12-09-2011

Jorge Caiado
CEMAPRE/ISEG, Universidade Tcnica de Lisboa
Email: jcaiado@iseg.utl.pt
Web: http://pascal.iseg.utl.pt/~jcaiado/

Jorge Caiado 1

Uma srie temporal (time series) consiste num conjunto de observaes de

uma varivel, feitas em perodos sucessivos de tempo, durante um
determinado intervalo e representa-se por Yt , t = 1,2,...,n. So exemplos, as
cotaes dirias das aces, as vendas semanais de um dado produto
financeiro, o nmero mensal de dormidas na hotelaria, as despesas pblicas
trimestrais do pas, os lucros anuais de uma empresa, as temperaturas
mnimas, mdias e mximas dirias.
A representao grfica de uma srie temporal designa-se por cronograma e
constitui o ponto de partida para a sua anlise.

Jorge Caiado 2

1
 12-09-2011

Na anlise de sries temporais devem ter-se em conta os seguintes objectivos

fundamentais:
Descrio. Construo do cronograma da srie e caracterizao do seu
andamento geral, procurando identificar os pontos de viragem (mudana de
estrutura) e eventuais observaes anmalas (outliers).
Explicao ou Modelao. Construo de modelos que permitam explicar o
comportamento da srie no perodo observado.
Previso. Tentar prever a evoluo futura da srie com base exclusivamente
no seu passado (modelos univariados ou no-causais) ou com base no
comportamento passado de outras variveis (modelos multivariados).
Controlo. Procurar modificar o comportamento futuro do processo atravs do
ajustamento de variveis controlveis. Por exemplo: numa linha de fabrico e
montagem de automveis, possvel prever o nmero de viaturas produzidas
com base nas matrias-primas e mo-de-obra utilizadas na produo.

Jorge Caiado 3

Jorge Caiado 4

2
 12-09-2011

Processo estocstico
Funes de autocorrelao e autocorrelao parcial
Processo rudo branco
Processos estacionrios: modelos no sazonais (AR, MA
e ARMA), modelos sazonais (SAR, SMA e SARMA) e
modelos mistos (sazonais e no sazonais)
Processos no estacionrios: Modelos no sazonais
(ARIMA), modelos sazonais (SARIMA) e modelos mistos
(sazonais e no sazonais)
Metodologia de anlise de sries temporais:
Indentificao, estimao, avaliao do diagnstico,
seleco de modelos e previso.
Jorge Caiado 5

Jorge Caiado 6

3
 12-09-2011

Jorge Caiado 7

Jorge Caiado 8

4
 12-09-2011

Jorge Caiado 9

Jorge Caiado 10

5
 12-09-2011

Jorge Caiado 11

Jorge Caiado 12

6
 12-09-2011

Jorge Caiado 13

Jorge Caiado 14

7
 12-09-2011

Jorge Caiado 15

Jorge Caiado 16

8
 12-09-2011

Jorge Caiado 17

Jorge Caiado 18

9
 12-09-2011

Jorge Caiado 19

Jorge Caiado 20

10
 12-09-2011

Jorge Caiado 21

Jorge Caiado 22

11
 12-09-2011

Jorge Caiado 23

Jorge Caiado 24

12
 12-09-2011

Jorge Caiado 25

Jorge Caiado 26

13
 12-09-2011

Jorge Caiado 27

Jorge Caiado 28

14
 12-09-2011

Jorge Caiado 29

Jorge Caiado 30

15
 12-09-2011

Jorge Caiado 31

Jorge Caiado 32

16
 12-09-2011

Jorge Caiado 33

Jorge Caiado 34

17
 12-09-2011

Jorge Caiado 35

Jorge Caiado 36

18
 12-09-2011

Jorge Caiado 37

Jorge Caiado 38

19
 12-09-2011

Jorge Caiado 39

Jorge Caiado 40

20
 12-09-2011

Jorge Caiado 41

Jorge Caiado 42

21
 12-09-2011

Jorge Caiado 43

Jorge Caiado 44

22
 12-09-2011

Jorge Caiado 45

Jorge Caiado 46

23
 12-09-2011

Jorge Caiado 47

Jorge Caiado 48

24
 12-09-2011

Jorge Caiado 49

Jorge Caiado 50

25
 12-09-2011

Jorge Caiado 51

Jorge Caiado 52

26
 12-09-2011

Jorge Caiado 53

Jorge Caiado 54

27
 12-09-2011

Jorge Caiado 55

Jorge Caiado 56

28
 12-09-2011

Jorge Caiado 57

Jorge Caiado 58

29
 12-09-2011

Jorge Caiado 59

Jorge Caiado 60

30
 12-09-2011

Jorge Caiado 61

Jorge Caiado 62

31
 12-09-2011

Jorge Caiado 63

Jorge Caiado 64

32
 12-09-2011

Jorge Caiado 65

Jorge Caiado 66

33
 12-09-2011

Jorge Caiado 67

Jorge Caiado 68

34
 12-09-2011

Jorge Caiado 69

Jorge Caiado 70

35
 12-09-2011

Jorge Caiado 71

Jorge Caiado 72

36
 12-09-2011

Jorge Caiado 73

Jorge Caiado 74

37
 12-09-2011

Jorge Caiado 75

Jorge Caiado 76

38
 12-09-2011

Jorge Caiado 77

Jorge Caiado 78

39
 12-09-2011

Jorge Caiado 79

Akaike, H. (1974). "A new look at the statistical model identification", IEEE Trans. on
Automatic Control 19, 716-722.
Box, G. P. E. e Jenkins, G. M. (1970). Time Series Analysis: Forecasting and Control, Holden-
day, San Francisco.
Box, G. P. E. e Jenkins, G. M. (1976). Time Series Analysis: Forecasting and Control, 2nd ed.,
Holden-day, San Francisco.
Box, G. P. E., Jenkins, G. M. e Reinsel, G. (1994). Time Series Analysis: Forecasting and
Control, 3rd ed., Prentice-Hall.
Brockwell, P. J. e Davis, R. A. (1991). Time Series: Theory and Methods. 2nd ed., Springer,
New York.
Caiado, J. (2010). "Performance of combined double seasonal univariate time series models
for forecasting water demand", Journal of Hydrologic Engineering, 15, 215-222.
Diggle, P. J. (1990). Time Series: A Biostatistical Introduction. Oxford University Press,
Oxford.
Enders, W. (1995). Applied Econometric Time Series. Wiley, New York.
Gonalves, E. e Mendes Lopes, N. (2003). Sries Temporais: Modelaes lineares e no
lineares, XI Congresso da Sociedade Portuguesa de Estatstica, Faro.
Hamilton, J. D. (1994). Time Series Analysis, Princeton University Press.

Jorge Caiado 80

40
 12-09-2011

Harvey, A. (1990). The Econometric Analysis of Time Series, 2nd ed., The MIT Press,
Cambridge.
Harvey, A. C. (1993). Time Series Models. 2nd Ed. The MIT Press, Cambridge.
Ljung, G. e Box, G. (1978). On a measure of lack of fit in time series models, Biometrika,
66, 297-303.
Murteira, B., Mller, D. e Turkman, F. (1994). Anlise de Sucesses Cronolgicas, McGraw-
Hill, Lisboa.
Pea, D., Tiao, G. e Tsay, R. (2001). A Course in Time Series Analysis, Wiley, New York.
Pindyck, R. e Rubinfeld, D. (1998). Econometric Models and Economic Forecasts, 4 th ed.,
McGraw-Hill, Boston.
Priestley, M. B (1981). Spectral Analysis and Time Series, Academic Press, London.
Schwartz, G. (1978). Estimating the dimension of a model, Annals of Statistics, 6, 461-
464.
Shumway, R. H. and Stoffer, D. S. (2000). Time Series Analysis and Its Applications.
Springer-Verlag, New York.
Statisctical Toolbox User's Guide (2001). Matlab, 5th ed., The Mathworks, Inc.
Stellwagen, E. and Goodrich (2002). Forecat Pro, Business Forecast Systems Inc., Belmont.
Wei, W. W. S. (1990). Time Series Analysis: Univariate and Multivariate Methods. Addison-
Wesley Publishing Company, Redwood City, California.
Wei, W. W. S. (2007). Time Series Analysis: Univariate and Multivariate Methods. 2nd ed.,
Addison-Wesley Publishing Company, Redwood City, California
Jorge Caiado 81

41