Escolha de modelo e análise de resíduos

Modelos ARIMA em R

David Stoffer

Professor of Statistics at the University of Pittsburgh

AIC e BIC

ch2_3.006.png

  • AIC e BIC medem o erro e penalizam (de formas diferentes) a inclusão de parâmetros

  • Por exemplo, AIC tem $\ k=2$ e BIC tem $\ k = log(n)$

  • Objetivo: encontrar o modelo com o menor AIC ou BIC

Modelos ARIMA em R

Escolha do modelo: AR(1) vs. MA(2)

gnpgr <- diff(log(gnp))
sarima(gnpgr, p = 1, d = 0, q = 0)

$AIC                          $BIC
-8.294403                     -9.263748

sarima(gnpgr, p = 0, d = 0, q = 2)

$AIC                          $BIC                                       
-8.297695                     -9.251712

ch2_3.010.png

Modelos ARIMA em R

Análise de resíduos

sarima() inclui um gráfico de análise de resíduos mostrando:

  1. Resíduos padronizados
  2. ACF amostral dos resíduos
  3. Gráfico Q-Q normal
  4. Valores-p da estatística Q

ch2_3.016.png

Modelos ARIMA em R

Resíduos ruins

ch2_3.018.png

Modelos ARIMA em R

Resíduos ruins

ch2_3.019.png

Modelos ARIMA em R

Resíduos ruins

ch2_3.020.png

Modelos ARIMA em R

Resíduos ruins

ch2_3.021.png

Modelos ARIMA em R

Resíduos ruins

ch2_3.022.png

Modelos ARIMA em R

Resíduos ruins

ch2_3.023.png

Modelos ARIMA em R

Resíduos ruins

ch2_3.024.png

Modelos ARIMA em R

Vamos praticar!

Modelos ARIMA em R

Preparing Video For Download...