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

Conceitos introdutórios. Autocorelação temporal. Estacionaridade e não-estacionaridade. Estimação. Previsão. Modelos ARMA e extensões; ARCH e GARCH. Modelos lineares dinâmicos.

Local: Laboratório B.

Horário: segunda-feira 17:30h, quarta-feira 17:30h.

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. Introduction to Time Series and Forecasting. Brockwell, P.J. and Davis, R.A. (2002). Springer-Verlag, New York.

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

  6. Bayesian forecasting and dynamic models. West, M. and Harrison, J. (1997). Berlin, Heidelberg: Springer-Verlag.

  7. Using R for Time Series Analysis
    Avril Coghlan.

  8. 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.


Referência: Domínio do tempo.

Semana 1

  1. 10/03/25. Introdução. Características da série temporal.

  2. 12/03/25. Modelos estatísticos de séries temporais.

Semana 2

  1. 17/03/25. Análise exploratória de dados. Critério AIC para a seleção de modelos.

  2. 19/03/25. Suavização de séries temporais. Regressão segmentada.

Semana 3

  1. 24/03/25. Modelos ARMA: Modelos autorregressivos de médias móveis. Trabalho No.1

  2. 26/03/25. Previsão e estimação.

Semana 4

  1. 31/03/25. Modelos ARIMA: Modelos integrados para dados não estacionários.

  2. 02/04/25. Continuação.

Semana 5

  1. 07/04/25. Modelos SARIMA: Modelos SARIMA. Testes de estacionariedade. Trabalho No.2: TS.csv.

  2. 09/04/25. Exercícios.

Referência: SSA - Análise de Espectro Singular.

Semana 6

  1. 14/04/25. SSA - Análise de Espectro Singular.

  2. 16/04/25. Exercícios.

Semana 7

  1. 21/04/25. Feriado: Tiradentes

  2. 23/04/25. Exercícios.

Semana 8

  1. 28/04/25. SSA - Análise de Espectro Singular.

  2. 30/04/25. Exercícios

Referência: Modelos dinâmicos

Semana 9

  1. 05/05/25. Exercícios. Trabalho No.3.

  2. 07/05/25. Exercícios.

Semana 10

  1. 12/05/25. Modelo Gaussiano linear. Modificações de dados ausentes.

  2. 14/05/25. Exercícios.

Semana 11

  1. 19/05/25. Modelos Estruturais. Modelos dinâmicos com erros correlacionados.

  2. 21/05/25. Exercícios.

Semana 12

  1. 26/05/25. Outros modelos de espaço de estados

  2. 28/05/25. Exercícios.

Referência: Domínio da frequência.

Semana 13

  1. 02/06/25. Análise espectral e filtragem.

  2. 04/06/25. Exercícios.

Semana 14

  1. 09/06/25. Modelos de regressão defasada.

  2. 11/06/25. Exercícios.

Semana 15

  1. 16/06/25. Análise discriminante e de cluster. Trabalho No.4.

  2. 18/06/25. Exercícios.

Semana 16

  1. 23/06/25. Análise de componentes principais e fatorial

  2. 25/06/25. Exercícios.

Semana 17

  1. 30/06/25. Exercícios.

  2. 02/07/25. Exercícios.


Exame Final: quarta-feira 09/07/2025, 17:30hrs.