S

eries Temporais
Autocorrela
c
ao

Fernando Lucambio
Departamento de Estatstica
Universidade Federal do Parana
Curitiba/PR, 81531990, Brasil

email: lucambio.ufpr@gmail.com

Agosto de 2015
AUTOCORRELAC
AO

Uma importante ferramenta para se identificar as propriedades de uma s erie

temporal consiste de uma s erie de quantidades chamadas coeficientes de
autocorrela
c
ao amostral. A ideia e similar ao coeficiente de correla
c
ao usual,
isto
e, para n pares de observa c
oes das vari aveis X e Y o coeficiente de
correla
c
ao amostral
e dado por
n
(Xi X)(Yi Y )
r = i=1
n n
i=1 (Xi X) i=1 (Yi Y )
2 2

Aqui no entanto queremos medir a correla c

ao entre as observacoes de uma
mesma variavel em diferentes horizontes de tempo, isto e, correla
coes entre
observa
coes defasadas 1, 2, perodos de tempo.

Assim, dadas n observa

coes X1 , , Xn de uma s
erie temporal discreta po-
demos formar os pares (X1 , X2 ), , (Xn1 , Xn ). Considerando X1 , , Xn1
e X2 , , Xn como observa
coes de duas vari
aveis aleat
orias, o coeficiente de
correla
c
ao entre elas
e dado por
1
AUTOCORRELAC
AO

n1
(Xt X 1 )(Xt+1 X 2 )
r1 = t=1 ,
n1 n1
t=1 (Xt X 1 ) t=1 (Xt+1 X 2 )
2 2

onde as m
edias

n1
n
X1 = Xt /(n 1) e X2 = Xt /(n 1)
t=1 t=2

Como o coeficiente r1 mede as correlac

oes entre observac
oes sucessivas ele
e
chamado de coeficiente de autocorrelac
ao ou coeficiente de correla
cao serial.
usual simplificar a equa
E ncao acima utilizando-se a media de todas as ob-
serva
coes, ou seja, X = t=1 Xt /n, dado que X 1 X 2 e assumindo vari ancia
constante.
Assim, a vers
ao simplificada fica
n1
(Xt X)(Xt+1 X)
r1 = t=1 n
(n 1) t=1(Xt X)2 /n

2
AUTOCORRELAC
AO

A express
ao simplificada do coeficiente de autocorrela c
ao pode ser generali-
zada para calcular a correla
c
ao entre observa
coes defasadas de k perodos de
tempo, obtendo-se
nk
(Xt X)(Xt+k X)
rk = t=1 n ,
(n 1) t=1(Xt X)2 /n
o qual fornece o coeficiente de autocorrela
c
ao de ordem k. Assim como
o coeficiente de correla
c
ao usual, as autocorrela
coes s
ao adimensionais e
1 < rk < 1.

Na pr atica e mais usual calcular primeiro os coeficientes de autocovariancia

{ck }, definidos por analogia com a f ormula usual de covari
ancia, ou seja,

nk
ck = (Xt X)(Xt+k X), k = 0, 1, 2,
t=1

Os coeficientes de autocorrela
cao s
ao ent
ao obtidos como rk = ck /c0 .

3
CORRELOGRAMA

Um gr afico com os k primeiros coeficientes de autocorrela c

ao como fun c
ao
de k
e chamado de correlograma e pode ser uma ferramenta poderosa para
identificar caractersticas da serie temporal. Por
em isto requer uma inter-
preta
cao adequada do correlograma, com isto queremos dizer que devemos
associar certos padr oes do correlograma como determinadas caractersticas
de uma s erie temporal. Esta nem sempre e uma tarefa simples e a seguir s
ao
fornecidas algumas indica c
oes.

S
eries aleat
orias

A primeira quest ao que podemos tentar responder atrav es do correlograma

e se uma s erie temporal e aleat

oria ou n
ao. Para uma s erie ser completa-
mente aleat oria os valores defasados devem ser n ao correlacionados e portanto
espera-se que rk 0, k = 1, 2, . Suponha que X1 , , Xn sejam variaveis
aleatorias independentes e identicamente distribudas com m edia arbitr
aria.
Entao, pode-se mostrar que o coeficiente de autocorrela c
ao amostral rk e
assintoticamente normalmente distribudo, com m edia e vari ancia dados por
E(rk ) 1/n e Var(rk ) 1/n. Portanto,
limites de confian ca aproximados
de 95% s ao dados por 1/n 1, 96/ n.

4
CORRELOGRAMA

Isto ilustra uma das dificuldades de interpretar o correlograma j

a que, mesmo
para uma s erie completamente aleatoria, espera-se que 1 em cada 20 coefi-
cientes rk esteja fora destes limites. Por outro lado, um valor muito grande
de rk tem menos chance de ter ocorrido ao acaso do que um valor que est a
apenas ligeiramente fora dos limites.
Serie no correlacionada

0.2
2

0.1
1

Autocorrelacao
Observacoes

0.0
0

0.1
1

0.2
2

0 20 40 60 80 100 5 10 15 20

Tempo Defasagem

5
 Serie correlacionada, correlacao positiva

0.6
2

Autocorrelacao

0.4
Observacoes

1
0

0.2
3 2 1

0.0
0.2
0 20 40 60 80 100 5 10 15 20

Tempo Defasagem

Serie correlacionada, correlacao negativa

0.6
3
2

0.2
Autocorrelacao
Observacoes

1
0

0.2
3 2 1

0.6

0 20 40 60 80 100 5 10 15 20

Tempo Defasagem

6
S
eries n
ao estacion
arias

Para uma s erie temporal com tend encia os valores de rk n

ao decairao para
zero a n
ao ser em defasagens grandes. Intuitivamente, isto ocorre porque uma
observac
ao de um lado da m edia tende a ser seguida por um grande n umero
de observac
oes do mesmo lado (devido ` a tend
encia). Neste caso, pouca ou
nenhuma informa c
ao pode ser extraida do correlograma j a que a tendencia
dominara outras caractersticas. Na verdade, como veremos posteriormente,
a fun
cao de autocorrela
cao s o tem um significado para series estacion
arias,
sendo assim qualquer tend encia deve ser removida antes do c alculo de {rk }.
Serie nao estacionaria

0.8
8

0.6
Autocorrelacao
6
Observacoes

0.4
4

0.2
2
0

0.2

0 20 40 60 80 100 5 10 15 20

Tempo Defasagem

7
Varia
cao sazonal
Um padr ao sazonal e, em geral, facilmente identificado no correlograma.
De fato, se uma s erie temporal contem flutuac
oes sazonais o correlograma
ir
a exibir oscila
coes na mesma frequ encia. Por exemplo, com observa c
oes
mensais r6 ser a grande e negativo enquanto r12 ser a grande e positivo. Na
verdade, se o padr ao sazonal j
a for evidente no gr
afico da s
erie original o
correlograma trar a pouca ou nenhuma informa c
ao adicional.
Mortes por pneumonia e influenza nos EUA

0.6
0.8
0.7

0.4
0.6

Autocorrelacao
Observacoes

0.2
0.5
0.4

0.0
0.3

0.2
0.2

1968 1970 1972 1974 1976 1978 5 10 15 20

Tempo Defasagem