Saltar para:
Logótipo
Comuta visibilidade da coluna esquerda
Você está em: Início > 2MDA08
Mapa das Instalações
Edifício Principal | Main Building Edifício Pós-Graduações | Post-Graduate Building

Métodos de Previsão e Séries Temporais

Código: 2MDA08     Sigla: MPST

Áreas Científicas
Classificação Área Científica
OFICIAL Estatística

Ocorrência: 2020/2021 - 2S Ícone do Moodle Ícone  do Teams

Ativa? Sim
Curso/CE Responsável: Mestrado em Modelação, Análise de Dados e Sistemas de Apoio à Decisão

Ciclos de Estudo/Cursos

Sigla Nº de Estudantes Plano de Estudos Anos Curriculares Créditos UCN Créditos ECTS Horas de Contacto Horas Totais
MADSAD 31 Plano Oficial - a partir de 2020/2021 1 - 6 42 162

Docência - Responsabilidades

Docente Responsabilidade
Maria Eduarda da Rocha Pinto Augusto da Silva Regente

Docência - Horas

Teorico-Prática: 3,00
Tipo Docente Turmas Horas
Teorico-Prática Totais 1 3,00
Maria Eduarda da Rocha Pinto Augusto da Silva 1,80
Paulo João Figueiredo Cabral Teles 1,20

Língua de trabalho

Inglês

Objetivos

Proporcionar uma introdução aos principais métodos de previsão e da sua aplicação prática no contexto de séries temporais.

Resultados de aprendizagem e competências

No final do semestre o estudante deve ser capaz de:

1. definir os principais conceitos dos métodos de previsão e a sua terminologia;

2. selecionar e aplicar os métodos de previsão;

3. utilizar o software indicado;

4. sintetizar os resultados de uma análise de séries temporais.

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

Conceitos básicos de probabilidades e estatística.

Programa


  1. Introdução: conceito de série temporal, objectivos da análise de séries temporais; exemplos de séries temporais; análise descritiva: cronograma e identificação de tendência, sazonalidade outros ciclos.

  2. Correlação e Estacionaridade: estacionaridade fraca;medidas de dependência; função de autocovariância e auto-correlação; estimação da correlação. Séries temporais multivariadas e correlação cruzada.

  3. Métodos de alisamento: médias móveis; alisamento exponencial simples; alisamento exponencial duplo; alisamento exponencial triplo.

  4. Métodos de decomposição de séries temporais; modelos de decomposição; modelos aditivos e multiplicativos; o método de alisamento linear local (“loess”); método do “Bureau of the Census”; método STL (“Seasonal-Trend Decomposition Procedure Based on Loess”); previsão; medidas de precisão das previsões.

  5. Modelos ARMA: modelos Auto-Regressivos  (AR) e sua caracaterização; modelos média-móvel (MA) e sua caracterização; função de autocorrelação parcial; estimação; previsão; intervalos de confiança para as previsões.

  6. Modelos ARIMA: modelos integrados, testes de raízes unitárias; modelos sazonais; metodologia Box-Jenkins para a construção de modelos SARIMA; critérios AIC e BIC; análise dos resíduos; previsão. 

  7. Regressão com erros correlacionados.

Bibliografia Obrigatória

Cryer, Jonathan D.; Time series analysis : with applications in R, 2009
Spyros G. Makridakis; Forecasting. ISBN: 0-471-53233-9

Métodos de ensino e atividades de aprendizagem

Exposição da matéria.
Resolução de exercícios.
Tratamento de casos práticos com recurso a software apropriado.

Software

R project

Palavras Chave

Ciências Físicas > Matemática > Estatística

Tipo de avaliação

Avaliação por exame final

Componentes de Avaliação

Designação Peso (%)
Exame 50,00
Trabalho escrito 50,00
Total: 100,00

Componentes de Ocupação

Designação Tempo (Horas)
Estudo autónomo 80,00
Frequência das aulas 42,00
Trabalho escrito 40,00
Total: 162,00

Obtenção de frequência

Todos os estudantes se podem apresentar a exame.

Fórmula de cálculo da classificação final

Exame com ponderação de 50% na classificação (classificação mínima: 7 valores).
Trabalho prático individual com ponderação de 50% na classificação com a previsão de uma série temporal utilizando os métodos abordados (classificação mínima: 7 valores).


Provas e trabalhos especiais

Os estudantes poderão ser sujeitos a uma prova oral quanto tal se mostre necessário para esclarecer dúvidas sobre a integridade dos elementos de avaliação.

Melhoria de classificação

Os alunos que pretendam melhorar a classificação final devem realizar o exame escrito e submeter um trabalho prático individual.

Recomendar Página Voltar ao Topo
Copyright 1996-2024 © Faculdade de Economia da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2024-06-15 às 23:26:43 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais | Denúncias
SAMA2