sÃ©ries univariantes de tempo - metodologia de Box & Jenkins

More documents

Recommendations

Info

Quadro 12151Principais informações estatísticas dos modelos supostos para a série consumode energia elétrica no Rio Grande do Sul — jan./70-out./81MODELO SUPOSTOESTIMATIVAS DOSPARÂMETROSDESVIO PADRÃO DOSPARÂMETROSVARIÃNCIARESIDUAL(1) SARIMA (0,l,l)x(l,0,0) 12com 8 o(2) SARIMA ^,l,l)x(2,0,0) 12 10com 8 0(3) SARIMA (0,l,l)x(l,0,l) 12com 6 o(4) SARIMA (0,l,l)x(l,0,l)sem 6 0(5) SARIMA (0,l,2)x(l,0,l)com 6 o(6) SARIMA (0,l,2)x(l,0,l)sem 6 o(7) SARIMA (l,l,l)x(l,0,l) 12com 8 o(8) SARIMA (l,l,0)x(l,0,l) 12com 8 o= 0,48650+ 12e, i= 0,63979e = 0,0048753o6 - 0,5984112e = 0,0017472 (N)o= 0,37640*19 12= 0,0030087 (N)- 0,89408+ 128, 1= 0,59426= 0,59914= 0,00099844 (N)= 0,94055+ 126 1= 0,579456, 120= 0,63589= 0,89820+ 12e, 12. = 0,60090e, i=• 0,607589 2= 0,600906 0= 0,00094837 (N)= 0,93694+ 129 = 0,6313312B I - 0,602429 2= -0,64007+ 1= -0,27481 (N)- 0,87872+ 126 = 0,56196129 = 0,31175 (N)1e = 0,0015206 (N)o= 0,49386+1,0= 0,8803612= 0,26775+ 249 = 0,609601e o8 10128 oDP (O = 0,0815561DP(6,) = 0,07133671DP(6 ) = 0,0015066oDP(iji „) = 0,0'1355867DP(_.) = 0,0934642Z4DP(9 ) = 0,0773061DP(8 ) = 0,0016962oDP(i)> 2) = 0,0605918DP(8.) = 0,07470911DP(6,,) = 0,104642812DP(6 ) = 0,0008091oDPO 12) - 0,0432653DPCS^ = 0,0755204DP(8,.) = 0,092015312DP( J = 0,0593928DP(8,.) = 0,103923412 'DP(8 ) = 0,093204DP(8 2) = 0,0934433DP(8 ) = 0,0008368oDP((j> 2) - 0,0446530DP(6 2) - 0,0932448DP(9 ) = 0,0925051DP(8 2) = 0,0922361DP(
leiatorio de salda do computador: sumário de informaçõesestatísticas para o modelo escolhido6.3.3 — A Etapa da Checagem do DiagnósticoA ACF, a PACF e a série de resíduos para o modelo escolhido estão apresentadasnas Figuras 21, 22 e 23. Pode-se perceber que nem as ACF ePACF, nem a série de resíduos apresentam comportamento que indique máidentificação. A serie de resíduos pode ser considerada aleatória.O teste de "portmanteau" apresenta a estatística "Q" = nZr^ = 35,77. Aum nível dê significãncia de 10%, o valor tabelado qui-quadrado, para27 graus de liberdade, é 36,7. Logo, pode-se aceitar a hipótese de queos resíduos não são nao-brancos 15 .Portanto o modelo escolhido nas etapas anteriores está bem identificado,atendendo às exigências da teoria. Esta encerrada a fase de construçãodo modelo.15 Para séries sazonais, é comum a utilização de outros tipos de testes mais específicos, a fim de avaliar a permanênciade algum comportamento ci'clico nos resíduos. Entre eles, é usual o Periodograma Acumulado. Como, no problemaem questão, não aparece nenhuma duvida sobre a não existência de comportamento sistemático nos resíduos, julgou-sedesnecessária sua aplicação. Para detalhes sobre o teste do Periodograma Acumulado, ver, entre outros,BOX & JENK1NS (1976), MORETTIN & TOLOI (1981) e Nelson (1973).
Page 1:
(/Jmt/)pllllllFundação de Economi
Page 4 and 5:
SUMÁRIOLISTA DE FIGURAS 5LISTA DE
Page 6 and 7:
LISTA DE FIGURASCAPÍTULO 2Figura l
Page 8 and 9:
Figura 22 — Gráfico da PAC da s
Page 10 and 11:
Quadro 13 - Relatório de saída do
Page 12 and 13:
A presente dissertação, orientada
Page 14 and 15:
14de Cournot e Walras, entre outros
Page 16 and 17:
16que as atividades de pesquisa alc
Page 18 and 19:
18funcionamento da realidade econô
Page 20 and 21:
20quatro componentes e tem-se como
Page 22 and 23:
2 - SOBRE SÉRIES TEMPORAISE PROCES
Page 24 and 25:
25onde o segundo membro dessa equa
Page 26 and 27:
A importância do conhecimento de a
Page 28 and 29:
O tipo de não estacionariedade mos
Page 30 and 31:
Essa padronização e obtida atrav
Page 32 and 33:
=t1 p1 ' t-1( 1 o1 ' ' t-2-fl-He 1
Page 34 and 35:
35l M l l l l l lFigura 3 - Correlo
Page 36 and 37:
Para retirar a sazonalidade, cria-s
Page 38 and 39:
40Nesse caso,E (X t ) = E(u+ E(a t
Page 40 and 41:
42Portanto.tSZ = ",z = . E z. = .E.
Page 42 and 43:
44Note-se que, para esse processo,
Page 44 and 45:
463.2 — Modelo Média MóvelSeja
Page 46 and 47:
48Processo Média Móvel de Primeir
Page 48 and 49:
50Y2 = E(a t - 6 1 a t _ 1 '^t^ (a
Page 50 and 51:
Conforme se viu no iteia 3,1, para
Page 52 and 53:
54Coeficiente de autocorrelação>k
Page 54 and 55:
56se k = 2, p 2 = "í^p-, + ií ) 2
Page 56 and 57:
58Portanto,5 = 'i' 1 (B) 8 (B)2 ql
Page 58 and 59:
60Para k < q, o processo misto auto
Page 60 and 61:
62Coeficientes de autocorrelação^
Page 62 and 63:
64Observe-se que, se d=0, o modelo
Page 64 and 65:
66Portanto, o modelo descrito pela
Page 66 and 67:
4 - O PROCESSO DE MODELAGEMOs model
Page 68 and 69:
71/Ml-UIAFigura 1 - Gráfico "Ampli
Page 70 and 71:
O processo de transformação da se
Page 72 and 73:
autocorrelaçao de um processo méd
Page 74 and 75:
'kkhi,.1 O O 1 2l0 2 4 j 618l l 10
Page 76 and 77:
79l 2 3 4 5l M'-''> OO 11 3 l 5 l 7
Page 78 and 79:
81Padrões de p ^ e (4 ^ para um AR
Page 80 and 81:
Na prática, porém, surge outro pr
Page 82 and 83:
Por fim, o estudo das funções de
Page 84 and 85:
Esses vetores serão $,6, e a , de
Page 86 and 87:
Um exemplo pratico permite maior cl
Page 88 and 89:
Para o calculo de S(_$,ô_), os [ a
Page 90 and 91:
para iniciar o processo que se arbi
Page 92 and 93:
95Porque os [e.t/S,wn não são exa
Page 94 and 95:
Esse processo de checagem, em geral
Page 96 and 97:
aparecem escassamente no correlogra
Page 98 and 99: 5-0 MÉTODO DE PREVISÃODE BOX & JE
Page 100 and 101: 103De maneira semelhante, pode-se o
Page 102 and 103: 105Previsão utilizando equação d
Page 104 and 105: 107ou seja,para h > 2,x t (h) = ^^(
Page 106 and 107: 109O valor de x no período t+h éx
Page 108 and 109: 1 11para h=2 ,x t (2) = E, para h >
Page 110 and 111: Se as previsões para um, dois e tr
Page 112 and 113: 115Portanto o valor de x no tempo t
Page 114 and 115: 6.1 - Nota Introdutória6 - APLICA
Page 116 and 117: 119rie se caracteriza por apresenta
Page 118 and 119: tricamente crescente, pode-se infer
Page 120 and 121: 123Figura 5 - Gráfico da função
Page 122 and 123: 125Quadro 2Figura 7 — Gráfico da
Page 124 and 125: 127Quadro 4Figura 8 - Gráfico da f
Page 126 and 127: 129Portanto o modelo suposto inicia
Page 128 and 129: 1 JF jR.LN i"ÍSSSÉÍ"'*?!!['"Ortu
Page 130 and 131: 133O Quadro 5 permite algumas consi
Page 132 and 133: 135T»E-EST!«»Tto «E51FWALS-- MO
Page 134 and 135: 137Quadro 6Relatório de saída do
Page 136 and 137: 1396.3 - Previsões para o Consumo
Page 138 and 139: 141A avaliação da necessidade de
Page 140 and 141: 143A Figura 16 permite observar que
Page 142 and 143: 145A ACF da serie V 2 T t (Figura 1
Page 144 and 145: '147Quadro 9Valores numéricos da A
Page 146 and 147: 149Quadro 11Valores numéricos da P
Page 150 and 151: 1536.3.4 — PrevisõesPara essa se
Page 152 and 153: 155xx* *XXKx**xx*xx*xxxx /x ^x *xAA
Page 154 and 155: 157Figura 24 — Relatório de saí
Page 156 and 157: 160cionarem previsões bastante sat
Page 158 and 159: 162- KIRBY (1966), comparando os m
Page 160 and 161: ANEXO lManual dos Comandos Necessá
Page 162 and 163: 168cc 9-16 Number with four decimai
Page 164 and 165: 170Repeat in cc 17-24, 25-32, etc.
Page 166 and 167: 17240.12345cc 1-5Enter a zero if wi
Page 168 and 169: ANEXO 11Relatórios de Saída do Co
Page 170 and 171: s^c; c —)c i- >C-' "*> — < Sj=
Page 172 and 173: .-« T-4ooooooooooo*• + 4- * *•
Page 174 and 175: BIBLIOGRAFIAAKAIKE, H. A new look a
Page 176 and 177: MAKRIDAKIS, S. & WHEELWRIGHT, S. C.
show all

sÃ©ries univariantes de tempo - metodologia de Box & Jenkins

Create successful ePaper yourself

Delete template?

Save as template?