1) A média móvel de 12 meses captura movimentos anuais enquanto a de 3 meses captura trimestralmente
2) A decomposição clássica remove tendência, sazonalidade, ciclos e irregularidades da série
3) Os modelos Holt variam em parâmetros para média, tendência e sazonalidade
1) A média móvel de 12 meses captura movimentos anuais enquanto a de 3 meses captura trimestralmente
2) A decomposição clássica remove tendência, sazonalidade, ciclos e irregularidades da série
3) Os modelos Holt variam em parâmetros para média, tendência e sazonalidade
1) A média móvel de 12 meses captura movimentos anuais enquanto a de 3 meses captura trimestralmente
2) A decomposição clássica remove tendência, sazonalidade, ciclos e irregularidades da série
3) Os modelos Holt variam em parâmetros para média, tendência e sazonalidade
1. Qual a vantagem de utilizar uma média móvel de 12 meses em relação a outra
de 3 meses Como a média móvel suaviza a série temporal, mostrando as variações e eliminando flutuações de curto prazo, a média móvel de 12 meses consegue captar movimentos específicos para cada época do ano enquanto a média móvel de 3 meses iria captar apenas para os trimestres, deixando de captar movimentações únicas no ano.
2. Quais os componentes básicos da decomposição clássica?
A decomposição básica é realizada com a retirada da tendência, da sazonalidade, dos ciclos, e irregularidades, suavizando a série e facilitando a previsão. Essas decomposições são feitas com a plotagem da série, a criação da rolling mean e por fim o índice estacional da série.
SLIDE 4 - TÓPICOS ECONOMETRIA
1. Quais os componentes essenciais da suavização exponencial?
A suavização exponencial é uma função de um parâmetro para as observações recentres e outra de composta do inverso de alfa para as observações passadas, sendo 0 < alfa < 1.
2. Explique a diferença entre os modelos Holt de 1 parâmetro, Holt de 2
parâmetros e Holt-Winters O modelo de 1 parâmetro não teria nem tendência nem sazonalidade. Sua fórmula possui um parâmetro apenas para a média móvel. O modelo de 2 parâmetros não possui a sazonalidade mas já inclui a tendência. Sua fórmula possui parâmetros para a média móvel e para a tendência que pode ou não ser exponencial Por fim, o Holt-Winters trará o nível, a tendência e a sazonalidade, aditiva ou multiplicativa, com parâmetros respectivos para cada item.
SLIDE 5 - TÓPICOS ECONOMETRIA
1. Qual as diferenças ente os principais indicadores de acurácia: RSME, MAE, MAPE, MASE? Raiz do Erro de Simulação Quadrático Médio (RSME) - a a média de cada erro é elevada ao quadrado, depois é retirado a raiz. Com isso busca-se não anular os erros positivos com os negativos. Sensível aos outliers e depende das escalars. Tende a preferir modelos cujos erros grandes ocorrem em menor escala mas não são necessariamente bem ajustados Erro Absoluto Médio (MAE) - É a média de cada erro ao módulo. Outro método de não se anular os erros positivos e negativos. Entrega uma ideia do desvio-padrão e é menos sensível a grandes resíduos. Também é oposto ao RSME, dando preferência a modelos com mais erros ‘grandes’ porêm melhores ajustados. Erro Absoluto Percentual Médio (MAPE) - erro médio percentual da série. Dá problema com erros iguais ou próximos a zero pois os divide. Em contrapartida dá uma melhor representação de escala que o MSE e o MAE Erro Absoluto de Escala Médio (MASE) - similar ao MAPE mas com ajuste para séries sazonais.
2. Por que sugere-se fazer um split na série temporal em treino e teste?
Para podermos avaliar se o modelo que montamos consegue retornar boas previsões. Quando temos um conjunto de teste, já sabemos o resultado e podemos avaliar se o erro de previsão é pequeno comparando o observado no conjunto teste com o previsto pelo modelo
3. o que é uma estimação dentro da amostra e uma estimação fora da amostra?