SÉRIES

TEMPORAIS
Ciência da Decisão em Projetos
DEFINIÇÃO!

 Uma série temporal é uma sequência de

realizações (observações) de uma variável ao
longo do tempo.

 Dito de outra forma, é uma sequência de

pontos (dados numéricos) em ordem
sucessiva, geralmente ocorrendo em
intervalos uniformes. Portanto, uma série
temporal é uma sequência de números
coletados em intervalos regulares durante um
período de tempo.
 HISTÓRIA

GEORGE BOX GWILYM JENKINS

JHON TUKEY – 1915 – 2000 THORVALD NICOLAI THIELE
1919-2013 1932-1982
TRANSFORMADA RÁPIDA DE 1839-1910
FORRIER MODELOS MATEMÁTICAS
ANOVA E OUTRAS ANOVA E OUTRAS
POPULARIZAÇÃO DAS SÉRIES COMPORTAMENTOS DE
FERREMENTAS FERREMENTAS
TEMPORAIS! INDIVÍDUOS PARA PREVER O
COMPORTAMENTOS FUTUROS COMPORTAMENTOS FUTUROS
FUTURO
EM ECONOMIA. EM ECONOMIA.
 A Série temporal é a sequência de dados
adquiridos em um determinado período de
tempo específico;
Quais são os
dados utilizados
Estes dados selecionados (passado) são
para realizar a analisados para prever o futuro;
Análise
Temporal?
A variável obrigatoriamente tem que depender
do tempo.
Importância da Série Temporal

 Seria interessante se pudéssemos prever:

 Quanto a empresa venderia por mês?

 Qual seria o comportamento da bolsa de valores?

 O que mais podemos prever hoje nas empresas em que vocês trabalham?
Importância da Série Temporal

 Para isto podemos utilizar Time Series Forecasting

 Previsão do futuro baseado no passado;

 Controle de produção em série;

 Melhor entendimento e clareza de mecanismos de produção em série.

Então...O que podemos analisar?

PREÇO DIÁRIO DAS TAXA DE JUROS SENÁRIO DE VENDAS

AÇÕES; SEMANAIS;
Dados selecionados para
uma análise de Série
Temporal

 Os preços das ações no mercado

variam todo todos os dias.
Gráfico
demonstrativo
dos dados
 Um simples gráfico demonstra um
crescimento no preço em relação ao
tempo.
As componentes que afetam a Time Series

tendência Sazonalidade

Ciclicidade Irregularidade
tendência

Crescimento ou decrescimento da série ao

longo do tempo que persisti de acordo com uma
análise mais longa.

Exemplo: Crescimento da população brasileira

ao longo dos anos.
sazonalidade

1 2
Mudanças regulares Exemplo: Venda de
tanto para cima quanto chocolate na páscoa.
para baixo ao longo do
tempo.
 Ciclicidade!

Exemplo fictício: Em
É uma variação de 2010 ocorreu um
um termo médio aumento significativo no
causada por alguma preço do açúcar. Em 2015
circunstância na ocorreu outra mudança
qual repete em anormal no preço do
intervalos açúcar. Outra mudança
irregulares, ocorreu em 2017.
normalmente não Atualmente não foi
ocorre por um detectado nenhuma
longo período de mudança anormal e
tempo. significativa no preço do
açúcar.
Irregularidade

 Refere a uma variação que ocorre

por fatores imprevisíveis e também
não possui um padrão de repetição.

Exemplo: Tragédias naturais como:

terremoto,
tsunami, furacão, entre outros.
Quando não podemos
utilizar Séries
Temporais!
 1)Valores constantes em relação a
um período de tempo estudado.
Quando não
podemos utilizar
Séries Temporais!
 2) Valores que podem ser
representados por alguma função.
Quando não
podemos utilizar
Séries Temporais!
 3) Dados com comportamento não-
estacionários.
Estacionariedade

 Quando os dados variam em torno

de um parâmetro constante
(média).
Comportamento Não Estacionário
Logo precisa converter para um
comportamento estacionário para aplicar
o modelo de série temporal.

Comportamento estacionário.
Média, variância e covariância
constantes
Parâmetros Importantes
Método utilizando a média
Exemplo: Digamos que você é possui uma empresa por 3 meses e
queria prever como serão as vendas do mês seguinte.

Mês Vendas em mil reais

Janeiro R$ 129,00
Fevereiro R$ 134,00
Março R$ 122,00

Devemos analisar uma média dos meses de Janeiro até Março para
estimarmos o mês de abril.

(129 + 134 + 122)/3 = R$128,33

Método utilizando a média móvel
 Exemplo: Venda de carros

Dados não-estacionários
Método utilizando a média móvel
Método utilizando a média móvel
Fórmulas importantes
 Yt = St * Et * Tt
Pois temos número de
 St / Et = Y / Média móvel central vendas e a média móvel

 Yt = Valor da série temporal

 Tt= Componente de tendência
 Ct = componente do Ciclo
 St = Componente de Sazonalidade
 Et = Componente do Erro
Tt = Intersecção + Inclinação *Tempo
 Análise de Série Temporal
8

6
CERTIFICAÇÃO 5

DOS VALORES 4 Vendas (R$1000mil)

Média móvel central
DA SÉRIE 3 Previsão

TEMPORAL 2

0
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
Ano 1 Ano 2 Ano 3 Ano 4 Ano 5
Métodos para análise de Séries
Temporais
 Métodos para Domínio da Frequência
Como?
 Análise Espectral

 Métodos para domínio do tempo Quando?

 Autocorrelação (dependência serial)
Aplicação de
série
temporal
Exemplos de onde
utilizar
 Economia: Análise da performance do mercado de valores;

 Censo: Análise dos tipos de crescimentos da população;

 Venda: Análise de venda por região, produto, etc;

 Indústria: Análise da performance de máquinas;

Exemplos de onde
utilizar
 Meteorologia: Análise da variação do tempo
como: temperatura, humidade e vento;

 Marketing: Análise de vendas e produtividade;

 Medicina e Biomedicina: Análise de sinais

fisiológicos, batida do coração, temperatura do
paciente;

 Internet: Análise de clics.

Obrigado pela
atenção!