English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Um modelo de predição do preço da celulose foi ajustado usando-se o tempo e o preço defasado como co-variáveis. A partir das estimativas dos parâmetros obtidas, foram propostas 48 possíveis tendências futuras para o preço da celulose. Posteriormente, três métodos de simulação foram usados para predizer os valores futuros definidos pelas várias tendências: M1Þ Pcel.f = µ; M2 Þ Pcel.f = µ + épsilonf, e M3 µf + épsilonf, em que m é a parte sistemática do modelo, e e f corresponde ao componente estocástico. Para as simulações foram usados o método de Monte Carlo e a distribuição triangular. Para comparar os valores simulados pelos três métodos com os conhecidos valores futuros nas várias tendências, foi usada a diferença relativa média entre os valores. No caso da ausência de tendência, os métodos M1 e M2 foram satisfatórios, apesar de o método M2 incluir distúrbios ao redor da média. No caso de haver tendência real, o método M3 teve a melhor "performance", mesmo sendo influenciado pela acurácia na predição da tendência. A cellulose price prediction model was adjusted using time and lagged price as covariates. From the model parameter estimates, 48 possible trends were proposed for future cellulose price. Following, three simulation methods were used to predict the future values defined by the various trends: M1Þ Pcel.f = µ; M2 Þ Pcel.f = µ + epsilonf, e M3 µf + epsilonf, where m is the systematic part and e f is the stochastic component. The Monte Carlo method and a triangular distribution were used for the simulation. To compare the values simulated by the methods and the future values of the various trends, the Average Relative Difference was used. In case of no trend, M1 and M2 were satisfactory, although M2 included disturbances around the mean. In the case of a real trend, M3 had the best performance, though it was influenced by the accuracy in the predicted trend

Uma proposta para a geração de amostras aleatórias nos problemas de simulação em modelos de planejamento