Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/25547
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.creator | Silva, Rafael Guilherme Fernandes de Lima | - |
dc.date.accessioned | 2019-06-28T19:33:03Z | - |
dc.date.available | 2019-06-28T19:33:03Z | - |
dc.date.issued | 2019-06-28 | - |
dc.identifier.citation | SILVA, Rafael Guilherme Fernandes de Lima. Avaliação da Precisão dos Modelos ARIMA com e sem Transformação Estabilizadora da Variância na Previsão de Séries Temporais Anuais. 2019. 10 f. Trabalho de Conclusão de Curso (Graduação em Gestão da Informação) – Universidade Federal de Uberlândia, Uberlândia, 2019. | pt_BR |
dc.identifier.uri | https://repositorio.ufu.br/handle/123456789/25547 | - |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Uberlândia | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Séries Temporais Univariadas | pt_BR |
dc.subject | Métodos de Previsão | pt_BR |
dc.subject | Modelos ARIMA | pt_BR |
dc.subject | Transformações Estabilizadoras da Variância | pt_BR |
dc.title | Avaliação da Precisão dos Modelos ARIMA com e sem Transformação Estabilizadora da Variância na Previsão de Séries Temporais Anuais | pt_BR |
dc.type | Trabalho de Conclusão de Curso | pt_BR |
dc.contributor.advisor1 | Ruy, Marcelo | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/0656240596485093 | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/3826300570084648 | pt_BR |
dc.description.degreename | Trabalho de Conclusão de Curso (Graduação) | pt_BR |
dc.description.resumo | Dentre as aplicações de Análise de Séries Temporais, a previsão de valores futuros é uma das mais utilizadas, principalmente em se tratando de séries econômicas e financeiras. Nas previsões, a precisão do método utilizado é um dos fatores críticos em sua adoção. Um dos métodos clássicos e mais utilizados é o modelo Autorregressivo Integrado de Médias Móveis (ARIMA – Autoregressive Integrated Moving Average). Este método, diferentemente de alguns outros existentes, é aplicável a séries que possuem variância constante. Caso a variabilidade dos dados mude com o tempo ou dependa de seu nível, é usual aplicar à série uma transformação não linear (p. ex., logaritmo), visando a estabilização de sua variância. Do ponto de vista exclusivo das previsões alguns autores afirmam que a transformação estabilizadora da variância tem pouca influência na precisão das mesmas. Este trabalho teve como objetivo testar esta hipótese em séries temporais anuais. Para tanto, foram tomadas aleatoriamente 40 séries temporais anuais da M3 Competition e às mesmas foram ajustados modelos ARIMA com e sem transformação e a precisão de suas previsões pontuais foram calculadas. A conclusão foi que ambos os métodos têm em média o mesmo grau de precisão. | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.course | Gestão da Informação | pt_BR |
dc.sizeorduration | 10 | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS SOCIAIS APLICADAS | pt_BR |
Appears in Collections: | TCC - Gestão da Informação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
AvaliaçãoPrecisãoModelos.pdf | 937.02 kB | Adobe PDF | ![]() View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.