Séries Temporais

Kaike Sa Teles Rocha Alves

Programa de Pós-Graduação em Modelagem Computacional

Universidade Federal de Juiz de Fora, Juiz de Fora, MG
kaike.alves@engenharia.ufjf.br

*Observação: Embora tenha realizado a divisão da série em três partes para

avaliação dos erros e definição dos paraâmetros, a maior parte dos gráficos foram
plotados da série completa.

1 Parte 1
Conforme o enunciado, foi gerada duas séries Zt = a+t , sendo que t ∼ N (0, 1),
com 100 observações cada série.
Para a série A, utilizou-se a = 5. Já para a série B, usou-se a = 3 para as 80
primeiras observações, e a = 7 para as 20 últimas.
Utilizou-se os métodos Naive, Médias Móveis (MM) e Amortecimento Ex-
ponencial Simples (AES) para realizar as previsões. Para avaliar o desempenho,
foi medido o MAPE e o MSE das 20 últimas observações de cada das previsões
em cada uma das séries. Os melhores parâmetros foram encontrados medindo o
MAPE das observações de 11 a 80. Para o método MM, utilizou-se um tamanho
de janela 10. Já para o AES usou-se um α = 0.05 para a série A, e um α = 0.01
para a série B. Os resultados estão demonstrados nas Tabelas 1 e 2.

Tabela 1. Resultados da série A

MAPE MSE
Naive 4,829095 32,141568
MM 3,931661 17,967851
AES 3,717472 16,028749

Tabela 2. Resultados da série B

MAPE MSE
Naive 7,789332 53,593209
MM 9,458321 75,954411
AES 15,232586 286,840910

Observando a série A, vemos que o método AES teve um desempenho melhor

que o Naive e o das médias móveis. Podemos presumir então que este método
é melhor para prever séries não estacionárias que tem uma média constante ao
longo do tempo. Mas ainda assim, os métodos MM e AES tiveram um desem-
penho semelhante em termos dos erros.
Já na série B, o método que apresentou os menores erros foi o Naive. Já os
métodos MM e AES tiveram erros maiores, sendo que o AES obteve os piores
erros. Sendo assim, visto que a série B possui uma média que varia no tempo, po-
demos presumir que o método Naive obtem melhores resultados que os métodos
MM e AES quando se trata de séries que possuem médias variáveis. E entre o
MM e o AES, o MM é mais indicado para obter erros menores.
As Figuras 1 e 2 apresentam os gráficos das séries A e B e também das
previsões.

Figura 1. Série A e previsões

Figura 2. Série B e previsões
2 Parte 2
Para esta parte 2, foi simulada uma série com 100 observações do tipo Zt =
a + bt + t , com a = 5, b = 0.05 e t ∼ N (0, 1)
Utilizando os métodos de previsão MM com tamanho de janela 7 e o AES
com α = 0.19, obtemos os resultados apresentados na Tabela 3 e o gráfico
apresentados na Figura 3. Temos também os erros das previsões mostrados na
Figura 4.

Tabela 3. Resultados das previsões MM e AES para a série Z

MAPE MSE
MM 2,466084 27,68973
AES 2,382505 24,29205

Figura 3. Série Z e previsões

Observamos que os erros de previsão se mantém, em média, constantes ao

longo do tempo. Ou seja, os resultados sugerem que os métodos MM e AES con-
seguem prever bem métodos que apresentam uma tendência linear. Além disso,
Figura 4. Erros das previsões MM e AES
o método AES obteve um desempenho melhor que o MM. Isso era esperado,
visto que o AES é um método mais robusto do que o MM, e tem uma estrutura
que permite captar melhor tendências.
Fazendo agora a previsão da série Z com os métodos de Médias Móveis Duplas
(MMD) e o Amortecimento Exponencial de Holt (AEH), obtemos os resultados
apresentados na Tabela 4. Para o MMD utilizou-se tamanho de janela 5, e para
o AEH usou-se α = 0.22 e β = 0.17. Observamos que o AEH obteve um de-
sempenho melhor do que o MMD, mas ambos os erros ficaram próximos um do
outro. Os gráficos das previsões estão apresentados na Figura 5.

Tabela 4. Resultados das previsões MMD e AEH para a série Z

Parte 2 MMD e AEH

MAPE MSE
MMD 2,90378 36,21074
AEH 2,616011 28,10628

Figura 5. Série Z e previsões MMD e AEH

 Comparando os quatro métodos apresentados nesta parte, vemos que o método
que obteve o melhor desempenho foi o AES, seguido pelo MM, depois pelo AEH,
e por fim, o MMD.

3 Parte 3
3.1 Série Manaus

Esta parte 3 consiste em escolher 3 séries de dados reais, e usar os métodos

Naive, MM, AES, MMD e AEH para prever os dados das séries.
A primeira série, denominada Manaus, consiste em medições das alturas
média do Rio Negro. A série possui nı́vel e tendência constante, e é composta
por 1080 observações. As últimas 269 observações foram usadas para avaliar o
desempenho dos métodos.
Os resultados estão descritos na Tabela 5. Observamos que o melhor de-
sempenho em termos do erro MAPE foi obtido pelo método AES. Já o melhor
desempenho em termos do MSE foi alcançado pelo Naive. O pior desempenho
foi o do MMD tanto em termos do MAPE quanto do MSE. A Figura 6 apresenta
o gráfico dos valores reais e das previsões, bem como os parâmetros utilizados
em cada método.

Tabela 5. Resultados das previsões para a série Manaus

MAPE MSE
Naive 542,8823 188,9555
MM 703,855 280,4829
AES 508,4589 189,8559
MMD 963,375 380,64
AEH 548,3543 191,7263
Figura 6. Série Manaus e previsões
3.2 Série Jcars

A segunda série, denominada jcars, consiste nos números de carros produzidos

pelo Japão em unidades x 106 . Ela possui tendência e baixo nı́vel de ruı́do, e
é comporsta por 43 observações. As últimas 12 observações foram usadas para
avaliar o desempenho dos métodos.
Os resultados estão descritos na Tabela 6. Observamos que o melhor desem-
penho foi obtido pelo AEH, seguido pelo Naive, depois pelo AES, MMD, e por
fim, o pior desempenho foi o do MM. A Figura 7 apresenta o gráfico dos valores
reais e das previsões, bem como os parâmetros utilizados em cada método.

Tabela 6. Resultados das previsões para a série Jcars

MAPE MSE
Naive 0,572883 4583984
MM 0,833523 8324646
AES 0,576826 4633266
MMD 0,660928 5510984
AEH 0,57109 4531708

Figura 7. Série Jcars e previsões

3.3 Série Nile

A terceira e última série real utilizada na parte 3, denominada Nile, consiste

em 100 observações do fluxo do Rio Nilo, denominada Nile, e que possui nı́vel
e tendência variáveis. As últimas 20 observações foram usadas para avaliar o
desempenho dos métodos.
Os resultados estão descritos na Tabela 7. Observamos que o melhor desem-
penho em termos do MAPE foi alcançado pelo método MM. Já em termos do
MSE, o melhor desenpenho ficou por conta do AES. Já o pior desempenho foi
do MMD. A Figura 8 apresenta o gráfico dos valores reais e das previsões, bem
como os parâmetros utilizados em cada método.

Tabela 7. Resultados das previsões para a série Nile

MAPE MSE
Naive 3,94101 609936
MM 3,270842 511157,3
AES 3,329647 426948,2
MMD 4,281523 706702,2
AEH 3,648397 510077,4
Figura 8. Série Nile e previsões
4 Parte 4

4.1 Série Drywhite

Para esta parte 4, foram utilizadas duas séries. A primeira, denominada Drywhite,
consiste em vendas mensais de vinho branco em milhares de litros. Para ela, foi
usado o métodos Naive, MM, AES e Holt-Winters multiplicativo (HWM) de-
vido ao aumento da amplitude das sazonalidades. Para avaliar o desempenho
dos modelos, utilizou-se as últimas 174 observações.
Os resultados estão mostrados na Tabela 8. Observamos que o melhor de-
sempenho em termos do MAPE ficou por conta do MM, enquanto que o HWM
performou o melhor MSE entre todos os métodos. A Figura 9 mostra os gráficos
das previsões e o valor esperado, bem como os parâmetros utilizados.

Tabela 8. Resultados das previsões da série Drywhite

MAPE MSE
Naive 11,63001 58249313
MM 7,290048 28165775
AES 7,92838 30796447
HWM 8,092061 16122627
Figura 9. Série Drywhite
4.2 Série Tempjf

Já a segunda série, tempjf, consiste nas temperaturas médias mensais de Juiz
de Fora de 90 a 99. Para as previsões, foram usados os métodos Naive, MM,
AES e Holt-Winters aditivo (HWA). Para avaliar o desempenho dos modelos,
utilizou-se as últimas 46 observações.
Para o MM, foi usado tamanho de janela 2, para o AES usou-se α = 0, 99, e
para o HWA foi definido α = 0, 13, β = 0, 04, e γ = 0, 62.
Os resultados estão mostrados na Tabela 9. Observamos que o melhor de-
sempenho em termos do MAPE e do MSE ficou por conta do HWA. A Figura
10 mostra os gráficos das previsões e o valor esperado, bem como os parâmetros
utilizados.

Tabela 9. Resultados das previsões da série Tempjf

MAPE MSE
Naive 1,888713 66,840000
MM 2,430299 107,920000
AES 1,899569 67,361450
HWA 1,315091 33,553864
Figura 10. Série Tempjf
5 Parte 5

Para esta parte do trabalho, foi simulado um modelo Arima(2,1,1) com 200
observações utilizando os seguintes parâmetros: AR1 = −0, 2, AR2 = −0, 7 e
M A1 = 0, 4. O gráfico da série está apresentado na Figura 11. Podemos também
visualizar o FAC e o FACP da série nas Figuras 12 e 13.

Figura 11. Série Arima(2,1,1)

Figura 12. FAC da série Arima(2,1,1)
Figura 13. FAC da série Arima(2,1,1)
5.1 Arima(1,0,0)

Para a estimação da série usando o Arima(1,0,0), temos os resultados apresenta-

dos na Tabela 10. O parâmetro AR1 pode ser considerado significativo visto que
seu valor é maior que duas vezes o Erro Padrão, ou seja, 0, 88 > 0, 08. A Tabela
11 demonstra os resultados da média e variância dos resı́duos do modelo esti-
mado. Como vemos, a média deu muito próxima de zero e a variância também se
aproximou bastante da variância do modelo. Portanto, esses dois testes residuais
passaram. Por outro lado, observando a FAC e a FACP dos resı́duos do modelo,
apresentados nas Figuras 14 e 15, vemos vários valores fora dos limites. Portanto
os resı́duos foram reprovados no teste de correlação.

Tabela 10. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,88307 0,038166
AR2 - -
MA1 - -
MA2 - -
Variância 0,20941 0,024174

Tabela 11. Avaliação dos erros

Valor
Média -6,5219e-04
Variância 0,2105
Figura 14. FAC dos resı́duos da série Arima(1,0,0)
Figura 15. FACP dos resı́duos da série Arima(1,0,0)
5.2 Arima(2,0,0)

Para a estimação da série usando o Arima(2,0,0), temos os resultados apresen-

tados na Tabela 12. O parâmetro AR1 pode ser considerado significativo e o
parâmetro AR2 deu não significativo. A Tabela 13 demonstra os resultados da
média e variância dos resı́duos do modelo estimado. Como vemos, a média deu
muito próxima de zero e a variância também se aproximou bastante da variância
do modelo. Portanto, esses dois testes residuais passaram. Por outro lado, obser-
vando a FAC e a FACP dos resı́duos do modelo, apresentados nas Figuras 16 e
17, vemos vários valores fora dos limites. Portanto os resı́duos foram reprovados
no teste de correlação.

Tabela 12. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,98005 0,061267
AR2 -0,10971 0,062945
MA1 - -
MA2 - -
Variância 0,20693 0,023975

Tabela 13. Avaliação dos erros

Valor
Média -4,4989e-04
Variância 0,2080
Figura 16. FAC dos resı́duos da série Arima(2,0,0)
Figura 17. FACP dos resı́duos da série Arima(2,0,0)
5.3 Arima(0,0,1)

Para a estimação da série usando o Arima(0,0,1), temos os resultados apresenta-

dos na Tabela 14. O parâmetro MA1 pode ser considerado significativo. A Tabela
15 demonstra os resultados da média e variância dos resı́duos do modelo esti-
mado. Como vemos, a média deu muito próxima de zero e a variância também se
aproximou bastante da variância do modelo. Portanto, esses dois testes residuais
passaram. Por outro lado, observando a FAC e a FACP dos resı́duos do modelo,
apresentados nas Figuras 18 e 19, vemos vários valores fora dos limites. Portanto
os resı́duos foram reprovados no teste de correlação.

Tabela 14. Resultados da estimação do modelo

Valor Erro Padrão

AR1 - -
AR2 - -
MA1 0,94373 0,024145
MA2 - -
Variância 0,30086 0,041276

Tabela 15. Avaliação dos erros

Valor
Média -0,0022
Variância 0,3024
Figura 18. FAC dos resı́duos da série Arima(0,0,1)
Figura 19. FACP dos resı́duos da série Arima(0,0,1)
5.4 Arima(0,0,2)

Para a estimação da série usando o Arima(0,0,2), temos os resultados apresen-

tados na Tabela 16. Os parâmetros MA1 e MA2 deram significativos. A Tabela
17 demonstra os resultados da média e variância dos resı́duos do modelo esti-
mado. Como vemos, a média deu muito próxima de zero e a variância também
se aproximou bastante da variância do modelo. Portanto, esses dois testes resi-
duais passaram. Por outro lado, observando a FAC e a FACP dos resı́duos do
modelo, apresentados nas Figuras 20 e 21, vemos muitos valores fora dos limites.
Portanto os resı́duos foram reprovados no teste de correlação.

Tabela 16. Resultados da estimação do modelo

Valor Erro Padrão

AR1 - -
AR2 - -
MA1 1,5689 0,053604
MA2 0,67557 0,052236
Variância 0,17319 0,021128

Tabela 17. Avaliação dos erros

Valor
Média -0,0041
Variância 0,1740
Figura 20. FAC dos resı́duos da série Arima(0,0,2)
Figura 21. FACP dos resı́duos da série Arima(0,0,2)
5.5 Arima(1,0,1)

Para a estimação da série usando o Arima(1,0,1), temos os resultados apresen-

tados na Tabela 18. Os parâmetros AR1 e MA1 deram significativos. A Tabela
19 demonstra os resultados da média e variância dos resı́duos do modelo esti-
mado. Como vemos, a média deu muito próxima de zero e a variância também se
aproximou bastante da variância do modelo. Portanto, esses dois testes residuais
passaram. Por outro lado, observando a FAC e a FACP dos resı́duos do modelo,
apresentados nas Figuras 22 e 23, vemos vários valores fora dos limites. Portanto
os resı́duos foram reprovados no teste de correlação.

Tabela 18. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,72823 0,055391
AR2 - -
MA1 0,85138 0,03596
MA2 - -
Variância 0,14623 0,015385

Tabela 19. Avaliação dos erros

Valor
Média 0,0084
Variância 0,1469
Figura 22. FAC dos resı́duos da série Arima(1,0,1)
Figura 23. FACP dos resı́duos da série Arima(1,0,1)
5.6 Arima(2,0,1)

Para a estimação da série usando o Arima(2,0,1), temos os resultados apre-

sentados na Tabela 20. Os parâmetros AR1 e MA1 deram significativos, e o
parâmetro AR2 deu não significativo. A Tabela 21 demonstra os resultados da
média e variância dos resı́duos do modelo estimado. Como vemos, a média deu
muito próxima de zero e a variância também se aproximou bastante da variância
do modelo. Portanto, esses dois testes residuais passaram. Por outro lado, obser-
vando a FAC e a FACP dos resı́duos do modelo, apresentados nas Figuras 24 e
25, vemos vários valores fora dos limites. Portanto os resı́duos foram reprovados
no teste de correlação.

Tabela 20. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,6183 0,089553
AR2 0,13754 0,091913
MA1 0,87279 0,035809
MA2 - -
Variância 0,14402 0,015189

Tabela 21. Avaliação dos erros

Valor
Média 0,0096
Variância 0,1447
Figura 24. FAC dos resı́duos da série Arima(2,0,1)
Figura 25. FACP dos resı́duos da série Arima(2,0,1)
5.7 Arima(1,0,2)

Para a estimação da série usando o Arima(1,0,2), temos os resultados apresen-

tados na Tabela 22. Os parâmetros AR1, MA1 e MA2 deram significativos. A
Tabela 23 demonstra os resultados da média e variância dos resı́duos do modelo
estimado. Como vemos, a média deu muito próxima de zero e a variância também
se aproximou bastante da variância do modelo. Portanto, esses dois testes resi-
duais passaram. Por outro lado, observando a FAC e a FACP dos resı́duos do
modelo, apresentados nas Figuras 26 e 27, vemos vários valores fora dos limites.
Portanto os resı́duos foram reprovados no teste de correlação.

Tabela 22. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,95579 0,027258
AR2 - -
MA1 0,2633 0,069486
MA2 0,55191 0,06802
Variância 0,12804 0,014066

Tabela 23. Avaliação dos erros

Valor
Média 0,0048
Variância 0,1287
Figura 26. FAC dos resı́duos da série Arima(1,0,2)
Figura 27. FACP dos resı́duos da série Arima(1,0,2)
5.8 Arima(2,0,2)

Para a estimação da série usando o Arima(2,0,2), temos os resultados apresen-

tados na Tabela 24. O parâmetro AR1 deu não significativo, e os parâmetros
AR2, MA1 e MA2 deram significativos. A Tabela 25 demonstra os resultados da
média e variância dos resı́duos do modelo estimado. Como vemos, a média deu
muito próxima de zero e a variância também se aproximou bastante da variância
do modelo. Portanto, esses dois testes residuais passaram. Por outro lado, obser-
vando a FAC e a FACP dos resı́duos do modelo, apresentados nas Figuras 28 e
29, vemos vários valores fora dos limites. Portanto os resı́duos foram reprovados
no teste de correlação.

Tabela 24. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,06386 0,09223
AR2 0,4522 0,094046
MA1 1,6399 0,094327
MA2 0,70531 0,083134
Variância 0,14047 0,014818

Tabela 25. Avaliação dos erros

Valor
Média -0,0089
Variância 0,1411
Figura 28. FAC dos resı́duos da série Arima(2,0,2)
Figura 29. FACP dos resı́duos da série Arima(2,0,2)
5.9 Arima(0,1,0)

Para a estimação da série usando o Arima(0,1,0), temos os resultados apresenta-

dos na Tabela 26. A Tabela 27 demonstra os resultados da média e variância dos
resı́duos do modelo estimado. Como vemos, a média deu muito próxima de zero
e a variância também se aproximou bastante da variância do modelo. Portanto,
esses dois testes residuais passaram. Por outro lado, observando a FAC e a FACP
dos resı́duos do modelo, apresentados nas Figuras 30 e 31, vemos vários valores
fora dos limites. Portanto os resı́duos foram reprovados no teste de correlação.

Tabela 26. Resultados da estimação do modelo

Valor Erro Padrão

AR1 - -
AR2 - -
MA1 - -
MA2 - -
Variância 0,22252 0,025294

Tabela 27. Avaliação dos erros

Valor
Média -4,1464e-05
Variância 0,2236
Figura 30. FAC dos resı́duos da série Arima(0,1,0)
Figura 31. FACP dos resı́duos da série Arima(0,1,0)
5.10 Arima(1,1,0)

Para a estimação da série usando o Arima(1,1,0), temos os resultados apresenta-

dos na Tabela 28. O parâmetro AR1 foi não significativo. A Tabela 29 demonstra
os resultados da média e variância dos resı́duos do modelo estimado. Como ve-
mos, a média deu muito próxima de zero e a variância também se aproximou
bastante da variância do modelo. Portanto, esses dois testes residuais passaram.
Por outro lado, observando a FAC e a FACP dos resı́duos do modelo, apresen-
tados nas Figuras 32 e 33, vemos vários valores fora dos limites. Portanto os
resı́duos foram reprovados no teste de correlação.

Tabela 28. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,044569 0,060451
AR2 - -
MA1 - -
MA2 - -
Variância 0,22209 0,025223

Tabela 29. Avaliação dos erros

Valor
Média -3,0898e-05
Variância 0,2232
Figura 32. FAC dos resı́duos da série Arima(1,1,0)
Figura 33. FACP dos resı́duos da série Arima(1,1,0)
5.11 Arima(2,1,0)

Para a estimação da série usando o Arima(2,1,0), temos os resultados apresen-

tados na Tabela 30. O parâmetro AR1 não foi significativo e o parâmetro AR2
deu significativo. A Tabela 31 demonstra os resultados da média e variância dos
resı́duos do modelo estimado. Como vemos, a média deu muito próxima de zero
e a variância também se aproximou bastante da variância do modelo. Portanto,
esses dois testes residuais passaram. Por outro lado, observando a FAC e a FACP
dos resı́duos do modelo, apresentados nas Figuras 34 e 35, vemos vários valores
fora dos limites. Portanto os resı́duos foram reprovados no teste de correlação.

Tabela 30. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,073412 0,051036
AR2 -0,68229 0,051742
MA1 - -
MA2 - -
Variância 0,11976 0,013532

Tabela 31. Avaliação dos erros

Valor
Média -0,0011
Variância 0,1204
Figura 34. FAC dos resı́duos da série Arima(2,1,0)
Figura 35. FACP dos resı́duos da série Arima(2,1,0)
5.12 Arima(0,1,1)

Para a estimação da série usando o Arima(0,1,1), temos os resultados apresenta-

dos na Tabela 32. O parâmetro MA1 é significativo. A Tabela 33 demonstra os
resultados da média e variância dos resı́duos do modelo estimado. Como vemos,
a média não deu tão próxima de zero quanto modelos anteriores, mais ainda
assim ficou próxima, bem como a variância também se aproximou bastante da
variância do modelo. Portanto, esses dois testes residuais passaram. Por outro
lado, observando a FAC e a FACP dos resı́duos do modelo, apresentados nas Fi-
guras 36 e 37, vemos vários valores fora dos limites. Portanto os resı́duos foram
reprovados no teste de correlação.

Tabela 32. Resultados da estimação do modelo

Valor Erro Padrão

AR1 - -
AR2 - -
MA1 0,82339 0,039519
MA2 - -
Variância 0,17079 0,016001

Tabela 33. Avaliação dos erros

Valor
Média 0,0185
Variância 0,1713
Figura 36. FAC dos resı́duos da série Arima(0,1,1)
Figura 37. FACP dos resı́duos da série Arima(0,1,1)
5.13 Arima(0,1,2)

Para a estimação da série usando o Arima(0,1,2), temos os resultados apresenta-

dos na Tabela 34. Os parâmetros MA1 e MA2 deram significativos. A Tabela 35
demonstra os resultados da média e variância dos resı́duos do modelo estimado.
Como vemos, a média deu próxima de zero e a variância também se aproximou
bastante da variância do modelo. Portanto, esses dois testes residuais passaram.
Por outro lado, observando a FAC e a FACP dos resı́duos do modelo, apresen-
tados nas Figuras 38 e 39, vemos muitos valores fora dos limites. Portanto os
resı́duos foram reprovados no teste de correlação.

Tabela 34. Resultados da estimação do modelo

Valor Erro Padrão

AR1 - -
AR2 - -
MA1 0,22681 0,055668
MA2 -0,58376 0,057971
Variância 0,13096 0,014362

Tabela 35. Avaliação dos erros

Valor
Média 0,0048
Variância 0,1316
Figura 38. FAC dos resı́duos da série Arima(0,1,2)
Figura 39. FACP dos resı́duos da série Arima(0,1,2)
5.14 Arima(1,1,1)

Para a estimação da série usando o Arima(1,1,1), temos os resultados apresenta-

dos na Tabela 36. Os parâmetros AR1 e MA1 deram significativos. A Tabela 37
demonstra os resultados da média e variância dos resı́duos do modelo estimado.
Como vemos, a média não deu muito próxima de zero quanto alguns modelos
anteriores, mas ainda está próxima. E a variância se aproximou bastante da
variância do modelo. Portanto, esses dois testes residuais passaram. Por outro
lado, observando a FAC e a FACP dos resı́duos do modelo, apresentados nas Fi-
guras 40 e 41, vemos vários valores fora dos limites. Portanto os resı́duos foram
reprovados no teste de correlação.

Tabela 36. Resultados da estimação do modelo

Valor Erro Padrão

AR1 -0,26933 0,096628
AR2 - -
MA1 0,87088 0,038866
MA2 - -
Variância 0,16156 0,015792

Tabela 37. Avaliação dos erros

Valor
Média 0,0225
Variância 0,1619
Figura 40. FAC dos resı́duos da série Arima(1,1,1)
Figura 41. FACP dos resı́duos da série Arima(1,1,1)
5.15 Arima(2,1,1)

Para a estimação da série usando o Arima(2,1,1), temos os resultados apre-

sentados na Tabela 38. Os parâmetros AR1, AR2 e MA1 deram significativos.
Observamos que este modelo conseguiu estimar os parâmetros com uma precisão
aceitável, visto que a série de dados foi gerada por um modelo Arima(2,1,1). O
valor de AR1 estimado foi −0, 19, enquanto que o valor real era −0, 2. Já o valor
estimado de AR2 foi −0, 67, e o valor real −0, 7. O valor de MA1 ficou um pouco
mais distante, visto que o valor real é 0, 4, e o valor estimado 0, 57. A Tabela 39
demonstra os resultados da média e variância dos resı́duos do modelo estimado.
Como vemos, a média deu próxima de zero e a variância também se aproximou
bastante da variância do modelo. Portanto, esses dois testes residuais passaram.
Já observando a FAC e a FACP dos resı́duos do modelo, apresentados nas Fi-
guras 42 e 43, vemos que apenas um valor ficou fora dos limites na FAC e na
FACP. Portanto podemos considerar que os resı́duos são não correlacionados.

Tabela 38. Resultados da estimação do modelo

Valor Erro Padrão

AR1 -0,19092 0,061583
AR2 -0,66795 0,058614
MA1 0,5749 0,079538
MA2 - -
Variância 0,10435 0,011299

Tabela 39. Avaliação dos erros

Valor
Média 0,0051
Variância 0,1048
Figura 42. FAC dos resı́duos da série Arima(2,1,1)
Figura 43. FACP dos resı́duos da série Arima(2,1,1)
5.16 Arima(1,1,2)

Para a estimação da série usando o Arima(1,1,2), temos os resultados apre-

sentados na Tabela 40. Os parâmetros AR1 e MA1 deram não significativos e
o parâmetro MA2 deu significativo. A Tabela 41 demonstra os resultados da
média e variância dos resı́duos do modelo estimado. Como vemos, a média deu
próxima de zero e a variância também se aproximou bastante da variância do
modelo. Portanto, esses dois testes residuais passaram. Por outro lado, obser-
vando a FAC e a FACP dos resı́duos do modelo, apresentados nas Figuras 44 e
45, vemos vários valores fora dos limites. Portanto os resı́duos foram reprovados
no teste de correlação.

Tabela 40. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,19116 0,11766
AR2 - -
MA1 0,12135 0,086406
MA2 -0,65569 0,067577
Variância 0,12905 0,01395

Tabela 41. Avaliação dos erros

Valor
Média 0,0043
Variância 0,1297
Figura 44. FAC dos resı́duos da série Arima(1,1,2)
Figura 45. FACP dos resı́duos da série Arima(1,1,2)
5.17 Arima(2,1,2)

Para a estimação da série usando o Arima(2,1,2), temos os resultados apre-

sentados na Tabela 42. Os parâmetros AR1 e MA2 deu não significativo, e os
parâmetros AR2 e MA1 deram significativos. A Tabela 43 demonstra os resulta-
dos da média e variância dos resı́duos do modelo estimado. Como vemos, a média
deu próxima de zero e a variância também se aproximou bastante da variância
do modelo. Portanto, esses dois testes residuais passaram. Observando a FAC e
a FACP dos resı́duos do modelo, apresentados nas Figuras 46 e 47, vemos apenas
um valor fora dos limites em cada gráfico, indicando que os resı́duos dos modelos
não são correlacionado.

Tabela 42. Resultados da estimação do modelo

Valor Erro Padrão

AR1 -0,14929 0,085117
AR2 -0,63652 0,077942
MA1 0,52027 0,11075
MA2 -0,088693 0,11293
Variância 0,10388 0,011232

Tabela 43. Avaliação dos erros

Valor
Média 0,0050
Variância 0,1044
Figura 46. FAC dos resı́duos da série Arima(2,1,2)
Figura 47. FACP dos resı́duos da série Arima(2,1,2)
5.18 AIC e teste de normalidad de cada modelo

O AIC é uma métrica utilizada para avaliar qual o melhor modelo para um
determinado conjunto de dados. A Tabela 44 mostra os resultados do AIC de
cada modelo empregado neste trabalho. Quanto menor for o valor, melhor é o
modelo ao conjunto de dados. Vemos que o modelo que apresentou o melhor
AIC foi o Arima(2,1,1), que foi justamente o modelo escolhido para gerar os
dados. Observamos que o modelo Arima(2,1,2) também apresentou um valor de
AIC próximo ao Arima(2,1,1), indicando que este modelo também seria uma boa
escolha para prever os dados.

Tabela 44. Add caption

Modelo AIC
Arima(1,0,0) 260,8863
Arima(2,0,0) 260,5033
Arima(0,0,1) 333,3527
Arima(0,0,2) 224,898
Arima(1,0,1) 191,0641
Arima(2,0,1) 190,0132
Arima(1,0,2) 166,4979
Arima(2,0,2) 187,0241
Arima(0,1,0) 271,0304
Arima(1,1,0) 272,6371
Arima(2,1,0) 151,1174
Arima(0,1,1) 220,1068
Arima(0,1,2) 169,0077
Arima(1,1,1) 210,9951
Arima(2,1,1) 125,5655
Arima(1,1,2) 168,0585
Arima(2,1,2) 126,6783

Por fim, foi feito o teste de normalidade dos resı́duos usando o Shapiro-Wilk
test, disponı́vel no Matlab em https://www.mathworks.com/matlabcentral/fileexchange/13964-
shapiro-wilk-and-shapiro-francia-normality-tests. Foi considerado um nı́vel de
significância de 0, 05. Ou seja, p-valor maior que 5% considera-se que o con-
junto de dados é proveniente de dados normalmente distribuidos. Observando os
resultados apresentados na Tabela 45, podemos considerar que os resı́duos dos
modelos Arima(1,0,0), Arima(2,0,0), Arima(0,0,1) foram reprovados no teste de
normalidade. Todos os outros modelos foram aprovados no teste de normalidade,
indicando que os resı́duos são normalmente distribuı́dos.
 Tabela 45. P-valor dos testes de normalidade

Modelo p-valor
Arima(1,0,0) 0,0063
Arima(2,0,0) 0,0038
Arima(0,0,1) 0,0005
Arima(0,0,2) 0,1204
Arima(1,0,1) 0,4137
Arima(2,0,1) 0,3281
Arima(1,0,2) 0,5432
Arima(2,0,2) 0,2998
Arima(0,1,0) 0,1130
Arima(1,1,0) 0,1376
Arima(2,1,0) 0,5526
Arima(0,1,1) 0,5060
Arima(0,1,2) 0,5060
Arima(1,1,1) 0,5861
Arima(2,1,1) 0,8008
Arima(1,1,2) 0,9901
Arima(2,1,2) 0,7365

6 Parte 6
Para a parte 6 do trabalho, foi usado uma base de dados reais com 90 observações.
Foi escolhida uma série entre quatro, segundo a que mais parecia ser adequada o
uso do método Arima. Os gráficos das séries estão apresentados nas Figuras 48,
49, 50 e 51. Podemos também visualizar o FAC e o FACP das séries diferenciadas
nas Figuras 52, 53, 54, 54, 55, 56, 57, 58 e 59. Fazendo uma observação das séries,
a série 2 parece bastante adequada para o uso do método Arima, portanto vamos
usá-la nos passos seguintes.
Figura 48. Série 1: Mortes por suicı́dio com armas de fogo
Figura 49. Série 2: Mortes por assassinato com armas de fogo
Figura 50. Série 3: Mortes por suicı́dio com outro tipo de arma
Figura 51. Série 4: Mortes por assassinato com outro tipo de arma
Figura 52. FAC da série 1 diferenciada
Figura 53. FACP da série 1 diferenciada
Figura 54. FAC da série 2 diferenciada
Figura 55. FACP da série 2 diferenciada
Figura 56. FAC da série 3 diferenciada
Figura 57. FACP da série 3 diferenciada
Figura 58. FAC da série 4 diferenciada
Figura 59. FACP da série 4 diferenciada
6.1 Arima(1,0,0)

Para a estimação da série usando o Arima(1,0,0), temos os resultados apresenta-

dos na Tabela 46. O parâmetro AR1 é significativo. A Tabela 47 a variância dos
resı́duos do modelo estimado. Como vemos, a variância também se aproximou
bastante da variância do modelo. Portanto, esse teste residual passou. Vemos
também que a FAC e a FACP dos resı́duos do modelo, apresentados nas Figuras
60 e 61, passou nos testes.

Tabela 46. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,59209 0,090899
AR2 - -
MA1 - -
MA2 - -
Variância 0,015234 0,0024459

Tabela 47. Avaliação dos erros

Valor
Variância 0,0154
Figura 60. FAC dos resı́duos da série Arima(1,0,0)
Figura 61. FACP dos resı́duos da série Arima(1,0,0)
6.2 Arima(2,0,0)

Para a estimação da série usando o Arima(2,0,0), temos os resultados apresen-

tados na Tabela 48. Os parâmetros AR1 e AR2 são significativos. A Tabela 49 a
variância dos resı́duos do modelo estimado. Como vemos, a variância também se
aproximou bastante da variância do modelo. Portanto, esse teste residual passou.
Vemos também que a FAC e a FACP dos resı́duos do modelo, apresentados nas
Figuras 62 e 63, passou nos testes.

Tabela 48. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,45429 0,1051
AR2 0,25383 0,10066
MA1 - -
MA2 - -
Variância 0,014323 0,002257

Tabela 49. Avaliação dos erros

Valor
Variância 0,0145
Figura 62. FAC dos resı́duos da série Arima(2,0,0)
Figura 63. FACP dos resı́duos da série Arima(2,0,0)
6.3 Arima(0,0,1)

Para a estimação da série usando o Arima(0,0,1), temos os resultados apresen-

tados na Tabela 50. O parâmetro MA1 pode ser considerado significativo. A
Tabela 51 demonstra o resultado da variância dos resı́duos do modelo estimado.
Como vemos, a variância se aproximou bastante da variância do modelo, que
passa no teste. Por outro lado, observando a FAC e a FACP dos resı́duos do
modelo, apresentados nas Figuras 64 e 65, vemos vários valores fora dos limites.
Portanto os resı́duos foram reprovados no teste de correlação.

Tabela 50. Resultados da estimação do modelo

Valor Erro Padrão

AR1 - -
AR2 - -
MA1 0,3977 0,11233
MA2 - -
Variância 0,017961 0,0030128

Tabela 51. Avaliação dos erros

Valor
Variância 0,0182
Figura 64. FAC dos resı́duos da série Arima(0,0,1)
Figura 65. FACP dos resı́duos da série Arima(0,0,1)
6.4 Arima(0,0,2)

Para a estimação da série usando o Arima(0,0,2), temos os resultados apresen-

tados na Tabela 52. Os parâmetros MA1 e MA2 deram significativos. A Tabela
53 demonstra o resultado e variância dos resı́duos do modelo estimado. Como
vemos, a variância se aproximou bastante da variância do modelo. Portanto, esse
teste residual passou. Por outro lado, observando a FAC e a FACP dos resı́duos
do modelo, apresentados nas Figuras 66 e 67, vemos um valor fora dos limites
em cada gráfico. Visto que o valor estrapolou pouco os limites, e foi apenas um
valor, podemos considerar que o modelo também passou nesse teste.

Tabela 52. Resultados da estimação do modelo

Valor Erro Padrão

AR1 - -
AR2 - -
MA1 0,50447 0,10102
MA2 0,33172 0,11246
Variância 0,015797 0,002626

Tabela 53. Avaliação dos erros

Valor
Variância 0,0160
Figura 66. FAC dos resı́duos da série Arima(0,0,2)
Figura 67. FACP dos resı́duos da série Arima(0,0,2)
6.5 Arima(1,0,1)

Para a estimação da série usando o Arima(1,0,1), temos os resultados apresenta-

dos na Tabela 54. Os parâmetros AR1 e MA1 deram significativos. A Tabela 55
a variância dos resı́duos do modelo estimado. Como vemos, a variância também
se aproximou bastante da variância do modelo. Portanto, esse teste residual pas-
sou. Vemos também que a FAC e a FACP dos resı́duos do modelo, apresentados
nas Figuras 68 e 69, passou nos testes.

Tabela 54. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,92385 0,085716
AR2 - -
MA1 -0,54617 0,15051
MA2 - -
Variância 0,013838 0,0021694

Tabela 55. Avaliação dos erros

Valor
Variância 0,0140
Figura 68. FAC dos resı́duos da série Arima(1,0,1)
Figura 69. FACP dos resı́duos da série Arima(1,0,1)
6.6 Arima(2,0,1)

Para a estimação da série usando o Arima(2,0,1), temos os resultados apresenta-

dos na Tabela 56. Os parâmetros AR1 e MA1 deram significativos, e o parâmetro
AR2 deu não significativo. A Tabela 57 a variância dos resı́duos do modelo es-
timado. Como vemos, a variância também se aproximou bastante da variância
do modelo. Portanto, esse teste residual passou. Vemos também que a FAC e
a FACP dos resı́duos do modelo, apresentados nas Figuras 70 e 71, passou nos
testes.

Tabela 56. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,98732 0,2418
AR2 -0,053541 0,18627
MA1 -0,59084 0,21798
MA2 - -
Variância 0,013822 0,0021692

Tabela 57. Avaliação dos erros

Valor
Variância 0,0140
Figura 70. FAC dos resı́duos da série Arima(2,0,1)
Figura 71. FACP dos resı́duos da série Arima(2,0,1)
6.7 Arima(1,0,2)

Para a estimação da série usando o Arima(1,0,2), temos os resultados apresenta-

dos na Tabela 58. Os parâmetros AR1 e MA1 deram significativos. e MA2 deu
não significativo. Olhando a Tabela 59 e as Figuras 72 e 73, vemos que o modelo
possou nos testes de erro.

Tabela 58. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,93034 0,089057
AR2 - -
MA1 -0,53165 0,15252
MA2 -0,035671 0,10924
Variância 0,013819 0,0021633

Tabela 59. Avaliação dos erros

Valor
Variância 0,0140
Figura 72. FAC dos resı́duos da série Arima(1,0,2)
Figura 73. FACP dos resı́duos da série Arima(1,0,2)
6.8 Arima(2,0,2)

Para a estimação da série usando o Arima(2,0,2), temos os resultados apresen-

tados na Tabela 60. O parâmetro AR1 deu não significativo, e os parâmetros
AR2, MA1 e MA2 deram significativos. A Tabela 61 demonstra o resultado da
variância dos resı́duos do modelo estimado. Como vemos, a variância se aproxi-
mou bastante da variância do modelo. Portanto, esse teste residual passou. As
FAC e a FACP dos resı́duos do modelo também passaram no teste conforme
apresentados nas Figuras 74 e 75.

Tabela 60. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,045693 0,10515
AR2 0,81782 0,10707
MA1 0,37616 0,14474
MA2 -0,54439 0,15314
Variância 0,01363 0,0022451

Tabela 61. Avaliação dos erros

Valor
Variância 0,0138
Figura 74. FAC dos resı́duos da série Arima(2,0,2)
Figura 75. FACP dos resı́duos da série Arima(2,0,2)
6.9 Arima(0,1,0)

Para a estimação da série usando o Arima(0,1,0), temos os resultados apresenta-

dos na Tabela 62. A Tabela 63 demonstra o resultado da variância dos resı́duos do
modelo estimado. Como vemos, a variância se aproximou bastante da variância
do modelo. Portanto, esse teste residual passou. Por outro lado, observando a
FAC e a FACP dos resı́duos do modelo, apresentados nas Figuras 76 e 77, vemos
vários valores fora dos limites. Portanto os resı́duos foram reprovados no teste
de correlação.

Tabela 62. Resultados da estimação do modelo

Valor Erro Padrão

AR1 - -
AR2 - -
MA1 - -
MA2 - -
Variância 0,018833 0,0027499

Tabela 63. Avaliação dos erros

Valor
Variância 0,0190
Figura 76. FAC dos resı́duos da série Arima(0,1,0)
Figura 77. FACP dos resı́duos da série Arima(0,1,0)
6.10 Arima(1,1,0)

Para a estimação da série usando o Arima(1,1,0), temos os resultados apresen-

tados na Tabela 64. O parâmetro AR1 é significativo. A Tabela 65 demonstra o
resultado da variância dos resı́duos do modelo estimado. Como vemos, a variância
se aproximou bastante da variância do modelo. Portanto, esse teste passou. Por
outro lado, observando a FAC e a FACP dos resı́duos do modelo, apresentados
nas Figuras 78 e 79, vemos alguns valores fora dos limites. Portanto os resı́duos
foram reprovados no teste de correlação.

Tabela 64. Resultados da estimação do modelo

Valor Erro Padrão

AR1 -0,40814 0,092067
AR2 - -
MA1 - -
MA2 - -
Variância 0,015719 0,0021894

Tabela 65. Avaliação dos erros

Valor
Variância 0,0159
Figura 78. FAC dos resı́duos da série Arima(1,1,0)
Figura 79. FACP dos resı́duos da série Arima(1,1,0)
6.11 Arima(2,1,0)

Para a estimação da série usando o Arima(2,1,0), temos os resultados apresen-

tados na Tabela 66. O parâmetro AR1 é significativo e o parâmetro AR2 não
é significativo. A Tabela 67 demonstra o resultado da variância dos resı́duos do
modelo estimado. Como vemos, a variância se aproximou bastante da variância
do modelo, e portanto, passou no teste residual. A FAC e a FACP dos resı́duos
do modelo, apresentados nas Figuras 80 e 81, também passaram nos testes.

Tabela 66. Resultados da estimação do modelo

Valor Erro Padrão

AR1 -0,49455 0,11469
AR2 -0,21313 0,11924
MA1 - -
MA2 - -
Variância 0,015013 0,0021936

Tabela 67. Avaliação dos erros

Valor
Variância 0,0152
Figura 80. FAC dos resı́duos da série Arima(2,1,0)
Figura 81. FACP dos resı́duos da série Arima(2,1,0)
6.12 Arima(0,1,1)

Para a estimação da série usando o Arima(0,1,1), temos os resultados apresenta-

dos na Tabela 68. O parâmetro MA1 é significativo. A Tabela 69 demonstra o re-
sultado da variância dos resı́duos do modelo estimado. Como vemos, a variância
deu próxima da variância do modelo. Portanto, passou no teste. Observando
a FAC e a FACP dos resı́duos do modelo, apresentados nas Figuras 82 e 83,
também concluimos que o modelo passou nos testes de correlação dos resı́duos.

Tabela 68. Resultados da estimação do modelo

Valor Erro Padrão

AR1 - -
AR2 - -
MA1 -0,62083 0,081608
MA2 - -
Variância 0,014099 0,0022017

Tabela 69. Avaliação dos erros

Valor
Variância 0,0143
Figura 82. FAC dos resı́duos da série Arima(0,1,1)
Figura 83. FACP dos resı́duos da série Arima(0,1,1)
6.13 Arima(0,1,2)

Para a estimação da série usando o Arima(0,1,2), temos os resultados apresen-

tados na Tabela 70. O parâmetro MA1 é significativo e MA2 não é significativo.
O modelo também passou nos testes dos resı́duos do modelo, como vemos na
Tabela 35, e nas Figuras 38 e 39.

Tabela 70. Resultados da estimação do modelo

Valor Erro Padrão

AR1 - -
AR2 - -
MA1 -0,58289 0,11104
MA2 -0,055158 0,10312
Variância 0,01405 0,0021886

Tabela 71. Avaliação dos erros

Valor
Variância 0,0143
Figura 84. FAC dos resı́duos da série Arima(0,1,2)
Figura 85. FACP dos resı́duos da série Arima(0,1,2)
6.14 Arima(1,1,1)

Para a estimação da série usando o Arima(1,1,1), temos os resultados apresen-

tados na Tabela 72. O parâmetro AR1 não é significativo e MA1 é significativo.
O modelo também passou nos testes dos resı́duos do modelo, como vemos na
Tabela 73, e nas Figuras 86 e 87.

Tabela 72. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,083152 0,17108
AR2 - -
MA1 -0,66824 0,12069
MA2 - -
Variância 0,014056 0,0022019

Tabela 73. Avaliação dos erros

Valor
Variância 0,0142
Figura 86. FAC dos resı́duos da série Arima(1,1,1)
Figura 87. FACP dos resı́duos da série Arima(1,1,1)
6.15 Arima(2,1,1)

Para a estimação da série usando o Arima(2,1,1), temos os resultados apre-

sentados na Tabela 74. O parâmetro AR1 e AR2 não é significativo, e MA1 é
significativo. O modelo também passou nos testes dos resı́duos do modelo, como
vemos na Tabela 75, e nas Figuras 88 e 89.

Tabela 74. Resultados da estimação do modelo

Valor Erro Padrão

AR1 0,066406 0,23488
AR2 -0,024776 0,1523
MA1 -0,65017 0,19652
MA2 - -
Variância 0,014051 0,0022046

Tabela 75. Avaliação dos erros

Valor
Variância 0,0142
Figura 88. FAC dos resı́duos da série Arima(2,1,1)
Figura 89. FACP dos resı́duos da série Arima(2,1,1)
6.16 Arima(1,1,2)

Para a estimação da série usando o Arima(1,1,2), temos os resultados apresen-

tados na Tabela 76. Os parâmetros AR1, MA1 e MA2 não são significativos.
O modelo também passou nos testes dos resı́duos do modelo, como vemos na
Tabela 77, e nas Figuras 90 e 91.

Tabela 76. Resultados da estimação do modelo

Valor Erro Padrão

AR1 -0,032136 1,2838
AR2 - -
MA1 -0,55172 1,2789
MA2 -0,073939 0,78773
Variância 0,014049 0,0023089

Tabela 77. Avaliação dos erros

Valor
Variância 0,0142
Figura 90. FAC dos resı́duos da série Arima(1,1,2)
Figura 91. FACP dos resı́duos da série Arima(1,1,2)
6.17 Arima(2,1,2)

Para a estimação da série usando o Arima(2,1,2), temos os resultados apresenta-

dos na Tabela 78. Os parâmetros AR1, AR2, MA1 e MA2 não são significativos.
O modelo também passou nos testes dos resı́duos do modelo, como vemos na
Tabela 79, e nas Figuras 92 e 93.

Tabela 78. Resultados da estimação do modelo

Valor Erro Padrão

AR1 -0,44568 1,6197
AR2 0,093881 0,18633
MA1 -0,13701 1,6121
MA2 -0,37796 0,997
Variância 0,014031 0,0021725

Tabela 79. Avaliação dos erros

Valor
Variância 0,0142
Figura 92. FAC dos resı́duos da série Arima(2,1,2)
Figura 93. FACP dos resı́duos da série Arima(2,1,2)
6.18 AIC e teste de normalidad de cada modelo

Como dito anteriorment, o AIC é uma métrica utilizada para avaliar qual o
melhor modelo para um determinado conjunto de dados. A Tabela 80 mostra
os resultados do AIC de cada modelo empregado neste trabalho. Quanto menor
for o valor, melhor é o modelo ao conjunto de dados. Vemos que o modelo que
apresentou o melhor AIC foi o Arima(0,1,1), que é um modelo integrado que
possui a parte MA com valor 0, 62083. Este modelo passou nos testes do erro.

Tabela 80. Resultados do AIC de cada modelo ajustado

Modelo AIC
Arima(1,0,0) -115.1701
Arima(2,0,0) -118.7188
Arima(0,0,1) -100.3488
Arima(0,0,2) -109.9025
Arima(1,0,1) -121.8240
Arima(2,0,1) -119.9255
Arima(1,0,2) -119.9470
Arima(2,0,2) -119.1861
Arima(0,1,0) -98.0828
Arima(1,1,0) -112.3520
Arima(2,1,0) -114.4882
Arima(0,1,1) -122.1425
Arima(0,1,2) -120.4537
Arima(1,1,1) -120.4175
Arima(2,1,1) -118.4477
Arima(1,1,2) -118.4565
Arima(2,1,2) -116.5718

Por fim, foi feito o teste de normalidade dos resı́duos usando o Shapiro-Wilk
test. Foi considerado um nı́vel de significância de 0, 05. Observando os resultados
apresentados na Tabela 81, vemos que todos os modelos foram aprovados no teste
de normalidade, indicando que os resı́duos são normalmente distribuı́dos.
 Tabela 81. P-Valor dos testes de normalidade

Modelo p-valor
Arima(1,0,0) 0,8290
Arima(2,0,0) 0,7229
Arima(0,0,1) 0,5744
Arima(0,0,2) 0,6059
Arima(1,0,1) 0,7355
Arima(2,0,1) 0,7911
Arima(1,0,2) 0,7918
Arima(2,0,2) 0,7239
Arima(0,1,0) 0,5777
Arima(1,1,0) 0,7670
Arima(2,1,0) 0,6702
Arima(0,1,1) 0,5851
Arima(0,1,2) 0,5851
Arima(1,1,1) 0,7328
Arima(2,1,1) 0,7161
Arima(1,1,2) 0,6986
Arima(2,1,2) 0,6248

6.19 Gráfico e erro do modelo Arima(0,1,1)

Como o modelo que apresentou o menor AIC foi Arima(0,1,1), o gráfico o modelo
está apresentado na Figura 94. O MSE do Arima também foi comparado com o
do AES usando um α = 0, 02, e considerando a partir da observação 20, como
apresentado na Tabela 82. O Arima apresentou um erro MSE bastante inferior
ao AES.
Figura 94. Gráfico do Arima(0,1,1) ajustado aos dados e o valor esperado
Tabela 82. MSE do Arima(0,1,1) e do AES

MSE
Arima(0,1,1) 0,7615
AES 1,665511