Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/17901
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.creator | Resende, Luiz Fernando Silva | - |
dc.date.accessioned | 2017-01-16T12:01:54Z | - |
dc.date.available | 2017-01-16T12:01:54Z | - |
dc.date.issued | 2016-12 | - |
dc.identifier.citation | RESENDE, Luiz Fernando Silva. Modelagem via séries temporais da produção de milho no Brasil. 2016. 40 f. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Federal de Uberlândia, Uberlândia, 2016. | pt_BR |
dc.identifier.uri | https://repositorio.ufu.br/handle/123456789/17901 | - |
dc.description.abstract | Corn is the world's largest cereal crop with more than 1 billion tones in the 2015/2016 harvest. Brazil, with a production of 67 million tons, is now the third largest producer and the second largest exporter of maize in the world. The objective of this work is to analyze and make forecasts using time-series models of Brazilian maize production for the next years, up to the 2025/2026 crop. In order to choose the model that best fits the data, the models will be tested by hypothesis tests and compared by model adequacy criteria. The construction of the time series models was done by the Box & Jenkins theory. After the ARIMA (1,1,2) model was defined for the logarithm of the original time series as the best, the predictions were realistic about the values of the series. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Uberlândia | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Produção | pt_BR |
dc.subject | Milho | pt_BR |
dc.subject | Séries Temporais | pt_BR |
dc.subject | Previsão | pt_BR |
dc.subject | Production | pt_BR |
dc.subject | Corn | pt_BR |
dc.subject | Time Series | pt_BR |
dc.subject | Forecasting. | pt_BR |
dc.subject | Estatística | pt_BR |
dc.title | Modelagem via séries temporais da Produção de Milho no Brasil | pt_BR |
dc.title.alternative | Modeling through time series of corn production in Brazil | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.contributor.advisor1 | Nomelini, Quintiliano Siqueira Schroden | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7777119607530651 | pt_BR |
dc.contributor.referee1 | Pereira, Janser Moura | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/8834398790716276 | pt_BR |
dc.contributor.referee2 | Silva, José Waldemar da | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/3076056770753848 | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/2317102090784912 | pt_BR |
dc.description.degreename | Trabalho de Conclusão de Curso (Graduação) | pt_BR |
dc.description.resumo | O milho é o cereal de maior volume de produção no mundo, com mais de 1 bilhão de toneladas na safra de 2015/2016. O Brasil, com uma produção de 67 milhões de toneladas, é hoje o terceiro maior produtor e o segundo maior exportador mundial de milho. Objetiva-se com esse trabalho analisar e fazer previsões, utilizando modelos de séries temporais da produção brasileira de milho para os próximos anos, até a safra de 2025/2026. Para a escolha do modelo que melhor se ajusta aos dados, os modelos serão testados por testes de hipóteses e comparados por critérios de adequação de modelos. A construção dos modelos de séries temporais foi feita pela teoria de Box & Jenkins. Após a definição do modelo ARIMA (1,1,2) para a logarítmica da série temporal original como a melhor, as previsões se mostraram realistas quanto aos valores da série. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.course | Estatística | pt_BR |
dc.sizeorduration | 40 | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA | pt_BR |
Appears in Collections: | TCC - Estatística |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
ModelagemSeriesTemporais.pdf | TCC | 1.74 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.