Escolar Documentos
Profissional Documentos
Cultura Documentos
Tutorial Série Temporais No Minitab (Suporte)
Tutorial Série Temporais No Minitab (Suporte)
Tutorial Série Temporais No Minitab (Suporte)
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.
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?
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.
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.
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.
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.
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
Previses:
Comprimento: longo
Previses:
Comprimento: longo
Mdia Mvel
Previses:
Comprimento: curto
Previses:
Comprimento: curto
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
Previses:
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
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.
Entretanto, voc pode usar o Minitab para analuisar os dados descritos. Por exemplo, se o
modelo especificado for:
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.
6. 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).