Objetivos

Proporcionar aos estudantes o conhecimento de modelos de séries temporais. Aplicar as metodologias apresentadas por meio do uso da linguagem de programação R. Discutir aplicações.

Ementa

Introdução. Definição. Movimentos característicos. Regularização das séries temporais. Métodos de ajustamento. Desestacionalização dos dados. Avaliação das variações irregulares ou aleatórias. Comparabilidade dos dados. Previsões. intervalo de confiança.

Local: Laboratório B.

Horário: segunda-feira 19:00h, quarta-feira 20:45h.

Nota: a nota final será a soma das notas obtidas nos quatro trabalhos assíncronos programados.


Referências bibliográficas básicas

  1. Análise de Séries Temporais
    Fernando Lucambio Pérez.

  2. Análise de Séries Temporais
    Pedro A. Morettin, Clelia M.C. Toloi. 2da. Edição, Editora Blucher, 2006.

  3. Time Series Analysis with R

  4. A. Ian McLeod, Hao Yu, Esam Mahdi. Handbook of Statistics, Volume 30, 2012, Elsevier.

  5. Using R for Time Series Analysis
    Avril Coghlan.

  6. Quick-R: Home Page. Advanced Statistics. Time Series and Forecasting
    Robert I. Kabakoff.


Referências bibliográficas complementares

  1. Introduction to the fundamentals of time series data and analysis
    Aptech Systems, Inc, PO Box 618, Higley, AZ 85236.

  2. Time Series Analysis
    International Encyclopedia of Education (Third Edition), 2010.

  3. R-statisticas.co
    Selva Prabhakaran.

  4. Time Series Analysis
    Martin Charlton and Alberto Caimo.

  5. A Course in Time Series Analysis
    Suhasini Subba Rao.

  6. Time Series Analysis
    Kevin Kotzé.


Semana 1

  1. 02/09/24. Semana de Estatística e Ciência de Dados UFPR

  2. 04/09/24. Semana de Estatística e Ciência de Dados UFPR

Semana 2

  1. 09/09/24. Instrodução.

  2. 11/09/24. Modelos estatísticos de sérire temporais

Semana 3

  1. 16/08/24. Análise exploratória de dados. Critério AIC para a seleção de modelos. Regressão segmentada

  2. 18/08/24. Suavização de séries temporais. Trabalho No.1

Semana 4

  1. 23/09/24. Modelos autorregressivos de médias móveis

  2. 25/09/24. Previsão e estimação. Trabalho No.2

Semana 5

  1. 30/09/24. Modelos integrados para dados não estacionários (Modelos ARIMA)

  2. 02/10/24. Exercícios.

Semana 6

  1. 07/10/24. Modelos SARIMA.

  2. 09/10/24. Exercícios.

Semana 7

  1. 14/10/24. SSA - Análise de Espectro Singular. Veja também: SSA - Análise de Espectro Singular.

  2. 16/10/24. Exercícios.

Semana 8

  1. 21/10/24. Análise espectral e filtragem. Análise espectral.

  2. 23/10/24. Exercícios

Semana 9

  1. 28/10/24. Análise discriminante e de cluster. Trabalho No.3

  2. 30/10/24. Exercícios.

Semana 10

  1. 04/11/24. Análise de componentes principais e fatorial.

  2. 06/11/24. Exercícios.

Semana 11

  1. 11/11/24. Modelo Gaussiano linear. Modificações de dados ausentes.

Referência: Modelos dinâmicos.

  1. 13/11/24. Exercícios.

Semana 12

  1. 18/11/24. Modelos Estruturais. Modelos dinâmicos com erros correlacionados. Trabalho No.4

  2. 20/11/24. Exercícios.

Semana 13

  1. 25/11/24. Outros modelos de espaço de estados

  2. 27/11/24. Exercícios.

Semana 14

  1. 02/12/24. Exercícios.

  2. 04/12/24. Exercícios.

Exame Final: terça-feira 09/12/2024, 19hrs.