Detalhe da Disciplina
Curso: Mestrado em Estatística e Gestão de Informação
Unidade curricular: Métodos de Previsão
Código da Unidade curricular: 200088
Tipo de unidade curricular: Obrigatório
Ano do plano de estudos: 1
Semestre: Primavera
Número de créditos: 7,5
Docentes:  Não disponível 
Número de horas de aula por semana: 2
Objectivos da unidade curricular:
O principal objetivo deste curso é desenvolver as habilidades necessárias para fazer a pesquisa empírica em campos que operam com séries temporais. O curso tem a intenção de atender a dois objetivos. Fornecer ferramentas para o trabalho empírico com dados de séries temporais e Introduzir a fundamentação teórica de modelos de séries temporais. Grande parte da metodologia estatística está preocupada com modelos em que as observações são assumidas ser independentes. No entanto, muitos conjuntos de dados ocorrer sob a forma de séries temporais em que as observações são dependentes. Neste curso, vamos nos concentrar na análise de séries temporais, com um equilíbrio entre teoria e aplicações. No final do curso, o aluno será capaz de analisar dados de séries temporais usando software disponíveis. Para enfatizar aplicação da teoria a dados reais (ou simulados), será utilizado o software R.
Requisitos de frequência:
Estatística e algebra linear (recomendado)
Conteúdo da unidade curricular:
1.Conceitos básicos: visão geral, autocorrelação e modelo AR(1)
2. Tutorial R
3. Modelo de média móveis (MA) e autocorrelação parcial
4. Modelos ARIMA; modelos ARIMA não sazonais; diagnóstico; previsão
5. Modelos ARIMA sazonais; identificação
6. Modelos de decomposição
7. Alisamento exponencial
8. O periodograma
9. Regressão com erros ARIMA
10. Duas séries temporais e correlação cruzada
11. Modelos VAR
12. ARCH e GARCH
13. Análise longitudinal
14. Análise de intervenção
Bibliografia recomendada:
Shumway, R.H. and Stoffer, D.S. Time Series Analysis and its Application with R Examples, 3rd edition, Springer, 2011. (http://www.stat.pitt.edu/stoffer/tsa3/); Makridakis, S., Wheelwright, S.C., Hyndman, R.J. Forecasting: Methods and Applications, 3rd edition, John Wiley & Sons, 1998.; Forecasting: principles and practice: https://www.otexts.org/book/fpp; Little Book of R for Time Series: http://a-little-book-of-r-for-time-series.readthedocs.org/en/latest/; Murteira, B., Muller, D., Turkman F. Análise de Sucessões Cronológicas, 1ª edição, McGraw Hill, 1993.
Métodos de ensino:
O curso é baseado em aulas teórico-práticas e aulas práticas
Métodos de avaliação:
 -    (60%) Exame final (1ª ou 2ª épocas)
 -    (40%) Projeto
Língua de ensino: Português/Inglês