measures. John Wiley & Sons, Inc., New York-
London-Sydney.
[3] Birkel, T. (1988). On the Convergence Rate in the Central Limit Theorem for Associated Processes.
Ann. Probab. 16, 16851698.
8
51 O u t o n o d e 2 0 0 8
[4] Birkel, T. (1988a). A note on the strong law of large numbers for positively dependent random
variables, Statist. Probab. Lett. 7, 17-20.
[5] Birkel, T. (1993). A functional central limit theorem for positively dependent random variables. J.
Multivariate Anal. 44, 314320.
[6] Cox, J., Grimmett, G. (1984). Central Limit Theorems for Associated Random Variables and the
Percolation Model. Ann. Probab. 12, 514528.
[7] Esary, J., Proschan, F., Walkup, D. (1967). Association of random variables with applications. Ann.
Math. Statist. 38, 14661474.
[8] Evans, S. (1990). Association and random measures. Probab. Theory Related Fields 86, 119.
[9] Fortuin, C., Kasteleyn, P., Ginibre, J. (1971). Correlation inqualities on some partially ordered sets.
Comm. Math. Phys. 22, 89103.
[10] Henriques, C., Oliveira, P. (2008). Convergence rates for the Strong Law of Large Numbers under
Association. Pr e-Publicac oes do Dep. Matem atica Univ. Coimbra 08-14.
[11] Ioannides, D., Roussas, G. (1999). Exponential inequality for associated random variables. Statist.
Probab. Lett. 42, 423431.
[12] Lehman, E. (1966). Some concepts of dependence. Ann. Math. Statist. 37, 11371153.
[13] Lindqvist, B. (1988). Association of probability measures on partially ordered spaces. J. Multivari-
ate Anal. 26, 111132.
[14] Louhichi, S. (2000). Weak convergence for empirical processes of associated sequences. Ann. Inst.
H. Poincar e Probab. Statist. 36, 547567.
[15] Newman, C. (1980). Normal uctuations and the FKG inequalities. Comm. Math. Phys. 74, 119
128.
[16] Newman, C. (1984). Asymptotic independence and limit theorems for positively and negatively
dependent random variables. In: Tong, Y. (ed.), Inequalities in Statistics and Probability, IMS
Lecture Notes - Monograph Series vol. 5, 127140.
[17] Newman, C. Wright, A. (1981). An invariance principle for certain dependent sequences. Ann.
Probab. 9, 671675.
[18] Oliveira, P. (2005). An exponential inequality for associated variables, Statist. Probab. Lett. 73,
189197.
[19] Oliveira, P., Suquet, C. (1996). An L
2
[0, 1] invariance principle for LPQD random variables. Por-
tugal. Math. 53, 367379.
[20] Oliveira, P., Suquet, C. (1998). Weak convergence in L
p
(0, 1) of the uniform empirical process
under dependence. Statist. Probab. Lett. 39, 363370
[21] Pitt, L. (1982). Positively correlated normal variables are associated. Ann. Probab. 10, 496499.
[22] Roussas, G. (1995). Asymptotic normality of a smooth estimate of a random eld distribution
function under association, Statist. Probab. Letters 24, 77-90.
[23] Shao, Q., Yu, H. (1996). Weak convergence for weighted empirical processes of dependent se-
quences. Ann. Probab. 24, 20982127.
[24] Suquet, C. (1995). Distances euclidiennes sur les mesures sign ees et application ` a des th eor` emes
de Berry-Ess een. Bull. Belg. Math. Soc. Simon Stevin 2, 161181.
9
6 Leis dos grandes n umeros
Os primeiros resultados do tipo leis dos grandes n umeros aparecem em Newman (1984) e Birkel (1998a).
Teorema 6.1 A lei forte dos grandes n umeros e v alida se
(Newman (1984)) as vari aveis s ao associadas, estacion arias e
1
n
n
i=1
Cov(X
1
, X
n
) 0;
(Birkel (1988a)) as vari aveis s ao associadas e
i=1
1
n
2
Cov(X
n
, S
n
) < .
As demonstrac oes utilizam o controlo das covari ancias atrav es de u(n), denido atr as, ou utilizando
desigualdades para momentos de somas de vari aveis no caso de Birkel (1988a). As abordagens n ao
permitem contudo caracterizac oes de velocidades de converg encia.
S o com o aparecimento de desigualdades exponenciais para vari aveis associadas se obtiveram as
primeiras caracterizac oes de velocidades de converg encia em leis dos grandes n umeros. Estas passam
pela condic ao (4) o que obriga a decrescimento geom etrico das covari ancias.
Teorema 6.2 (Ioannides, Roussas (1999)) Sejam X
n
, n 1, vari aveis aleat orias limitadas, centradas
e associadas tais que Cov(X
1
, X
n
) =
0
n
, onde
0
>0 e (0, 1). Ent ao
1
n
(X
1
+ + X
n
) 0
quase certamente com velocidade de converg encia de ordem
log
2/3
n
n
1/3
.
Este resultado e uma consequ encia directa da vers ao do Teorema 3.4 provada em Ioannides, Rous-
sas (1999). Neste mesmo artigo se mostra que caso Cov(X
1
, X
n
) = c
0
n
a
, com a > 0, ent ao utilizando
(4) n ao e possvel deduzir uma velocidade de converg encia para a lei dos grandes n umeros. No caso
de decrescimento geom etrico, a velocidade foi sendo melhorada, ` a custa da utilizac ao de vers oes op-
timizadas para o efeito das desigualdades exponenciais, como em Sung (2007), at e obter a velocidade
log
2
n(loglog n)
1/2
n
1/2
em Xing, Yang (2008) e
log
2
n
n
1/2
em Henriques, Oliveira (2008).
Mais recentemente obtiveram-se caracterizac oes para as velocidades de converg encia utilizando de-
sigualdades maximais.
Teorema 6.3 Sejam X
n
, n 1, vari aveis centradas, e associadas.
(Yang, Su, Yu (2008)) Suponhamos que as vari aveis aleat orias s ao de quadrado integr avel e
i=1
u
1/2
(2
i
) < , ent ao
1
n
(X
1
+ + X
n
log
1/2
n(loglog n)
/2
n
1/2
, onde > 1.
(Henriques, Oliveira (2008)) Suponhamos que as vari aveis aleat orias s ao estacion arias, E(X
r
1
) <
, para algum r > 4, u(n) c n
1
e E(X
i
X
j
|(X
1
, . . . , X
i
)) 0, para todos os i < j. Ent ao
1
n
(X
1
+ + X
n
(log n)
1/4+
n
1/2
, onde > 0.
Asegunda velocidade de converg encia e ligeiramente melhor que a primeira, embora ` a custa de condic oes
um pouco mais restritivas. A condic ao sobre as esperancas condicionais pode ser interpretada como uma
esp ecie de depend encia positiva condicional. Vale a pena referir que os modelos introduzidos no Exem-
plo 2.7 satisfazem esta condic ao. A primeira destas velocidades de converg encia e menos exigente e
parece ter sido o primeiro resultado deste tipo baseado em desigualdades maximais.
Refer encias
[1] Barlow, R., Proschan, F. (1975). Statistical Theory of Reliability and Life Testing: Probability
Models. Holt, Rinehart and Winston, New York.
[2] Billingsley, P. (1968). Convergence of probability measures. John Wiley & Sons, Inc., New York-
London-Sydney.
[3] Birkel, T. (1988). On the Convergence Rate in the Central Limit Theorem for Associated Processes.
Ann. Probab. 16, 16851698.
8
[4] Birkel, T. (1988a). A note on the strong law of large numbers for positively dependent random
variables, Statist. Probab. Lett. 7, 17-20.
[5] Birkel, T. (1993). A functional central limit theorem for positively dependent random variables. J.
Multivariate Anal. 44, 314320.
[6] Cox, J., Grimmett, G. (1984). Central Limit Theorems for Associated Random Variables and the
Percolation Model. Ann. Probab. 12, 514528.
[7] Esary, J., Proschan, F., Walkup, D. (1967). Association of random variables with applications. Ann.
Math. Statist. 38, 14661474.
[8] Evans, S. (1990). Association and random measures. Probab. Theory Related Fields 86, 119.
[9] Fortuin, C., Kasteleyn, P., Ginibre, J. (1971). Correlation inqualities on some partially ordered sets.
Comm. Math. Phys. 22, 89103.
[10] Henriques, C., Oliveira, P. (2008). Convergence rates for the Strong Law of Large Numbers under
Association. Pr e-Publicac oes do Dep. Matem atica Univ. Coimbra 08-14.
[11] Ioannides, D., Roussas, G. (1999). Exponential inequality for associated random variables. Statist.
Probab. Lett. 42, 423431.
[12] Lehman, E. (1966). Some concepts of dependence. Ann. Math. Statist. 37, 11371153.
[13] Lindqvist, B. (1988). Association of probability measures on partially ordered spaces. J. Multivari-
ate Anal. 26, 111132.
[14] Louhichi, S. (2000). Weak convergence for empirical processes of associated sequences. Ann. Inst.
H. Poincar e Probab. Statist. 36, 547567.
[15] Newman, C. (1980). Normal uctuations and the FKG inequalities. Comm. Math. Phys. 74, 119
128.
[16] Newman, C. (1984). Asymptotic independence and limit theorems for positively and negatively
dependent random variables. In: Tong, Y. (ed.), Inequalities in Statistics and Probability, IMS
Lecture Notes - Monograph Series vol. 5, 127140.
[17] Newman, C. Wright, A. (1981). An invariance principle for certain dependent sequences. Ann.
Probab. 9, 671675.
[18] Oliveira, P. (2005). An exponential inequality for associated variables, Statist. Probab. Lett. 73,
189197.
[19] Oliveira, P., Suquet, C. (1996). An L
2
[0, 1] invariance principle for LPQD random variables. Por-
tugal. Math. 53, 367379.
[20] Oliveira, P., Suquet, C. (1998). Weak convergence in L
p
(0, 1) of the uniform empirical process
under dependence. Statist. Probab. Lett. 39, 363370
[21] Pitt, L. (1982). Positively correlated normal variables are associated. Ann. Probab. 10, 496499.
[22] Roussas, G. (1995). Asymptotic normality of a smooth estimate of a random eld distribution
function under association, Statist. Probab. Letters 24, 77-90.
[23] Shao, Q., Yu, H. (1996). Weak convergence for weighted empirical processes of dependent se-
quences. Ann. Probab. 24, 20982127.
[24] Suquet, C. (1995). Distances euclidiennes sur les mesures sign ees et application ` a des th eor` emes
de Berry-Ess een. Bull. Belg. Math. Soc. Simon Stevin 2, 161181.
9
[25] Sung, S.H. (2007), A note on the exponential inequality for associated random variables, Statist.
Probab. Letters 77, 17301736.
[26] Wood, T. (1983). A Berry-Ess een theorem for associated variables. Ann. Probab. 11, 10421047.
[27] Xing, G., Yang, S. (2008). Exponential inequalities for positively associated random variables and
application, J. Inequal. Appl.
[28] Yang, S., Su, C., Yu, K. (2007). A general method to the strong law of large numbers and its
applications. Statist. Probab. Letters 78, 794803, doi:10.1016/j.spl.2007.09.046.
[29] Yu, H. (1993). A Glivenko-Cantelli lemma and weak convergence for empirical processes of asso-
ciated sequences. Probab. Theory Relat. Fields 95, 357370.
10
53 O u t o n o d e 2 0 0 8
Processos estocsticos em dinmica de estruturas de
engenharia
Paula Milheiro Oliveira, poliv@fe.up.pt
CEC, Faculdade de Engenharia da Universidade do Porto
1 Introduo
Em estudos sobre o comportamento dinmico de estruturas na engenharia civil e mecnica, considera-
-se habitualmente fontes de aleatoriedade ou incerteza, que se repartem em 3 tipos: (a) a aleatoridade
devida a causas naturais ou operacionais; (b) a incerteza sobre as propriedades mecnicas dos materiais
utilizados na construo; (c) as incertezas sobre os modelos matemticos adoptados quer para a resposta
da estrutura quer para a resistncia dos mecanismos estruturais.
Para produzir conhecimento de modo a reduzir a variabilidade que resulta destas incertezas so
realizadas simulaes e, sobretudo, testes sobre as prprias estruturas ou modelos fsicos ( escala redu-
zida) destas estruturas.
Os testes que se realizam para estudar o comportamento de uma estrutura podem ser de vrios
tipos. Os testes em que se simulam condies vrias de funcionamento real envolvem a reproduo
de meios aleatrios, nomeadamente aces de ventos, cargas devidas ao movimento dos veculos no
caso das pontes ou do funcionamento de mquinas pesadas no caso de instalaes industriais e, nome-
adamente, a aco de sismos, entre outras aces. Podemos distinguir dois tipos de aces: aces de
natureza ambiental (como o vento, a temperatura, a humidade, os sismos, as ondas do mar) e aces de
natureza operacional (como as cargas a que esto sujeitas). aqui que aparecem de imediato os primei-
ros processos estocsticos, logo entrada. Na teoria de sistemas diramos que so o input do sistema.
No contexto da engenharia de estruturas preferem chamar-lhes excitao. Na sua forma mais simples
estes processos podem surgir como rudo branco gaussiano. Signifca isto, portanto, que um dos testes
a que se sujeita uma estrutura, quando se pretende estudar a sua dinmica, um teste em que se simula
uma excitao de entrada segundo um rudo branco gaussiano. Este teste, muitas vezes realizado em
laboratrio sobre modelos fsicos, permite observar e avaliar respostas da estrutura e algo que interessa
especialmente aos engenheiros de estruturas, que estimar parmetros que descrevem a estrutura. So
exemplo destes parmetros os chamados modos de vibrao, que no so mais do que transformaes
dos parmetros do modelo matemtico que descreve o comportamento dinmico da estrutura. Um dos
aspectos que interessa tambm ao engenheiro de estruturas a anlise de indicadores de degradao da
estrutura.
Podemos distinguir vrios tpicos que nos permitem clarifcar reas de conhecimento e reas de
trabalho para quem pretende investigar ou simplesmente articular saberes, a um nvel avanado, no
campo da dinmica de estruturas: , primeiro que tudo, necessrio conhecer ou desenvolver modelos
de excitao e de resposta adequados situao concreta em estudo; necessrio conhecer e adaptar
mtodos existentes de simulao da resposta; necessrio ser capaz de aplicar, e sobretudo desenvolver,
mtodos de estimao de parmetros e de estado e, fnalmente, podemos ainda encontrar-nos perante
problemas de controlo da estrutura, para os quais necessrio explorar tcnicas de controlo estocstico.
2 Modelos para a excitao
Pode dizer-se que aces como o vento, os sismos ou as ondas do mar so duplamente aleatrios, no
sentido em que a sua ocorrncia estocstica no tempo mas tambm as trajectrias que caracterizam
Processos estocsticos em dinmica de estruturas de engenharia
Figura 1: Registo do terramoto El Centro (Imperial Valley, EUA, costa do Pacfco). A acelerao foi
medida na base do edifcio El Centro Terminal Substation e est representada em cm/s
2
.
estas aces exibem padres aleatrios. Aces como a temperatura, a humidade ou as cargas a que a
estrutura est sujeita na sua operao so mais naturalmente vistas como processos contnuos no tempo.
Ao longo das ltimas dcadas, estas aces tm vindo a ser examinadas na engenharia estrutural
sobretudo do ponto de vista estocstico. Naturalmente que encontramos quer processos estocsticos
estacionrios quer no estacionrios, talvez com uma maior predominncia destes ltimos. Os registos
ssmicos, por exemplo, permitem-nos dizer que as aces ssmicas so processos estocsticos hoje re-
conhecidos como fortemente no estacionrios (e.g. Figura 1), devido a diferenas entre frequncias e
tempos de chegada das suas ondas componentes. Podem ser modelados de duas formas distintas: (a)
processos estocsticos no estacionrios unicamente em amplitude (resultam da transformao de um
processo estacionrio atravs de uma funo determinstica do tempo, na prtica estimada com base
nos registos ssmicos); (b) processos estocsticos com uma densidade espectral de potncia evolutiva
(como resultado de diferentes velocidades e energias das diversas ondas que compem o movimento e
de mltiplas reeces, refraces e difraces).
No primeiro caso, temos modelos da forma:
A
t
= (t)M
t
onde A
t
representa a acelerao do solo no instante t, (t) a funo de modelao (determinstica) e
{M
t
}
t
um processo estocstico gaussiano estacionrio. So muito usados os modelos de Shinozuka
Sato (1967), em que (t) da forma
(t) =
1
c
(e
at
e
bt
),
AmingAng (1966):
(t) =
t
t
1
, t t
1
1, t
1
t t
2
e
c(tt
2
)
, t
2
t
,
55 O u t o n o d e 2 0 0 8
e YehWen (1990):
(t) =
at
b
e
ct
d +t
h
,
em que a, b, c, d, h, t
1
e t
2
so parmetros, cujos valores so atribuidos com base em argumentos de
natureza fsica ou em registos, perante cada situao concreta.
No segundo caso, temos modelos muito variados, dos quais destacamos o modelo de YehWen
(1990):
A
t
= (t)M
k(t)
,
agora com k(t) =
n(t)
n(t
s
)
, onde n(t) uma funo polinomial que pretende representar a acumulao de
passagens por 0 no registo ssmico e t
s
o instante em que as fortes movimentaes do solo ocorrem
(Figura 2). Outros modelos podem ser encontrados em Priestley (1981), Grigoriu et al. (1988), Spanos
et al. (1992), FanAhmadi (1990), KamedaNojima (1988), Faravelli (1988) e Carli (1992, 1995), entre
outros.
Figura 2: Registo do terramoto de 1971 na Baa de So Francisco (EUA). A acelerao foi medida em
San Fernando e est representada em cm/s
2
.
3 Modelos para a resposta
A dinmica de uma estrutura com comportamento linear e N graus de liberdade
1
, pode ser modelada
pelo seguinte sistema diferencial estocstico no sentido de Ito (Clough e Penzien, 1993):
dx
(1)
t
= x
(2)
t
dt
dx
(2)
t
= M
1
(Cx
(2)
t
Kx
(1)
t
)dt +M
1
dW
t
, (1)
em que x
(1)
t
e x
(2)
t
so vectores de deslocamento e velocidade, respectivamente, M a matriz de massa
da estrutura, C a sua matriz de amortecimento viscoso, K a sua matriz de rigidez e {W
t
}
t
o processo
estoctico que modela a excitao externa a que est sujeita a estrutura.
No entanto, nem todas as estruturas apresentam um comportamento linear, encontrando-se por
exemplo modelos da forma (Wen, 1973):
dx
(1)
t
= x
(2)
t
dt
dx
(2)
t
= M
1
Cx
(2)
t
Kx
(1)
t
(1)Kz
t
dt +M
1
dW
t
dz
t
=
Ax
(2)
t
|x
(2)
t
| |z
t
|
n1
z
t
x
(2)
t
|z
t
|
n
dt
, (2)
1
Se se tratar da estrutura muito elementar como uma estrutura porticada, os N graus de liberdade correspondero a N
pisos. Em estruturas mais complexas como edifcios, cada piso, s por si, corresponder a vrios graus de liberdade.
em que {z
t
}
t
um processo estocstico habitualmente designado por componente histertica do sistema,
um coefciente relacionado com a rigidez ps-cedncia e A, n, e so parmetros que caracterizam
o tamanho e forma dos ciclos de histeresis, que so estocsticos.
Nos modelos (1) e (2) o tempo considerado como contnuo. No entanto as medies da resposta
da estrutura so de facto obtidas em instantes discretos. Pode haver convenincia em que o modelo da
estrutura seja tambm descrito em tempo discreto. Os defensores desta abordagem usam modelos em
espao de estados e por vezes modelos ARMA, que provm de uma formulao prvia da dinmica da
estrutura via Elementos Finitos (ver, por exemplo, PeetersVentura, 2003). Um exemplo desta aborda-
gem consiste no modelo seguinte, que respeita a uma estrutura em mastro (Figura 3):
X
k
=FX
k1
+GU
k
. (3)
Figura 3: Exemplo de uma estrutura em mastro.
A estrutura composta por 9 ns ligados por barras, dos quais os 3 primeiros esto ligados ao solo,
e sofre o efeito de uma aco aleatria, representada pelo processos estocstico {U
k
}
k
, em todos os
seus ns, quer na direco horizontal quer na vertical, de forma independente. F uma matriz 1818
construda a partir das matrizes de massa, de amortecimento e de rigidez. G uma matriz construda a
partir da matriz de massa, de uma matriz 18 12 consistindo de zeros e uns nas posies apropriadas
e de uma matriz nula. {X
k
}
k
um processo estocstico vectorial de dimenso 18, cujas coordenadas
representam deslocamentos e velocidades no instante t
k
. Nos modelos ARMA so as aceleraes nos
ns da estrutura que so modeladas.
muito comum encontrarmos aplicaes prticas em que a dimenso dos processos estocsticos
envolvidos elevada, colocando-nos perante problemas computacionais considerveis.
4 Simulao da excitao e da resposta
Os mtodos de simulao da resposta so muitas vezes usados para anlise da estrutura, uma vez que a
simulao de umgrande nmero de trajectrias no tempo permite efectuar resumos, comvalor estatstico,
teis para o engenheiro.
Dependendo do tipo de modelo adoptado para a excitao e para a dinmica da estrutura en-
contramos mtodos adequados simulao da excitao e da resposta. Sempre que se parte de um
modelo em tempo contnuo h, naturalmente, que o discretizar primeiro. assim que aparecem m-
todos j nossos conhecidos da discretizao de equaes diferenciais estocsticas a serem usados neste
57 O u t o n o d e 2 0 0 8
contexto, como por exemplo, os esquemas de Euler, Milshtein e Runge-Kutta estocstico (Milstein,
1995; KloedenPlaten, 1999; TocinoArdanuy, 2002) mas aparecem tambm novos mtodos, como o
esquema de Newmark estocstico (RoyDash, 2005; Zhang et al., 1999), que explora particularidades
dos processos estocsticos envolvidos na modelao da estrutura vibratria, procurando fazer intervir
no procedimento de discretizao parmetros com signifcado fsico, que so cuidadosamente calibrados
segundo a aplicao a que se destinam.
5 Estimao de parmetros
No caso das estruturas com comportamento linear, so de particular importncia para os engenheiros de
estruturas os chamados parmetros modais. Nestes casos admite-se que a estrutura est sujeita a uma
excitao do tipo rudo branco, da qual no se observa a trajectria. No exemplo de uma torre como
a estrutura citada na Seco 3 (equao (3) e Figura 3), os parmetros modais so alguns dos valores
prprios da matriz F, matriz esta que desconhecida e que teremos de estimar.
Mais uma vez, dependendo do tipo de modelo adoptado para a dinmica da estrutura, teremos
diferentes mtodos de estimao. So muito populares, pela qualidade que demonstraram em aplicaes
prticas, os chamados mtodos de sub-espao (Van OverscheeDe Moor, 1996; Ljung, 1999).
De entre os mtodos baseados no espectro da resposta destaca-se o mtodo Peak-Picking, pela
sua simplicidade (BendatPiersol, 1993). A ideia chave deste mtodo reside na estimao das frequn-
cias prprias da estrutura (valores prprios da matriz de deriva na equao (1)) atravs dos picos da
representao espectral.
O Mtodo de Mxima Verosimilhana tem tambm sido usado para estimar parmetros de modelos
no domnio da frequncia (Guillaume et al., 1998).
6 Estimao de estado
Este problema est de facto, muitas vezes, relacionado com o anterior, uma vez que alguns dos mtodos
de estimao de parmetros incorporam uma fase de estimao de estado.
Na formulao de problemas de estimao do estado de uma estrutura, ou da resposta de uma
estrutura, ao modelo de dinmica da estrutura, do tipo dos apresentados na Seco 3, acrescentado um
modelo para as observaes obtidas dos sensores:
y
k
=DX
k
+v
k
,
onde D uma matriz que especifca a localizao dos sensores e {v
k
}
k
um processo estocstico que
representa o rudo de medio (ou erro de medida). Embora seja menos comum
2
, o modelo das obser-
vaes tambm pode ser escrito em tempo contnuo:
dY
t
=DX
t
+dV
t
e podemos, embora mais raramente, encontrar-nos perante modelos de observao no lineares.
A estimao do estado, X
k
(ou X
t
k
, nos modelos contnuos), faz-se sobre a -lgebra das observa-
es at ao instante t
k
, da qual dispomos de uma trajectria, resultante da recolha das observaes dos
sensores ao longo do tempo.
O problema de estimao de estado pode ser resolvido de forma ptima pelo Filtro de Kalman,
se o modelo for linear, e de forma sub-ptima, sob determinadas condies, pelo Filtro de Kalman
2
Tambm porque ser menos realista.
Estendido (EKF), se o modelo for no linear (Ljung, 1999). Outros mtodos aproximados como o Filtro
de Partculas (Ching et al., 2006; TangSato, 2005) podemser tambmusados, comvantagens emtermos
computacionais e com menos restries do que o EKF.
7 Controlo da estrutura
Os problemas de controlo da estrutura so talvez aqueles em que o investimento do esforo de investi-
gao mais recente. Porque as excitaes a que uma estrutura est habitualmente sujeita no meio em
que est inserida se comportam como processos estocsticos, o controlo ter de ter em conta um com-
portamento estocstico, devendo por isso ser entendido como um controlo estocstico tambm. Quando
falamos em controlo estocstico estamos a falar em aces (processos estocsticos) que so provocadas
pelo controlador (equipamento de controlo), ao longo do tempo, para levar a estrutura a um determi-
nado estado desejado, geralmente um estado que garante estabilidade e outras condies optimizadas de
funcionamento (ver, por exemplo, IkhouaneRodellar, 2007).
8 Comentrios fnais
Em muitos domnios, modelos estocsticos representando uma dinmica complexa so necessrios para
descrever processos que se desenvolvem no tempo de forma aleatria, exibindo interaces no tempo
que se tornam fundamentais para um verdadeiro conhecimento do fenmeno em estudo e algumas ve-
zes apresentando ainda interaces com outros processos. Muitas vezes a premncia do estudo vem
da necessidade de adequirir alguma previsibilidade sobre o comportamento do sistema. Exemplos con-
cretos de processos estocsticos deste tipo encontram-se na dinmica das estruturas da engenharia da
construo (ver, por exemplo, Muscolino, 2001).
As elevadas velocidades permitidas pelos computadores dos nossos dias no fzeram mais do que
tornar o uso de modelos estocsticos bastante sofsticados cada vez mais praticveis, ao mesmo tempo
que desenvolvimentos importantes na teoria das probabilidades, em particular na rea do clculo esto-
cstico, foram explorados por estatsticos e outros profssionais apenas numa sua pequena extenso, no
desenvolvimento de mtodos estatsticos para processos estocsticos.
H pois muito espao para contribuies de jovens investigadores e para equipas que se queiram
dedicar a estes aspectos dos processos estocsticos e da estatstica. O comportamento dinmico de
estruturas deixa desafos vrios para quem sobre esses problemas se queira debruar.
BIBLIOGRAFIA
Bendat, J.S. and Piersol, A.G. (1993). Engineering Applications of Correlation and Spectral Analysis, 2nd Ed.,
John Wiley.
Carli, F. (1995). Smooth frequency modulating functions for strong ground motions, Proc. 10th Eur. Conf. Earth-
quake Engineering, Vienna, 1994, Balkema, 155160.
Carli, F. (1992). Nonstationary models of earthquake accelerograms Proc. of the World Conf. on Earthquake
Engineering, Madrid, 1992, Balkema, 829834.
Ching, J., Beck, J.L. and Porter, K.A. (2006). Bayesian state and parameter estimation of uncertain dynamical
systems, Probabilistic Engineering Mechanics, 21(1), 8196.
Chiostrini, S. and Facchini, L. (1999). Response analysis under stochastic loading in presence of structural uncer-
tainties, International Journal for Numerical Methods in Engineering, 46, 853870.
59 O u t o n o d e 2 0 0 8
Clough, R.W. and Penzien, J. (1993). Dynamics of Structures, 2nd edition, Civil Engineering Series, Mc-Graw
Hill Int. Ed.
Fan, F.G. and Ahmadi, G. (1990). Nonstationary Kanai-Tajimi models for El Centro 1940 and Mexico City 1985
earthquakes, Probabilistic Engineering Mechanics, 5(4), 171181.
Faravelli, L. (1988). Source-to-site seismic models in structural dynamics. Proc. of the 3rd International Conf. on
Recent Advances in Structural Dynamics, Southampton (UK), 10211032.
Grigoriu, M., Ruiz, S.E. and Rosenblueth, E. (1988). Mexico earthquake of September 19, 1985 nonstationary
models of seismic ground acceleration, Earthquake Spectra, 4(3), 551568.
Guillaume, P., Verbove, P. and Vanlanduit, S. (1998). Frequency-domain maximum likelihood identifcation of
modal parameters with confdence intervals, Proc. of the 23rd International Conf. on Noise and Vibration Engine-
ering, ISMA, 955962.
Hampl, N.C. and Shueller, G.I. (1989). Probability densities of the response of nonlinear structures under stochas-
tic dynamic excitation, Probabilistic Engineering Mechanics, 4, 19.
Ikhouane, F. and Rodellar, J. (2007). Systems with Hysteresis: Analysis, Identication and Control Using the
Bouc-Wen Model, Wiley.
Iwan, W.D. and Huang, C.T. (1996). On the dynamic response of non-linear systems with parameter uncertainties,
International Journal of Non-Linear Mechanics, 31, 631645.
Jensen, H. and Iwan, W.D. (1991). Response variability in structural dynamics, Earthquake Engineering and
Structural Dynamics, 20, 949959.
Jensen, H. and Iwan, W.D. (1992). Response of systems with uncertain parameters to stochastic excitation, Journal
of Engineering Mechanics, 118, 10121025.
Kameda, H. and Nojima, N. (1988). Simulation of risk-consistent earthquake motion, Earthquake Engineering &
Structural Dynamics, 16(7), 10071019.
Kloeden, P.E. and Platen, E. (1999). Numerical Solution of Stochastic Differential Equations, Springer, Berlin.
Lin, Y.K. (1976). Probabilistic Theory of Structural Dynamics, Kriegher, Malabor (USA).
Ljung L. (1999). System Identication Theory for the User, 2nd ed., PTR Prentice Hall.
Lutes, L.D. and Sarkani, S. (1997). Stochastic Analysis of Structural and Mechanical Vibrations, Prentice Hall,
N.J.
Milstein, G.N. (1995). Numerical Integration of Stochastic Differential Equations, Kluwer Academic Publishers,
Dordrecht.
Muscolino, G. (2001). Stochastic dynamics for structural engineering problems: a review. Civil and Structural
Engineering Computing: 2001, B.H. Topping, Ed., Saxe-Coburg Publications, 287318.
Nigam, N.C. (1983). Introduction to Random Vibrations, MIT Press, Cambridge MA.
Peeters, B. and Ventura, C.E. (2003). Comparative study of modal analysis techniques for bridge dynamic charac-
teristics. Mechanical Systems and Signal Processing, 17(5), 965-988.
Priestley, M.B. (1981). Spectral Analysis and Time Series, Academic Press.
Roy, D. and Dash, M.K. (2005). Explorations of a family of stochastic Newmark methods in engineering dynamics.
Computer Methods in Applied Mechanics and Engineering, 194(45-47), 4758-4796.
Scheller, G.I. (1997). A state-of-the-art report on computational stochastic mechanics Simulation techniques.
Probabilistic Engineering Mechanics, Special issue IASSAR Report, 12, 203-229.
Soong, T.T. and Grigoriu, M. (1993). Random Vibration of Mechanical and Structural Systems, Prentice Hall
Englewood Cliffs, N. J.
Spanos, P.D., Tein, W.Y. and Ghanem, R. (1992). Spectral estimation of bivariate non-stationary processes. Proc.
of the World Conf. on Earthquake Engineering, 839.
Tang, H.S. and Sato, T. (2005). Auxiliary particle fltering for structural system identifcation, Proc. SPIE, 5765
(710).
Tocino, A. and Ardanuy, R. (2002). Runge-Kutta methods for numerical solution of stochastic differential equati-
ons, Journal of Computational and Applied Mathematics, 138 , 219-241.
Van Overschee, P. and De Moor, B. (1996). Subspace Identication for Linear Systems: Theory Implementation
Applications, Kluwer Academic Publishers.
Zhang, L., Zu, J.W. and Zheng, Z. (1999). The stochastic Newmark algorithm for random analysis of multi-degree-
of-freedom non-linear systems, Computers and Structures, 70, 557568.
61 O u t o n o d e 2 0 0 8
Carlos A. Braumann, braumann@uevora.pt
Departamento de Matemtica e Centro de Investigao em Matemtica e Aplicaes
1. Introduo
O objectivo deste texto dar uma panormica de algumas das principais aplicaes biolgicas das
equaes diferenciais estocsticas.
bem sabido que as equaes diferenciais ordinrias (EDO) tm uma longa tradio e grande
sucesso como modelos matemticos do comportamento de fenmenos dinmicos nas mais variadas
reas da Cincia e da Tecnologia. De facto, por vezes mais fcil descrever regras de comportamento
da taxa de variao (derivada) de uma varivel temporal (regras que podem envolver essa varivel
e/ou outras variveis com as quais interage) do que descrever directamente as regras de evoluo da
prpria varivel. Obtm-se assim uma EDO que, por integrao, permite obter o comportamento da
varivel de interesse e fazer previses sobre a sua evoluo futura.
No caso de uma s varivel X(t) teremos um modelo da forma
)) ( , (
) (
t X t f
dt
t dX
= ou dt t X t f t dX )) ( , ( ) ( = (1)
com uma condio inicial X(0)=X
0
. A extenso a vrias variveis relativamente simples, trabalhando-
se com um vector de variveis e usando tambm um vector de funes em vez de uma funo escalar
f. Para no complicar a notao, consideraremos aqui o caso unidimensional.
Raramente, porm conseguimos introduzir nesses modelos todas as variveis intervenientes,
quer por desconhecimento de factores que podem afectar o fenmeno dinmico em causa, quer por
impossibilidade de os medir ou prever, quer ainda porque o seu efeito menos relevante (ainda que
no despiciendo para certos objectivos) para justificar o investimento necessrio sua incluso
detalhada. , pois, natural, que esses factores sejam agrupados numa nica varivel temporal cujo
comportamento necessariamente aleatrio, isto , um processo estocstico, processo esse que se deve
incluir como um termo adicional que perturba a dinmica determinstica dos factores intervenientes
explicitamente considerados no modelo. To natural como o tratamento probabilstico que usamos
para descrever o resultado do lanamento de uma moeda ao ar em vez de pretendermos introduzir de
forma determinstica as diversas foras resultantes da gravidade e da forma exacta como posicionamos
e movimentamos a mo ao lanar a moeda e ao recolh-la. Se admitirmos que esses factores agrupados
so em nmero elevado, natural ser que, usando e qui abusando do teorema do limite central, o seu
efeito cumulativo possa ser aproximadamente descrito por um processo estocstico gaussiano.
Normalmente, mais fcil considerar o efeito acumulado dessas perturbaes entre o instante 0 e o
instante t. Se admitirmos que as perturbaes que actuam num intervalo de tempo so
aproximadamente independentes das que actuam noutros intervalos de tempo que se lhe no
sobreponham, ento natural que o efeito acumulado das perturbaes seja um processo com
incrementos independentes. E se admitirmos que as perturbaes, aproximadamente independentes
entre si, ocorrem com uma frequncia relativamente uniforme e tm efeitos que se adicionam, ento
razovel supor que o seu nmero aproximadamente proporcional ao intervalo de tempo a que nos
reportamos e, portanto, a varincia do seu efeito acumulado num certo intervalo de tempo
proporcional durao desse intervalo. Mesmo que a proporcionalidade no seja correcta e a
constante de proporcionalidade seja afinal varivel, podemos incorporar essa variabilidade num
factor multiplicativo que represente a variao do desvio-padro com as variveis consideradas no
Carlos A. Braumann, braumann@uevora.pt
Departamento de Matemtica e Centro de Investigao em Matemtica e Aplicaes
modelo e/ou com o tempo, e, nesse caso, nada impede escolher para o processo perturbador de base (a
ser depois multiplicado por aquele factor) uma constante de proporcionalidade unitria. Disto tudo
resulta que, admitindo no limite a continuidade temporal das perturbaes (tambm possvel
considerar perturbaes descontnuas mas disso no falaremos aqui), podemos usar como efeito
acumulado (entre 0 e t) de base o processo de Wiener padro W(t) (nico que conjuga as propriedades
de ser contnuo, gaussiano, ter incrementos independentes e os seus incrementos terem varincia
proporcional, no caso padro com constante de proporcionalidade unitria, ao comprimento do
intervalo). Claro que, num intervalo infinitesimal dt, o efeito das perturbaes de base referentes a esse
intervalo ser dW(t) e, se representarmos por g(t,X(t)) o desvio-padro das perturbaes, obtemos a
equao diferencial estocstica (EDE)
) ( )) ( , ( )) ( , ( ) ( t dW t X t g dt t X t f t dX + =
, (2)
com a mesma condio inicial X(0)=X
0
(como o valor inicial pode ser desconhecido, nada impede que
X
0
seja uma varivel aleatria, desde que seja independente de W(t)).
Note-se que podemos generalizar, sem dificuldades, ao caso de vrias variveis e vrios
processos de Wiener. Tambm podemos generalizar, embora disso no tratemos aqui, ao caso de
processos com saltos.
Naturalmente, pressupe-se um espao de probabilidade subjacente (,P) e, representando
por o acaso, convm lembrar que W(t) um processo estocstico, isto depende do tempo e
do acaso, pelo que rigorosamente deveramos escrever (mas no o fazemos habitualmente) W(t,).
Podemos pensar que um concreto representa um estado concreto da natureza que determina os
valores concretos (ao longo de toda a histria do processo) dos factores perturbadores do nosso
fenmeno; ento representar o conjunto de todos os possveis estados da natureza, a qual escolhe
ao acaso um deles de acordo com a lei de probabilidade P. Para t fixo, temos uma varivel aleatria
(funo mensurvel- do acaso). Para fixo, W(t,) representa uma funo do tempo (uma trajectria
ou realizao do processo) que descreve a evoluo do efeito acumulado (entre 0 e t) das perturbaes
de base quando o estado da natureza . Claro que, a diferentes estados da natureza, podem
corresponder trajectrias diferentes. Tambm X
0
=X
0
() pode depender do estado da natureza e,
obviamente a soluo da EDE, se existir, tambm depende do estado da natureza, isto , X(t)=X(t,)
tambm um processo estocstico.
Claro que agora, as previses futuras dos valores de X(t) so de natureza probabilstica, j que,
para t fixo, X(t) uma varivel aleatria.
Natural que as EDE tenham um campo de aplicao muito vasto, correspondente no essencial
ao campo de aplicao das EDO, j que haver quase sempre factores perturbadores no
explicitamente considerados na EDO. Mas bvio que s valer a pena usar EDE se esses factores
perturbadores provocarem alteraes relevantes relativamente aos resultados que se obteria usando
EDO, como sucede frequentemente nos fenmenos biolgicos. Convm ter em ateno, porm, que,
mesmo para g pequenas, os resultados podem ser quantitativamente e at qualitativamente muito
diferentes dos resultados obtidos trabalhando com EDO e valores mdios de variveis ou parmetros.
Mas o campo de aplicao das EDE , de facto, mais vasto do que o das EDO j que h situaes em
que os factores aleatrios assumem um papel fundamental. o caso de muitas aplicaes financeiras
(bolsas, futuros, opes, etc.), da sismologia ou das telecomunicaes, em que modelos baseados em
EDO seriam inteis.
2. Breve introduo s equaes diferenciais estocsticas
Naturalmente, entende-se por soluo da EDE (2), a soluo X(t)=X(t,) da correspondente
equao integral

+ + =
t t
s dw s X s g ds s X s f X t X
0 0
0
) ( )) ( , ( )) ( , ( ) ( . (3)
63 O u t o n o d e 2 0 0 8
Sob condies de regularidade adequadas, para cada trajectria fixa, o primeiro integral pode
ser interpretado como um vulgar integral de Riemann. Porm, o segundo integral no pode ser
interpretado como integral de Riemann-Stieltjes porque o processo integrador W(t) tem variao
ilimitada para quase todas as trajectrias, pelo que o limite das somas de Riemann-Stieltjes para uma
sucesso de decomposies (com dimetro convergente para zero) do intervalo de integrao depende
da escolha dos pontos intermdios onde calculada a funo integranda g(s,X(s)). Se fizermos a
escolha (no-antecipativa) dos pontos iniciais de cada subintervalo (a escolha em que a dinmica
presente no afectada pelas perturbaes aleatrias futuras), temos o integral de It, que tem
excelentes propriedades probabilsticas mas no segue as regras usuais de clculo Tal obriga a um
novo clculo, o clculo estocstico de It. Aqui usa-se a convergncia em mdia quadrtica
(convergncia L
2
com respeito a ) para a obteno do limite das somas de Riemann-Stieltjes, embora,
ao generalizar a uma classe mais vasta de funes integrandas, se possa substituir essa convergncia
por uma convergncia em probabilidade. H outros integrais correspondentes a outras escolhas ou
combinaes de escolhas dos pontos intermdios, sendo o mais popular deles o integral de
Stratonovich que, no tendo to boas propriedades probabilsticas, segue as regras usuais de clculo.
Como natural, as EDE de It e de Stratonovich com idnticas funes f e g, tm em geral solues
diferentes. Alis, a EDE de It dX=fdt+gdW equivalente (tem a mesma soluo da) EDE de
Stratonovich (S) dX=f*dt+gdW (o (S) para assinalar que se usa o clculo de Stratonovich) em
que f*=f(1/4)g
2
/x. Em qualquer dos clculos, as funes f e g devem satisfazer certas condies de
regularidade para se poder garantir a existncia e unicidade de soluo da EDE; felizmente, com
condies de regularidade adequadas, a soluo um processo de difuso que satisfaz as equaes de
Kolmogorov e, portanto, um processo de Markov. Se a EDE for autnoma (f(t,x)=f(x) e g(t,x)=g(x)),
a soluo mesmo um processo de difuso homogneo. Mais pormenores podem ver-se nos livros,
como Braumann (2005) ou ksendal (2003) ou ainda, para uma verso resumida, em Braumann
(1998).
Devo referir que tem havido uma certa controvrsia na literatura sobre qual dos clculos, It ou
Stratonovich, mais adequado em cada tipo de aplicaes, uma vez que eles do resultados que, at do
ponto de vista qualitativo, so aparentemente diferentes. Por exemplo, em certos modelos de
crescimento populacional e em certas condies, um clculo prev que a populao se extingue com
probabilidade um e o outro que a probabilidade de extino nula. Braumann (2007a,b,c), ilustrando
com modelos de crescimento populacional e de pesca, resolve a controvrsia mostrando que a razo da
aparente discrepncia de resultados resulta da suposio implcita feita na literatura de que f(t,x) (taxa
mdia de crescimento) tem o mesmo significado para os dois clculos. Isso falso pois f(t,x)
representa mdias diferentes da taxa de crescimento. Para uma classe muito ampla de modelos usados
em crescimento populacional, representa a taxa mdia aritmtica para o clculo de It e a taxa mdia
geomtrica para o clculo de Stratonovich. Se atendermos s diferenas entre as mdias, os resultados
coincidem. A moral da histria que temos de ter cuidado ao escolher a funo f(t,x). Por exemplo, no
caso referido, se usarmos o clculo de It, devemos naturalmente escolher para f(t,x) a expresso
correcta para a taxa mdia aritmtica de crescimento. Se, porm, usarmos o clculo de Stratonovich,
devemos escolher a expresso correcta para a taxa mdia geomtrica de crescimento. Se tivermos esse
cuidado elementar, os dois clculos do resultados totalmente coincidentes.
Daremos agora alguns exemplos ilustrativos da variedade de aplicaes biolgicas, na
esperana de atrair alguns futuros investigadores numa rea que est em intensa actividade. Escusado
ser dizer que muitos progressos tericos que tm sido feitos no estudo das EDE tm sido suscitados
por questes que surgem nas aplicaes.
3. Aplicaes em dinmica de populaes
Esta rea em que mais tenho trabalhado. Agora X(t) representa o tamanho (nmero de
indivduos, biomassa ou densidade) da populao (de animais, plantas ou bactrias) no instante t.
No caso determinstico, a taxa de crescimento per capita
) (
/ ) (
t X
dt t dX
r = pode depender do
tamanho da populao x e do instante t [r=r(t,x)]. Admitindo um ambiente estvel, podemos supor um
modelo autnomo em que r=r(x), podendo, se os recursos forem ilimitados, a funo ser constante;
mas, geralmente, os recursos so limitados pelo que os recursos disponveis per capita tendem a
diminuir quando a populao aumenta, o que provoca que r(x) seja estritamente decrescente. Vrios
modelos com esta propriedade tm sido propostos, tais como o modelo logstico r(x)=r(1x/K) ou o
modelo de Gompertz r(x)= r ln(K/x), onde K (capacidade de sustento do meio) , caso r>0 and K>0, a
populao de equilbrio estvel para a qual o tamanho da populao converge quando t+.
Se o ambiente estiver sujeito a flutuaes aleatrias, em vez de o crescimento per capita no
intervalo infinitesimal dt ser descrito pelo modelo determinstico dt t X r
t X
t dX
)) ( (
) (
) (
= , teremos,
supondo que, em termos cumulativos, as flutuaes aleatrias so impulsionadas por um processo de
Wiener W(t) que afecta directamente o crescimento per capita, a EDE
) ( )) ( ( )) ( (
) (
) (
t dW t X dt t X r
t X
t dX
+ = , (4)
onde (x) mede a intensidade do efeito dessas flutuaes no crescimento per capita (os modelos
propostos na literatura consideram habitualmente (x) constante ou proporcional a r(x)).
Na literatura, os artigos consideram modelos especficos correspondendo a casos particulares
das funes r(x) e (x). Entre os artigos pioneiros mais relevantes contam-se Levins (1969), May
(1973), Capocelli e Ricciardi (1974), Goel e Richter-Dyn (1974), Kiester e Barakat (1974), Tuckwell
(1974), Roughgarden (1975), mas muitos outros se seguiram.
Dado que as propriedades deduzidas poderiam ser especficas dos modelos considerados, havia
interesse em obter propriedades que fossem robustas relativamente ao modelo. Tinham particular
interesse nas propriedades relativas a haver ou no extino da populao e, em caso negativo, existir
uma densidade estacionria, isto , uma distribuio de equilbrio com densidade para a qual
convergisse a distribuio de probabilidade do tamanho da populao quando t+. Em Braumann
(1999b) considera-se, para (x) constante, o caso geral de r(x): (0,+)(,+) ser uma funo
arbitrria de classe C
1
, satisfazendo, contudo, algumas hipteses biologicamente realistas como ser
estritamente decrescente, verificar r(+)<0 (o que significa que os recursos no permitem sustentar
uma populao demasiado grande) e R(0
+
)=0 com R(x)=r(x)x (populao sem imigrao). Foi possvel
mostrar que, se r(0
+
)<0, a extino ocorre com probabilidade um e que, se r(0
+
)>0, a extino tem
probabilidade nula de ocorrer e existe uma densidade estacionria. Em Braumann (2001c) generaliza-
se para o caso de (x) arbitrria, desde que sempre positiva e satisfazendo algumas condies tcnicas
pouco restritivas.
Na realidade, quando falmos de extino, referamo-nos a termos populao nula ou a
convergir para zero. Mas, se pensarmos o que significa uma populao de, por exemplo, 0,4
indivduos (no esquecer que a varivel de estado X contnua no modelo mas no na realidade),
talvez seja prefervel adoptar como critrio mais realista de extino, a populao alguma vez atingir
um tamanho a>0 com a<X
0
, embora pequeno, isto , fixarmos um limiar absorvente de extino a.
Interessa, ento determinar a probabilidade de ocorrer esta extino realista e a distribuio do tempo
de extino, aspectos que tem interessantes aplicaes na gesto de espcies em perigo. Estas matrias
podem ser vistas em, por exemplo, Braumann (1995), Lange, Engen e Sther (2003) e Carlos e
Braumann (2005, 2006). Claro que tambm se pode estudar a probabilidade de atingir um limite
elevado b>X
0
e a distribuio do tempo para o atingir, o que, alm de ser relevante em termos de
preservao de espcies, tambm importante para a preveno de surtos de pragas agrcolas.
Uma outra aplicao em espcies sujeitas a capturas (pesca, caa, florestao), em que, aos
modelos anteriormente considerados, se acrescenta a mortalidade provocada pelas capturas:
) ( )) ( ( ) ( )) ( (
) (
) (
t dW t X dt t h dt t X r
t X
t dX
+ = , (5)
onde h(t) a esforo de captura (esforo de pesca, etc.) e h(t)X(t) a taxa de capturas (por unidade de
tempo). Claro que h(t) pode, em geral ser controlado pelos operadores da explorao (definindo assim
65 O u t o n o d e 2 0 0 8
uma poltica de capturas) e tm aparecido vrios artigos, usando tcnicas de controlo ptimo
estocstico, para, relativamente a modelos especficos de r(x) e (x), determinar a poltica de capturas
que optimiza uma funo objectivo, usualmente o valor esperado do lucro (a preos constantes, isto
afectando o lucro com uma taxa de depreciao) acumulado num certo horizonte temporal. Veja-se,
por exemplo, Lungu e ksendal (1997), Alvarez e Shepp (1997) e Alvarez (2000). Estas polticas, ao
contrrio do que sucede nos modelos determinsticos, so inaplicveis porque implicam uma rpida
alternncia entre parar as capturas e capturar ao maior ritmo possvel. Os trabalhos pioneiros de
Beddington e May (1977), Gleit (1978) e May et al. (1978) optaram antes por considerar modelos em
que o esforo de pesca determinado exclusivamente pelo tamanho da populao explorada
h(t)=H(X(t)) (um exemplo especial o de esforo constante, situao em que as capturas so
proporcionais populao existente), caso em que possvel, em certas condies, obter densidades
estacionrias, isto , um equilbrio estocstico sustentvel. Estudaram o comportamento dos modelos
para r(x), h(x) e (x) especficos, tal como tambm fez Braumann (1985, 1993), onde se procuraram,
dentro de certa classe de polticas, as que optimizassem as capturas esperadas num regime sustentvel
e sem extino. O estudo para modelos gerais (com algumas restries biologicamente razoveis), em
termos de extino e de existncia de densidade estacionria, foi feito em Braumann (1999, 2001a,
2002). Em Braumann (2001b) estudam-se modelos que combinam dois tipos de polticas (as de quota
constante e as esforo constante).
Sobre os problemas estatsticos de estimao (quer dos parmetros de r(x) e (x) e, se houver
capturas, de h(x), quer da estimao no-paramtrica destas funes), de escolha de modelos e de
previso de tamanhos futuros da populao, muito haveria a dizer, mas optamos por no o fazer aqui
por limitaes de espao, apesar da serem fundamentais para a aplicao dos modelos. S queremos
referir que normalmente dispomos apenas de observaes de uma nica trajectria do processo (no
geralmente vivel ter repeties, em condies idnticas, de populaes em crescimento) e que,
mesmo nessa trajectria, as observaes so feitas (por vezes com erro) num nmero finito de
instantes 0=t
0
<t
1
<t
2
<...<t
n
. Naturalmente que s alguma forma de ergodicidade (da soluo ou de um
processo relacionado com a soluo) permite de alguma maneira usar certas mdias temporais (ao
longo da nica trajectria) em substituio das mdias de conjunto (mdias ao longo do conjunto das
trajectrias) de que no podemos dispor. Obviamente que as observaes no so variveis aleatrias
independentes mas, como a soluo da EDE (sob condies de regularidade adequadas) um processo
de Markov, a verosimilhana pode obter-se multiplicando as densidades de transio entre instantes de
observao consecutivos. Sucede, porm, que frequente no se conseguir obter uma expresso
explcita para as densidades de transio, tendo que se usar aproximaes adequadas ou tcnicas
alternativas. A consistncia dos estimadores muitas difcil de comprovar e exige normalmente que o
nmero de observaes tenda para infinito e o espaamento entre elas tenda para zero, alm de uma
ligao entre as velocidades de convergncia destas duas grandezas. Estas dificuldades tm vindo a
ser engenhosa e gradualmente ultrapassadas.
4. Aplicaes ao crescimento individual
Uma rea recente de trabalho a da utilizao de EDE para modelar o crescimento de um
indivduo (animal ou planta) desde o nascimento at maturidade (em termos de peso, volume,
comprimento ou outra medida de tamanho), quando esse crescimento influenciado por variaes
aleatrias no ambiente em que o indivduo cresce. Seja X(t) o tamanho do indivduo no instante t. Os
modelos determinsticos mais utilizados podem geralmente escrever-se na forma
dt t Y t dY )) ( ( ) ( = , onde Y(t)=h(X(t)), com h(x) funo de classe C
1
estritamente crescente. Por
exemplo, o modelo de Mitscherlich corresponde a h(x)=x, o de Bertalanffy-Richards a h(x)=x
c
(com
c>0) e o de Gompertz a h(x)=ln x. Note-se que A=h
1
() o tamanho assinttico que o animal atinge
na maturidade. No caso estocstico podemos adoptar a classe de modelos baseada no modelo de
Ornstein-Uhlenbeck (que nasceu na Fsica para descrever o movimento browniano de uma partcula)
) ( )) ( ( ) ( t dW dt t Y t dY + = , (6)
passando A=h
1
() a ser o tamanho assinttico mdio. O caso particular do modelo de Bertalanffy-
Richards foi aplicado crescimento de rvores em Garcia (1983). Estranhamente este tipo de modelos
no tem sido muito pouco utilizado, preferindo os que trabalham com estes dados usar modelos de
regresso, que so adequados para erros de observao, mas que so totalmente inadequados para
alteraes provocadas por flutuaes ambientais. De facto, os modelos de regresso tomam, como
base de previso do tamanho futuro, o tamanho da curva determinstica, mesmo que muito diferente do
tamanho actual do indivduo, enquanto os modelos baseados em EDE partem do tamanho actual. Isso
impede a situao pouco realista dos modelos de regresso, que, por no terem memria, prevem, por
exemplo, elevada probabilidade de recuperaes milagrosas e quase instantneas do peso de animais
muito magros.
A classe geral de modelos foi estudada em Filipe, Braumann e Roquete (2007a,b) e Filipe e
Braumann (2007, 2008), com aplicao a dados de bovinos mertolengos. Foi tambm tratado, no caso
de termos vrios animais (vrias trajectrias) o caso mais complexo em que se admite que pode
variar de animal para animal (pois no so geneticamente idnticos), pelo que se pode considerar
tambm uma varivel aleatria. Os problemas de estimao e de previso (para uma ou vrias
trajectrias e, neste ltimo caso, para comum a todos os animais ou para aleatrio) foram tambm
tratados.
Uma quantidade de particular interesse o tempo necessrio para que o animal atinja um
determinado tamanho L adequado pata a sua venda no mercado.
Claro que estes resultados tm implicaes interessantes na optimizao financeira de exploraes
pecurias ou silvcolas, por exemplo.

5. Aplicaes demogrficas
Um correcto conhecimento das taxas de mortalidade essencial para o planeamento dos
sistemas de segurana social (penses e fundos de reforma) e para a gesto de carteiras de seguros de
vida ou de planos de poupana reforma. Em Portugal, recentes alteraes legislativas incorporam j no
clculo das penses um factor de sustentabilidade que tem em conta precisamente as alteraes da
esperana de vida da populao. De facto, a reduo das taxas de mortalidade que se tem vindo a
observar graas aos progressos sociais e evoluo da Medicina, tem provocado o aumento da
esperana de vida. Consequentemente, a utilizao de taxas de mortalidade correntes, sem prever a sua
actualizao futura, pode dar origem a subavaliaes dos encargos futuros da segurana social ou de
instituies financeiras com o pagamento de penses e de responsabilidades assumidas com planos de
poupana reforma. J no que se refere a seguros de vida, a consequncia ser a sobreavaliao dos
encargos.
H vrias maneiras de modelar a evoluo das taxas de mortalidade, sendo correntes os
modelos determinsticos. Na verdade, porm, a evoluo temporal das taxas de mortalidade, est
sujeita a perturbaes aleatrias decorrentes de problemas de sade pblica imprevistos (como, por
exemplo, epidemias ou alteraes climticas), evoluo no determinstica dos progressos mdicos,
alteraes econmicas e sociais que afectam os riscos de morte, etc. Faz, pois, todo o sentido que as
taxas de mortalidade evoluam de acordo com uma certa tendncia essencialmente determinstica, a que
se sobrepem alteraes aleatrias, pelo que podem ser descritas por equaes diferenciais estocsticas
apropriadas, normalmente mais gerais do que as aqui descritas, incluindo a possibilidade de saltos
(para descrever possveis evolues abruptas das condies de vida). Mas de notar que h que
combinar esta fonte de aleatoriedade ambiental que afecta as taxas de mortalidade com a aleatoriedade
demogrfica em que, mesmo para taxas fixas, que devem interpretar-se como probabilidades de morte
para cada grupo etrio, a mortalidade efectivamente observada num ano resulta da amostragem
realizada sobre o grupo (de pensionistas ou de segurados) em estudo (cada indivduo do grupo tem
certa probabilidade de morrer nesse ano, contando para a mortalidade observada se morrer e no
contando em caso contrrio). Os riscos financeiros decorrentes do efeito demogrfico, que tem a
natureza de erro amostral, podem ser reduzidos aumentando a amostra, isto , o tamanho do grupo. J
os riscos decorrentes da variabilidade ambiental, pelo contrrio, ficam ampliados pelo aumento do
tamanho do grupo. Um problema ainda em aberto como fazer a cobertura do risco, j que, apesar de
se usarem modelos de EDE relativamente semelhantes aos usados para os produtos financeiros
67 O u t o n o d e 2 0 0 8
transaccionados no mercado, no se dispe de instrumentos semelhantes de cobertura e avaliao do
risco. Por outro lado, no se prev que seja fcil a criao e aceitao pblica de produtos financeiros
derivados baseados na evoluo das taxas de mortalidade.
Em Bravo e Braumann (2007) pode ver-se o enquadramento e resultados gerais deste estudo,
mas, para uma anlise detalhada de vrios modelos e uma aplicao realidade portuguesa, deve
consultar-se Bravo (2007).
Uma outra alternativa supor que as taxas de mortalidade evoluem de acordo com modelos
essencialmente determinsticos mas em que os parmetros sofrem perturbaes aleatrias, isto , so
processos estocsticos cuja evoluo descrita por equaes diferenciais estocsticas.
6. Outras aplicaes biolgicas
Naturalmente, os modelos de crescimento populacional podem aplicar-se, usando EDE em
dimenso superior a um, a conjuntos de populaes interactuantes. Um exemplo interessante a do
estudo de um sistema presa-predador feito por Rudnicki (2003).
Uma outra aplicao interessante refere-se epidemiologia, onde o clssico modelo
determinstico SIR que estuda a evoluo do nmero de susceptveis (S(t)), infectados (I(t)) e
recuperados (R(t)) tem uma verso estocstica em forma de EDE tridimensionais (mas na verdade
vivendo num espao a duas dimenses porque S(t)+I(t)+R(t) o tamanho, considerado fixo neste
modelo, da populao). Veja-se Tornatore e Buccellato (2007).
Uma aplicao que tem j uma tradio antiga e um corpo de literatura extenso o do estudo
do comportamento elctrico dos neurnios. Os chamados modelos neuronais que descrevem a
evoluo do potencial X(t) da membrana do neurnio so intrinsecamente estocsticos, j que so
bastante imprevisveis os impulsos elctricos recebidos pelas ligaes a mltiplos outros neurnios.
Normalmente considera-se que, quando X(t) atinge um determinado limiar S>X
0
, o neurnio dispara
transmitindo sinais a outros neurnios e reduzindo o seu potencial a X
0
. At disparar, a dinmica de
X(t) descrita por uma equao diferencial estocstica, sendo o modelo de Ornstein-Uhlenbeck talvez
o mais popular. Uma varivel com particular interesse o tempo at disparar, cuja distribuio e
momentos tm sido muito estudados para este e outros modelos alternativos. Pode encontrar uma boa
abordagem no livro de Ricciardi (1977). Como o comportamento dos disparos um pouco mais
complexo do que aqui se descreveu, a literatura est cheia de refinamentos que colocam problemas
tericos muito interessantes.
As aplicaes em gentica de populaes so tambm importantes, usando processos de
difuso como boas aproximaes evoluo das frequncias gnicas quando se incorporam os efeitos
da deriva gentica (variao amostral das frequncias). Estes estudos tm importantes implicaes no
estudo das teorias de evoluo das espcies e na datao da origem de espcies e de colonizaes de
populaes. A apresentao em forma de processo de difuso, que mais tradicional na literatura
especializada desta rea, equivalente utilizao de EDE, pois, em condies de regularidade
adequadas, as solues de EDE so processos de difuso e vice-versa. Um clssico o livro de Crow e
Kimura (1970).
Mas a lista de aplicaes bastante mais vasta e inclui a anlise de modelos imunolgicos e
fisiolgicos, como, por exemplo, os modelos de evoluo da concentrao de insulina e glucose (e de
outros qumicos que com eles interagem), que tm muita importncia para determinar o melhor
doseamento da administrao da insulina em diabticos e para o desenvolvimento em curso de
sistemas automticos de administrao de insulina. Veja-se, por exemplo, Picchini et al. (2006).
E melhor parar por aqui, deixando de fora vrias outras aplicaes tambm interessantes, para
alm daquelas de que ningum ainda se lembrou e que o leitor poder vir a descobrir.
Agradecimentos
O autor membro do CIMA-U.E., centro de investigao financiado pelo Programa de Financiamento
Plurianual da Fundao para a Cincia e a Tecnologia (FCT). Os resultados reportados sobre modelos
de crescimento individual foram desenvolvidos no mbito do projecto PTDC/MAT/64297/2006,
financiado pela FCT.
Referncias
Alvarez, L. H. R. (2000). On the option interpretation of rational harvesting planning. J. Math. Biol. 40: 383-
405.
Alvarez, L. H. R., Shepp, L. A. (1997). Optimal harvesting of stochastically fluctuating populations. J. Math.
Biol. 37: 155-177.
Beddington, J. R., May, R. M. (1977). Harvesting natural populations in a randomly fluctuating environment.
Science 197: 463-465.
Braumann, C. A. (1985). Stochastic differential equation models of fisheries in an uncertain world: extinction
probabilities, optimal fishing effort, and parameter estimation. Em Mathematics in Biology and
Medicine, Capasso, V., Grosso, E., Paveri-Fontana, S. L. (eds.), Springer, Berlin.
Braumann, C. A. (1993). General models of fishing with random growth parameters. Em Mathematics Applied
to Biology and Medicine, Demongeot, J., Capasso, V. (eds.), Wuerz Publ. Ltd., Winnipegp.
Braumann, C. A. (1995). Threshold crossing probabilities for population growth models in random
environments. J. Biological Systems 3: 505-517.
Braumann, C. A. (1998). O Acaso, a bolsa e a vida. Em Estatstica: A Diversidade na Unidade. Actas do V
Congresso Anual da SPE, Souto de Miranda, M., Pereira, I. (eds.), p. 29-55, Sociedade Portuguesa de
Estatstica e Edies Salamandra, Lisboa.
Braumann, C. A. (1999). Variable effort fishing models in random environments. Math. Biosci. 156: 1-19.
Braumann, C. A. (1999b). Applications of stochastic differential equations to population growth. Em Proc. 9th
International Colloquium on Differential Equations, Bainov, D. (ed.), VSP, Utrecht, p. 47-52 (invited
paper).
Braumann, C. A. (2001a). General stochastic differential equation model of population growth and fishing in a
random environment. Bull. Internat. Statistical Inst. LIX CP3: 111-112.
Braumann, C. A. (2001b). Constant effort and constant quota fishing policies with cut-offs in random
environments. Natural Resource Modelling 14 (2): 199-232.
Braumann, C. A. (2001c). Crescimento de populaes em ambiente aleatrio: generalizao a intensidades de
rudo dependentes da densidade da populao. Em A Estatstica em Movimento, Neves, M. M., Cadima,
J., Martins, M. J., Rosado, F. (eds.), Sociedade Portuguesa de Estatstica, Lisboa, p. 119-128.
Braumann, C. A. (2002). Variable effort harvesting models in random environments: generalization to density-
dependent noise intensities. Math. Biosci. 177 & 178: 229-245.
Braumann, C. A. (2005). Introduo s Equaes Diferenciais Estocsticas e Aplicaes. Edies SPE, Lisboa.
Braumann, C. A. (2007a). It versus Stratonovich calculus in random population growth. Math. Biosci. 206: 81-
107.
Braumann, C. A. (2007b) Harvesting in a random environment: It or Stratonovich calculus. J. Theoret. Biol.
244: 424-432.
Braumann, C. A. (2007c). Population growth in random environments: which stochastic calculus? Bull.
Internat. Statistical Inst. LXII (Proc. 56th Session of the ISI, electronic publication, printed version of
the journal in press).
Bravo, J. M. (2007). Tbuas de Mortalidade Contemporneas e Prospectivas: Modelos Estocsticos,
Aplicaes Actuariais e Cobertura do Risco de Longevidade. Tese de Doutoramento, Universidade de
vora, p. xxvi+565.
Bravo, J. M., Braumann, C. A. (2007). The value of a random life: modelling survival probabilities in a
stochastic environment. Bull. Internat. Statistical Inst. LXII (Proc. 56th Session of the ISI, electronic
publication, printed version of the journal in press).
Capocelli, R. M., Ricciardi, L. M. (1974). A diffusion model for population growth in random environments.
Theoret. Popul. Biol. 5: 28-41.
Carlos, C., Braumann, C. A. (2005). Tempos de extino para populaes em ambiente aleatrio. Em
Estatstica Jubilar, Braumann, C. A., Infante, P., Oliveira, M. M., Alpzar-Jara, R., Rosado, F. (eds).
Edies SPE, Lisboa p. 133-142.
Carlos, C., Braumann, C. A. (2006). Tempos de extino para populaes em ambiente aleatrio e clculos de
It e Stratonovich. Em Cincia Estatstica, Canto e Castro, L., Martins, R. G., Rocha, C., Oliveira, M.
F., Leal, M. M., Rosado, F. (eds), Edies SPE, Lisboa, p. 229-238.
Crow, J. F., Kimura, M. (1970). An Introduction to Population Genetics Theory. Harper and Row, New York.
Filipe, P.A., Braumann, C.A. (2008). Modelling individual animal growth in random environments. In Proc.
23d International Workshop on Statistical Modelling, Eilers, P. H. C. (ed.), p. 232-237.
Filipe, P.A., Braumann, C. A. (2007). Animal growth in random environments: estimation with several paths.
Bull. Internat. Statistical Inst. LXII (Proc. 56th Session of the ISI, electronic publication, printed
version of the journal in press).
Filipe, P.A., Braumann, C.A., Roquete, C.J. (2007a). Modelos de crescimento de animais em ambiente
aleatrio. Em Estatstica Cincia Interdisciplinar, Ferro, M.E., Nunes, C., Braumann, C.A. (eds.),
Edies SPE, Lisboa, p. 401-440.
Filipe, P.A., Braumann, C.A., Roquete, C.J. (2007b). Crescimento individual em ambiente aleatrio: vrias
trajectrias. Em Actas do XV Congresso Anual da Sociedade Portuguesa de Estatstica, Edies SPE,
Lisboa (aceite para publicao).
Garcia, O., (1983). A stochastic differential equation model for the height of forest stands. Biometrics 39: 1059-
1072.
Gleit, A. (1978). Optimal harvesting in continuous time with stochastic growth. Math. Biosci. 41: 112-123.
Goel, N. S., Richter-Dyn, N. (1974). Stochastic Models in Biology. Academic Press, N. Y.
Kiester, A. R., Barakat, R. (1974). Exact solutions to certain stochastic differential equation models of
population growth. Theoret. Popul. Biol. 6: 199-216.
Lange, R., Engen, S. e Sther, B.-E. (2003). Stochastic Population Dynamics in Ecology and Conservation.
Oxford University Press, Oxford.
Levins, R. (1969). The effect of random variations of different types on population growth. Proc. Natl. Acad.
Sci. USA 62: 1061-1065.
Lungu, E. M., ksendal, B. (1997). Optimal harvesting from a population in a stochastic crowded environment.
Math. Biosci. 145: 47-75.
May, R. M. (1973). Stability in randomly fluctuating versus deterministic environments. Amer. Natur. 107:
621-650.
May, R. M., Beddington, J. R., Horwood, J. H. Shepherd, J. G. (1978). Exploiting natural populations in an
uncertain world. Math. Biosci. 42: 219-252.
ksendal, B. (2003). Stochastic Differential Equations. An Introduction with Applications. (6
th
edition).
Springer, Berlin.
Picchini, U., Ditlevsen, S., De Gaetano, A. (2006). Modeling the euglycemic hiperinsulinemic clamp by
stochastic differential equations. J. Math. Biol. 53: 771-796.
Ricciardi, L. M. (1977). Diffusion Problems and Related Topics in Biology. Lecture Nores in Biomathematics
14, Springer, Berlin.
Roughgarden, J. (1975). A simple model for population dynamics in stochastic environments. Amer.Natur. 109:
713-736.
Rudnicki, R. (2003). Long-rime behaviour of a predator-prey model. Stochastic Processes Appl. 108: 93-107.
Tornatore, E., Buccellato, S. M. (2007). On a stochastic SIR model. Applicationes Mathematicae 34: 389-400.
Tuckwell, H. C. (1974). A study of some diffusion models of population growth. Theoret. Popul. Biol. 5: 345-
357.
69 O u t o n o d e 2 0 0 8
Estatstica Jubilar, Braumann, C. A., Infante, P., Oliveira, M. M., Alpzar-Jara, R., Rosado, F. (eds).
Edies SPE, Lisboa p. 133-142.
Carlos, C., Braumann, C. A. (2006). Tempos de extino para populaes em ambiente aleatrio e clculos de
It e Stratonovich. Em Cincia Estatstica, Canto e Castro, L., Martins, R. G., Rocha, C., Oliveira, M.
F., Leal, M. M., Rosado, F. (eds), Edies SPE, Lisboa, p. 229-238.
Crow, J. F., Kimura, M. (1970). An Introduction to Population Genetics Theory. Harper and Row, New York.
Filipe, P.A., Braumann, C.A. (2008). Modelling individual animal growth in random environments. In Proc.
23d International Workshop on Statistical Modelling, Eilers, P. H. C. (ed.), p. 232-237.
Filipe, P.A., Braumann, C. A. (2007). Animal growth in random environments: estimation with several paths.
Bull. Internat. Statistical Inst. LXII (Proc. 56th Session of the ISI, electronic publication, printed
version of the journal in press).
Filipe, P.A., Braumann, C.A., Roquete, C.J. (2007a). Modelos de crescimento de animais em ambiente
aleatrio. Em Estatstica Cincia Interdisciplinar, Ferro, M.E., Nunes, C., Braumann, C.A. (eds.),
Edies SPE, Lisboa, p. 401-440.
Filipe, P.A., Braumann, C.A., Roquete, C.J. (2007b). Crescimento individual em ambiente aleatrio: vrias
trajectrias. Em Actas do XV Congresso Anual da Sociedade Portuguesa de Estatstica, Edies SPE,
Lisboa (aceite para publicao).
Garcia, O., (1983). A stochastic differential equation model for the height of forest stands. Biometrics 39: 1059-
1072.
Gleit, A. (1978). Optimal harvesting in continuous time with stochastic growth. Math. Biosci. 41: 112-123.
Goel, N. S., Richter-Dyn, N. (1974). Stochastic Models in Biology. Academic Press, N. Y.
Kiester, A. R., Barakat, R. (1974). Exact solutions to certain stochastic differential equation models of
population growth. Theoret. Popul. Biol. 6: 199-216.
Lange, R., Engen, S. e Sther, B.-E. (2003). Stochastic Population Dynamics in Ecology and Conservation.
Oxford University Press, Oxford.
Levins, R. (1969). The effect of random variations of different types on population growth. Proc. Natl. Acad.
Sci. USA 62: 1061-1065.
Lungu, E. M., ksendal, B. (1997). Optimal harvesting from a population in a stochastic crowded environment.
Math. Biosci. 145: 47-75.
May, R. M. (1973). Stability in randomly fluctuating versus deterministic environments. Amer. Natur. 107:
621-650.
May, R. M., Beddington, J. R., Horwood, J. H. Shepherd, J. G. (1978). Exploiting natural populations in an
uncertain world. Math. Biosci. 42: 219-252.
ksendal, B. (2003). Stochastic Differential Equations. An Introduction with Applications. (6
th
edition).
Springer, Berlin.
Picchini, U., Ditlevsen, S., De Gaetano, A. (2006). Modeling the euglycemic hiperinsulinemic clamp by
stochastic differential equations. J. Math. Biol. 53: 771-796.
Ricciardi, L. M. (1977). Diffusion Problems and Related Topics in Biology. Lecture Nores in Biomathematics
14, Springer, Berlin.
Roughgarden, J. (1975). A simple model for population dynamics in stochastic environments. Amer.Natur. 109:
713-736.
Rudnicki, R. (2003). Long-rime behaviour of a predator-prey model. Stochastic Processes Appl. 108: 93-107.
Tornatore, E., Buccellato, S. M. (2007). On a stochastic SIR model. Applicationes Mathematicae 34: 389-400.
Tuckwell, H. C. (1974). A study of some diffusion models of population growth. Theoret. Popul. Biol. 5: 345-
357.
Cincia Estatstica
Livros
Artigos Cientfcos Publicados
Beirlant, B., Figueiredo, F., Gomes, M.I. and Vandewalle, B. (2008). Improved reduced bias tail index
and quantile estimators. J. Statistical Planning and Inference 138, 1851-1870,
DOI:10.1016/j.jspi.2007.07.015, 2007.
Braumann, C. A. (2008). Growth and extinction of populations in randomly varying environments.
Computer & Mathematics with Applications 56: 631-644.
Braumann, C. A. (2007). It versus Stratonovich calculus in random population growth. Mathematical
Biosciences 206: 81-107.
Braumann, C. A. (2007). Harvesting in a random environment: It or Stratonovich calculus? J.
Theoretical Biology 244: 424-432.
Caeiro, F. and Gomes, M.I. (2008). Minumum-variance reduced-bias tail index and high quantile
estimation. Revstat 6:1, 1-20.
Ferreira, M. and Canto e Castro, L. (2008). Tail and dependence behavior of levels that persist for a
fixed period of time. Extremes 11;2, 113-133, DOI: 10.1007/s10687-007-0046-y, 2007.
Gomes, M.I. Canto e Castro, L., Fraga Alves, M.I., and Pestana, D. (2008). Statistics of extremes for
iid data and breakthroughs in the estimation of the extreme value ndex: Laurens de Haan leading
contributions. Extremes 11:1, 3-34, DOI: 10.1007/s 10687-007-0048-9, 2007.
Gomes, M.I., de Haan, L. and Henriques Rodrigues, L. (2008). Tail Index estimation for heavy-tailed
models: accommodation of bias in weighted log-excesses. J. Royal Statistical Society B70, Issue 1,
31-52, DOI: 10.1111/j.1467-9869.2007.00620.x, 2007.
Gomes, M. I., L. Henriques Rodrigues, B. Vandewalle and C. Viseu (2008). A Heuristic Adaptive
Choice of the Threshold for Bias-Corrected Hill Estimators. J. Statist. Comput. and Simulation
78:2, 133-150, DOI: 10.1080 / 10629360600954000, 2007.
Gomes, M.I. and Neves, C. (2008). Asymptotic comparison of the mixed moment and other extreme
value index estimators. Statistics and Probability Letters, Vol 78:6 pp 643-653, 2008, DOI:
10.1016/j,spl.2007.07.026, 2007.
Gomes, M.I., Hall, A. e Miranda, C. (2008). Subsampling techniques and the Jackknife methodology
in the estimation of the extremal index. J. Comput. Statist. And Data Analysis 52:4, 2022-2041,
DOI: 1016 / j.csda.2007.06.023, 2007.
de Haan, L. and Zhou, C. (2008). On extreme value abalysis of a spatial process. Revstat 6:1, 71-81.
Martins, A., Ferreira, H. and Pereira, L. (2008). Multidimensional outlier-proneness of dependent data
and the extremal index. Statistical Methodology 5, 72-82.
Neves, C. and Fraga Alves, M.I. (2008). Testing extreme value conditions - an overview and recent
approaches. Revstat 6:1, 83-100.
Editora: Sociedade Portuguesa de Estatstica Ano: 2008
Ttulo: Anlise de Dados Espaciais
Autoras: M. Luclia Carvalho e Isabel C. Natrio
Ttulo: Estatstica - da teoria prtica. Actas do XV Congresso Anual da SPE.
Editores: M. M. Hill, M. A. Ferreira, J. G. Dias, M. F. Salgueiro, H. Carvalho, P. Vicente e C.
Braumann.
71 O u t o n o d e 2 0 0 8
Teses de Doutoramento
Ttulo: Estabilidade em Anlise Conjunta de Regresses e Conduo Dinmica de Planos de
Melhoramento
Autor: Amlcar Manuel do Rosrio Oliveira, aoliveira@univ-ab.pt
Orientador: Joo Tiago Mexia
A minha tese incide sobre a anlise conjunta de regresses, ACR, tcnica que tem sido utilizada na
anlise conjunta de ensaios para a avaliao e comparao de cultivares. Inicialmente a tcnica foi
utilizada para ensaios sempre com os mesmos cultivares, sendo posteriormente estendida conduo
de planos de melhoramento.
A aplicao da tcnica consistia at agora, no ajustamento de regresses lineares da produo numa
varivel no observvel, designada por ndice ambiental, que mede a capacidade produtiva.
Neste estudo procedeu-se extenso da aplicao da tcnica ACR, na medida em que passamos duma
anlise clssica na qual se tem apenas em ateno a produo de cada cultivar - para o caso alargado
em que se considera o valor econmico.
Foi usada a tcnica da quase-normalidade multiplicativa, onde atravs das simulaes efectuadas foi
possvel concluir que o produto de duas variveis normais independentes, uma das quais com baixo
coeficiente de variao, aproximadamente normal. Estes resultados permitiram tirar concluses
importantes tendo em vista a aplicao prtica.
estabelecida a aplicao da tcnica da ACR completada, considerando-se a informao adicional.
A tcnica desenvolvida foi aplicada ao plano portugus de melhoramento de aveia (1984-2004).
Amlcar Oliveira
Ttulo: O Papel de Distribuies Condicionalmente Especificadas em Estatstica Bayesiana
Autora: Elisete Correia, ecorreia@utad.pt
Orientadora: Maria Antnia Amaral Turkman
Na minha tese, tendo como motivao os trabalhos de Arnold, Castillo e Sarabia (1997) sobre a
especificao da distribuio conjunta de vectores aleatrios bidimensionais atravs das distribuies
condicionadas e os trabalhos de Berger e Bernardo (1974) sobre a especificao de distribuies a
priori de referncia, comparamos as distribuies a posteriori marginais para um parmetro de
interesse, obtidas por estes mtodos e pelo mtodo de Jeffreys. Consideramos diferentes modelos e
diferentes parmetros de interesse, nomeadamente, razo de disperses, razo de mdias e razo de
propores.
Argumentando que a eliciao a priori deve ser feita sobre o parmetro de interesse e no sobre os
parmetros iniciais indexadores do modelo, comparamos os resultados obtidos para a distribuio a
posteriori marginal do parmetro de interesse, quando esses dois tipos de eliciao so considerados.
Na sequncia do nosso estudo encontramos vrias distribuies que, tanto quanto sabemos, no
costumam ser mencionadas na literatura. Esto neste caso a distribuio a posteriori marginal
resultante da razo de duas distribuies normais independentes com parmetros distintos, isto no
identicamente distribudas, a distribuio a posteriori marginal resultante da razo de duas
distribuies Student no centrais independentes, no identicamente distribudas, a distribuio a
posteriori marginal resultante da razo de betas independentes com ambos os parmetros distintos e a
distribuio a posteriori condicional para o parmetro perturbador, cujo ncleo o da funo
integranda da representao integral da funo hipergeomtrica.
Surgiram ainda verses ponderadas de certas distribuies (normal e Student) com funo de
ponderao |x|.
Elisete Correia
Trabalho classificado em 1 lugar (Ensino Secundrio)
Ttulo: Exames Nacionais do 9 ano
Autoria: Mariana Pinto Marques, Marta Isabel Nunes Vieira Fernandes e Rui Tavares Godinho
Estabelecimento de Ensino: Escola Secundria do Entroncamento
Ano de Escolaridade: 10 Ano
Professor orientador: Dulce Marina Bugalho Monteiro
Trabalhos classificados em 2 lugar (ex quo) (Ensino Secundrio)
Ttulo: Como melhorar a educao nos prximos anos
Autoria: Vanda Catarina Ribeiro Gameiro, Ana Catarina Morgado e Ctia Sofia Guedes Pinto
Ttulo: Caracterizao scio-econmica dos alunos desta escola
Autoria: Ricardo Simes e Vtor Pereira
Estabelecimento de Ensino: Escola EB/S Padre Martins Capela, Terras de Bouro
Professor orientador: Patrcia Alexandra da Silva Ribeiro Sampaio
Ttulo: Aplicando a distribuio bidimensional Estudo da relao entre a CIF e a CE na disciplina de
Matemtica A do 12 Ano
Autoria: Duarte Jos Baptista Pereira Alves e Dinis Cambraia Lopes Sarmento Pereira
Estabelecimento de Ensino: Escola Secundria Carlos Amarante-Braga
Professor orientador: Tom Antnio Mendes Torres
Trabalho classificado em 2 lugar (Ensino Bsico)
Ttulo: Hbitos alimentares dos alunos de 9 ano da Escola Artur Gonalves
Autoria: Ins Oliveira Pedro dos Santos, Leonor Oliveira Pedro e Ana Beatriz Correia Lopes
Estabelecimento de Ensino: Escola Artur Gonalves, Torres Novas
Professor orientador: Teresa de Jesus Poo Isabel
Ttulo: Segurana na nossa Escola
Autoria: Catarina Mafalda Correia da Costa e Vernica Panea
Estabelecimento de Ensino: Escola Bsica Integrada da Mexilhoeira Grande
Professor orientador: Clara Maria Loureno Marqus
PRMIOS ESTATSTICO JNIOR 2008
PRMIOS ESTATSTICO JNIOR 2008
Ttulo: Exames Nacionais do 9 ano
Autoria: Mariana Pinto Marques, Marta Isabel Nunes Vieira Fernandes e Rui Tavares Godinho
Trabalhos classificados em 2 lugar (ex quo) (Ensino Secundrio)
Ttulo: Como melhorar a educao nos prximos anos
Autoria: Vanda Catarina Ribeiro Gameiro, Ana Catarina Morgado e Ctia Sofia Guedes Pinto
Ttulo: Caracterizao scio-econmica dos alunos desta escola
Autoria: Ricardo Simes e Vtor Pereira
Estabelecimento de Ensino: Escola EB/S Padre Martins Capela, Terras de Bouro
Professor orientador: Patrcia Alexandra da Silva Ribeiro Sampaio
Ttulo: Aplicando a distribuio bidimensional Estudo da relao entre a CIF e a CE na disciplina de
Matemtica A do 12 Ano
Autoria: Duarte Jos Baptista Pereira Alves e Dinis Cambraia Lopes Sarmento Pereira
Estabelecimento de Ensino: Escola Secundria Carlos Amarante-Braga
Professor orientador: Tom Antnio Mendes Torres
Ttulo: Hbitos alimentares dos alunos de 9 ano da Escola Artur Gonalves
Autoria: Ins Oliveira Pedro dos Santos, Leonor Oliveira Pedro e Ana Beatriz Correia Lopes
Estabelecimento de Ensino: Escola Artur Gonalves, Torres Novas
Professor orientador: Teresa de Jesus Poo Isabel
Ttulo: Segurana na nossa Escola
Autoria: Catarina Mafalda Correia da Costa e Vernica Panea
Estabelecimento de Ensino: Escola Bsica Integrada da Mexilhoeira Grande
Professor orientador: Clara Maria Loureno Marqus
EXAMES NACIONAIS DE 9 ANO
MATEMTICA
LNGUA PORTUGUESA
Lngua Portuguesa/Matemtica
35
9
0
5
10
15
20
25
30
35
40
Sim No
6- Achas que durante o ano foste bem preparado?

Est aberto, at 15 de Junho de 2008, o concurso para atribuio
do Prmio SPE 2008, de acordo com o seguinte regulamento:
1. Pretendendo dar destaque ao XVI Congresso Anual da SPE, a principal reunio
cientiIica organizada pela Sociedade Portuguesa de Estatistica, e instituido o
Prmio SPE 2008.
2. Este premio destina-se a estimular a actividade de estudo e investigao cientiIica
em Probabilidade e Estatistica entre os jovens que trabalham nestas areas.
3. O Prmio SPE 2008 e constituido por uma quantia de 1000 euros.
4. Ao Prmio SPE 2008 podem concorrer trabalhos originais sobre temas de
Probabilidade e Estatistica, desde que no tenham sido objecto de qualquer
premio atribuido por outra instituio.
5. Os candidatos ao Prmio SPE 2008 devem ser estudantes ou investigadores
em alguma instituio portuguesa ou bolseiros portugueses, devem ser socios
da SPE e no devem ter completado os 35 anos de idade ate 15 de Junho de
2008. Os candidatos no devem ter recebido o Premio SPE nas quatro edies
anteriores.
6. O trabalho deve ser escrito em portugus e no podera exceder 25 paginas A4.
7. As candidaturas, o trabalho concorrente e o curriculum vitae do candidato,
devero ser dirigidas ao Presidente da SPE, em carta registada, para a morada
abaixo indicada. O carimbo do correio validara a data de entrega.
8. A admissibilidade e a apreciao dos trabalhos submetidos a concurso e da
competncia de um juri, cuja constituio sera da responsabilidade da Direco
da SPE.
9. O juri e soberano nas suas decises, no havendo lugar a recurso.
10. O trabalho galardoado com o Prmio SPE 2008 sera apresentado pelo seu
autor/pela sua autora no XVI Congresso Anual da SPE e sera publicado nas
respectivas Actas.
11. A atribuio do Prmio SPE 2008 sera anunciada logo que conhecida a deciso
do juri e a sua entrega Iormal sera Ieita na Sesso de Encerramento do XVI
Congresso Anual da SPE.
12. O Prmio SPE 2008 podera no ser atribuido.
13. Havendo mais do que um candidato para a atribuio, em igualdade de condies,
tera preIerncia o candidato que apresentar melhor curriculum e, subsistindo a
igualdade, preIerira o candidato mais jovem.

Sociedade Portuguesa de Estatistica
Bloco C, Piso 4 - Campo Crande
1749-1 LISBOA
PRMIO SPE 2008
Abordagem por penetrncias allicas: uma nova modelao estatstica para a
anlise de fentipos binrios complexos
1
Nuno Seplveda, nunosep@igc.gulbenkian.pt
Instituto Gulbenkian de Cincia e CEAUL
Fentipos binrios complexos so o resultado de uma rede intrincada de factores genticos e
ambientais. Desta complexidade decorre a incerteza na expresso fenotpica para qualquer gentipo,
suscitando a considerao da probabilidade de um indivduo manifestar o fentipo dado o seu
gentipo, que na literatura gentica conhecida por penetrncia. Diversos modelos lineares
generalizados tm sido propostos para dissecar geneticamente este tipo de fentipos. Em geral, estes
modelos pressupem uma escala conveniente para a penetrncia e efeitos lineares dos genes em
estudo, seguindo de perto a filosofia dos populares modelos lineares para a anlise de fentipos
quantitativos. Contudo, estes modelos apresentam algumas lacunas em termos de interpretao
gentica: (i) os alelos que conferem o fentipo no so explicitamente especificados nos modelos; (ii)
a modelao de dominncia e recessividade no decorre de uma concepo biolgica desses conceitos;
(iii) a escolha da escala para a penetrncia obedece mais a critrios estatsticos do que biolgicos,
nomeadamente, o bom ajustamento de um modelo aos dados; (iv) os modelos no permitem por si s
extrair mecanismos genticos que possam explicar a herana do fentipo. Tais deficincias justificam
a necessidade premente de desenvolver novos modelos mais apropriados para a anlise de fentipos
binrios complexos [1].
Tentando suprir as deficincias enumeradas acima, prope-se a abordagem por penetrncias allicas
para modelar a penetrncia em populaes experimentais [2,3]. Nesta nova modelao, admite-se que
os alelos do gentipo tm uma probabilidade de se expressarem ao nvel do fentipo. Deste modo,
vrios modelos de aco gentica podem ser facilmente obtidos por diferentes condies de expresso
allica. Neste trabalho revem-se os modelos de penetrncia allica propostos para fentipos binrios
complexos, nomeadamente, os modelos de dominncia e recessividade para a aco de um gene, e os
modelos de aco independente, inibitria e cumulativa para dois genes. A sua anlise estatstica
processa-se segundo mtodos bayesianos, no s por serem teoricamente coerentes e permitirem a
incorporao de informao a priori, mas tambm por estarem a tornar-se cada vez mais acessveis
aos geneticistas. Dois exemplos de aplicao so apresentados: um referente aco do hapltipo
[HLA-B8,SC01,DR3] na herana gentica das deficincias de imunoglobulinas D e G4 numa
populao caucasiana, e um outro relacionado com a aco de dois loci no controlo da susceptibilidade
infeco por Listeria monocytogenes em murganhos.
Referncias:
[1] Cordell, H., Todd, J., Hill, N., Lord, C., Lyons, P., Peterson, L., Wicker, L. and Clayton, D. (2001).
Statistical Modeling of Interlocus Interactions in a Complex Disease: Rejection of the Multiplicative
Model of Epistasis in Type I Diabetes. Genetics 158:357-367.
[2] Seplveda, N. (2004). Modelos estatsticos para a aco conjunta de dois loci em fentipos
binrios complexos. Tese de Mestrado, Departamento de Matemtica, Instituto Superior Tcnico.
[3] Seplveda, N., Paulino, C. D., Carneiro, J. and Penha-Gonalves, C. (2007). Allelic penetrance
approach as a tool to model two-locus interaction in complex binary traits. Heredity 99:173-184.
Nuno Seplveda, galardoado com o prmio SPE 2008, licenciou-se em Matemtica Aplicada e Computao (ramo de
Probabilidades e Estatstica) pelo Instituto Superior Tcnico. Mestre em Matemtica Aplicada pela mesma instituio sob a
superviso do Professor Doutor Carlos Daniel Paulino, encontra-se no Instituto Gulbenkian de Cincia a terminar o
doutoramento em Cincias Biolgicas, sob a orientao do Professor Doutor Jorge Carneiro. docente convidado na
Escola Superior de Sade Egas Moniz e no Instituto Superior de Cincias da Sade Egas Moniz.

1
Trabalho financiado pelo Instituto Gulbenkian de Cincia e pela Fundao para a Cincia e Tecnologia (Bolsa de
Doutoramento SFRH/BD/19810).
1
Referncias:

1
1
Referncias:

1
1
Referncias:

1
1
Referncias:

1

Boletim Spe Outono 08

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Boletim Spe Outono 08

Enviado por

Direitos autorais:

Formatos disponíveis

Publicao semestral Outono de 2008

Sries temporais e deciso dinmica

), > 0, ent ao existe

< +. Ent ao, para n sucientemente grande,

exp (log n) . (5)

), > 0, ent ao existe

< +. Ent ao, para n sucientemente grande,

exp (log n) . (5)

Você também pode gostar