Capítulo 45 Modelagem temporal


45.1 Modelos temporais


45.1.1 O que são modelos temporais?

  • Modelos temporais são estruturas matemáticas que descrevem a evolução de um fenômeno ao longo do tempo, incorporando dependência entre observações sucessivas.REF?


45.1.2 Por que modelos temporais são importantes?

  • Muitos fenômenos reais apresentam dependência temporal, como autocorrelação e tendência, que não podem ser capturados por modelos independentes.REF?

  • Ignorar a estrutura temporal pode levar a inferências incorretas e previsões imprecisas.REF?


45.2 Estrutura temporal dos dados


45.2.1 O que é dependência temporal?

  • Dependência temporal ocorre quando o valor de uma observação depende de valores anteriores da série.REF?

  • Essa dependência pode ser linear (autocorrelação) ou não linear (dinâmicas complexas).404


45.2.2 O que é autocorrelação?

  • Autocorrelação é a correlação entre valores da série em diferentes instantes de tempo.404

  • Autocorrelação é uma das principais características exploradas em modelos temporais lineares.404


45.3 Modelos lineares e não lineares


45.3.1 O que são modelos temporais lineares?

  • Modelos lineares assumem que a dinâmica da série pode ser descrita por combinações lineares de valores passados e ruído aleatório.404


45.3.2 O que são modelos temporais não lineares?

  • Modelos não lineares capturam relações mais complexas, nas quais a resposta não é proporcional às entradas.REF?

  • Esses modelos são necessários para descrever fenômenos como caos determinístico e sistemas dinâmicos complexos.404


45.3.3 Por que distinguir linearidade de não linearidade é difícil?

  • Séries temporais reais frequentemente combinam múltiplas fontes de variação: ruído, dependência linear e dinâmica não linear.404

  • Métodos tradicionais podem interpretar incorretamente ruído como comportamento caótico.404


45.4 Testes de não linearidade


45.4.1 Como testar não linearidade em séries temporais?

  • Uma abordagem é formular uma hipótese nula de que a série é gerada por um processo linear e testar essa hipótese estatisticamente.404


45.4.2 O que é o método de dados substitutos?

  • O método de dados substitutos consiste em gerar séries simuladas que preservam propriedades básicas da série original, mas seguem um modelo linear.404

  • A série original é comparada com essas simulações para verificar diferenças significativas.404


45.4.3 Como funciona o método de dados substitutos?

  • Define-se uma hipótese nula (ex.: processo linear); Geram-se múltiplas séries substitutas compatíveis com essa hipótese; Calcula-se uma estatística para a série original e para as substitutas; Diferenças significativas indicam rejeição da hipótese nula.404


45.4.4 O que é significância nesse contexto?

  • A significância mede o quão distante a estatística da série original está da distribuição obtida com os dados substitutos.404

  • Valores altos indicam evidência de estrutura não linear.404


45.5 Hipóteses em modelos temporais


45.5.1 O que é uma hipótese nula em séries temporais?

  • É uma suposição sobre o processo gerador dos dados que se deseja testar, geralmente assumindo linearidade.404


45.5.2 Quais hipóteses nulas podem ser usadas?

  • Ruído independente (IID).404

  • Processos lineares com autocorrelação.404

  • Transformações não lineares de processos lineares.404


45.6 Estatísticas em séries temporais


45.6.1 O que são estatísticas discriminantes?

  • São medidas usadas para diferenciar a série original das séries substitutas.404


45.6.2 Quais estatísticas podem ser usadas?

  • Dimensão de correlação.404

  • Erro de previsão.404

  • Medidas de dependência temporal.404


45.7 Limitações dos modelos temporais


45.7.1 Quais são as limitações dos modelos temporais?

  • Dados podem ser curtos ou ruidosos, dificultando inferência confiável.404

  • Modelos incorretos podem levar a interpretações equivocadas (ex.: falso caos).404

  • A escolha da estrutura do modelo depende de suposições que nem sempre são verificáveis.404


45.8 Validação de modelos temporais


45.8.1 Como validar modelos temporais?

  • Comparando previsões com dados observados.404

  • Testando hipóteses sobre a estrutura da série (ex.: linearidade).404

  • Utilizando simulações e métodos de reamostragem, como dados substitutos.404




Citar como:
Ferreira, Arthur de Sá. Ciência com R: Perguntas e respostas para pesquisadores e analistas de dados. Rio de Janeiro: 1a edição,


Referências

404.
Theiler J, Eubank S, Longtin A, Galdrikian B, Doyne Farmer J. Testing for nonlinearity in time series: the method of surrogate data. Physica D: Nonlinear Phenomena. 1992;58(1-4):77–94. doi:10.1016/0167-2789(92)90102-s
405.
Diego J. Pedregal. UComp: Automatic Univariate Time Series Modelling of many Kinds.; 2025. doi:10.32614/CRAN.package.UComp