Séries temporais é a classe de fenômenos cujo processo observacional e conseqüente quantificação numérica gera uma seqüência de dados distribuídos no tempo, onde pode-se aprender muito sobre o comportamento passado e futuro do processo.
Existe uma grande variedade de métodos de previsão de séries temporais, cada qual com suas capacidades e limitações, onde dependendo do número de séries temporais envolvidas no processo, os métodos de previsão podem ser classificados em univariados, funções de transferência e multivariados.
Os métodos univariados consideram somente uma única série para a realização de previsões (compreendem a maior parte dos métodos de previsão). Essas previsões podem estar relacionadas às informações contidas na série histórica de interesse (estatística clássica) ou supostamente relevantes, isto é, que não estão contidas na série analisada (estatística bayesiana).
Já as funções de transferência, estão baseadas em séries de interesse explicadas não só pelo passado histórico, mas também por outras séries temporais não-correlatas entre si. As funções envolvem mais de uma série temporal, onde a relação de causalidade é conhecida.
Nos métodos multivariados, os procedimentos de previsão associados a mais de uma série temporal na efetivação de prognósticos não possuem qualquer relação de causalidade entre essas séries.
Para saber mais:
Existe uma grande variedade de métodos de previsão de séries temporais, cada qual com suas capacidades e limitações, onde dependendo do número de séries temporais envolvidas no processo, os métodos de previsão podem ser classificados em univariados, funções de transferência e multivariados.
Os métodos univariados consideram somente uma única série para a realização de previsões (compreendem a maior parte dos métodos de previsão). Essas previsões podem estar relacionadas às informações contidas na série histórica de interesse (estatística clássica) ou supostamente relevantes, isto é, que não estão contidas na série analisada (estatística bayesiana).
Já as funções de transferência, estão baseadas em séries de interesse explicadas não só pelo passado histórico, mas também por outras séries temporais não-correlatas entre si. As funções envolvem mais de uma série temporal, onde a relação de causalidade é conhecida.
Nos métodos multivariados, os procedimentos de previsão associados a mais de uma série temporal na efetivação de prognósticos não possuem qualquer relação de causalidade entre essas séries.
Para saber mais:
McClave, JT; Benson, PG; Sincich, T. Statistics for business and economics (9th edition). Prentice Hall, 2004.
Souza, R.C. Modelos estruturais para previsão de séries temporais: Abordagens clássica e bayesiana. Rio de Janeiro, IMPA, 1989.
Souza, R.C. Modelos estruturais para previsão de séries temporais: Abordagens clássica e bayesiana. Rio de Janeiro, IMPA, 1989.
Imagem:
http://www.awardbrasil.com.br/Minitab2.gif
Nenhum comentário:
Postar um comentário