Mapa Mental - Séries Temporais

Prévia do material em texto

Estacionariedade e Raiz Unitária Erro e Avaliação de Modelos Estacionariedade exige que Erro médio absoluto é média dos coeficientes AR tenham módulo menor que valores absolutos das diferenças 1 entre observações e previsões Raiz unitária indica presença de Validação com período de tamanho 2 tendência estocástica e não permite cálculo simples do erro estacionariedade médio absoluto Modelos com raiz unitária tornam-se Testes de sobrefixação avaliam estacionários após diferenciação significância dos parâmetros AR e MA individualmente Passeio aleatório sem constante é não estacionário e tende ao infinito Critérios de informação são usados para comparar modelos ARMA com diferentes ordens Séries Modelos de Séries Temporais Função de Autocorrelação (FAC) Modelos AR, MA e ARMA combinam Temporais FAC mede correlação entre valores da autoregressão e médias móveis série em diferentes lags Modelos ARMA(1,1) possuem parâmetros FAC no lag 2 para modelo AR(1) com AR e MA significantes individualmente coeficiente 0,5 é 0,25 Modelos AR(1) e AR(2) são usados para FACP estimada ajuda a identificar capturar dependências temporais possíveis modelos AR que geraram a Modelos MA(1) e MA(2) representam série médias móveis de erros passados Valores decrescentes da FAC indicam dependência temporal decrescente Tendência e Diferenciação Tendência estocástica indica que a série não é estacionária sem diferenciação Decomposição de Séries Temporais Diferenciação transforma séries Variância em Modelos de Séries Temporais com raiz unitária em séries Modelos multiplicativos removem tendência Variância do ruído Et é fundamental para estacionárias dividindo a série por tendência e determinar variância total do modelo sazonalidade Tendência determinística é Modelos AR(1) com coeficiente 1 possuem variância diferente de tendência estocástica Remoção correta da tendência que cresce com O tempo multiplicativa é Yt / (Tt St) e não depende do ruído Modelos ARMA(1,1) possuem variância dependente Modelos com tendência estocástica Decomposição separa série em tendência, dos coeficientes AR e MA sazonalidade e componente aleatório possuem raiz unitária e precisam ser diferenciados Falta de informações pode impedir cálculo exato Modelos aditivos removem tendência por da variância do modelo subtração, diferente do multiplicativo