Séries Temporais

Docente: Miranda Muaualo

Licenciatura em Estatística - 3o Ano - Semestre II - UEM

Movimentos característicos de uma série temporal

3 e 8 de Agosto de 2023

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 1 / 29

Sumário

Movimentos característicos de uma série temporal

„ Tendência

„ Sazonalidade
„ Ciclo
„ Irregular ou aleatório

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 2 / 29

Tendência

„ A tendência indica a direcção geral dos valores estudados. A

principal característica da componente é o movimento suave
registado num período longo de tempo, direccionando os dados de
modo constante, crescente ou decrescente.
„ Trata-se de um movimento de longo prazo, com o declíneo da
taxa de mortalidade (as pessoas tendem a viver mais e a maior
conscientização quanto aos seus direitos, o INSS irá pagar um
volume cada vez maior de benefícios).
„ A tendência percebida é apenas um artefato da forte correlação
positiva entre os valores das séries em pontos de tempo próximos e
a crescente variação no processo com o passar do tempo.

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 3 / 29

Tendência

„ Trata-se de um movimento de longo prazo que indica a direcção

geral dos valores estudados.
„ A principal característica da componente é o movimento suave
registado num período longo de tempo, direccionando os dados de
modo constante, crescente ou decrescente.

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 4 / 29

Tendência

Exemplo

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 5 / 29

Estimação da tendência por métodos de regressão

Considere a tendência temporal determinística expressa

µt = β0 + β1 t
Onde β0 e β1 são parâmetros desconhecidos.
n
X
(Yt − Y)(t − t)
βˆ1 = t=1
n
(t − t)2
X

t=1

βˆ0 = Y − βˆ1 t
X
n+1 t
onde t = 2
é a média de 1, 2, . . .. A forma trivial é t = n

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 6 / 29

Estimação da tendência por métodos de regressão

Outras fórmulas equivalentes às anteriores

X X X
n× (tY) − ( t) × ( Y)
βˆ1 = X
2
X
2
n×( t )−( t)
X X
Y − β1 × t
βˆ0 =
n

T = β0 + β1 t

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 7 / 29

Código em R para estimação da tendência

„ data(basededados)
„ model1=lm(basededados∼time(basededados))
„ summary(model1)

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 8 / 29

Código em R para estimação da tendência
library(TSA)
data(dados)
modelo=lm(dados∼time(dados))
win.graph(width=4.875, height=2.5,pointsize=8)
plot(dados,ylab=’Y(t)’,xlab=’t’,type=’o’)
abline(modelo)

Exemplo:
library(TSA)
VINHO=read.table("C:/Users/Miranda/Desktop/bdados/vinho.txt")
dados=ts(VINHO, start=1)
modelo=lm(dados∼time(dados))
win.graph(width=4.875, height=2.5,pointsize=8)
plot(dados,ylab=’Consumo de vinho’,xlab=’Tempo’,type=’o’)
abline(modelo)
Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 9 / 29
Tendência

Exemplo

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 10 / 29

Tendência por Médias móveis

Método das médias móveis

„ Nem sempre a série é linear

„ Por isso, existe outro método mais flexível de determinação da

tendência
„ O método das médias móveis
„ Este método permite suavizar ou eliminar as flutuações da série

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 11 / 29

Processo de cálculo de médias móveis
Dado um conjunto de valores observados

Y1 , Y2 , . . . Yk−1 , Yk , Yk+1 , . . . Yn−2 , Yn−1 , Yn

a seguinte sequência de médias aritméticas simples, define-se como
média móvel de ordem K:
Y1 + Y2 + · · · + Yk
K
Y2 + Y3 + · · · + Yk+1
K
Y3 + Y4 + · · · + Yk+2
K
...
Yn+1−k + Yn+2−k + · · · + Yn
K
Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 12 / 29
Tendência por Médias móveis

„ Quanto maior a ordem K, maior será o efeito de alisamento das

flutuações da série.
„ A escolha da ordem depende da amplitude dos movimentos sazonais
ou cíclicos da série.
„ Por exemplo, numa série cujas observações são trimestrais, se
existirem movimentos periódicos que se repetem cada quatro
trimestres, deverá calcular-se uma média móvel de ordem 4.
„ Quando a ordem é impar, as médias móveis referem-se sempre ao
período central.

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 13 / 29

Tendência por Médias móveis

„ Quando o número de períodos para o cálculo das médias móveis

é par, o ponto central do intervalo considerado não coincide com
nenhum dos períodos originalmente definidos.
„ A média móvel vai referir-se ao meio de dois períodos
consecutivos, daí a necessidade de se aplicarem duas médias
móveis, e a segunda aplicação tem o objectivo de centrar os
valores encontrados para a tendência e referir esses valores a cada
um dos períodos originalmente definidos.

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 14 / 29

Tendência por Médias móveis

Como foi observado nos slides anteriores

„ Calculam-se as médias de um certo número K de períodos

„ Colocando o resultado no centro deste número de períodos

„ O valor de K é a ordem da média móvel
„ Se a série tem sazonalidade, as médias móveis devem ter a mesma
ordem do período de sazonalidade: em séries mensais, 12, em séries
trimestrais, 4.
„ Quando K é par deve-se centralizar as médias móveis.

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 15 / 29

Desvantagens da Médias móveis

„ Perda de valores da tendência, portanto, não é possível isolar os

valores da tendência para todos os períodos observados.
„ Essa desvantagem não é grave se a série for relativamente longa.
„ Com médias móveis, não é possível obter uma expressão analítica
para a tendência, mas apenas um conjunto de valores que a
representam.
„ Impossibilidade de fazer previsões.
„ As médias móveis são fortemente afectadas por valores extremos
(outliers).

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 16 / 29

Remoção da Tendência

„ Uma vez identificada a tendência, por mínimos quadrados ou

médias móveis pode ser removida da série temporal.
„ Modelo aditivo: Y − T = C + S + I
„ Modelo multiplicativo: Y/T = C × S × I
Onde
T = Tendência
C = Variações cíclicas
S = Variações sazonais
I = Variações Irregulares.

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 17 / 29

Sazonalidade
„ É um movimento oscilatório de curta duração (períodos inferiores
a um ano)
„ Traduz a influência de factores cuja actuação é periódica, no sentido
de aumentar ou diminuir a intensidade do fenômeno.
„ Movimentos periódicos que se repetem em períodos curtos,
acompanhando um padrão temporal relacionado ao factor tempo.
„ A sazonalidade refere-se às mudanças ou variações cíclicas de curto
prazo.
„ São bastante parecidas com os cíclos, com a diferença de que os
fenômenos cíclicos são caracterizados por variações que oscilam
em torno da tendência a intervalos aproximadamente regulares de
tempo em longo prazo.
„ Importantes quando se pretende fazer previsões a curto prazo.
Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 18 / 29
Sazonalidade

Exemplo

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 19 / 29

Sazonalidade

„ Sazonalidades - Geralmente são variações de CURTO PRAZO,

mensal ou trimestral, cujo conhecimento pode ser útil para a
tomada de decisões.
„ Desprezadas para dados anuais: Y = T × C × I ou Y = T + C + I
„ Podem ser obtidas antes da tendência
„ No modelo multiplicativo as variações sazonais são indicadas por
índices sazonais que reduzem ou aumentam a tendência
„ Há vários métodos para a obtenção
„ Pode ser, o método da razão para a média móvel (ou método da
média móvel percentual).

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 20 / 29

Sazonalidade

No modelo sazonal, a série observada pode ser representada na

forma:
Yt = µt + Xt
Onde E(Xt ) = 0 para todo t.
A suposição geral do µt com dados sazonais, mensalmente, é de que
existem 12 constantes (parâmetros), β1 , β2 , . . . , e β12 , fornecendo
a temperatura esperada (para o exemplo da temperatura) para os 12
mêses.

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 21 / 29

Código em R da Sazonalidade

data(tempdub)
month.=season(tempdub)
modelo1=lm(tempdub∼month.-1)
summary(modelo1)
modelo2=lm(tempdub∼month.)
summary(model2)

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 22 / 29

Variações Cíclicas e Irregulares

„ Ciclo - é um movimento oscilatório de longa duração que exprime

a influência de factores aleatórios de acção reiterada.
„ Indica as fases de expansão e contração das actividades econômicas
sendo de duração não fixa.
„ Corresponde também a flutuações periódicas sistemáticas mas com
duração superior a um ano.
Em geral, os ciclos podem ser:
„ Longos: duração de mais ao menos cinquenta anos.

„ Médios: duração de mais ao menos dez anos.

„ Curtos: duração de dois a sete anos.

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 23 / 29

Variações Cíclicas e Irregulares

„ Variação Irregular ou aleatório - é um movimento oscilatório de

curta duração e de grande instabilidade que exprime a influência de
factores casuais.
„ Por exemplo: secas, cheias, greves, eleições, etc.
„ Geralmente as variações cíclicas e Irregulares são avaliadas em
conjunto.
„ As variações cíclicas são padrões de longo prazo (períodos de
recessão/crescimento da economia).
„ As variações Irregulares são resultado de factos fortuítos e
inesperados.

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 24 / 29

Variações Cíclicas e Irregulares

„ As variações Irregulares são obtidas após a remoção das

componentes de tendência e sazonalidade (se os dados não forem
anuais) da série temporal.
„ CI = Y − T − S ou CI = Y − T CI = (Y/(T × S)) ou CI = (Y/T)
„ Analisando o conjunto CI é possível avaliar se há ou não cíclos, e
se o efeito das variações irregulares é muito grande.
„ É possível aplicar médias móveis a CI de forma a alisar seus
resultados, reduzindo o efeito das variações irregulares e
salientando os ciclos.

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 25 / 29

Recomposição

„ Pode ser necessário recompor os componentes do modelo clássico

de uma série temporal, para realizar previsões, por exemplo:
„ No modelo aditivo: T + CI + S = Y
„ No modelo multiplicativo: T × CI × S = Y

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 26 / 29

Principais distribuições e testes

Trabalho em grupo composto por 4 ou 8 estudantes:

„ Distribuição normal

„ Distribuição χ2
„ Distribuição t
„ Distribuição F
„ Teste de Jarque e Bera
„ Teste de Box e Pierce
„ Teste de Ljung e Box
„ Teste de Dickey-Fuller (DF)

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 27 / 29

Bibliografia

„ Cryer, J. D. and Chan, K.-S. Time Series Analysis with Applications

in R, Second Edition, USA, 2008;
„ Crawley, M.J. The R Book, John Wiley & Sons, Ltd, UK, 2007;
„ Gujarati, Damodar, Econometria Básica, Editora Campus, 5a
edição, 2011;
„ Montgomery, D. C., Jennings, C. L. and Kulahci, Murat,
Introductin to Time Series Analysis and Forecasting, John Wiley
& Sons, Ltd, INC, 2008; e
„ Shumway, R. H. and Stoffer, D. S., Time Series Analysis and its
Applications With R Examples, Third Edition, Springer New York
Dordrecht Heidelberg London, 2011.

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 28 / 29

 OBRIGADO

Docente: Miranda Muaualo (UEM) Séries Temporais 3 e 8 de Agosto de 2023 29 / 29