UNIVERSIDADE FEDERAL DE MATO GROSSO

INSTITUTO DE FÍSICA
PROGRAMA DE PÓS-GRADUAÇÃO EM FÍSICA AMBIENTAL

MÉTODOS ESTATÍSTICOS EM FÍSICA AMBIENTAL II

AULA EXPERIMENTAL
ANÁLISE DE SÉRIES TEMPORAIS: SÉRIES DE FOURIER E ARIMA.
Discentes: Andréia Tavares, Erondina Azevedo e Stéfano Silva.
Prof. Dr. Carlo Ralph de Musis.

SÉRIES DE FOURIER
I. Utilizando Microsoft Excell® para Transformada de Fourier (FFT).

1. Vamos gerar um sinal cossenoidal de 2 Hz, amostrado num intervalo de tempo

Δt=0,1, durante 6,3 segundos de modo a obter 64 dados. Para tal, use a seguinte
fórmula:
=COS(2*PI()*f*t)

2. Faça um gráfico deste sinal em função do tempo.

3. Transforme a coluna tempo em freqüência. A fórmula é:

=freqüência anterior+(1/64*0,1)*100

4. Vamos calcular a FFT deste sinal. (Dados - Análise de dados- Análise de

Fourier).

5. Seus dados de entrada será o sinal gerado pela fórmula; o intervalo de saída pode
ser a próxima célula na frente de seus dados.

6. A FFT calculada será mostrada no formato de números complexos, para

transformar em reais, utilize a seguinte fórmula:
=IMABS(selecione a célula)
7. Faça o gráfico da FFT em função da freqüência e verifique se 2Hz é realmente a
freqüência dominante deste sinal.

8. Vamos “bagunçar” um pouco este sinal adicionando um ruído branco. Utilize a

fórmula abaixo:
=COS(2*PI()*f*t)*2*aleatorio()

9. Agora calcule a FFT para este sinal. Utilize os passos 4, 5 e 6.

10. Faça o gráfico da FFT em função da freqüência e verifique qual a diferença entre
os dois gráficos gerados.

II. Utilizando fourier.exe para cálculo dos coeficientes da série de Fourier.

1. Salve o sinal com ruído do exemplo anterior no bloco de notas com o nome
“ruido” na pasta Fourier no disco local c:. Não esqueça de substituir “,” por
ponto “.” em seu arquivo.
2. Abra o aplicativo Fourier.exe que está na pasta Fourier no disco local c:.
3. Digite o nome do arquivo com a extensão .txt (ex:. ruido.txt).
4. Digite o número de dados a ser lido (64, no nosso exemplo).
5. Na pasta Fourier será criado um arquivo com o resultado. Abra-o e cole o
resultado numa planilha do Microsoft Excell®. Não esqueça de trocar agora “.”
por vírgula “,”.
6. Faça um gráfico dos coeficientes calculados e verifique a frequência dominante
de 2Hz do sinal com ruído.
7. Qual a diferença dessa análise para a anterior?
8. Analise agora os dados de temperatura mensal medido em janeiro de 2000 na
floresta de transição em Sinop, conforme os passos acima. Verifique quais os
períodos dominantes desse sinal mensal.
III. Utilizando MATLAB® para Transformada de Fourier (FFT).

1. Primeiro, crie alguns dados. Considere os dados amostrados em 1000 hertz.

Comece pela formação de um eixo do tempo para os nossos dados, executando a
partir de t = 0 até t =0. 25 em passos de 1 milissegundo. Em seguida, formar um
sinal, x, contendo ondas senoidais em 50 Hz e 120 Hz.

t = 0:.001:.25;
x = sin(2*pi*50*t) + sin(2*pi*120*t);

2. Adicione um pouco de ruído aleatório, com desvio padrão de 2 para produzir um

sinal ruidoso y. Dê uma olhada neste y sinal ruidoso traçando-o.

y = x + 2*randn(size(t));
plot(y(1:50))
title('Noisy time domain signal')

3. Claramente, é difícil identificar as componentes de freqüência somente olhando

para este sinal, é por isso que a análise espectral é tão popular.
Vamos calcular a Transformada rápida de Fourier (FFT) deste sinal.

Y = fft(y,251);

4. Calcule a densidade espectral de potência, uma medida da energia em diferentes

frequências, utilizando o complexo conjugado (CONJ). Forme um eixo de
freqüência para os primeiros 127 pontos e utilize-os para traçar o resultado. (O
restante dos pontos são simétricos.)

Pyy = Y.*conj(Y)/251;
f = 1000/251*(0:127);
plot(f,Pyy(1:128))
title('Power spectral density')
xlabel('Frequency (Hz)')
 ARIMA

I. Utilizando STATISC 8.0 para o modelo ARIMA (0,1,0)

1. No processo de identificação busca-se determinar a ordem de (p,d,q).
2. Estimativa
3. Previsão

II. Utilizando o MINITAB para o modelo ARIMA

1. Identificação
2. Estimativa

III. Utilizando o PAST para o modelo ARMA

1. Identificação
2. Estimativa