11.07.2015 Views

séries univariantes de tempo - metodologia de Box & Jenkins

séries univariantes de tempo - metodologia de Box & Jenkins

séries univariantes de tempo - metodologia de Box & Jenkins

SHOW MORE
SHOW LESS
  • No tags were found...

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

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

aparecem escassamente no correlograma (por exemplo, 5% das autocorrelaçoessão significantes), então, a serie <strong>de</strong> resíduos <strong>de</strong>ve ser aceitacomo aleatória e o mo<strong>de</strong>lo consi<strong>de</strong>rado satisfatório.Exemplo: seja um mo<strong>de</strong>lo MA(1):w t = (1-9,B)a t .Se os resíduos apresentam autocorrelaçao significante na <strong>de</strong>fasagem l,isso esta a indicar a necessida<strong>de</strong> <strong>de</strong> um operador MA adicional <strong>de</strong> or<strong>de</strong>m1. Sugere-se o mo<strong>de</strong>lo MA(2): w = (l - 9^8 - 02B 2 )at •Exemplo: seja o mo<strong>de</strong>lo sazonal V. ? ln w = (l - 0.4B)(1 - 0.5B 12 )a com<strong>de</strong>svios padrão dos parâmetros 0,06 e 0,04 repectivamentt.No caso, ambos os parâmetros são significantes e <strong>de</strong>vem permanecer nomo<strong>de</strong>lo (a correlação entre eles é zero) e não existe qualquer evi<strong>de</strong>nciaque i.idique superparametrizaçao. Fazendo uma^analise das autocorrelaçoesdos resíduos após o ajustamento, essa não mostra melhoria domo<strong>de</strong>lo.Po<strong>de</strong>rá, ainda, ocorrer um caso especial, on<strong>de</strong> a super e a subparametrizaçaoestão presentes simultaneamente.Isso acontece quando se necessitatanto uma simplificação como uma melhoria do mo<strong>de</strong>lo. Ocorre quando estãopresentes tanto parâmetros sazonais que se <strong>de</strong>sejam simplificar,quanto parâmetros regulares, que se preten<strong>de</strong>m incorporar.994.2 — Mo<strong>de</strong>lagem <strong>de</strong> Séries Sazonais:Mo<strong>de</strong>lo SARIMA (p, d, q) x (P, D, Q)O processo <strong>de</strong> mo<strong>de</strong>lagem para series <strong>de</strong> <strong>tempo</strong> que apresentam variaçõescíclicas <strong>de</strong> curto prazo e bastante similar aqueles em que a sazonalida<strong>de</strong>é inexistente. Fundamentalmente, essas diferenças resi<strong>de</strong>m em seprecisar estabelecer um numero maior <strong>de</strong> parâmetros e i<strong>de</strong>ntificar valorespara a or<strong>de</strong>m (p,d,q)x(P,D,Q). Como o processo <strong>de</strong> estimação dos parâmetros<strong>de</strong> um mo<strong>de</strong>lo SARIMA segue os mesmos princípios <strong>de</strong> ummo<strong>de</strong>lo nãosazonal, e essa técnica <strong>de</strong> calculo encontra-se embutida nos pacotes computacionais,o problema do mo<strong>de</strong>lador reduz-se somente a estabelecer valorespara a or<strong>de</strong>m (p,d,q)x(P,D,Q).Assim,para se obter "d" e "D", <strong>de</strong>ve-se utilizar,conjuntamente, os operadoresV d = (l - B) d e vj? = (1-B S ) D , <strong>de</strong> maneira a tornar W = V VJ? XO t S Lestacionaria.A obtenção das or<strong>de</strong>ns "p", "P", "q", "Q" é feita, como no mo<strong>de</strong>lo nãosazonal, através das funções <strong>de</strong> autocorrelaçaoeautocorrelaçao parcialda serie V = V V X . Para o mo<strong>de</strong>lo multiplicativo,as conclusões obtidaspela existência <strong>de</strong> correlações diferentes <strong>de</strong> zero nas primeiras<strong>de</strong>fasagens <strong>de</strong>vem ser agora vistas conjuntamente com as <strong>de</strong>fasagens sazonais.As funções <strong>de</strong>^autocorrelaçao e autocorrelaçao^parcial do processo multiplicativosão geradas pelo produto das funções <strong>de</strong> seus componentesnão sazonais e sazonais. Dessa maneira,as conclusões obtidas pela exis-

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!