0% acharam este documento útil (0 voto)

396 visualizações5 páginas

PT Python Trabalho 2122-2

Este documento apresenta um modelo input-output para analisar o impacto de alterações na procura final sobre a produção e emissões de gases de efeito de estufa em diferentes setores da economia britânica. Inclui instruções para importar dados de tabelas input-output e intensidade carbónica de setores do Reino Unido, e define funções para calcular a matriz inversa de Leontief, impactos na produção, emissões e bem-estar resultantes de alterações na procura final por setor.

Enviado por

beab

Direitos autorais

Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.

Formatos disponíveis

Baixe no formato PDF, TXT ou leia on-line no Scribd

0% acharam este documento útil (0 voto)

396 visualizações5 páginas

PT Python Trabalho 2122-2

Enviado por

beab

Direitos autorais

Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.

Formatos disponíveis

Baixe no formato PDF, TXT ou leia on-line no Scribd

Você está na página 1/ 5

Trabalho de Python

• Os grupos são compostos por 4 elementos.

• O ficheiro com a resolução deve ser enviado, via Moodle até às 23h59min (hora
portuguesa) do dia 12 de Dezembro de 2021. Cada grupo envia apenas um ficheiro
do tipo .py. O nome do ficheiro deve ser o número de aluno do aluno que submete o
ficheiro, por exemplo, 12345.py.

• O ficheiro deve ter a estrutura:

# Group: <student number1, student number2; … >

# a)
<código>

# b)
<código>

# c)
<código>

# d)
<código>

• Critérios gerais de correção:

o Código não executa: 0 pontos
o Envio do ficheiro depois do prazo: 0 pontos
o Generalidade do código
o Código bem organizado
o Eficiência do código
o Soluções criativas

Nova SBE, Algebra Linear com Python 1

1. Modelo input-output com gases de efeito de estufa (GEE)
O Instituto Nacional de Estatísticas Britânico (ONS) produz tabelas sumário input-output com
10 sectores. Os sectores são: Agricultura [A], Produção [B-E], Construção [F], Distribuição,
transportes, hotelaria e restaurantes [G-I], Informação e comunicação [J], Serviços financeiros
e seguros [K], Imobiliário [L], Serviços profissionais e de suporte [M-N], Governo, saúde e
educação [O-Q], Outros serviços [R-T]. Entre parênteses rectos estão os códigos dos sectores,
usados para agregar os dados.
A partir do link:
https://www.ons.gov.uk/economy/nationalaccounts/supplyandusetables/datasets/inputoutputs
upplyandusetablessummarytables
o ficheiro ‘bb21a10summarytables.xlsx’ pode ser descarregado. Este ficheiro contém dados
de input output para o Reino Unido, em milhões de £, para os anos 1997 a 2019. Descarregue
o ficheiro e adapte o código em baixo para importar os dados para trabalhar em Python. O
código usa o módulo Pandas para importar a tabela input output de consumo intermédio por
sector de 2019, e cria dois arrays: um array 2D com a tabela de input-output, z, e um vetor
(array 1D) com o output por sector, x. 1 Mude a variável path, para o local no seu
computador onde foi descarregado o ficheiro. Um exemplo em Windows é,
path = ‘C:/Users/somename/Downloads/bb21a10summarytables.xlsx’.

>>> import pandas as pd

>>> import numpy as np
>>> path = '/Users/somename/Downloads/bb21a10summarytables.xlsx'
>>> # Input output table
>>> df = pd.read_excel(path,
sheet_name = 22,
usecols = "C:L",
header = None,
skiprows = 52,
nrows = 10)
>>> z = np.array(df,dtype = float) # £ million

>>> # Output por sector

>>> dfx = pd.read_excel(path,
sheet_name = 22,
usecols = "C:L",
header = None,
skiprows = 75,
nrows = 1)
>>> x = np.array(dfx, dtype = float)[0] # £ million

Em muitos casos, o valor monetário da produção de cada sector, pode não ser o indicador
mais adequado para quantificar o impacto de uma alteração da procura. Neste trabalho
estamos também interessados nos impactos em termos de emissões de gases de efeito de
estufa (GEE), medidos em emissões de CO2. Estas emissões podem ser incluídas no modelo

1
Veja o link (https://pandas.pydata.org/docs/reference/api/pandas.read_excel.html) para uma descrição
das opções da função read_excel.

Nova SBE, Algebra Linear com Python 2

input output, sabendo para cada sector a intensidade de emissões de GEE, i.e., a quantidade
de CO2 emitida por unidade de produção de cada sector.
Os dados de intensidade de GEE de cada sector, para os anos 1997 a 2019, em milhares de
toneladas de CO2 / milhões de £, podem ser obtidos do ficheiro ‘ghgintensity_uk.xlsx’,
disponível no moodle. Este ficheiro foi preparado a partir do ficheiro que pode ser obtido do
link em rodapé. 2. Adapte o código seguinte para importar os dados para trabalhar em Python.

>>> pathe = '/Users/somename/Downloads/ghgintensity_uk.xlsx'

>>> dfem = pd.read_excel(pathe,
sheet_name = 0,
usecols = "B:X",
skiprows = 1,
header = None,
nrows = 10)
>>> E = np.array(dfem, dtype = float) #Thousand tonnes CO2 /£ million

Escreva código para justificar as respostas às perguntas seguintes. Escreva o código de modo
a ser possível aplicar a matrizes input output com um qualquer número de sectores.
a) Crie a função coef_mat(z, x), que, dado um array com uma tabela input output z,
e um array x, com o vetor de produção de cada sector, devolve um array com a matriz
dos coeficientes técnicos. Encontre a matriz dos coeficientes técnicos de 2019. Em
baixo é apresentado um exemplo para uma economia com dois sectores.

>>> z = np.array([[3, 2],

[1, 4]]) # £ million
>>> x = np.array([10, 10]) # £ million
>>> coef_mat(z, x)
array([[0.3, 0.2],
[0.1, 0.4]])

b) Se 𝐴 é a matriz dos coeficientes técnicos, a matriz inversa de Leontief pode ser

aproximada pela série de potências,
𝐼 + 𝐴 + 𝐴! + 𝐴! + ⋯ + 𝐴! .
Quando 𝑚 aumenta, 𝐴! tende para zero e a série converge para a matriz inversa de
Leontief. Crie a função leon(a, dif = 1e-6), que, dado um array com a matriz
dos coeficientes técnicos a, devolve um array com a matriz inversa de Leontief. Esta
matriz é obtida quando, adicionando mais um termo à séries de potências, a variação
de cada entrada da matriz foi menor do que dif. Aplique a função leon e encontre a
matriz inversa de Leontief para 2019.
Crie a função impact_output(a) que dada uma matriz dos coeficientes técnicos a,
devolve uma lista em que cada elemento é a alteração de produção da economia que
resulta de um aumento unitário da procura de um bem. Qual o sector para o qual um

2
https://www.ons.gov.uk/economy/environmentalaccounts/datasets/ukenvironmentalaccountsatmosphe
ricemissionsgreenhousegasemissionsintensitybyeconomicsectorunitedkingdom

Nova SBE, Algebra Linear com Python 3

aumento unitário pela procura do seu bem, gera o maior impacto na produção da
economia?

>>> a = coef_mat(z, x)
>>> np.round(leon(a), 2)
array([[1.5 , 0.5 ],
[0.25, 1.75]])

>>> np.round(impact_output(a), 2)
array([1.75, 2.25])

>>> # Qual o sector que gera o maior impacto na produção da economia?

>>> maximp(a)
'Sector 2'

No exemplo acima, criámos uma função maximp(a), que dada uma matriz dos
coeficientes técnicos a, devolve o sector com o maior impacto na produção da
economia.
c) Crie a função impact_ghg(a, ghg), que, dado um array com a matriz dos
coeficientes técnicos a e um vetor ghg com a intensidade de GEE de cada sector, em
milhares de toneladas de CO2 / milhões de £, devolve uma lista (em toneladas de
CO2 / £) com o aumento de emissões da economia que resulta de um aumento
unitário na procura de cada bem. Do exemplo abaixo, um aumento de 1 £ na procura
final pelo bem do sector 1, resulta na emissão de mais 0.003 toneladas de CO2.

>>> np.round(impact_ghg(a, E),3)

array([0.003, 0.009])

d) Defina a contribuição de cada sector para o bem estar da população como o output
menos o custo das emissões de GEE. Admita que o custo da tonelada de emissões de
GEE é o preço do CO2 no mercado de emissões do Reino Unido (UK Emissions
Trading System, i.e. UK ETS). Este mercado foi iniciado a 1 de Janeiro de 2021, e a
tonelada de CO2 tem sido transacionada a cerca de 50 £ / tonelada3. Crie a função
wellbeing(a, ghg, p = 50), que, dado um array com a matriz dos coeficientes
técnicos a, um array ghg com a intensidade energética e cada sector, e o preço das
emissões de CO2, p, em £ / tonelada, devolve uma lista com a contribuição para o
bem-estar (em £) que resulta do aumento unitário de cada bem. Qual o sector cujo
aumento unitário pela procura do seu bem, mais contribui para o bem-estar? Qual o
intervalo de preços do CO2 para o qual a resposta anterior não se altera? Assuma que
os preços são números inteiros e o preço máximo é 200 £ / tonelada.

>>> E = np.array([1, 5]) # Thousand tonnes CO2 / £ million

>>> np.round(wellbeing(a, E), 2)
array([1.61, 1.79])

3
https://www.ft.com/content/56e02d3d-8c31-4937-be50-60d4bf9342f7
https://ember-climate.org/data/carbon-price-viewer/

Nova SBE, Algebra Linear com Python 4

>>> # Qual o sector que mais contribui para o bem-estar?
>>> maxwell(a, E)
'Sector 2'

>>> # Qual o intervalo de preços do CO2 para o qual a resposta anterior

não muda?
>>> price_range(a, E)
[0, 76]

>>> # Só para confirmar...

>>> maxwell(a, E, p = 77)
'Sector 1'

No exemplo acima, criámos a função maxwell(a, ghg, p = 50), que, dado um

array com a matriz dos coeficientes técnicos a, um vetor ghg com a intensidade
energética de cada setor e o preço p das emissões de CO2 de 50 £ / tonelada, devolve
o sector em que um aumento unitário pela procura final do seu bem resulta no maior
impacto no bem-estar. Criámos também a função price_range(a, ghg), para
devolver uma lista com o intervalo de preços pretendido.
Do exemplo, vemos que um aumento unitário da procura final do bem 2 aumenta em
1.79 £ o bem estar da população. Vemos ainda que o sector 2 é o que mais contribui
para o bem estar se o preço do CO2 for inferior a 77 £ / tonelada. Quando o preço do
CO2 é 77 £ / tonelada, ou maior, o sector 1 é o que mais contribui para o bem-estar.

PT Python Trabalho 2122-2

Enviado por

PT Python Trabalho 2122-2

Enviado por

Trabalho de Python

• Os grupos são compostos por 4 elementos.

• O ficheiro deve ter a estrutura:

# Group: <student number1, student number2; … >

• Critérios gerais de correção:

Nova SBE, Algebra Linear com Python 1

>>> import pandas as pd

>>> # Output por sector

Nova SBE, Algebra Linear com Python 2

>>> pathe = '/Users/somename/Downloads/ghgintensity_uk.xlsx'

>>> z = np.array([[3, 2],

b) Se 𝐴 é a matriz dos coeficientes técnicos, a matriz inversa de Leontief pode ser

Nova SBE, Algebra Linear com Python 3

>>> # Qual o sector que gera o maior impacto na produção da economia?

>>> np.round(impact_ghg(a, E),3)

>>> E = np.array([1, 5]) # Thousand tonnes CO2 / £ million

Nova SBE, Algebra Linear com Python 4

>>> # Qual o intervalo de preços do CO2 para o qual a resposta anterior

>>> # Só para confirmar...

No exemplo acima, criámos a função maxwell(a, ghg, p = 50), que, dado um

Nova SBE, Algebra Linear com Python 5

Você também pode gostar