Escolar Documentos
Profissional Documentos
Cultura Documentos
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.
MAPE MSE
Naive 4,829095 32,141568
MM 3,931661 17,967851
AES 3,717472 16,028749
MAPE MSE
Naive 7,789332 53,593209
MM 9,458321 75,954411
AES 15,232586 286,840910
MAPE MSE
MM 2,466084 27,68973
AES 2,382505 24,29205
3 Parte 3
3.1 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
MAPE MSE
Naive 0,572883 4583984
MM 0,833523 8324646
AES 0,576826 4633266
MMD 0,660928 5510984
AEH 0,57109 4531708
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
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.
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.
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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.
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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.
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
MSE
Arima(0,1,1) 0,7615
AES 1,665511