Métodos de Previsão

Objetivos

1. Compreender as características dos dados de séries temporais
2. Compreender os modelos de média móvel e autocorrelação parcial como fundamentos para análise de dados de séries temporais
3. Compreender a suavização e como remover tendências ao trabalhar com dados de série temporal
4. Compreender os modelos de séries temporais ARMA e ARIMA
5. Identificar e interpretar vários padrões de efeitos de intervenção

Caracterização geral

Código

200088

Créditos

3.5

Professor responsável

Jorge Morais Mendes

Horas

Semanais - A disponibilizar brevemente

Totais - A disponibilizar brevemente

Idioma de ensino

Português. No caso de existirem alunos de Erasmus, as aulas serão leccionadas em Inglês

Pré-requisitos

Bibliografia

- Shumway, R.H. and Stoffer, D.S. (2011). Time Series Analysis and its Applications with Examples in R, 3rd edition, Springer.
- Hyndman, R. J., Athanasopoulos, G. (2018). FORECASTING: PRINCIPLES AND PRACTICE, 2nd edition

Método de ensino

A unidade curricular é baseada em aulas teóricas e práticas. Serão aplicadas diversas estratégias de ensino, incluindo exposição e demonstrações com apresentação de slides, aplicações passo a passo (com e sem software), perguntas e respostas. As sessões incluem apresentação de conceitos e metodologias, resolução de exemplos, discussão e interpretação de resultados. A componente prática está orientada para a resolução de problemas e exercícios, incluindo a discussão e interpretação de resultados. É igualmente proposto um caderno de exercícios que deverão ser resolvidos com trabalho individual fora das aulas.

Método de avaliação

Avaliação:
1ª época: projeto (40%), exame 1º época (60%)
2ª época: exame final (100%)

Conteúdo

1. Conceitos Básicos de Séries Temporais
2. Modelos AR, ACF
3. Modelos MA, PACF
4. Modelos ARMA & ARIMA
5. Modelos sazonais
6. Métodos de suavização e decomposição
7. Análise de Intervenção

Cursos

Cursos onde a unidade curricular é leccionada: