- Видео 87
- Просмотров 158 913
Análise de Séries Temporais
Бразилия
Добавлен 14 авг 2020
Eu apresento técnicas de análise de séries temporais. A abordagem é simples, prática e direta. Os vídeos são ideais para profissionais que precisam resolver problemas práticos do dia-a-dia, assim como para estudantes de graduação e pós-graduação de diferentes áreas.
Não é necessário conhecimento prévio em programação, mas é desejado um conhecimento básico em estatística.
A primeira série de vídeos é introdutória, isto é, do zero até modelos de séries temporais [(S)ARIMA, Holt-Winters, (G)ARCH, Regressão Múltipla, Espaço de Estados, ...], passando por análise descritiva (decomposição, filtragem e autocorrelação). Em seguida, a previsão de séries temporais é explorada, utilizando o R.
Acesso ao material didático (notas de aula, dados e planilhas) se dará pelo site: www.analisedeseriestemporais.com, onde você encontrará também a ferramenta web ESA TOOL para Análise de Séries Temporais.
Não é necessário conhecimento prévio em programação, mas é desejado um conhecimento básico em estatística.
A primeira série de vídeos é introdutória, isto é, do zero até modelos de séries temporais [(S)ARIMA, Holt-Winters, (G)ARCH, Regressão Múltipla, Espaço de Estados, ...], passando por análise descritiva (decomposição, filtragem e autocorrelação). Em seguida, a previsão de séries temporais é explorada, utilizando o R.
Acesso ao material didático (notas de aula, dados e planilhas) se dará pelo site: www.analisedeseriestemporais.com, onde você encontrará também a ferramenta web ESA TOOL para Análise de Séries Temporais.
Aula 71: Ajuste de Modelos Lineares Dinâmicos utilizando o R
Olá, eu sou o Prof Alexandre Cunha Costa (lattes.cnpq.br/9241372014553970). Seja bem-vindo ao curso de Introdução à Análise de Séries Temporais: do zero até modelagem e previsão, passando por análise descritiva (decomposição, filtragem e autocorrelação). Nesta septuagésima primeira vídeoaula, eu apresento como ajustar modelos lineares dinâmicos utilizando o R. Eu demonstro a variação dos parâmetros do modelo linear dinâmico durante o ajustamento, depois comparo o seu desempenho no treinamento com o de um modelo linear de regressão de séries temporais (referência). A ferramenta utilizada foi o software livre R. Para o acesso às notas de aulas e dados, planilhas, por favor acesse o nosso si...
Просмотров: 58
Видео
Aula 72: Previsão com Modelos Lineares Dinâmicos utilizando o R
Просмотров 55Месяц назад
Olá, eu sou o Prof Alexandre Cunha Costa (lattes.cnpq.br/9241372014553970). Seja bem-vindo ao curso de Introdução à Análise de Séries Temporais: do zero até modelagem e previsão, passando por análise descritiva (decomposição, filtragem e autocorrelação). Nesta septuagésima segunda vídeoaula, eu apresento como realizar previsão de séries temporais (um passo de tempo à frente) com modelos lineare...
Aula 04: Quais São os Pré-Requisitos de Aprendizado de Máquina no R?
Просмотров 62Месяц назад
Olá, eu sou o Prof Alexandre Cunha Costa (lattes.cnpq.br/9241372014553970). Seja bem-vindo ao Canal Análise de Séries Temporais: do zero até modelagem e previsão. Neste quarto vídeo do curso de Aprendizado de Máquina, iremos aprender os pré-requisitos básicos para a realização de Aprendizado de Máquina no R, sejam eles manipulação de dados, apresentação gráfica e modelagem. Serão apresentadas a...
Aula 05: Como dividir os Dados para Treinamento e Teste em Aprendizado de Máquina?
Просмотров 683 месяца назад
Olá, eu sou o Prof Alexandre Cunha Costa (lattes.cnpq.br/9241372014553970). Seja bem-vindo ao Canal Análise de Séries Temporais: do zero até modelagem e previsão. Neste quinto vídeo do curso de Aprendizado de Máquina, iremos aprender como dividir os dados para treinamento e teste de algoritmos de Aprendizado de Máquina. Serão discutidos tamanho das amostras e tipos de amostragem. Para o acesso ...
Aula 03: O Que é Aprendizado Não-Supervisionado?
Просмотров 674 месяца назад
Olá, eu sou o Prof Alexandre Cunha Costa (lattes.cnpq.br/9241372014553970). Seja bem-vindo ao Canal Análise de Séries Temporais: do zero até modelagem e previsão. Neste terceiro vídeo do curso de Aprendizado de Máquina, iremos aprender o que significa aprendizado não-supervisionado e exemplos serão apresentados. Serão discutidos estratégias de Clustering e Dimension Reduction. Para o acesso às ...
Aula 02: O Que é Aprendizado Supervisionado?
Просмотров 914 месяца назад
Olá, eu sou o Prof Alexandre Cunha Costa (lattes.cnpq.br/9241372014553970). Seja bem-vindo ao Canal Análise de Séries Temporais: do zero até modelagem e previsão. Neste segundo vídeo do curso de Aprendizado de Máquina, iremos aprender o que significa aprendizado supervisionado e exemplos serão apresentados. Serão discutidos problemas de regressão e classificação. Para o acesso às notas de aulas...
Aula 01: O Que é Aprendizado de Máquina?
Просмотров 1315 месяцев назад
Olá, eu sou o Prof Alexandre Cunha Costa (lattes.cnpq.br/9241372014553970). Seja bem-vindo ao Canal Análise de Séries Temporais: do zero até modelagem e previsão. Neste vídeo, iniciaremos um novo curso no Canal: Machine Learning ou Aprendizado de Máquina. Para o acesso às notas de aulas, scripts, dados e planilhas, utilizadas nesta vídeoaula, por favor acesse o nosso site: www.analisedeserieste...
Balanço hídrico de Bacias Hidrográficas
Просмотров 325 месяцев назад
Playlist especial "Cortes em Hidrologia" com vídeos básicos sobre Hidrologia, a Ciência da Água. Conhecimento fundamental para várias disciplinas, de Biologia à Engenharia Civil, por exemplo. Boa aula!
O Que é uma Bacia Hidrográfica?
Просмотров 405 месяцев назад
Playlist especial "Cortes em Hidrologia" com vídeos básicos sobre Hidrologia, a Ciência da Água. Conhecimento fundamental para várias disciplinas, de Biologia à Engenharia Civil, por exemplo. Boa aula!
Aula 70: Introdução a Modelos Lineares Dinâmicos
Просмотров 2247 месяцев назад
Olá, eu sou o Prof Alexandre Cunha Costa (lattes.cnpq.br/9241372014553970). Seja bem-vindo ao curso de Introdução à Análise de Séries Temporais: do zero até modelagem e previsão, passando por análise descritiva (decomposição, filtragem e autocorrelação). Nesta septuagésima vídeoaula, eu apresento os modelos lineares dinâmicos, ou seja, aqueles modelos lineares em que seus parâmetros podem mudar...
Aula 69: Modelo Multivariado de Espaço de Estados: Exemplo Prático
Просмотров 1449 месяцев назад
Olá, eu sou o Prof Alexandre Cunha Costa (lattes.cnpq.br/9241372014553970). Seja bem-vindo ao curso de Introdução à Análise de Séries Temporais: do zero até modelagem e previsão, passando por análise descritiva (decomposição, filtragem e autocorrelação). Nesta sexagésima nona vídeoaula, eu mostro como ajustar um modelo multivariado de espaço de estados, utilizando o R. Como exemplo, são utiliza...
Diferenças e Dicas para o Doutorado na Alemanha
Просмотров 8810 месяцев назад
Parte II da série de destaques do bate-papo (em inglês) com estudantes da Universidade Nacional da Colômbia (Novembro, 2023). Neste vídeo, eu falo das diferenças em realizar um doutorado na Alemanha e dou umas dicas. Gracias ao Prof. Sebastian Reynaldi pelo convite!
Pesquisa e Cooperação Internacional
Просмотров 4910 месяцев назад
Parte I da série de destaques do bate-papo (em inglês) com estudantes da Universidade Nacional da Colômbia (Novembro, 2023). Neste vídeo, eu início a fala sobre os meus tópicos de pesquisa. Depois, explico como foi a minha cooperação internacional recente e como está atualmente. Gracias ao Prof. Sebastian Reynaldi pelo convite!
Impactos das Mudanças Climáticas na Saúde
Просмотров 54Год назад
Nosso trabalho sobre mudanças climáticas e saúde repercutindo na mídia local. Parcerias: Unilab, UFC e Escola de Saúde Pública do Estado do Ceará.
Aula 68: Covariáveis em Modelos de Espaço de Estados
Просмотров 201Год назад
Olá, eu sou o Prof Alexandre Cunha Costa (lattes.cnpq.br/9241372014553970). Seja bem-vindo ao curso de Introdução à Análise de Séries Temporais: do zero até modelagem e previsão, passando por análise descritiva (decomposição, filtragem e autocorrelação). Nesta sexagésima oitava vídeoaula, eu apresento de forma simples como adicionar covariáveis em modelos de espaço de estados. Informação básica...
Aula 67: Modelo Univariado de Espaço de Estados: Prática
Просмотров 141Год назад
Aula 67: Modelo Univariado de Espaço de Estados: Prática
Aula 66: Modelo Univariado de Espaço de Estados: Teoria
Просмотров 176Год назад
Aula 66: Modelo Univariado de Espaço de Estados: Teoria
Aula 65: Conheça Já os Modelos de Espaço de Estados!
Просмотров 336Год назад
Aula 65: Conheça Já os Modelos de Espaço de Estados!
Aula 64: O Que é Análise de Séries Temporais Interrompidas?
Просмотров 630Год назад
Aula 64: O Que é Análise de Séries Temporais Interrompidas?
Aula 62: Como Estimar os Coeficientes da Função de Transferência?
Просмотров 2252 года назад
Aula 62: Como Estimar os Coeficientes da Função de Transferência?
Aula 61: O Que é o Modelo de Função de Transferência?
Просмотров 3472 года назад
Aula 61: O Que é o Modelo de Função de Transferência?
Aula 60: O Que é Correlação Cruzada?
Просмотров 1,1 тыс.2 года назад
Aula 60: O Que é Correlação Cruzada?
Aula 59: Como Realizar Previsão Sequencial com Modelos Ajustados?
Просмотров 3232 года назад
Aula 59: Como Realizar Previsão Sequencial com Modelos Ajustados?
Aula 58: Como Prever com Erros Correlacionados?
Просмотров 3522 года назад
Aula 58: Como Prever com Erros Correlacionados?
Aula 57: Como Identificar Erros Correlacionados em Regressões Lineares Múltiplas?
Просмотров 4812 года назад
Aula 57: Como Identificar Erros Correlacionados em Regressões Lineares Múltiplas?
Aula 56: O Que é Regressão de Séries Temporais?
Просмотров 1,2 тыс.2 года назад
Aula 56: O Que é Regressão de Séries Temporais?
Aula 55: Ajuste de Modelo Combinado ARMA-GARCH Utilizando R
Просмотров 7502 года назад
Aula 55: Ajuste de Modelo Combinado ARMA-GARCH Utilizando R
Aula 54: Previsão com Modelo (G)ARCH utilizando R. Exemplo: IBOVESPA
Просмотров 1,4 тыс.2 года назад
Aula 54: Previsão com Modelo (G)ARCH utilizando R. Exemplo: IBOVESPA
revisando o conteúdo... Professor muito didático
Olá professor. Tenho uma série temporal onde os valores são coletados toda quarta-feira. Como seria o cálculo nesse caso, dado que a quantidade de quartas-feiras nos meses não é constante? Obrigado pela atenção.
Olá, acho que é melhor modelar ao passo da coleta de dados, ou seja, toda quarta-feira.
Olá professor Alexandre!! Vou fazer o meu primeiro trabalho profissional com séries temporais. Com isso, refiz o seu curso até a Aula 47 que cobre ARMA, ARIMA e SARIMA e a previsão. Porém surgiu a seguinte dúvida: desde os vídeos com modelo SARIMA a série é transformada por log e diferenciação. Então, a escala dos dados originais mudam o que afeta a previsão que irá responder com a mesma escala. Devo aplicar na previsão a função exponencial para retornar a escala original?
Você pode aplicar a função exponencial, sem problemas, mas lembre a propriedade do log return, que explico na fase de diagnóstico das séries temporais. Talvez vc não precise necessariamente transformar para a série original.
Sensacional a aula, tentei acompanhar com Python, mas percebi que o R tem uma paleta maior de ferramentas prontas para aplicações estatísticas.
Que curso, Professor! Parabéns pelas suas aulas, são sensacionais. Tenho uma dúvida sobre a questão da fórmula da Covariância, deve-se usar a que considera amostra, ou seja, com n-1?
Desculpa, mas não entendi.
Ótima aula
Olá professor alexandre! Este material tem como referências quais autores? Poderia informar?
Hyndman, R.J., & Athanasopoulos, G. (2021) Forecasting: principles and practice, 3rd edition, OTexts: Melbourne, Australia. OTexts.com/fpp3. Ruey Tsay Analysis of financial time series...
Bom dia! Conteúdo muito bom! O lattes ta dando erro quando tenta acessar. Abraço!
23:37 a ordem d e D foram iguais a 1 porque somente uma diferenciação foi aplicada ao ARIMA e ao SARIMA? Neste caso, como eu saberia que outras diferenciações poderiam ser aplicadas?
Oi Douglas, a fundamentação dessa estratégia está nas aulas sobre diferenciação.
Uma dúvida. Para identificação da ordem do modelo, não deveríamos utilizar os dados em que foram aplicadas as diferenciações?
Se diferenciações ou transformações forem necessárias para que a séries sejam modeláveis, vc deve utlizar a série diferenciada ou transformada.
@@seriestemporais Obrigado!
Fico em dúvida na interpretação do resultado do efeito sazional. No caso depois das aplicações de log e operações matemáticas, quais seria a unidade apresentada pelo efeito sazional calculado?
Olá, a unidade é a mesma. Ao final da análise, se for necessário, basta transformar a série em log para a série original. Abraços
Olá! Uma dúvida. Existe algum problema em aplicar a filtragem após a aplicação das diferenciações? Porque no exemplo do vídeo foi comparado o resíduo obtido de uma série sem o uso da diferenciação com uma série em que foi aplicada a diferenciação. Desde já agradeço pelas aulas! Tem me ajudado bastante na minha pesquisa de mestrado.
Oi Douglas, não vejo razão de fazê-lo, pois a diferenciação já pode remover a tendências e a sazonalidade. Geralmente, se aplica a filtragem ou a diferenciação. Abraços
@@seriestemporais ah, sim. Obrigado!
Bom tarde! Por obrigatoriedade eu tennho que partir do mês de Julho ou poderia ser de outro mês qualquer?
Olá! Pode ser de outro mês qualquer, sem problemas!
Professor o reminder é a serie temporal sem os efeitos de sazonalidade e tendencia?
Exato!
Professor se a minha base já tem distribuição normal e tem sazonalidade e tendencia, eu aplico o diff(diff(), direto na base sem transforma-la em log certo? Essas duas diferenciações são para remover a sazonalidade e a tendencia?
Exato. Daí, você pode avaliar a estrutura de correlação da série aplicando as funções de autocorrelacao. Quando for aplicar o modelo SARIMA, pode usar a série não diferenciada mesmo.
Curso excelente!
Obrigado!
esse sheets está disponível professor ?
Sim: www.analisedeseriestemporais.com/
Olá, Prof. Alexandre. Primeiro, a playlist como um todo é ouro! Obrigado pro disponibiliza-la publicamente! Segundo. Tenho uma dúvida latendo sobre a autocorrelação. Já encontrei em alguns materiais (Ex: Practical Time Series Analysis) que a ACF e a Correlação Linear para séries temporais são próximas, mas não idênticas devido a diferenças entre seus denominadores (pensando a definição das métricas). Nesse contexto, podemos seguir com confiança utilizando a Correlação de Pearson para as análise de autocorrelação? Minha dúvida surgiu porque estou tendo que lidar com uma série temporal cujo o gráfico de ACF informa algumas valores para os respectivos lags, enquanto que ao calcular a matriz de correlação da série original com os respectivos lags, encontro valores bem diferentes (especialmente para lags maiores).
Olá Victor Hugo, a sua pergunta é muito pertinente. No curso, tratamos desta questão sim. Por favor, continue assistindo os vídeos sobre autocorrelação, que você achará a resposta para o seu questionamento. Uma abraço e boas aulas
Professor, muito obrigado pela aula! uma dúvida: se eu aplicar a diferença da série não transformada por exemplo: Xt - X(t + 1) ou o inverso X(t + 1) - Xt, e o resultado dessa diferença eu aplico o Log, isso pode existir??? preciso talvez aplicar uma regressão linear para ver se a reta está próxima dos números??? abs
Olá Anderson, não. Primeiro aplicamos a transformação, depois a diferenciação. Abs
Professor, estou estudando pelo seu curso e pelo livro análise prática de séries temporais, já peço desculpas se eu escrever alguma besteira por aqui, minhas dúvidas são as seguintes: depois de aplicar a função log para transformar a série temporal, seria interessante verificar a média e o desvio-padrão para saber se os dados estão mais próximos da média? e no livro análise prática de séries temporais, ele fala para aplicar a raiz quadrada nos dados, nesse caso seria interessante fazer uma transformação utilizando a função log e outra com raiz quadrada e comparar qual série transformada é a melhor para se trabalhar? muito obrigado pelas aulas!
Olá, Anderson! Grato pelo seu feedback. A transformação log geralmente é mais "poderosa" que a raiz quadrada, ok? Caso a variância não estabilizar depois da transformação log, teremos que usar uma outra abordagem: a GARCH. Entretanto, isso você só verá bem mais na frente no curso. Boas aulas!
Olá professor, parabéns pelo conteúdo, tem sido muito útil na construção do meu TCC. Fui questionado do pq eu trago em meu texto o gráfico de distribuição normal e o qq-plot ( a minha série já apresenta características gaussianas). Quais literaturas o senhor me indicaria para embasar essa etapa da minha análise?
Olá José, obrigado! Nesse caso, é suficiente apresentar apenas o qq-plot. Costumo consultar o material on-line da Universidade da Pensilvânia, quando necessário: online.stat.psu.edu/stat462/node/122/
:) obrigada!!
Disponha!
Preciso de mais vídeos aulas
Por aqui, há muitas! E estamos agora postando mais!
Obrigado por compartilhar o conhecimento professor. A indicação de artigos que o senhor fez é muito importante.
@olgammo Olá professor! Você irá postar os arquivos da aula 47 no material didático?
Olga, os dados estão compartilhados em um drive acessível na área de assinatura do Canal. Repassei o link da área de assinatura na resposta à sua primeira pergunta. Qualquer dúvida, sigo à disposição
Oi professor. Não encontrei a aula 47 com os arquivos do banco de dados e comandos no material didático. Você irá postar? Estou aprendendo bastante com suas aulas, Excelente ! Parabéns!
Olá Olga, tudo bem? Fico feliz que você esteja gostando das aulas! Em relação aos dados dos vídeos para membros do Canal, há um link de um drive na área de assinatura, de onde você poderá baixar todas as aulas exclusivas para membros: www.youtube.com/@seriestemporais/membership Depois, me fale se deu certo. Abraços
Excelente. Conteúdo útil e interessante. Parabéns. Destaque: Você é excelente professor. Tenho dito. 😅😅😅
Muito obrigado!
Ótima aula. Conteúdo útil e interessante. Parabéns. Tenho dito. 😊😊😊
Obrigado pelo feedback!
Agora sim!
Muito bacana professor, ansioso para as proximas aulas.🙂
só não entendi como se chega ao valor de h na fórmula da covariância, mas depois eu pesquiso melhor, obrigado pela aula Professor!
Olá Anderson, mais à frente, nos vídeos, vc irá saber como definir o h. Abraços
Ótima aula. Conhecimento, conteúdo útil e boa didática. Parabéns. Destaque: Preparação das aulas. Tenho dito. 😮😮😮
Muito obrigado pelo feedback!
Olá professor, tudo bem? Estou aplicando a acf() no quadrado do modelo (uma amostra diferente) e observei que há um decaimento porém com comportamento senoidal; ao aplicar a função garch do pacote "rugarch" tive como retorno os coeficientes a0 a1 e b1 todos bem abaixo de 0,05. Para os demais efeitos aparenta um modelo GARCH(1,1) é possível confirmar se isto procede?
Oi Artur, tudo bem? Me parece que há um efeito sazonal agindo na sua série temporal, pela a sua descrição. Você deverá levar isso em consideração.
Otima aula, parabens. Acessei o blog tbm!!!
Ótimo! Bons estudos!
@@seriestemporais Obrigado, se puder autorize o meu acesso no blog. Abs.
Não há membros pendentes ao blog. Vc poderia conferir? Abs
@@seriestemporais Agora OK. Valeu!!!
Fantástico, muito boa a aula, didática, muito esclarecedora e passo a passo potencializando o aprendizado!
Muito obrigado pelo seu feedback!
Agora sim. Assunto muito interessante professor. Obrigado por compartilhar o conhecimento
Fantástica sua didática e objetividade nas explicações!!!
Obrigado pelo elogio
Obrigado pelo feedback!
Parabéns professor, excelente vídeo!! 👏🏻👏🏻
Obrigado pelo feedback!
Obrigado pelas suas aulas. Do meu ponto de vista, é sempre muito importante que entendamos o motivo (a motivação) de estarmos estudando algo. Muitos professores dão uma enxurrada de matéria sem explicar o porquê daquilo. A consequência natural é a pouca (ou nenhuma) motivação do(a) aluno(a) para aprender o que está sendo dado.
excelente...salvou
Que bom que ajudou
Tope professor, me estas ajudando muito. Gratidão imensa.
Fico feliz em saber
Obrigado demais professor
Bons estudos!
Parabéns e obrigado Professor! Aulas excepcionais, didáticas e objetivas... minha pergunta é a seguinte: qual comando eu utilizaria no GARCH para uma série temporal finita, ou seja, uma previsão dentro de um intervalo de números, com um máximo a ser alcançado.
Obrigado pelo feedback, Gilmar! Que bom que vc está gostando. Você está perguntando como definir o horizonte de previsão? Por exemplo: Dias ou meses à frente?
@@seriestemporais Seriam dias (milhares de dias) a frente e a frequência é diária, porém não decompõe se eu colocar =1 (dia). Eu uso como frequência o total de dias da amostra que tenho (série) ou o total de dias previstos? A outra dúvida é como eu cadastro o início e o fim da série ts => start e end. Poderia me auxiliar?
@@gilmarviriato7065 quando o horizonte de previsão é muito longo, o modelo perde poder de previsão. Assim, não é aconselhável. São várias as razões para isso. Eu sugiro que vc assista a playlist sobre Previsão de Séries Temporais: ruclips.net/p/PLSDVadsSlXTD2R5JXcAkk9v-X6qKWH3cs
Entendi..@@seriestemporais , eu poderia, neste caso, encurtar a previsão (série) com um modelo parcial?
@@gilmarviriato7065 , na verdade, o horizonte de previsão deve ser compatível com o modelo ajustado. Na playlist que eu compartilhei com vc, explico isso em detalhes. Uma outra forma tbm é utlizar séries decompostas (ruclips.net/video/cOVyLPTY9yQ/видео.html), mas não sei se é o seu caso.
Professor. Tem algum material ou aula de Elementos Finitos?
Oi Carlos, não tenho material ou aula de MEF.
Cara que aula Top.
Professor, como eu posso espelhar o valor real da serie após apicar todo esse processamento?
Oi Paulo, tudo bem? No caso de séries decompostas, basta você ao final somar os três componentes novamente: tendência, sazonalidade e resíduo. Se vc tiver aplicado um log() antes para “estabilizar” a variância, basta aplicar a função inversa.
Parabéns pelas aulas professor! Gostaria de saber como posso ter acesso à planilha com os cálculos dos resíduos e de suas FAC e PFAC , pois quando eu tento fazer na minha planilha, todos os resultados estão caindo dentro do intervalo, diferentemente dos gráficos apresentados na aula.
No nosso blog: www.analisedeseriestemporais.com/