Análise e previsão de séries temporais com modelos ARIMA e análise espectral singular

• Autor(a) principal: Xavier, Jorge Manuel Nunes
• Data de Publicação: 2016
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.2/5873
• topic: Bioestatística; Biometria; Previsão; Métodos estatísticos; Time series; ARIMA models; Singular spectrum analysis; Software R and Gretl

Na nossa sociedade cada vez é mais importante a criação de modelos que nos ajudem a compreender os fenómenos que nos rodeiam, assim como fazer os mais diversos tipos de previsões. Dos diversos tipos de dados disponíveis e recolhidos para posterior análise, serão neste trabalho tratados aqueles que são recolhidos em intervalos de tempo iguais (horas, dias, semanas, etc), ao longo de um período mais ou menos longo, ou seja as Séries Temporais. Escolher o modelo mais fiável, o que dá as previsões mais fidedignas, sempre foi um propósito e uma preocupação para a Estatística ao longo dos tempos. Neste trabalho, são focados em particular os modelos do tipo ARIMA e a Análise Espectral Singular, como ferramentas de trabalho na análise e previsão de séries temporais. Pretendeu-se contribuir um pouco para melhorar a abordagem da análise e previsão das séries temporais, ilustrando com exemplos e recurso ao software R e ao Gretl.