-1 9

. 478
52 0
1 .
43 a
Séries
S il v Temporais
d a
u es
r i g
od
a R
ru n
B
Agenda

-1 9
▪ Preparação de dados; classificação; objetivos e pré-
. 478
5 2 0
processamento
3 1 .
▪ Plotagem de séries temporais
a 4
il v
▪ Decomposição (séries temporais)
a S
▪ Método de Holt-Winters (multiplicativo s de aditivo)
u e
▪ Alisamento Exponencial
r i g
od e Ajustamento
R
▪ Decomposição de Séries Sazonais
a
Sazonal
r u n
▪ Forecast B

2
 -1 9
. 478
52 0
1 .
a 43
l v
a Si
s d
u e
r i g
od
a R
ru n
B

3
Afinal...

-1 9
. 478
52 0
3 1 .
Séries Temporais: a 4
l v
i feitas em sequência ao
“Conjunto de observações a S
s d
u e
longo do tempo”
r i g
od
a R
u n
Br
Chatfeld & Xing (2019)

4
Passos

-1 9
. 4 78
52 0
1 .
a 43
l v
a Si
s d
Análise Uso e avaliação
Definição do Levantamento
e
u Dados
Exploratória de
Escolha e Ajuste
dos modelos de
Problema de Informações
r i g de Modelos
previsão
d
a Ro
ru n
B
Hyndman & Athanasopoulos (2018)

5
Componentes

-1 9
. 478
52 0
Determinístico:
1 .
“São escritas por meio de uma função matemática43
determinada por uma ou mais variáveis” Si l v a
d a
u es
Estocástico:
r i g
“Resultado do processo R od
aleatório”
n a
r u
B
Hyndman & Athanasopoulos (2018)

6
Componentes

-1 9
. 478
52 0
1 .
a 43
l v
a Si
s d
u e Yt = St + Tt + ϵt - aditivo

r i g
od Yt = St × Tt × ϵt - multiplicativo

a R
ru n
B

7
Componentes

𝑋𝑡 ~ 𝑋𝑡 = 𝑇𝑡 + 𝑆𝑡 + 𝑍𝑡
-1 9
. 478
52 0
1 .
Tendência
a 43
“Padrão de crescimento/decrescimento l v
Si
da variável em um certo período de
s da
tempo” u e
r i g
od
Ra
Sazonalidade
r u n
B
“Padrões de comportamento que se
repetem em específicos épocas do ano”

8
Componentes

-1 9
. 478
52 0
1 .
43
Ciclos
“Longas ondas, mais ou menos regulares,
l v a
em torno de uma linha de tendência” a Si
s d
u e
r i g
Aleatório
o d
“Capta os efeitos que
a Rnão foram
n
incorporados pela sérieude tempo, ou seja,
r
resíduo” B

9
Classificações

-1 9
. 478
52 0
1 .
a 43
Estacionária l v
Si
“Varia em torno de uma mesma média
da
ao longo do tempo” es u
r i g
d
Não Estacionária
a Ro
“Tem raiz unitária” ru n
B

10
Conceitos

-1 9
Autocorrelação
.78
4
“Observação num determinado instante está relacionado 5 0
às2 observações
3 1 .
passadas” 4 a
l v
a Si
s d
u e
r i g
od
a R
ru n
B

11
Ajustamento Exponencial

-1 9
. 478
Suavização Exponencial Simples
52 0
1 .
sem tendência e sazonalidade, parâmetro 𝛼
a 43
l v
a Si
Holt’s Suavização Exponencial
s d
u e
com tendência , parâmetro 𝛼 e 𝛽
r i g
od
Holt-Winter Suavizaçãona
R
Exponencial
r u
B
com tendência e sazonalidade, parâmetro 𝛼 , 𝛽 𝑒 𝑦

12
 -1 9
. 478
52 0
1 .
a 43
l v
a Si
s d
u e
r i g
linkedin.com/in/ricardolimongi/
od
a R
ru n
B

13