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

More documents

Recommendations

Info

157Figura 24 — Relatório de saída do computador: gráfico dos valores previstos paranov./81 -out./82 do consumo de energia elétrica gaúchoQuadro 14Previsão para os valores mensais do consumo de energiaelétrica gaúcho — nov./81-out./82ANOSEMESESVALOR PREVISTOINTERVALO DE CONFIANÇA '^OBSERVADo"(de 95%) . , . . ,(se conhecido)DE ERRO1981Nov.Dez.510 911,2541 261,5(476(501311, 7;548 023, 7) 516 655613, 7;584 043, 0) 559 7791,13,11982Jan.Fev.Mar.Abr.MaioJun.Jul.Ago.Set.Out.575 551,3549 978,7564 805,6550 248,6547 880,6541 315,9545 676,2552 724,0544 592,6550 550,3(530(504(515(499(495(487(489(493(484(488457, 5;624 478, 5) 589 137276, 5;599 822, 8)352, 6;619 004, 1)751, 6;605 848, 1)408, 2; 605 910, 8)405, 9;601 188, 7)338, 1;608 500, 6)719, 0;618 780, 7)616, 3;611 991, 6)123, 6; 620 960, 9)2,3NOTA: O percentual de erro é obtido através da diferença entre o valor previsto e o valorrealmente observado (se conhecido) dividida pelo valor realmente observado.
7 - CONSIDERAÇÕES FINAISEste trabalho procurou expor, em detalhe, a metodologia criada pelosprofessores George E.P. Box e Gwilym M. Jenkins para a análise de sériesunivàriantes de tempo. Foram abrangidos tanto os aspectos teóricosquanto questões relativas a seu manuseio prático.Conforme se pode perceber no decorrer deste documento, a metodologia deBox & Jenkins emprega técnicas estatísticas relativamente sofisticadase proporciona previsões bastante precisas, em comparação com outros métodosde previsão. Contudo o método apresenta um conjunto de réstriçoesoperacionais e pressupõe que a serie observada tenha algumas especificidadespara gerar boas previsões.O fundamento dessa metodologia esta inserido na Teoria dos ProcessosEstocásticos, onde as relações entre consecutivas observações assumemespecial importância, estando o método incluído no conjunto de instrumentosde Análise de Séries Temporais classificados como não automáticos .O método de Box & Jenkins para a Análise de Séries Temporais caracteriza-sepor seu objetivo de estabelecer modelos do tipo auto-regressivointegrado-media movei, de forma a se ajustar ao conjunto de pontos observadosno tempo, partindo de um ciclo iterativo de cálculo.A estratégia desse processo de "modelizaçao" consiste em identificar ummodelo tentativo capaz de descrever adequadamente os dados disponíveis,estimar eficientemente seus parâmetros, validar o modelo propôs to atravésde uma avaliação de quão bem este é capaz de descrever a realidadee, em caso de considerar que a representação do modelo é adequada, usã--lo para fins de análise de séries temporais ou, em caso de rejeição,selecionar um novo modelo, repetindo-se o ciclo.Verifica-se que a etapa crítica desse processo é a de identificação domodelo tentativo. Sua análise é feita a partir das funções amostrais deautocorrelaçao e autocorrelaçao parcial e, por se tratarem de dadosamostrais, caracteriza-se pela falta de precisão. Ê comum,por essa razão,que mais de um pesquisador, trabalhando com a mesma série de dadosobservados, identifique modelos distintos. Nessa etapa e, então, usualtrabalhar com mais de um modelo tentativo para, na etapa final de verificação,escolher aquele que, de acordo com algum critério previamenteestabelecido, se mostra mais conveniente para a descrição dos dadosde que se dispõe.Quando da divulgação dessa metodologia, muitas críticas foram levantadas,fato que não permitiu sua utilização intensa no início dos anossetenta, embora os modelos assim obtidos sejam bastante simples e parcimoniosos,contendo um número pequeno de parâmetros, além de propor-1 São classificados, na maioria dos livros técnicos sobre o assunto, como método automático de análise de serie temporalaqueles instrumentos para os quais, em geral, não existe um tratamento estatfstico completo masque, por seremde fácil manuseio e apresentarem resultados satisfatórios em muitas situações, são intensamente utilizados. Hntreesses instrumentos destacam-se os modelos de decomposição (tambe'm chamada Análise Clássica de Séries Temporais)e os de alisamento.
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 148 and 149: Quadro 12151Principais informaçõe
Page 150 and 151: 1536.3.4 — PrevisõesPara essa se
Page 152 and 153: 155xx* *XXKx**xx*xx*xxxx /x ^x *xAA
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

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?