Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/32004
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2021_WilliamEdwardRappelDeAmorim_tcc.pdf1,01 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorFiorucci, José Augusto-
dc.contributor.authorAmorim, William Edward Rappel de-
dc.identifier.citationAMORIM, William Edward Rappel de. Avaliação de desempenho dos principais modelos para previsão de séries temporais. 2021. 63 f., il. Trabalho de Conclusão de Curso (Bacharelado em Estatística) — Universidade de Brasília, Brasília, 2021.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2021.pt_BR
dc.description.abstractRealizar previsões precisas de séries temporais de forma automática é extremamente útil em diversos contextos, tanto para organizações públicas como privadas. Neste trabalho, o conjunto de 1.428 séries mensais da competição M3 (Makridakis e Hibon, 2000) foi utilizado para avaliar o desempenho das previsões pontuais e intervalares dos principais modelos para previsão de séries temporais, incluindo modelos de alisamento exponencial, ARIMA, Theta, DOTM e com sazonalidade múltipla. Cada modelo foi utilizado com 2 abordagens: aplicado diretamente na série original ou após realizar um procedimento de tratamento da sazonalidade a partir da decomposição clássica multiplicativa. O desempenho dos modelos foi avaliado por: contexto da série, horizonte de previsão e presença de sazonalidade. Além disso, os modelos também foram aplicados utilizando a abordagem de bagging descrita em Bergmeir, Hyndman e Benítez (2016). Em geral, os modelos DOTM e ETS foram os mais precisos para previsões, respectivamente, pontuais e intervalares. Ao aplicar a estratégia de bagging, houve um incremento considerável na acurácia das previsões pontuais de quase todos os modelos. Por outro lado, as previsões intervalares, de maneira geral, não apresentaram melhora com a adição da estratégia de bagging.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordSéries temporaispt_BR
dc.subject.keywordEstatísticapt_BR
dc.subject.keywordModelos de séries temporaispt_BR
dc.titleAvaliação de desempenho dos principais modelos para previsão de séries temporaispt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2022-09-21T13:52:58Z-
dc.date.available2022-09-21T13:52:58Z-
dc.date.submitted2021-05-21-
dc.identifier.urihttps://bdm.unb.br/handle/10483/32004-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1Performing accurate automatic time series forecasts is extremely useful in several situations for both public and private organizations. In this study, the collection of 1,428 monthly time series from the M3 competition (Makridakis and Hibon, 2000) was used to evaluate the performance of point and interval forecasts obtained with n of the most popular forecasting models, including exponential smoothing, ARIMA, Theta, DOTM and multiple seasonality models. Each model was implemented using 2 approaches: applied directly to the original series and after performing a seasonality treatment procedure using classical multiplicative decomposition. The performance of each model was evaluated by: series context, forecast horizon and presence of seasonality. In addition, the selected models were also applied using the bagging approach described in Bergmeir, Hyndman and Benítez (2016). In general, DOTM and ETS models were the most accurate for point and interval forecasts, respectively. When applied, the bagging strategy was able to increase the accuracy of point forecasts for nearly all models. On the other hand, the interval forecasts, as a general rule, did not improve while using bagging.pt_BR
Aparece na Coleção:Estatística



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.