Diagnóstico do modelo

Modelos ARIMA em Python

James Fulton

Climate informatics researcher

Introdução ao diagnóstico do modelo

  • Quão bom é o modelo final?
Modelos ARIMA em Python

Resíduos

Modelos ARIMA em Python

Resíduos

# Fit model
model = ARIMA(df, order=(p,d,q))
results = model.fit()

# Assign residuals to variable
residuals = results.resid

2013-01-23    1.013129
2013-01-24    0.114055
2013-01-25    0.430698
2013-01-26   -1.247046
2013-01-27   -0.499565
       ...         ...
Modelos ARIMA em Python

Erro absoluto médio

Quão longe as previsões ficam dos valores reais?

mae = np.mean(np.abs(residuals))
Modelos ARIMA em Python

Gráficos de diagnóstico

Se o modelo ajusta bem, os resíduos serão ruído gaussiano branco

# Create the 4 diagostics plots
results.plot_diagnostics()
plt.show()

Modelos ARIMA em Python

Gráfico de resíduos

Modelos ARIMA em Python

Gráfico de resíduos

Modelos ARIMA em Python

Histograma com densidade estimada

Modelos ARIMA em Python

Q-Q normal

Modelos ARIMA em Python

Correlograma

Modelos ARIMA em Python

Estatísticas de resumo

print(results.summary())

...
===================================================================================
Ljung-Box (Q):                       32.10   Jarque-Bera (JB):                 0.02
Prob(Q):                              0.81   Prob(JB):                         0.99
Heteroskedasticity (H):               1.28   Skew:                            -0.02
Prob(H) (two-sided):                  0.21   Kurtosis:                         2.98
===================================================================================
  • Prob(Q) - p-valor para a hipótese nula de que os resíduos são não correlacionados
  • Prob(JB) - p-valor para a hipótese nula de que os resíduos são normais
Modelos ARIMA em Python

Vamos praticar!

Modelos ARIMA em Python

Preparing Video For Download...