MODELO ARIMA COM O PACOTE FORECAST
|
|
- Alexandre Lopes Azevedo
- 7 Há anos
- Visualizações:
Transcrição
1 MODELO ARIMA COM O PACOTE FORECAST 1. INTRODUÇÃO Neste documento iremos mostrar como trabalhar o modelo ARIMA utilizando um pacote do R, (forecast) que permite a escolha de um modelo de forma automática. Este mesmo pacote permite efetuar previsões e o cálculo das principais medidas dos erros de previsão. Para complementar é feita a análise dos resíduos do modelo e plotados dois gráficos, sendo o primeiro da série original com as previsões, e o segundo da série original com as predições. É o mesmo pacote utilizado para suavização exponencial. Palavras-chave: Pacote forecast, modelo arima, previsão Comandos: tsdisplay( ) auto.arima( ) accuracy ( ) forecast ( ) seqplot.ts ( ) 2. PACOTE FORECAST O pacote forecast foi desenvolvido por Rob J Hyndman. É um pacote bem completo tendo um grande número de funções para modelos de previsão. Havendo interesse consulte a página do autor direcionada a este pacote: Este documento focalizará apenas o modelo Arima. Mesmo para este modelo nem tudo o que o R permite está descrito a seguir. Procurou-se escrever este documento para que o mesmo se torne de fácil entendimento ao acadêmico ou engenheiro que está entrando em contato pela primeira vez com estas ferramentas. 3. USANDO DADOS DO PRÓPRIO R Novamente para tornar mais simples o entendimento iremos explicar através do uso de exemplos. Em todos eles será utilizado um conjunto de dados que está no próprio R: WWWusage. É uma série temporal com 100 elementos que corresponde ao número de usuários conectados a Internet num servidor a cada minuto. O R dispõe de vários conjuntos de dados, que são amplamente utilizados no exemplos da ferramenta de ajuda. Para carregar os dados é só digitar WWWusage na tela do R. > WWWusage Informações sobre a série podem ser obtidas digitando-se?wwwusage ou help(wwwusage).
2 4. MODELO ARIMA O próximo passo, antes da construção do modelo, é plotar gráficos da série, de autocorrelação e autocorrelação parcial. Os gráficos nos fornecem uma idéia geral do comportamento dos dados. Vamos utilizar o comando tsdisplay ( ),um dos recursos do R para este fim. EXEMPLO 1: Aplicando aos dados, verifique que o R retorna o gráfico da série original e os gráficos acf e pacf (Figura 1). tsdisplay(wwwusage) WWWusage ACF PACF Lag Lag Figura 1: Gráficos resultantes da função tsdisplay para os dados WWWusage. Percebe-se a presença de autocorrelação na série. É possível, com este pacote, aproximar de forma automática um modelo arima através do comando auto.arima ( ). Esta função retorna o melhor modelo Arima de acordo com os critérios de informação AIC, AICc ou BIC. A necessidade ou não de aplicar diferenças é feito pelo R. auto.arima(x, d = NA, D = NA, max.p = 5, max.q = 5, max.p = 2, max.q = 2, max.order = 5, start.p=2, start.q=2, start.p=1, start.q=1, stationary = FALSE, ic = c("aic","aicc", "bic"), stepwise=true, trace=false, approximation=length(x)>100 frequency(x)>12)
3 Onde x d D max.p max.q max.p max.q max.order start.p start.q start.p start.q stationary ic stepwise trace approximatio n Série temporal univariada Ordem das diferenças não sazonais. Se o valor não for dado é escolhido um com base no teste KPSS Ordem da diferença sazonal. Se o valor não for dado é escolhido um com base no teste Canova Hansen Máximo valor para p Máximo valor para q Máximo valor para P Máximo valor para Q Máximo valor para p+q+p+q se a seleção do modelo não for por stepwise Valor inicial para p no procedimento stepwise Valor inicial para q no procedimento stepwise Valor inicial para P no procedimento stepwise Valor inicial para Q no procedimento stepwise Se TRUE (verdadeiro), procura apenas modelos estacionários Critérios de informação a serem usados na seleção do modelo Se TRUE (verdadeiro), utilize o método stepwise para seleção. Caso contrário procura entre os todos os modelos, podendo ser demorado. Se TRUE (verdadeiro), são listados todos os modelos Arima possíveis. Se TRUE (verdadeiro), a estimação é baseada na soma de quadrados condicional e é feita uma aproximação do critério de informação usado na seleção do modelo. O modelo final ainda é computado usando estimação por máxima verossimilhança. Aproximações são usadas para séries muito longas (> 100) ou com frequência superior a 12. EXEMPLO 2: Vamos deixar que o R escolha o modelo Arima para os dados modelo=auto.arima(wwwusage) Obs: modelo é o nome que escolhemos para o objeto do R que corresponde ao modelo Arima. Ao digitar modelo o R retorna na tela o tipo de modelo, os parâmetros ar e ma, o erro padrão(sigma), a variância estimada, o coeficiente de máxima verossimilhança e os critérios de informação (AIC, AICc e BIC). Series: WWWusage ARIMA(1,1,1) Coefficients:
4 ar1 ma s.e sigma^2 estimated as 9.793: log likelihood = AIC = AICc = BIC = É possível escolher o modelo a ser ajustado. Por exemplo auto.arima (WWWusage, 1,1,1) retorna o mesmo modelo acima. Uma vez escolhido o método, recomenda-se calcular algumas medidas dos erros de previsão. A função accuracy ( ) retorna as usuais medidas dos erros de previsão: ME (erro médio), RMSE (erro quadrático médio), MAE (erro absoluto médio), MPE (erro médio percetual), MAPE (erro percentual absoluto médio) e MASE (raiz do erro absoluto médio). O R permite calcular estas medidas dentro e fora da amostra. A sintaxe pode ser vista a seguir: accuracy (objeto, x, test) onde: Objet o x test um objeto da classe forecast ou um vetor numérico com previsões Um vetor opcional contendo os valores reais com a mesma dimensão do objeto Indicação de quantos elementos de x e do objeto serão testados Se o vetor x não for dado, o R irá retornar as medidas dentro da amostra. EXEMPLO 3: Em seguida são calculadas com o R as medidas dos erros para os dados da produção mensal de energia elétrica. accuracy(modelo) ME RMSE MAE MPE MAPE MASE Para complementar é importante analisar os resíduos do modelo quanto à normalidade e também verificar se estes tem autocorrelação. Os resíduos do modelo podem ser obtidos com os seguintes comandos:
5 residuals (nome do objeto) ou nome do objeto$residuals O gráfico de autocorrelação dos resíduos é plotado com a função acf(). EXEMPLO 4: Para o modelo ajustado aos dados da produção de energia aão apresentados os resultados do R para a análise dos resíduos. Em primeiro lugar os resíduos, um histograma destes, o teste Jarque-Bera e o gráfico de autocorrelação. modelo$residuals Com os comandos acima um vetor com os resíduos do modelo é obtido. O histograma e o gráfico de autocorrelação dos resíduos pode ser visualizado na figura 2. hist(modelo$residuals) acf(modelo$residuals) Histograma dos resíduos ACF dos resíduos Frequency ACF modelo$residuals Lag Figura 2: Histograma e gráfico de autocorrelação dos resíduos
6 Em seguida a aplicação do teste Jarque-Bera, do pacote tseries, aos resíduos do modelo. jarque.bera.test(modelo$residuals) Jarque Bera Test data: modelo$residuals X-squared = , df = 2, p-value = Para fazer previsões, a função forecast(), mesmo nome do pacote deve ser utilizada. A sintaxe é bem simples: forecast(objeto, h, level=c(80,95), fan=false,...) onde: objet o h level Uma série temporal ou um objeto que corresponde a um modelo de previsão Número de períodos para a previsão. Se não for fornecido valor, o R assume como h o dobro do valor da frequência da série, ou h=10 para o caso de frequência igual a um. Grau de confiança para os intervalos, 80 e 95% (default) Deste modo podem ser feitas previsões com os modelos ajustados com auxílio do pacote. O R retorna as estimativas pontuais de previsão para o número de períodos de h e os respectivos intervalos de confiança. EXEMPLO 6: Cálculo com o R das previsões pontuais e intervalos de 80 e 95% de confiança para os dados anteriores. Point Forecast Lo 80 Hi 80 Lo 95 Hi Um gráfico com as previsões também pode ser plotado com a função plot (). plot(objeto,include)
7 Em include, informe o número de valores da série original retroativos a serem plotados. Caso não seja informado o R plota a série toda. O objeto corresponde as previsões obtidas com o comando forecast. Outro gráfico de interesse é o que traz a série original com os valores preditos. Isto é possível com o comando seqplot.ts(). seqplot.ts(série original,dados ajustados) Os dados ajustados são obtidos da mesma forma que os resíduos: nome do modelo$fitted ou fitted(nome do modelo) EXEMPLO 7: Para os dados da produção de energia foram constrúidos os gráficos com as séries reais e ajustadas e das previsões (figuras 3 e 4) plot(prev,include=10) seqplot.ts(wwwusage,fitted(modelo)) Forecasts from ARIMA(1,1,1) Figura 3: Gráficos com as previsões
8 WWWusage Time Figura 4: Gráfico da série original com os valores preditos REFERÊNCIAS Makridakis, Wheelwright and Hyndman (1998) Forecasting: methods and applications, Wiley: New York. Hyndman, R.J., Koehler, A.B., Ord, J.K., and Snyder, R.D. (2008) Forecasting with exponential smoothing: the state space approach, Springer-Verlag. Hyndman, R.J. and Koehler, A.B. (2006) "Another look at measures of forecast accuracy". International Journal of Forecasting, 22(4). SOUZA,G.P., SAMOHYL, R.W., MIRANDA, R.G. Métodos Simplificados de Previsão Empresarial. 1ª Edição. Editora Ciência Moderna. Rio de Janeiro: 2008.
Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante
Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante Eduardo Campana Barbosa1 Carlos Henrique Osório Silva2 Resumo: Utilizou-se a metodologia Box & Jenkins para previsão da demanda
Leia maisMetodologia de Box-Jenkins. Metodologia de Box-Jenkins. Metodologia de Box-Jenkins
Programa de Pós-graduação em Engenharia de Produção Análise de séries temporais: Modelos de Box-Jenkins Profa. Dra. Liane Werner Metodologia de Box-Jenkins Para os modelos de decomposição e os modelos
Leia maisAula 22/10/2018 José Luiz Padilha 22 de outubro de 2018
Modelando a Variância Estimação Aula 22/10/2018 José Luiz Padilha 22 de outubro de 2018 A estimação dos parâmetros α 0 e α 1 em um modelo ARCH(1) é geralmente realizada por verossimilhança condicional.
Leia maisAnálise comparativa entre métodos estatístico e rede neural aplicados em séries temporais
Análise comparativa entre métodos estatístico e rede neural aplicados em séries temporais Ana Paula de Sousa José Elmo de Menezes Introdução As formas funcionais dos modelos de previsão das redes neurais
Leia maisANÁLISE COMPARATIVA DA PREVISÃO DE SÉRIES TEMPORAIS ATRAVÉS DA MODELAGEM HOLT WINTERS E ARIMA PARA PREÇO DO ETANOL EM GOIÁS
ANÁLISE COMPARATIVA DA PREVISÃO DE SÉRIES TEMPORAIS ATRAVÉS DA MODELAGEM HOLT WINTERS E ARIMA PARA PREÇO DO ETANOL EM GOIÁS Ana Paula de Sousa (PUC/GO) anapaulaecon@gmail.com A importância do planejamento
Leia maisUtilizando a função auto.arima em modelos de séries temporais
Utilizando a função auto.arima em modelos de séries temporais Erasnilson Vieira Camilo 1 2 Marina Rodrigues Maestre 1 Rick Anderson Freire Mangueira 1 Elias Silva de Medeiros 1 Cristian Villegas 1 1 Introdução
Leia maisAula 03/09/2018 José Luiz Padilha 03 de setembro de 2018
Aula 03/09/2018 José Luiz Padilha 03 de setembro de 2018 Construção de modelos ARIMA Há alguns passos básicos para ajustarmos modelos ARIMA aos dados de séries temporais. Estes passos envolvem: plotar
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia maisAplicação da Metodologia Box & Jenkins a dados de produção de leite cru do estado do Paraná (PR)
Aplicação da Metodologia Box & Jenkins a dados de produção de leite cru do estado do Paraná (PR) Eduardo Campana Barbosa 12 Carlos Henrique Osório Silva 3 Rômulo César Ricardo Gonçalves Tavares 4 Tiago
Leia maisUtilização do modelo Holt-Winters para previsão das vendas de leite em um laticínio no oeste paranaense
Utilização do modelo Holt-Winters para previsão das vendas de leitm um laticínio no oeste paranaense Anariele Maria Minosso 1 Silvana Lígia Vincenzi Bortolotti 2 Katiane de Oliveira 3 1 Introdução A cadeia
Leia maisMELHORA DO MODELO SARIMA PARA A PREVISÃO DA DEMANDA MÁXIMA DE CARGA DE ENERGIA DA PUC-RIO UTILIZANDO A SIMULAÇÃO PELO MÉTODO DE MONTE CARLO
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016 MELHORA DO MODELO SARIMA PARA A PREVISÃO DA DEMANDA MÁXIMA DE CARGA DE ENERGIA DA PUC-RIO UTILIZANDO A SIMULAÇÃO PELO MÉTODO DE MONTE CARLO SERGIO
Leia maisAnálise de previsão da inflação no período pós-plano Real
Análise de previsão da inflação no período pós-plano Real Marina Rodrigues Maestre 1 Jayane Pereira de Oliveira 2 Raquel Castellucci Caruso Sachs 3 Vitor Augusto Ozaki 4 1 Introdução Durante a década de
Leia maisTÉCNICA DE AMORTECIMENTO EXPONENCIAL SIMPLES COM TAXA DE RESPOSTA ADAPTATIVA: UMA REFLEXÃO A RESPEITO DO COMPORTAMENTO DO COEFICIENTE ALFA.
TÉCNICA DE AMORTECIMENTO EXPONENCIAL SIMPLES COM TAXA DE RESPOSTA ADAPTATIVA: UMA REFLEXÃO A RESPEITO DO COMPORTAMENTO DO COEFICIENTE ALFA. Robert Wayne Samohyl Professor do Programa de Pós-Graduação em
Leia maisAnálise e Previsão de Séries Temporais Aula 2: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 2: Introdução às séries temporais egs@cin.ufpe.br Análise e Previsão de Séries Temporais Aula 1 Agenda Resumo da Aula anterior; Estimação e eliminação dos componentes
Leia maisCombinação Geométrica de Métodos Preditivos; Aplicação à Previsão de Consumo Residencial Mensal de Energia Elétrica
Luiz Albino Teixeira Júnior Combinação Geométrica de Métodos Preditivos; Aplicação à Previsão de Consumo Residencial Mensal de Energia Elétrica Dissertação de Mestrado Dissertação apresentada como requisito
Leia maisPrevisão da inflação do indicador IGP-M através de um modelo ARIMA
Previsão da inflação do indicador IGP-M através de um modelo ARIMA Mauricio Mattos Junho de 2014 Resumo Esse trabalho visa identificar um modelo ARIMA que seja efetivo na descrição e predição dos valores
Leia maisAjuste de modelos de séries temporais para pressão atmosférica de Uberlândia
Ajuste de modelos de séries temporais para pressão atmosférica de Uberlândia Valiana Alves Teodoro Mirian Fernandes Carvalho Araújo Lúcio Borges de Araújo Introdução Na comercialização de produtos originados
Leia mais4 APLICAÇÕES À SÉRIE TEMPORAL DE CONSUMO RESIDENCIAL MENSAL DE ENERGIA ELÉTRICA
4 APLICAÇÕES À SÉRIE TEMPORAL DE CONSUMO RESIDENCIAL MENSAL DE ENERGIA ELÉTRICA No capítulo 4, são aplicados os métodos individuais e os combinados à projeção de curto prazo da série de consumo residencial
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisJorge Caiado CEMAPRE/ISEG, Universidade Técnica de Lisboa Web:
CEMAPRE/ISEG, Universidade Técnica de Lisboa Email: jcaiado@iseg.utl.pt Web: http://pascal.iseg.utl.pt/~jcaiado/ 1 Uma série temporal (time series) consiste num conjunto de observações de uma variável,
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Séries Temporais Considere um processo onde o valor presente de uma série depende dos
Leia maisCE062c José Luiz Padilha da Silva e Cesar Augusto Taconeli 06 de novembro de 2018
A função plot.gamlss() CE062c José Luiz Padilha da Silva e Cesar Augusto Taconeli 06 de novembro de 2018 Considere os dados de circunferência abdominal discutido anteriormente. relacionamos a circunferência
Leia maisAvaliação de modelos de previsão para quantidade de automóveis no Estado de Santa Catarina
Avaliação de modelos de previsão para quantidade de automóveis no Estado de Santa Catarina Leandro Callegari Coelho (UFSC) leandroah@hotmail.com Robert Wayne Samohyl (UFSC) samohyl@yahoo.com Resumo: Este
Leia mais6 Referências bibliográficas
6 Referências bibliográficas BARROS, M.; SOUZA, R.C. Regressão Dinâmica. Núcleo de Estatística Computacional. PUC-Rio, 1995. BARROS, M. Processos Estocásticos. Rio de Janeiro. Papel Virtual, 2004. BROCKWELL,
Leia maisAnálise do volume útil do reservatório de Furnas via modelos de séries temporais
Análise do volume útil do reservatório de Furnas via modelos de séries temporais Cristina Henriques Nogueira 1 3 Thelma Sáfadi 2 1 Introdução A energia elétrica é, sem dúvida, um recurso indispensável
Leia maisANÁLISE DE SÉRIES TEMPORAIS
ANÁLISE DE SÉRIES TEMPORAIS Ralph S. Silva http://www.im.ufrj.br/ralph/seriestemporais.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Estimação
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Leia maisPrevisão mensal do preço da saca de soja no sudoeste do estado do Paraná utilizando a metodologia de Box & Jenkis
Previsão mensal do preço da saca de soja no sudoeste do estado do Paraná utilizando a metodologia de Box & Jenkis Gabriel Tambarussi Avancini 1 Thiago Viana Flor de Santana 1 Vitor Augusto Ozaki 1 Djair
Leia maisUso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN
Uso de séries temporais na análise da temperatura média mensal da cidade de Mossoró, RN Ben Dêivide de Oliveira Batista 1 2 Tales Jesus Fernandes 2 Thelma Sáfadi 2 Wesley de Oliveira Santos 3 1 Introdução
Leia maisEspaço admissível para os parâmetros do modelo de suavização exponencial com dupla sazonalidade aditivo
Universidade Federal de Santa Catarina Departamento de Engenharia de Produção e Sistemas Programa de Pós-Graduação em Engenharia de Produção Espaço admissível para os parâmetros do modelo de suavização
Leia maisEconometria Financeira
Ralph S. Silva http://www.im.ufrj.br/ralph/econometriafinanceira.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Setembro-Dezembro/2015 Análise
Leia maisAnálise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais egs@cin.ufpe.br Agenda Séries Temporais: Definições Exemplos Modelos simples com média zero: Ruído I.I.D Processo Binário Random
Leia maisNo Clube do Código dessa semana, vamos extender o exercício Para onde vai a
Modelagem e Previsão da Dívida Bruta Vítor Wilher, Bacharel e Mestre em Economia Clube do Código n o 10 - Maio de 2016 No Clube do Código dessa semana, vamos extender o exercício Para onde vai a Dívida
Leia maisModelos de regressão para dados correlacionados. Cibele Russo
Modelos de regressão para dados correlacionados Cibele Russo cibele@icmc.usp.br ICMC USP Mini-curso oferecido no Workshop on Probabilistic and Statistical Methods 28 a 30 de janeiro de 2013 Cibele Russo
Leia maisAnálise e previsão das taxas da população ocupada em Fortaleza, Ceará, de setembro de 1991 a dezembro de 2008
Análise e previsão das taxas da população ocupada em Fortaleza, Ceará, de setembro de 1991 a dezembro de 2008 Daniela Bandeira, Paulo Germano, Filipe Formiga e Jeremias Leão Universidade Federal do Piauí
Leia maisAjuste do modelo de regressão linear: Inferência Bayesiana, aspectos computacionais e seleção de variáveis.
Ajuste do modelo de regressão linear: Inferência Bayesiana, aspectos computacionais e seleção de variáveis. João Daniel Nunes Duarte a, Vinícius Diniz Mayrink b a Estudante de Graduação, e-mail: joaodaniel@ufmg.br
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em uma grande escola, 10% dos alunos são comprovadamente fracos. Um teste educacional conseguiu identificar corretamente 80% entre aqueles que são fracos e 85% entre aqueles que
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2011
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2011 Séries Temporais Considere um processo onde o valor presente de uma série depende dos
Leia mais5 Modelos de previsão
5 Modelos de previsão 5.1 Previsão de séries temporais Um método comum para escrever o problema de previsão de séries temporais em uma estrutura de estimação por regressão é considerar as séries temporais
Leia maisModelos ARIMA no R Regis Augusto Ely 23 de maio de 2014 (v. 1.1)
Modelos ARIMA no R Regis Augusto Ely 23 de maio de 2014 (v. 1.1) Introdução Vamos ver alguns exemplos de implementação dos modelos ARIMA que estudamos em aula. A lógica é reconstruir a dinâmica por trás
Leia maisUma Aplicação dos Modelos Box-Jenkins para Previsão de Demanda na Área de Assistência Técnica de Computadores Pessoais
Uma Aplicação dos Modelos Box-Jenkins para Previsão de Demanda na Área de Assistência Técnica de Computadores Pessoais Liane Werner Departamento de Estatística, Universidade Federal do Rio Grande do Sul,
Leia maisPrevisão de Séries Temporais utilizando Métodos Estatísticos
Previsão de Séries Temporais utilizando Métodos Estatísticos Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José Thadeu Pinto
Leia maisAnálise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
UNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Análise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS As variáveis aleatórias X e Y seguem uma distribuição de Bernoulli com probabilidade de sucesso igual a 0,4. Considerando S = X + Y e que os eventos aleatórios A = [X = 1] e B
Leia mais4 Resultados Estatísticas descritivas
4 Resultados 4.1. Estatísticas descritivas Os modelos de previsão de curto prazo encontrados na literatura referem-se ao que se pode chamar de curtíssimo prazo, com horizonte muitas vezes inferior a um
Leia maisPerspectiva de Produção Agrícola para a Região de Instalação do Complexo Petroquímico do Estado do Rio de Janeiro (COMPERJ) para o Ano de 2015
Niterói, RJ, Brasil, 19-22 de outubro de 29 Perspectiva de Produção Agrícola para a Região de Instalação do Complexo Petroquímico do Estado do Rio de Janeiro (COMPERJ) para o de 215 1 Diogo da Rocha Vargas,
Leia maisPrevisão de Contingência Judicial em Empresas do Setor Elétrico: Uma Abordagem via Regressão Dinâmica e Amortecimento Exponencial
Bruno Agrélio Ribeiro Previsão de Contingência Judicial em Empresas do Setor Elétrico: Uma Abordagem via Regressão Dinâmica e Amortecimento Exponencial Dissertação de Mestrado Dissertação apresentada ao
Leia maisANEXO C ANÁLISES DE REGRESSÃO (DADOS POR BAIRROS) VULNERABILIDADE X RENDA REGRESSÃO CLÁSSICA
ANEXO C ANÁLISES DE REGRESSÃO (DADOS POR BAIRROS) VULNERABILIDADE X RENDA REGRESSÃO CLÁSSICA O R² (R squared), ou coeficiente de determinação, da regressão clássica mostra o ajuste do modelo, ou seja,
Leia maisPREVISÃO SAZONAL DA PRECIPITAÇÃO VIA MODELOS ESTOCÁSTICOS
PREVISÃO SAZONAL DA PRECIPITAÇÃO VIA MODELOS ESTOCÁSTICOS Alessandro Renê Souza do Espírito Santo (1); Cássia Monalisa dos Santos Silva (1) (1) Pós-Graduação em Ciências Climáticas, UFRN, Natal, RN. alessandro_rene@yahoo.com.br
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia mais6 Aplicação de modelos de série temporal para o CMO
Aplicação de modelos de série temporal para o CMO Antes de se iniciar qualquer tipo de análise, vai se ilustrar qual é o comportamento da série do custo marginal de operação através de um gráfico mostrado
Leia maisRedes Neurais: Uma Aplicação na Previsão de Vendas
Redes Neurais: Uma Aplicação na Previsão de Vendas Angela P. Ansuj Maria Emília Camargo Deoclécio Gomes Petry Programa de Pós-Graduação em Métodos Quantitativos Departamento de Estatística - Centro de
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Introdução Regressão linear dados independentes séries temporais Regressão de quantis Regressão
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ CURSO DE ESTATÍSTICA. Jayme Gomes dos Santos Junior Luciana Helena Kowalski
UNIVERSIDADE FEDERAL DO PARANÁ CURSO DE ESTATÍSTICA Jayme Gomes dos Santos Junior Luciana Helena Kowalski MODELAGEM DA EXPECTATIVA DE VIDA NOS MUNICÍPIOS DO PARANÁ A PARTIR DE COVARIÁVEIS DO CENSO 2010
Leia mais8. Aplicação a uma Série Real de Velocidade do Vento
12 8. Aplicação a uma Série Real de Velocidade do Vento A energia de origem hidrelétrica predomina na matriz elétrica brasileira. No entanto, alguns fatos têm gerado preocupações quanto ao atendimento
Leia maisPrevisão da arrecadação de ICMS para o Estado de Sergipe: Modelagem a partir da metodologia de Box e Jenkins
Previsão da arrecadação de ICMS para o Estado de Sergipe: Modelagem a partir da metodologia de Box e Jenkins Tiago de Moura Soeiro Universidade Federal de Pernambuco Rodrigo Vicente dos Prazeres Universidade
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais CORRELAÇÃO LINEAR Coeficiente de correlação linear r Mede o grau de relacionamento linear entre valores
Leia maisEstatística Aplicada II. } Regressão Linear
Estatística Aplicada II } Regressão Linear 1 Aula de hoje } Tópicos } Regressão Linear } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática, 007, Cap. 7
Leia maisTeste de Cochran-Mantel-Haenszel
Teste de Cochran-Mantel-Haenszel Apresentamos um exemplo com a função mantelhaen.test do pacote stats em R. Os dados do exemplo podem ser encontrados na Tabela 3.3, p. 60, do livro Introduction to Categorical
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia mais5 Resultados. 5.1 Descrição dos Dados
5 Resultados 5. Descrição dos Dados A partir do modelo proposto pretende-se desenvolver uma metodologia de estimação conjunta de vento e vazão, que auxilie o setor elétrico a considerar o despacho das
Leia maisA análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004).
3 Séries temporais A análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004). 3.1. Princípios fundamentais Conforme Box et al. (1994), uma
Leia maisTENDÊNCIAS DO PREÇO DA ARROBA DO BOI GORDO, USO DE SÉRIES TEMPORAIS E MODELO ARIMA NO SPSS
TENDÊNCIAS DO PREÇO DA ARROBA DO BOI GORDO, USO DE SÉRIES TEMPORAIS E MODELO ARIMA NO SPSS 72 William Leles de Souza Costa Resumo Brasil, tem atualmente o maior rebanho bovino comercial do mundo, com aproximadamente
Leia maisUNIVERSDADE AGOSTINHO NETO FACULDADE DE ECONOMIA. Maio 2018 Aula 8
1 UNIVERSDADE AGOSTINHO NETO FACULDADE DE ECONOMIA Maio 2018 Aula 8 Armando Manuel 09/29/2017 A PREVISÃO Armando Manuel 09/29/2017 11 1. A metodologia Box-Jenkins é um processo que se inicia com a analise
Leia maisMestrado em Análise de Dados e Sistemas de Apoio à Decisão. Disciplina: Extracção e conhecimento de dados I. Trabalho nº4: Séries Temporais
Mestrado em Análise de Dados e Sistemas de Apoio à Decisão Disciplina: Extracção e conhecimento de dados I Trabalho nº4: Séries Temporais Data: 6 de Fevereiro de 005 Aluno: Elisabeth Silva Fernandes Nº
Leia maisPROGRAMA DE DISCIPLINA MÉTODOS ESTATÍSTICOS EM EPIDEMIOLOGIA
PROGRAMA DE DISCIPLINA MÉTODOS ESTATÍSTICOS EM EPIDEMIOLOGIA Professores: Antônio Moura da Silva Carga horária: 60 horas Miranda dos Santos 1. APRESENTAÇÃO A disciplina pretende capacitar o aluno com técnicas
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia mais4 Desenvolvimento dos Modelo
68 4 Desenvolvimento dos Modelo Neste capítulo são desenvolvidos três modelos para previsão da velocidade do vento, a saber: modelo estatístico que combina a metodologia do modelo Box&Jenkins com a regressão
Leia maisGabarito Trabalho 2. Variable Coefficient Std. Error t-statistic Prob.
Gabarito Trabalho 2 1. Estimando o modelo Date: 06/10/10 Time: 04:00 Sample: 2003M01 2008M01 Included observations: 70 C -2.046423 5.356816-0.382022 0.7038 LN_IPC_BR 2.041714 1.150204 1.775089 0.0811 LN_IPC_AR
Leia mais( ) Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano. α, é definido como:
Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano Orlando V. Sampaio Jr. (POLI-USP) orlando.sampaio@gmail.com Celma de Oliveira Ribeiro (POLI-USP) celma@usp.br André
Leia maisPrevisão de Demanda: Estudo de caso na Cadeia de Suprimentos
Achiles Ramos Ribeiro Previsão de Demanda: Estudo de caso na Cadeia de Suprimentos Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do título de Mestre pelo Programa
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisSegundo Trabalho de Econometria 2009
Segundo Trabalho de Econometria 2009 1.. Estimando o modelo por Mínimos Quadrados obtemos: Date: 06/03/09 Time: 14:35 Sample: 1995Q1 2008Q4 Included observations: 56 C 0.781089 0.799772 0.97664 0.3332
Leia mais3 Dados e metodologia
3 Dados e metodologia 3.1 Apresentação de Dados Para a realização dessa pesquisa foram utilizados os dados da série histórica dos preços da soja (em grão) do Estado do Paraná, obtidos da base de dados
Leia mais7 Apresentação dos Resultados
7 Apresentação dos Resultados Neste capítulo será feita a apresentação dos resultados da modelagem das séries temporais obtidas no mercado, através do modelo proposto por SCHWARTZ E SMITH (2000), e estimado
Leia mais5 Resultados Resultados da Estimação dos Coeficientes
5 Resultados Neste capítulo serão apresentados os resultados da modelagem sob as distribuições gama e normal inversa, que seguem os procedimentos estatísticos abordados ao longo deste estudo. Para a estimação
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 30 de abril e 02 de maio de 2013 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisCADERNOS DO IME Série Estatística
CADERNOS DO IME Série Estatística Universidade do Estado do Rio de Janeiro - UERJ ISSN impresso 1413-9022 / ISSN on-line 2317-4535 - v. 43, p.39-59, 2017 DOI: 10.12957/cadest.2017.31211 PREVISÃO DA UMIDADE
Leia maisAula 15/10/18 José Luiz Padilha 15 de outubro de 2018
Aula 15/10/18 José Luiz Padilha 15 de outubro de 2018 Acurácia das Predições Conjuntos de treinamento e teste É importante avaliar a acurácia das predições por meio de predições genuínas. Consequentemente,
Leia maisPrevisão de séries financeiras: uma aplicação da metodologia Box & Jenkins
Previsão de séries financeiras: uma aplicação da metodologia Box & Jenkins Nayane Thais Krespi Musial Anselmo Chaves Neto Programa de Pós-Graduação em Métodos Numéricos em Engenharia - PPGMNE Universidade
Leia maisINTRODUÇÃO A ECONOMETRIA
INTRODUÇÃO A ECONOMETRIA Análise de regressão e uso do Eviews Introdução O modelo de regressão linear se utiliza para estudar a relação que existe entre uma variável dependente e uma ou várias variáveis
Leia mais5 Referências bibliográficas
58 5 Referências bibliográficas BALLOU, Ronald H. Gerenciamento da Cadeia de Suprimentos/Logística Empresarial - 5ª edição. Porto Alegre: Bookman, 2006. KERKKÄNEN, A.; J. KORPELA; J. HUISKONEN. Demand
Leia mais5 PREVISÃO DE SÉRIES TEMPORAIS DE VAZÃO DE DRENOS DA BARRAGEM DE FUNIL
5 PREVISÃO DE SÉRIES TEMPORAIS DE VAZÃO DE DRENOS DA BARRAGEM DE FUNIL 5.1 Introdução Existem situações, como por exemplo, em grandes obras de engenharia (portos, barragens, usinas nucleares, etc.), em
Leia maisAnálise do custo médio por metro quadrado da construção civil no estado de Minas Gerais usando modelos de séries temporais
Análise do custo médio por metro quadrado da construção civil no estado de Minas Gerais usando modelos de séries temporais 1 Introdução Charles Shalimar Felippe da Silva 1 Ricardo Vitor Ribeiro dos Santos
Leia maisAplicação do modelo arima para previsão do preço da commodity milho
Recebido 27/03/2017 Aprovado 26/09/2017 Aplicação do modelo arima para previsão do preço da commodity milho Application of The ARIMA Model to Forecast the Price of the Commodity Corn Carlos Gonçalves Cas
Leia maisMODELO APLICADO À PREVISÃO DA DEMANDA DE ENERGIA ELÉTRICA DO CAMPUS I DO CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS (CEFET-MG).
MODELO APLICADO À PREVISÃO DA DEMANDA DE ENERGIA ELÉTRICA DO CAMPUS I DO CENTRO FEDERAL DE EDUCAÇÃO. Introdução TECNOLÓGICA DE MINAS GERAIS (CEFET-MG). Luciane Teixeira Passos Giarola Fátima Oliveira Takenaka
Leia maisCapítulo 3. O Modelo de Regressão Linear Simples: Especificação e Estimação
Capítulo 3 O Modelo de Regressão Linear Simples: Especificação e Estimação Introdução Teoria Econômica Microeconomia: Estudamos modelos de oferta e demanda (quantidades demandadas e oferecidas dependem
Leia maisMODELO ESTOCÁSTICO DE PREVISÃO E ANÁLISE DE TENDENCIA DA PRECIPITAÇÃO NA MICRORREGIÃO DO BAIXO JAGUARIBE-CE
MODELO ESTOCÁSTICO DE PREVISÃO E ANÁLISE DE TENDENCIA DA PRECIPITAÇÃO NA MICRORREGIÃO DO BAIXO JAGUARIBE-CE Alanderson Firmino de Lucas (1); Moniki Dara de Melo Ferreira (1); Ilana Carla Alexandrino da
Leia maisPREVISÕES DA DEMANDA TURÍSTICA NO BRASIL ATRAVÉS DA METODOLOGIA BOX & JENKINS
PREVISÕES DA DEMANDA TURÍSTICA NO BRASIL ATRAVÉS DA METODOLOGIA BOX & JENKINS WESLEY VIEIRA DA SILVA, M. Sc. Professor da Universidade Estadual de Santa Cruz e Doutorando em Engenharia de Produção pela
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisPREVISÃO DE VENDAS COM MODELO ARIMA BOX E JENKINS APLICAÇÃO COM GRETL
Estatística & Gestão de Informação Métodos de Previsão 1º Semestre - 4º Ano PREVISÃO DE VENDAS COM MODELO ARIMA BOX E JENKINS APLICAÇÃO COM GRETL Autores: Emanuel De Jesus R. C.Borges (emanuelramos31@hotmail.com);
Leia maisUNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisPROVAS Ciência da Computação. 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta)
PROVAS Ciência da Computação 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta) Ajuste de Curvas Objetivo Ajustar curvas pelo método dos mínimos quadrados 1 - INTRODUÇÃO Em geral, experimentos
Leia maisPREVISÃO DE PREÇO DO QUILO DO CAFÉ ARÁBICA: UMA APLICAÇÃO DOS MODELOS ARIMA E GARCH
VI Simpósio de Pesquisa dos Cafés do Brasil PREVISÃO DE PREÇO DO QUILO DO CAFÉ ARÁBICA: UMA APLICAÇÃO DOS MODELOS ARIMA E GARCH Alan Figueiredo de Arêdes 1 ; Matheus Wemerson Gomes Pereira ; Erly Cardo
Leia mais2. Séries Temporais Definição
23 2. Séries Temporais 2.1. Definição Um processo estocástico é uma função aleatória que evolui no tempo (e/ou no espaço), definida sob um espaço de probabilidades. Mais precisamente, um processo estocástico
Leia mais