{"id":4908,"date":"2019-09-18T14:31:41","date_gmt":"2019-09-18T14:31:41","guid":{"rendered":"https:\/\/www.midomenech.com.br\/?p=4908"},"modified":"2024-10-08T14:04:45","modified_gmt":"2024-10-08T17:04:45","slug":"identificacao-de-um-modelo-arimapdq","status":"publish","type":"post","link":"https:\/\/www.midomenech.com.br\/identificacao-de-um-modelo-arimapdq\/","title":{"rendered":"Identifica\u00e7\u00e3o de um modelo ARIMA(p,d,q)"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t
\n\t\t\t\t
\u00a0 Identifica\u00e7\u00e3o de um modelo ARIMA (p,d,q) <\/u>– Frequentemente h\u00e1 uma defasagem de tempo entre o conhecimento de um evento iminente (ou necessidade) e a prepara\u00e7\u00e3o para este evento. Este tempo \u00e9 o principal motivo para o planejamento e previs\u00e3o<\/span>. Se a defasagem \u00e9 zero ou muito pequena, n\u00e3o h\u00e1 necessidade para o planejamento. Se o tempo \u00e9 longo e o resultado do evento depende de fatores identific\u00e1veis, o planejamento joga um papel importante. Nesta situa\u00e7\u00e3o a previs\u00e3o \u00e9 importante para determinar quando uma necessidade aparecer\u00e1, de forma que as a\u00e7\u00f5es apropriadas possam ser tomadas. H\u00e1 tr\u00eas quest\u00f5es importantes necess\u00e1rias para o planejamento de uma empresa: Previs\u00e3o, Planejamento e Tomada de decis\u00e3o (Figura 1).<\/p>\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\tFigura 1 \u2013 Import\u00e2ncia econ\u00f4mica dos estudos de previs\u00e3o<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t
\n\t\t\t\t
\u00a0\u00a0 O Minitab tem diversos modelos \u00fateis para fazer previs\u00e3o: Controle Estat\u00edstico de Processos<\/em> (CEP), Regress\u00e3o M\u00faltipla, Modelos simples de tend\u00eancia e decomposi\u00e7\u00e3o, Modelos de alisamento e Modelos ARIMA<\/strong>. A fam\u00edlia de modelos ARIMA (Auto Regressive Integrated Moving Averag<\/em>e) tem v\u00e1rias vantagens sobre os outros: extremamente vers\u00e1til, usa poucos par\u00e2metros para ajuste dos modelos, permite testar hip\u00f3teses sobre os par\u00e2metros, trata autocorrela\u00e7\u00e3o de forma expl\u00edcita e ajusta o modelo \u201cpor partes\u201d. Do lado das desvantagens, tem uma teoria bem mais complexa.<\/p>\n
<\/p>\n
<\/p>\n
<\/p>\n
<\/p>\n
<\/p>\n
<\/p>\n
\u00a0 Um modelo ARIMA<\/strong> tem tr\u00eas \u201cpartes\u201d: uma que define a ordem do modelo auto-regressivo, uma 2\u00aa que define se a s\u00e9rie deve ser diferenciada (usualmente 1\u00aa diferen\u00e7a) para que vire estacion\u00e1ria e uma terceira que define a ordem do modelo de m\u00e9dias m\u00f3veis.<\/p>\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\tFigura 2 \u2013 Componentes de um modelo ARIMA(p, d, q)<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t
\n\t\t\t\t
A figura abaixo ilustra v\u00e1rios tipos de modelos ARIMA(p, d, q):<\/p>\n
<\/p>\n
<\/p>\n
\n
Uma s\u00e9rie que tem a fun\u00e7\u00e3o de autocorrela\u00e7\u00e3o (ACF) diminuindo exponencialmente e a fun\u00e7\u00e3o de autocorrela\u00e7\u00e3o parcial (PACF) com queda brusca ap\u00f3s a 1\u00aa defasagem (lag) define um modelo auto-regressivo de 1\u00aa ordem (caso 5).<\/li>\n
Se a queda brusca \u00e9 no 2\u00ba lag, o modelo \u00e9 auto-regressivo de ordem 2 (caso 1).<\/li>\n
Se a fun\u00e7\u00e3o n\u00e3o \u00e9 estacion\u00e1ria (\u00e9 estacion\u00e1ria quando a s\u00e9rie oscila em torno de uma m\u00e9dia), deve-se diferenciar a s\u00e9rie (tomar a primeira diferen\u00e7a m\u00f3vel), como nos casos 2 e 3 na figura.<\/li>\n
Se a fun\u00e7\u00e3o de autocorrela\u00e7\u00e3o parcial tem queda exponencial e a fun\u00e7\u00e3o de autocorrela\u00e7\u00e3o cai ap\u00f3s o lag k, o modelo \u00e9 de m\u00e9dias m\u00f3veis de ordem k (casos 3 e 4).<\/li>\n
Se as duas fun\u00e7\u00f5es t\u00eam queda exponencial, o modelo ter\u00e1 componentes auto-regressivo e de m\u00e9dias m\u00f3veis (como no caso 2).<\/li>\n
Se a s\u00e9rie n\u00e3o \u00e9 estacion\u00e1ria na vari\u00e2ncia (ou seja, a vari\u00e2ncia aumenta ou diminui, com o aumento da m\u00e9dia) a s\u00e9rie deve ser transformada utilizando, por exemplo, a transforma\u00e7\u00e3o Box-Cox (caso 2).<\/li>\n<\/ul>\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\tFigura 3 \u2013 Exemplos de modelos ARIMA(p, d, q) com destaque das fun\u00e7\u00f5es de autocorrela\u00e7\u00e3o (ACF) e autocorrela\u00e7\u00e3o parcial (PACF)<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t\n\t\t\t\t\t\t
![\"ARIMA](\"https:\/\/www.midomenech.com.br\/wp-content\/uploads\/2019\/09\/ARIMA-FIGURA-1.png\")
\t\t\t\t\t\t\t\t\t\t\t![\"\"](\"https:\/\/www.midomenech.com.br\/lean-seis-sigma\/images\/arima-tipo-de-fatores.jpg\")
\u00a0 O Minitab tem diversos modelos \u00fateis para fazer previs\u00e3o: Controle Estat\u00edstico de Processos<\/em> (CEP), Regress\u00e3o M\u00faltipla, Modelos simples de tend\u00eancia e decomposi\u00e7\u00e3o, Modelos de alisamento e Modelos ARIMA<\/strong>. A fam\u00edlia de modelos ARIMA (Auto Regressive Integrated Moving Averag<\/em>e) tem v\u00e1rias vantagens sobre os outros: extremamente vers\u00e1til, usa poucos par\u00e2metros para ajuste dos modelos, permite testar hip\u00f3teses sobre os par\u00e2metros, trata autocorrela\u00e7\u00e3o de forma expl\u00edcita e ajusta o modelo \u201cpor partes\u201d. Do lado das desvantagens, tem uma teoria bem mais complexa.<\/p>\n![\"ARIMA](\"https:\/\/www.midomenech.com.br\/wp-content\/uploads\/2019\/09\/ARIMA-FIGURA-2.png\")
\t\t\t\t\t\t\t\t\t\t\t![\"ARIMA](\"https:\/\/www.midomenech.com.br\/wp-content\/uploads\/2019\/09\/ARIMA-FIGURA-3.png\")
\t\t\t\t\t\t\t\t\t\t\t![\"ARIMA](\"https:\/\/www.midomenech.com.br\/wp-content\/uploads\/2019\/09\/ARIMA-FIGURA-4.png\")
\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t![\"ARIMA](\"https:\/\/www.midomenech.com.br\/wp-content\/uploads\/2019\/09\/ARIMA-FIGURA-5.png\")
\t\t\t\t\t\t\t\t\t\t\t![\"ARIMA](\"https:\/\/www.midomenech.com.br\/wp-content\/uploads\/2019\/09\/ARIMA-FIGURA-6.png\")
\t\t\t\t\t\t\t\t\t\t\t![\"ARIMA](\"https:\/\/www.midomenech.com.br\/wp-content\/uploads\/2019\/09\/ARIMA-FIGURA-7.png\")
\t\t\t\t\t\t\t\t\t\t\t![\"ARIMA](\"https:\/\/www.midomenech.com.br\/wp-content\/uploads\/2019\/09\/ARIMA-FIGURA-8.png\")
\t\t\t\t\t\t\t\t\t\t\t![\"ARIMA](\"https:\/\/www.midomenech.com.br\/wp-content\/uploads\/2019\/09\/ARIMA-FIGURA-9.png\")
\t\t\t\t\t\t\t\t\t\t\t![\"ARIMA](\"https:\/\/www.midomenech.com.br\/wp-content\/uploads\/2019\/09\/ARIMA-FIGURA-10-.png\")
\t\t\t\t\t\t\t\t\t\t\t![\"ARIMA](\"https:\/\/www.midomenech.com.br\/wp-content\/uploads\/2019\/09\/ARIMA-FIGURA-ONZE.png\")
\t\t\t\t\t\t\t\t\t\t\t![\"carlos](\"https:\/\/www.midomenech.com.br\/wp-content\/uploads\/2019\/09\/Carlos-Domenech-.png\")
\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t