Você está na página 1de 15

Quais anlises de sries

temporais esto includas no


Minitab?
O Minitab oferece diversos mtodos de previso e suavizao simples, mtodos
de anlise de correlao e tcnicas de modelagem ARIMA para analisar seus
dados de sries temporais.

Grfico de sries temporais


Para representar graficamente os dados na ordem temporal para
determinar se h uma tendncia ou padro sazonal, crie um grfico de
sries temporais. No Minitab, selecione Stat > Sries
temporais > Grfico de sries temporais.

Anlise de tendncias
Para ajustar as linhas de tendncia usando um modelo linear, quadrtico,
de crescimento ou de curva S, realize uma anlise de tendncia. No
Minitab, selecione Stat > Sries temporais >Anlise de tendncia.

Decomposio
Para ajustar um modelo que pondera todas as observaes igualmente
para determinar o melhor ajuste de regresso, realize uma anlise de
decomposio. Use quando suas sries exibirem um padro sazonal, com
ou sem uma tendncia. No Minitab, selecione Stat > Sries
temporais >Decomposio.

Mdia de movimento
Para suavizar suas sries usando um mtodo que calcula a mdia de
observaes recentes e exclui observaes mais antigas, use um mtodo
de mdia mvel. No use quando suas sries exibirem uma tendncia.
No Minitab, selecione Stat > Sries temporais > Mdia mvel.

Suavizao exponencial simples


Para suavizar sua srie usando um mtodo que fornece pesos
decrescentes a para observaes mais antigas, quando suas sries
temporais no exibirem uma tendncia ou um padro sazonal, use um
mtodo de suavizao exponencial simples. No Minitab,
selecione Stat > Sries temporais > Suavizao exp simples.

Suavizao exponencial dupla


Para suavizar suas sries usando um mtodo que fornece pesos
decrescentes para observaes mais antigas, quando suas sries
temporais exibirem uma tendncia, mas no um padro sazonal, use um
mtodo de suavizao exponencial dupla. No Minitab,
selecione Stat > Sries temporais> Suavizao exp. dupla.

Mtodo de Winters
Para suavizar suas sries usando um mtodo que fornece pesos
decrescentes para observaes mais antigas, quando suas sries

temporais exibirem um padro sazonal, com ou sem uma tendncia, use


o mtodo de suavizao de Winters. No Minitab, selecione Stat > Sries
temporais > Mtodo de Winters.

Diferenas
Crie uma nova coluna de dados para anlises personalizadas e grficos e
armazene as diferenas entre observaes dentro de uma srie. No
Minitab, selecione Stat > Sries temporais >Diferenas.

Lag
Crie uma nova coluna de dados para anlises personalizadas e grficos e
reduza uma srie em um nmero especfico de linhas na worksheet. No
Minitab, selecione Stat > Sries temporais >Defasagem.

Autocorrelao
Para medir quo bem as observaes em diferentes pontos de tempo se
correlacionam entre si e procurar um padro sazonal, realize uma anlise
de autocorrelao. Use esta anlise em conjunto com a funo de
autocorrelao parcial para identificar os componentes para um modelo
ARIMA. No Minitab, selecione Stat > Sries
temporais > Autocorrelao.

Autocorrelao parcial
Para medir quo bem as observaes passadas em uma srie temporal
se correlaciona com futuras observaes, enquanto explicam
observaes que esto entre o par de correlaes, realize uma anlise de
autocorrelao parcial. Use esta anlise em conjunto com a funo de
Autocorrelao para identificar os componentes de um modelo ARIMA.
No Minitab, selecioneStat > Sries temporais > Autocorrelao
parcial.

Correlao cruzada
Para determinar se uma srie prediz outra representando graficamente
as correlaes entre duas sries, em diferentes pontos no tempo, realize
uma anlise de correlao cruzada. No Minitab, selecione Stat > Sries
temporais > Correlao cruzada.

ARIMA
Para ajustar um modelo com componentes autorregressivos, diferena e
mdia mvel, realize uma ARIMA. Para ajustar um modelo ARIMA, voc
deve entender a autocorrelao e a estrutura de autocorrelao parcial
das suas sries. No Minitab, selecione Stat > Sries
temporais >ARIMA.

O que uma srie temporal?


Uma srie temporal uma sequncia de observaes em intervalos de tempo
regularmente espaados. Por exemplo:

Taxas de desemprego mensais para os ltimos cinco anos

Produo diria em uma fbrica durante um ms

Populao em cada dcada de um sculo anterior em um estado

Componentes de uma srie temporal


Tendncia
A tendncia de longo prazo de uma srie para aumentar ou diminuir
(tendncia para cima ou tendncia para baixo).

Sazonalidade
Flutuao peridica na srie temporal durante um determinado perodo.
Essas flutuaes formam um padro que tende a se repetir de um
perodo sazonal para o prximo.

Ciclos
Grandes desvios da tendncia devidos a fatores no sazonais. Os ciclos
ocorrem em um grande intervalo de tempo, e a durao dos intervalos
entre picos sucessivos ou ciclos no so necessariamente os mesmos.

Movimento irregular
Movimento restante aps a explicao da tendncia e dos movimentos
sazonais e cclicos, rudo aleatrio ou erro em uma srie temporal.

Grficos que exibem dados em ordem cronolgica


Voc pode criar vrios grficos para exibir dados em ordem cronolgica:

Grfico de sries temporais


Use para examinar tendncias nos dados ao longo do tempo. Grficos de
sries temporais podem ser usados em conjunto com outras funes de
sries temporais, como previso.

Grfico de rea
Use para exibir uma srie de dados agrupados em categorias. O Minitab
plota dados de sries temporais no eixo y em relao ao tempo no eixo x
e preenche o espao sob cada linha. Os dados so empilhados para
mostrar a proporo com que cada srie contribui para o todo.

Cartas de Controle
Usadas para detectar pontos fora do controle para dados de variveis ou
de atributos coletados ao longo do tempo.

Grfico de disperso
Use quando os dados no so ordenados cronologicamente ou quando os
intervalos de coleta de dados so irregulares. necessrio fornecer os
valores de tempo junto com os dados de sries temporais.

Previso com anlise de sries temporais

NESTE TPICO
O que previso?
Previses para anlises de mdia mvel

Previses para anlise de suavizao exponencial simples


Previses para anlise de suavizao exponencial dupla

Previses para o mtodo de Winters

O que previso?
Previso um mtodo usado extensivamente em anlise de sries temporais
para predizer uma varivel de resposta como lucro mensal, desempenho dos
estoques ou ndices de desemprego para um perodo de tempo especificado.
Previses so baseadas em padres nos dados existentes. Por exemplo, o
gerente de um almoxarifado pode modelar a quantidade de produtos a ser
encomendada para os prximos 3 meses com base nos pedidos dos ltimos 12
meses.
Voc pode usar uma variedade de mtodos de sries temporais como anlise
de tendncias, decomposio ou suavizao exponencial simples para modelar
padres nos dados e extrapolar esses padres para o futuro. Escolha um
mtodo de anlise em funo de se os fatores so estticos (constantes no
tempo) ou dinmicos (mudam com o tempo), a natureza da tendncia e
componentes sazonais e o quo adiante voc deseja fazer a previso. Antes de
gerar previses, ajuste diversos modelos candidatos aos dados para determinar
qual modelo mais estvel e preciso.
Voltar para tpico

Previses para anlises de mdia mvel


O valor ajustado no tempo t a mdia mvel no centralizada no tempo t-1. As
previses so os valores ajustados na origem da previso. Se voc prev 10
unidades de tempo frente, o valor previsto para cada tempo ser o valor
ajustado na origem. Os dados at a origem so usados para calcular as mdias
mveis.
Voc pode usar o mtodo de mdias mveis lineares calculando mdias mveis
consecutivas. O mtodo de mdias mveis lineares usado frequentemente
quando existe uma tendncia nos dados. Primeiro calcule e armazene a mdia
mvel da srie original. Em seguida, calcule e armazene a mdia mvel da
coluna previamente armazenada para obter uma segunda mdia mvel.

Em predio sem informaes anteriores, a previso para o tempo t o valor


dos dados no tempo t-1. Usar o procedimento de mdia mvel com mdia
mvel de comprimento 1 gera previso sem informaes anteriores.
Voltar para tpico

Previses para anlise de suavizao exponencial


simples
O valor ajustado no tempo t o valor suavizado no tempo t-1. As previses so
os valores ajustados na origem da previso. Se voc prev 10 unidades de
tempo frente, o valor previsto para cada tempo ser o valor ajustado na
origem. Os dados at a origem so usados para a suavizao.
Em predio sem informaes anteriores, a previso para o tempo t o valor
dos dados no tempo t-1. Faa a suavizao exponencial simples com peso um
para efetuar previso sem informaes anteriores.
Voltar para tpico

Previses para anlise de suavizao exponencial


dupla
A suavizao exponencial dupla usa os componentes de nvel e tendncia. A
previso para m perodos frente de um ponto t no tempo
Lt + mTt, onde Lt o nvel e Tt a tendncia no tempo t.
Os dados at o tempo da origem da previso so usados para a suavizao.
Voltar para tpico

Previses para o mtodo de Winters


O mtodo de Winters usa os componentes de nvel, tendncia e sazonais para
gerar previses. A previso para m perodos frente de um ponto t no tempo :
Lt + mTt
onde Lt o nvel e Tt a tendncia no tempo t, multiplicada pelo (ou adicionada
ao em um modelo aditivo) componente sazonal para o mesmo perodo do ano
anterior.
O mtodo de Winters dados at o tempo da origem da previso para gerar as
previses.

Voltar para tpico

Mtodos para analisar sries temporais

NESTE TPICO
Mtodos de previso simples e suavizao

Anlise de correlao e modelagem ARIMA


O Minitab oferece diversas anlises que permitem analisar sries temporais.
Essas anlises incluem mtodos de previso simples e suavizao, mtodos de
anlise de correlao e modelagem ARIMA. Apesar de a anlise de correlao
poder ser feita separadamente da modelagem ARIMA, o Minitab apresenta os
mtodos de correlao como parte da modelagem ARIMA.

Mtodos de previso simples e suavizao


Os mtodos de previso simples e suavizao modelam componentes em uma
srie que normalmente fcil de observar em um grfico de sries temporais
dos dados. Esta abordagem decompe os dados em suas partes componentes
e, depois, estende as estimativas dos componentes no futuro para fornecer
previses. Voc pode escolher dos mtodos estticos de anlise de tendncias e
decomposio, ou os mtodos dinmicos de mdia mvel, suavizao
exponencial simples e dupla e mtodo de Winters. Os mtodos estticos tm
padres que no mudam com o tempo; os mtodos dinmicos tm padres que
no mudam com o tempo e as estimativas so atualizadas usando-se valores
vizinhos.
Voc pode usar dois mtodos em combinao. Isto , voc pode escolher um
mtodo esttico para modelar um componente e um mtodo dinmico para
modelar um componente diferente. Por exemplo, voc pode ajustar uma
tendncia esttica usando a anlise de tendncia, e modelar dinamicamente o
componente sazonal nos resduos usando o mtodo de Winters. Ou voc pode
ajustar um modelo sazonal esttico usando decomposio e modelar
dinamicamente o componente de tendncia nos resduos usando a suavizao
exponencial dupla. Voc tambm pode aplicar uma anlise de tendncia e
decomposio juntas, de forma que possa usar a seleo mais ampla de
modelos de tendncia oferecida pela anlise de tendncia. Uma desvantagem
da combinao de mtodos que os intervalos de confiana para previses no
so vlidos.
Para cada um dos mtodos, a tabela a seguir fornece um resumo e um grfico
de ajustes e previses de dados comuns.

Anlise de tendncia
Ajusta um modelo de tendncia a dados de sries temporais. Escolha entre
modelos de crescimento linear, quadrtico ou exponencial ou declnio, e de
curva S de tendncia. Use este procedimento para ajustar tendncia quando
no existem componentes sazonais na srie.
Previses:

Comprimento: longo

Perfil: extenso da linha de tendncia

Decomposio
Separa as sries temporais em componentes da tendncia linear, componentes
sazonais e o erro. Escolha se o componente sazonal aditivo ou multiplicativo
com a tendncia. Use este procedimento para prever quando haver um
componente sazonal em sua srie ou quando desejar examinar a natureza das
partes componentes.
Previses:

Comprimento: longo

Perfil: tendncia com padro sazonal

Mdia Mvel
Suaviza os dados calculando a mdia de observaes consecutivas em uma
srie. Voc pode usar este procedimento quando os dados no possuem um
componente de tendncia. Se houver um componente sazonal, defina o
comprimento da mdia mvel como igual ao comprimento do ciclo sazonal.
Previses:

Comprimento: curto

Perfil: linha plana

Suavizao exponencial simples


Suaviza seus dados usando a frmula tima de previso ARIMA (0,1,1) um
passo frente. Este procedimento funciona melhor sem uma tendncia ou
componente sazonal. O componente dinmico simples em um modelo de mdia
mvel o nvel.
Previses:

Comprimento: curto

Perfil: linha plana

Suavizao exponencial dupla


Suaviza seus dados usando a frmula tima de previso ARIMA (0,2,2) um
passo frente. Este procedimento pode funcionar bem quando h uma
tendncia, mas ele tambm pode servir como um mtodo de suavizao geral.
A suavizao exponencial dupla calcula estimativas dinmicas para dois
componentes: nvel e tendncia.
Previses:

Comprimento: curto

Perfil: linha reta com inclinaes iguais s estimativas da ltima


tendncia

Mtodo de Winters
Suaviza seus dados pela suavizao exponencial de Holt-Winters. Use este
procedimento quando h tendncia e sazonalidade, com esses dois
componentes sendo aditivos ou multiplicativos. O Mtodo de Winters calcula
estimativas dinmicas para trs componentes: nvel, tendncia e sazonal.

Previses:

Comprimento: curto a mdio

Perfil: tendncia com padro sazonal

Voltar para tpico

Anlise de correlao e modelagem ARIMA


A modelagem ARIMA (mdia mvel integrada autorregressiva) tambm faz uso
de padres nos dados, mas esses padres podem no ser facilmente visveis
em um grfico dos dados. Em vez disso, a modelagem ARIMA usa a
diferenciao e as funes de autocorrelao e de autocorrelao parcial para
ajudar a identificar um modelo aceitvel.
A modelagem ARIMA pode ser usada para modelar vrias sries temporais
diferentes, com ou sem tendncia ou componentes sazonais, e para fornecer
previses. O perfil da previso depende do modelo que se ajusta. A vantagem
da modelagem ARIMA comparada aos mtodos de previso simples e
suavizao que ela mais flexvel no ajuste dos dados. Contudo, a
identificao e o ajuste de um modelo pode ser demorada, e a modelagem
ARIMA no facilmente automatizada.

Diferenas
Calcula e armazena as diferenas entre valores de dados de uma srie
temporal. Se voc quer ajustar um modelo ARIMA, mas seus dados tm
uma tendncia ou componente de sazonalidade, diferenciar os dados
um passo comum na avaliao de provveis modelos ARIMA. A
diferenciao usada para simplificar a estrutura de correlao e para
revelar qualquer padro subjacente.

Lag
Calcula e armazena as defasagens de uma srie temporal. Quando voc
defasa uma srie temporal, o Minitab move os valores originais para

baixo na coluna, e insere os valores ausentes na parte superior da


coluna. O nmero de valores ausentes inseridos depende do
comprimento da defasagem.

Autocorrelao
Calcula e cria um grfico das autocorrelaes de uma srie temporal. A
autocorrelao a correlao entre observaes de uma srie temporal
separada por unidades de tempo k. O grfico de autocorrelaes
chamado de funo de autocorrelao (ACF). Visualize a ACF para
conduzir sua escolha de termos a incluir em um modelo ARIMA.

Autocorrelao parcial
Calcula e cria um grfico das autocorrelaes parciais de uma srie
temporal. As autocorrelaes parciais, como as autocorrelaes, so
correlaes entre conjuntos de pares de dados ordenados de uma srie
temporal. Como ocorre com as correlaes parciais no caso da regresso,
as autocorrelaes parciais medem a fora da relao com outros termos
que esto sendo explicados. A autocorrelao parcial em uma defasagem
k a correlao entre resduos no tempo t de um modelo autorregressivo
e observaes em uma defasagem K com termos para todas as
defasagens intervenientes no modelo autorregressivo. O grfico de
autocorrelaes parciais chamado de funo de autocorrelao parcial
(PACF). Visualize a PACF para conduzir sua escolha dos termos a incluir
em um modelo ARIMA.

Correlao cruzada
Calcula e cria um grfico das correlaes entre duas sries temporais.

ARIMA
Ajusta um modelo ARIMA Box-Jenkins a uma srie temporal. Em ARIMA,
"Autorregressivo, "integrado" e "mdia mvel" consulte os passos de
filtragem realizados no clculo do modelo ARIMA at restar somente
rudo aleatrio. Use a ARIMA para modelar o comportamento das sries
temporais e para gerar previses.
Voltar para tpico

Executar uma anlise de


tendncia ponderada
possvel efetuar uma anlise de tendncia de mdia ponderada incluindo
conhecimento obtido do ajuste do mesmo modelo de tendncia aos dados
anteriores para obter um ajuste melhor dos dados atuais. A linha de tendncia
suavizada combina informaes anteriores e novas de forma muito parecida

com a suavizao exponencial. De uma certa forma, essa suavizao dos


coeficientes filtra parte do rudo dos parmetros do modelo estimados em ciclos
sucessivos.
Se voc fornecer coeficientes de um ajuste de anlise de tendncia anterior, o
Minitab efetuar uma anlise de tendncia ponderada. Se o peso de um
coeficiente especfico for , o Minitab estimar o novo coeficiente com:
p1 + (1 - ) p2, onde p1 o coeficiente estimado com os dados atuais e p2 o
coeficiente anterior.
1.
Selecione Stat > Srie Temporal > Anlise de Tendncia e
selecioneOpes.
2.
Em Valores dos parmetros anteriores, digite as estimativas dos
coeficientes da anlise de tendncia anterior na ordem na qual forem
mostrados na janela Sesso ou no grfico.
3.

Tambm possvel inserir pesos entre 0 e 1 para cada novo coeficiente


em Pesos para mesclar estimativas anteriores e novas. Digite-os na
mesma ordem que os coeficientes. Pesos padro de 0,2 sero usados para
todos os coeficientes se voc no inserir coeficientes. Se voc inserir os

coeficientes, o nmero inserido deve ser igual ao nmero de coeficientes.


4.
Clique em OK nas duas caixas de dilogo.
O Minitab gera um grfico de srie temporal dos dados e um segundo grfico de
srie temporal mostrando linhas de tendncia para os trs modelos. A janela
Session exibe os coeficientes e medidas de preciso para todos os trs
modelos.

Incluir uma covarivel em uma


anlise de sries temporais ou
incluir erros de sries
temporais correlacionadas em
uma anlise de regresso
O Minitab no inclui uma aplicao para uma anlise de sries temporais que
usa covariveis ou regresso envolvendo erros de sries temporais
correlacionadas.
Entretanto, voc pode usar o Minitab para analuisar os dados descritos. Por
exemplo, se o modelo especificado for:
Yt = a0 + a1 X1t + a2 X2t + Et onde Yt a varivel de resposta, X1t, X2t so as
variveis dependentes e Et a srie temporal.

1.
2.

Regresso Yt para X1t e X2t.


Analise os resduos resultantes com o mdulo de sries temporais do
Minitab.

Orientaes para testar a autocorrelao ou correlao cruzada

Orientaes para testar autocorrelao


Uma orientao baseada em aproximao normal de grandes amostras usada
frequentemente para decidir se a autocorrelao de uma amostra especfica
est dentro do erro de amostragem zero. (Isso equivale a testar se a
autocorrelao da populao de lag k zero). Se a autocorrelao da populao
de lag k for zero para k = 1, 2,... ento, para um valor de n adequadamente
grande, rkser aproximadamente normalmente distribudo, com mdia () zero
e desvio padro ()

. Como aproximadamente 95% de uma populao normal

esto a 2 desvios padro da mdia, um teste que rejeite a hiptese de que a


autocorrelao da populao de lag k igual a zero, quando| rk | maior que
possui um nvel de significncia () de aproximadamente 5%.

Orientaes para teste de autocorrelao parcial


Uma orientao baseada em aproximao normal de grandes amostras usada
frequentemente para decidir se a autocorrelao parcial de uma amostra
especfica est dentro do erro de amostragem zero. (Isso equivale a testar se a
autocorrelao parcial da populao de lag k zero). Se a autocorrelao da
populao de lag k for zero para k = 1, 2,... ento, para um valor de n
adequadamente grande, rk ser aproximadamente normalmente distribudo,
com mdia () zero e desvio padro ()
Como aproximadamente 95% de
uma populao normal esto a 2 desvios padro da mdia, um teste que rejeite
a hiptese de que a autocorrelao da populao de lag k igual a zero,
quando| rkk | maior que

possui um nvel de significncia () de

aproximadamente 5%.

Orientaes para testar correlao cruzada


Uma orientao baseada em aproximao normal de grandes amostras usada
frequentemente para decidir se a correlao cruzada de uma amostra
especfica est dentro do erro de amostragem zero. (Isso equivale a testar se a
correlao cruzada da populao de lag k zero). Se a autocorrelao da
populao de lag k for zero para k = 1, 2,... ento, para um valor de n
adequadamente grande, rxy (k) ser aproximadamente normalmente distribudo,

com mdia () zero e desvio padro ()

. Como aproximadamente 95%

de uma populao normal esto a 2 desvios padro da mdia, um teste que


rejeite a hiptese de que a autocorrelao da populao de lag k igual a zero,
quando | rxy(k) | maior que
aproximadamente 5%.

possui um nvel de significncia () de

Por que eu recebo uma mensagem "Um ou mais ndices sazonais igual a 0"
no mtodo de Winters?
O Minitab exibe esta mensagem de erro quando todos os valores para uma
estao so zero. Por exemplo, voc pode ter dados semestrais com todos os
valores para a primavera iguais a zero. Mude pelo menos um desses zeros para
um nmero pequeno (como 0,0000001) para evitar este erro.

Como o Minitab efetua


decomposio?
A decomposio segue estas etapas:
1.
O Minitab suaviza os dados usando uma mdia mvel centralizada com
comprimento igual ao comprimento do ciclo sazonal. Quando o comprimento do
ciclo sazonal um nmero par, necessria uma mdia mvel de duas etapas
para sincronizar a mdia mvel corretamente.
2.

O Minitab divide (modelo multiplicativo) ou subtrai (modelo aditivo) a


mdia mvel dos dados para obter o que se costuma chamar valores sazonais
brutos.

3.

Para perodos de tempo correspondentes nos ciclos sazonais, o Minitab


determina a mediana dos valores sazonais brutos. Por exemplo, se voc possui
60 meses consecutivos de dados (5 anos), o Minitab determina a mediana dos 5
valores sazonais correspondentes a janeiro, fevereiro, etc.

4.

O Minitab ajusta as medianas dos valores sazonais brutos para que sua
mdia seja um (modelo multiplicativo) ou zero (modelo aditivo). Essas
medianas ajustadas constituem os ndices sazonais.

5.
6.

O Minitab usa os ndices sazonais para ajustar os dados sazonalmente.


O Minitab ajusta uma linha de tendncia aos dados ajustados
sazonalmente usando regresso de mnimos quadrados.
A tendncia pode ser removida dos dados divindindo-s pelo componente de
tendncia (modelo multiplicativo) ou subtraindo o componente de tendncia
dos dados (modelo aditivo).

Por que os ajustes e coeficientes esto sombreados na caixa de dilogo


Armazenamento no ARIMA?
Voc deve selecionar Resduos antes de selecionar Ajustes, necessrio
selecionar Ajustes antes de selecionar Coeficientes.