Algumas tecnicas para análise de series temporais

VI SEMEAD Ensaio M.Q.I.

UMA BREVE DESCRIÇÃO DE ALGUMAS TÉCNICAS PARA ANÁLISE DE SÉRIES TEMPORAIS: SÉRIES DE FOURIER, WAVELETS, ARIMA, MODELOS ESTRUTURAIS PARA SÉRIES DE TEMPO E REDES NEURAIS.

Mauri Aparecido de Oliveira[1]

Luiz Paulo Lopes Favero[2]

UMA BREVE DESCRIÇÃO DE ALGUMAS TÉCNICAS PARA ANÁLISE DE SÉRIES TEMPORAIS: SÉRIES DE FOURIER, WAVELETS, ARIMA, MODELOS ESTRUTURAIS PARA SÉRIES DE TEMPO E REDES NEURAIS[3].

Resumo

Neste trabalho estamos interessados em fazer uma descrição das técnicas mais empregadas para análise de séries temporais. Serão mostradas diferentes abordagens e suas particularidades no tratamento das séries temporais. A idéia não é colocar as técnicas como competidoras entre si mas sim que podem ser muitas vezes usadas conjuntamente ou alternativamente para as análises de séries temporais. As descrições não serão apresentadas com todo o rigor que normalmente é exigido em textos mais técnicos, ou seja várias considerações probabilísticas, matemáticas e estatísticas podem ser consideradas faltantes para um leitor mais especializado no assunto. Nossa pretensão é apresentar de forma breve e sucinta as técnicas que são utilizados para modelamento e análise das séries temporais e a importância que desempenham na criação de estruturas matemáticas para representar o passado e prever o comportamento do futuro.

1. Introdução

Uma série temporal pode ser definida como um conjunto de observações de uma variável dispostas seqüencialmente no tempo. A série temporal pode ser classificada como determinística ou estocástica, quando os valores da série podem ser escritos através de uma função matemática y = f(tempo) diz-se que a série é estacionária, quando a série envolve além de uma função matemática do tempo também um termo aleatório y = f(tempo, [pic]) chamamos a série de estocástica. Normalmente as séries temporais são analisadas a partir de seus principais movimentos descritos como: tendência, ciclo, sazonalidade e variações