22 ago 2007
EE-240/2007 – Análise de Séries Temporais
Análise de Séries
Temporais
ago 2007
EE-240/2007 – Análise de Séries Temporais
Análise e Previsão de
Séries Temporais
ago 2007
EE-240/2007 – Análise de Séries Temporais
Série temporal :
“Conjunto de valores de uma grandeza gerada seqüencialmente no tempo”
Exemplo:
t
y(t)
0.0000
1.0000
2.0000
3.0000
4.0000
5.0000
6.0000
7.0000
8.0000
9.0000
10.0000
11.0000
12.0000
13.0000
....
0.0000
0.9580
1.4540
-1.2937
-1.0410
1.0711
0.2001
1.3900
1.6156
1.6119
2.2902
1.7686
2.3908
0.0975
....
ago 2007
EE-240/2007 – Análise de Séries Temporais
t
y(t)
0.0000
1.0000
2.0000
3.0000
4.0000
5.0000
6.0000
7.0000
8.0000
9.0000
10.0000
11.0000
12.0000
13.0000
14.0000
15.0000
16.0000
17.0000
18.0000
19.0000
20.0000
21.0000
22.0000
23.0000
24.0000
25.0000
0.0000
0.9580
1.4540
-1.2937
-1.0410
1.0711
0.2001
1.3900
1.6156
1.6119
2.2902
1.7686
2.3908
0.0975
1.3802
1.3433
-0.0041
1.9573
0.7435
3.3151
1.1949
2.6287
2.4193
1.3781
0.2293
2.4408
ago 2007
EE-240/2007 – Análise de Séries Temporais
t
y(t)
0.0000
1.0000
2.0000
3.0000
4.0000
5.0000
6.0000
7.0000
8.0000
9.0000
10.0000
11.0000
12.0000
13.0000
14.0000
15.0000
16.0000
17.0000
18.0000
19.0000
20.0000
21.0000
22.0000
23.0000
24.0000
25.0000
0.0000
0.9580
1.4540
-1.2937
-1.0410
1.0711
0.2001
1.3900
1.6156
1.6119
2.2902
1.7686
2.3908
0.0975
1.3802
1.3433
-0.0041
1.9573
0.7435
3.3151
1.1949
2.6287
2.4193
1.3781
0.2293
2.4408
ago 2007
EE-240/2007 – Análise de Séries Temporais
t
y(t)
0.0000
1.0000
2.0000
3.0000
4.0000
5.0000
6.0000
7.0000
8.0000
9.0000
10.0000
11.0000
12.0000
13.0000
14.0000
15.0000
16.0000
17.0000
18.0000
19.0000
20.0000
21.0000
22.0000
23.0000
24.0000
25.0000
0.0000
0.9580
1.4540
-1.2937
-1.0410
1.0711
0.2001
1.3900
1.6156
1.6119
2.2902
1.7686
2.3908
0.0975
1.3802
1.3433
-0.0041
1.9573
0.7435
3.3151
1.1949
2.6287
2.4193
1.3781
0.2293
2.4408
Ajuste de uma função linear ( reta )
ago 2007
EE-240/2007 – Análise de Séries Temporais
t
y(t)
0.0000
1.0000
2.0000
3.0000
4.0000
5.0000
6.0000
7.0000
8.0000
9.0000
10.0000
11.0000
12.0000
13.0000
14.0000
15.0000
16.0000
17.0000
18.0000
19.0000
20.0000
21.0000
22.0000
23.0000
24.0000
25.0000
0.0000
0.9580
1.4540
-1.2937
-1.0410
1.0711
0.2001
1.3900
1.6156
1.6119
2.2902
1.7686
2.3908
0.0975
1.3802
1.3433
-0.0041
1.9573
0.7435
3.3151
1.1949
2.6287
2.4193
1.3781
0.2293
2.4408
Erros no Ajuste da Reta
ek
ago 2007
EE-240/2007 – Análise de Séries Temporais
Regressão Linear: yk = a xk + b
Mínimos Quadrados: Obter valores a e b de modo que
n

k 1
ek
2
n
   yk  axk  b  2
k 1
seja mínimo.
d
d
0,
0
da aˆ
db bˆ
Mínimos
Quadrados
n
x
y
  x k  x   yk  y 
n

xk

yk
k 1
n
k 1
aˆ 
k 1
n
 x k  x  2
k 1
bˆ  y  aˆ x
ago 2007
EE-240/2007 – Análise de Séries Temporais
Regressão Linear: yk = a xk + b
No exemplo:
t no lugar de k
xk = x t = t
yk = y( t )
ago 2007
EE-240/2007 – Análise de Séries Temporais
Regressão Linear:
%Supondo que os pares x(k) e y(k) estão disponíveis
> uns = ones(size(x),1);
> [coef,intervcoef,res,intervres,stat] = regress(y,[x uns],0.05)
% 0.05 se refere (1 – 0.05) de nível de confiança
% coef são os coeficientes angular e linear da reta
% intervcoef são os intervalos de confiança dos coeficientes
% res são os resíduos
% intervres são os intervalos de confiança para os resíduos
% stat contém os valores de R2, F e p
ago 2007
EE-240/2007 – Análise de Séries Temporais
y(t) = 0.0665 t + 0.3823
a  [ 0.0117 0.1212 ]
b  [ -0.4155 1.1800 ]
 = 0.05
R2 = 0.2075
ago 2007
EE-240/2007 – Análise de Séries Temporais
y(t) = 0.0665 t + 0.3823
a  [ 0.0117 0.1212 ]
b  [ -0.4155 1.1800 ]
 = 0.05
R2 = 0.2075
ago 2007
EE-240/2007 – Análise de Séries Temporais
n
  yˆ k  y 
R2 
k 1
n
  yk  y  2
k 1
R2 = 0.9259
 yk  y    yk  yˆ k    yˆ k  y 
Total
Não-Explicado
Explicado
R2 = 0.4280
ago 2007
EE-240/2007 – Análise de Séries Temporais
Polinômio de 10a ordem
y(t) = 1.7640e-010 t10 - 1.2032e-008 t9 + 3.8719e-008 t8 + 2.0053e-005 t7 - 8.4235e-004 t6 +
1.6681e-002 t5 – 0.18486 t4 + 1.1401 t3 - 3.4843e+000 t2 + 3.9049 t - 5.2614e-002
ago 2007
EE-240/2007 – Análise de Séries Temporais
Ajuste do Polinômio de 10a ordem:
% Supondo que os pares y(k),x(k) já estão definidos
> coef = polyfit(x,y,10)
> plot(x,y,’r’)
> hold on
> ychapeu = polyval(coef,x)
> plot(x,ychapeu)
ago 2007
EE-240/2007 – Análise de Séries Temporais
previsão
ago 2007
EE-240/2007 – Análise de Séries Temporais
yˆ k  1  yk
ago 2007
EE-240/2007 – Análise de Séries Temporais
U de Theil
Previsão “naïve”
Forecast Relative Change
Actual Relative Change
APE k  1 
yk  1  yk
yk
FPEk  1 
yˆ k  1  yk
yk
n1
  FPEk  1  APE k  1  2
U
k 1
n1

k 1
yˆ k  1  yk
APE k  1
  1 yˆ k  1 proposta é tão boa quanto a “naïve”

U   1 yˆ k  1 proposta é melhor que a “naïve”
  1 yˆ

k  1 proposta é pior que a “naïve”
ago 2007
EE-240/2007 – Análise de Séries Temporais
Adaptações do Método de Regressão Linear:
Linear
y(t) = at + b
Polinomial
y(t) = a1 t n + a2 t
Exponencial
y(t) = ab t

log y(t) = log a + t log b
Potencial
y(t) = a t b

log y(t) = log a + b logt
Hiperbólica
y(t) = a + b / t

y(t) = a + b (1/ t )
n-1
+ ... + ab
ago 2007
EE-240/2007 – Análise de Séries Temporais
log 5 = 0.699
y(t) = 5 exp (- 0.1 t) = 5 (e -0.1) t = ab t
log (e -0.1) = -0.0434
log y(t) = log a + t log b = log 5 + t log (e -0.1)
ago 2007
EE-240/2007 – Análise de Séries Temporais
Regressão Linear Robusta
Robust
OLS
outliers
ago 2007
EE-240/2007 – Análise de Séries Temporais
Regressão Linear Múltipla:
yk  a 0  a1x1k  a 2 xk2  amxkm  ek
Exemplo:
y
x2
k=3
k=1
k=2
k=4
k=5
x1
ago 2007
EE-240/2007 – Análise de Séries Temporais
Complicantes na Regressão Linear:
• Regressores mal escolhidos
• Não linearidade
yk  a 0  a1x1k  a 2 xk2  amxkm  ek
ek ~ N (0,  2 ) i.i.d.
y e xi não são inter-relacionados
yk  fNL (xk )ek
• Coeficientes variantes no tempo
• Heterocedasticidade
yk  a(t) xk  b(t)  ek
yk  a xk  b  c(t) ek
• Erros correlacionados no tempo
ek  i.i.d.
• Erros com média não nula e ~ N (,  2 )
k
0
• Multicolinearidade
ago 2007
EE-240/2007 – Análise de Séries Temporais
Complicantes na Regressão Linear:
• Regressores mal escolhidos
• Não linearidade
yk  a 0  a1x1k  a 2 xk2  amxkm  ek
ek ~ N (0,  2 ) i.i.d.
y e xi não são inter-relacionados
yk  fNL (xk )ek
• Coeficientes variantes no tempo
• Heterocedasticidade
yk  a(t) xk  b(t)  ek
yk  a xk  b  c(t) ek
• Erros correlacionados no tempo
ek  i.i.d.
• Erros com média não nula e ~ N (,  2 )
k
• Multicolinearidade xi   x j
k
k
0
i  j , k
ago 2007
EE-240/2007 – Análise de Séries Temporais
Complicantes na Regressão Linear:
• Regressores mal escolhidos
• Não linearidade
yk  a 0  a1x1k  a 2 xk2  amxkm  ek
ek ~ N (0,  2 ) i.i.d.
y e xi não são inter-relacionados
yk  fNL (xk )ek
• Coeficientes variantes no tempo
• Heterocedasticidade
yk  a(t) xk  b(t)  ek
yk  a xk  b  c(t) ek
• Erros correlacionados no tempo
ek  i.i.d.
• Erros com média não nula e ~ N (,  2 )
k
• Multicolinearidade xi   x j
k
k
0
i  j , k
ago 2007
EE-240/2007 – Análise de Séries Temporais
Complicantes na Regressão Linear:
• Regressores mal escolhidos
• Não linearidade
yk  a 0  a1x1k  a 2 xk2  amxkm  ek
ek ~ N (0,  2 ) i.i.d.
y e xi não são inter-relacionados
yk  fNL (xk )ek
• Coeficientes variantes no tempo
• Heterocedasticidade
yk  a(t) xk  b(t)  ek
yk  a xk  b  c(t) ek
• Erros correlacionados no tempo
ek  i.i.d.
• Erros com média não nula e ~ N (,  2 )
k
• Multicolinearidade xi   x j
k
k
0
i  j , k
ago 2007
EE-240/2007 – Análise de Séries Temporais
Complicantes na Regressão Linear:
• Regressores mal escolhidos
• Não linearidade
yk  a 0  a1x1k  a 2 xk2  amxkm  ek
ek ~ N (0,  2 ) i.i.d.
y e xi não são inter-relacionados
yk  fNL (xk )ek
• Coeficientes variantes no tempo
• Heterocedasticidade
yk  a(t) xk  b(t)  ek
yk  a xk  b  c(t) ek
• Erros correlacionados no tempo
ek  i.i.d.
• Erros com média não nula e ~ N (,  2 )
k
• Multicolinearidade xi   x j
k
k
0
i  j , k
ago 2007
EE-240/2007 – Análise de Séries Temporais
Complicantes na Regressão Linear:
• Regressores mal escolhidos
• Não linearidade
yk  a 0  a1x1k  a 2 xk2  amxkm  ek
ek ~ N (0,  2 ) i.i.d.
y e xi não são inter-relacionados
yk  fNL (xk )ek
• Coeficientes variantes no tempo
• Heterocedasticidade
yk  a(t) xk  b(t)  ek
yk  a xk  b  c(t) ek
• Erros correlacionados no tempo
ek  i.i.d.
• Erros com média não nula e ~ N (,  2 )
k
• Multicolinearidade xi   x j
k
k
0
i  j , k
ago 2007
EE-240/2007 – Análise de Séries Temporais
Complicantes na Regressão Linear:
• Regressores mal escolhidos
• Não linearidade
yk  a 0  a1x1k  a 2 xk2  amxkm  ek
ek ~ N (0,  2 ) i.i.d.
y e xi não são inter-relacionados
yk  fNL (xk )ek
• Coeficientes variantes no tempo
• Heterocedasticidade
yk  a(t) xk  b(t)  ek
yk  a xk  b  c(t) ek
• Erros correlacionados no tempo
ek  i.i.d.
• Erros com média não nula e ~ N (,  2 )
k
• Multicolinearidade xi   x j
k
k
0
i  j , k
ago 2007
EE-240/2007 – Análise de Séries Temporais
Complicantes na Regressão Linear:
• Regressores mal escolhidos
• Não linearidade
yk  a 0  a1x1k  a 2 xk2  amxkm  ek
ek ~ N (0,  2 ) i.i.d.
y e xi não são inter-relacionados
yk  fNL (xk )ek
• Coeficientes variantes no tempo
• Heterocedasticidade
yk  a(t) xk  b(t)  ek
yk  a xk  b  c(t) ek
• Erros correlacionados no tempo
ek  i.i.d.
• Erros com média não nula e ~ N (,  2 )
k
• Multicolinearidade xi   x j
k
k
0
i  j , k
ago 2007
EE-240/2007 – Análise de Séries Temporais
Suavização Exponencial:
yˆ k  1  yˆ k    yk  yˆ k 
 = 0.5
ago 2007
EE-240/2007 – Análise de Séries Temporais
Suavização Exponencial:
yˆ k  1  yˆ k    yk  yˆ k 
yˆ k  1  yˆ k    yk  yˆ k 
  yk   1    yˆ k
  yk   1      yk  1   1    yˆ k  1 
  yk   1   yk  1   1    2 yˆ k  1
  yk   1   yk  1   1    2   yk  2   1    yˆ k  2

  yk   1   yk  1   1    2 yk  2   1    3 yˆ k  2
ago 2007
EE-240/2007 – Análise de Séries Temporais
Método de Holt-Winters:
yˆ k  m  ak m  bk
a k    bk  bk  1    1    a k  1
bk   yk   1     ak  11  bk  1 
m=1
 = 0.4
 = 0.4
ago 2007
EE-240/2007 – Análise de Séries Temporais
Auto-Regressão - AR:
yk  1yk  1   2 yk  2  ...  n yk  n  ek
Média Móvel - MA:
yk   0 x k   1x k  1  ...   m x k  m  e k
...
Valores anteriores de y no lugar de xk
...
Média ponderada dos últimos m+1 valores de xk
yk    1yk  1   2 yk  2  ...   n yk  n   0 x k   1x k  1  ...   m x k  m  e k
ARMA
ago 2007
EE-240/2007 – Análise de Séries Temporais
ago 2007
EE-240/2007 – Análise de Séries Temporais
Estimação de coeficientes de um modelo ARMA:
>> dados=iddata(y,u,1)
>> M=arx(dados,[2 1 0])
ago 2007
EE-240/2007 – Análise de Séries Temporais
ago 2007
EE-240/2007 – Análise de Séries Temporais
y(k)
y-chapeu (k)
previsão
ago 2007
EE-240/2007 – Análise de Séries Temporais
Ajuste Polinomial
n=2
n=3
y
n=1
ago 2007
EE-240/2007 – Análise de Séries Temporais
ARIMA:
yk  yk  1 é ARMA
ago 2007
EE-240/2007 – Análise de Séries Temporais
Muito Obrigado!
ago 2007
Download

EE-240/2007 – Análise de Séries Temporais