Análise de Séries Temporais

Dia e horário

A aula começa pontualmente às 10h40, e a chamada oral começa 10h50.

Segunda e quarta das 10h40 às 12h30.

No dias 23 e 25 de novembro, não teremos aula.

Horários de atendimento

Os atendimentos acontecem na sala 220 do IME/UFBA.

Dia	Segunda	Terça	Quarta	Quinta
Horário	das 08h às 09h	das 09h às 10h	das 08h às 09h	das 09h às 10h

Calendário acadêmico

Calendário acadêmico.

Conteúdo Programático

1. Introdução
   1. Definição, finalidade e aplicabilidade da série temporal.
   2. Componentes da série temporal.
   3. Técnicas descritivas simples
   4. Análises gráficas
   5. Medidas descritivas
2. Processos Estocásticos
   1. Conceitos gerais
   2. Processos Estacionários.
   3. Definição de estacionariedade
   4. Condições de estacionariedade
   5. Função de autocovariância e autocorrelação.
   6. Estimação da função autocovariância e autocorrelação
   7. Correlograma
   8. Teste de estacionariedade com base no correlograma
   9. Processos Gaussianos (Normais).
3. Tendência
   1. Tendência polinomial.
   2. Suavização e diferenças finitas.
   3. Testes para tendência.
4. Variações Estacionais
   1. Sazonalidade determinística.
   2. Sazonalidade estocástica.
   3. Testes de sazonalidade.
   4. Eliminação das variações estacionais.
5. Suavização Exponencial
   1. Médias móveis simples
   2. Suavização exponencial simples
   3. Suavização exponencial de Holt
   4. Suavização sazonal de Holt-Winters.
   5. Previsão
6. Modelos Probabilísticos
   1. Modelos AR, MA, ARMA e ARIMA e, Modelos Sazonais.
   2. Condições de estacionariedade e inversibilidade dos modelos
   3. Função de autocorrelação amostral dos modelos
   4. Função de autocorrelação parcial dos modelos
   5. Procedimentos de identificação do modelo
   6. Estimação dos modelos
   7. Diagnósticos de verificação dos modelos
   8. Análise dos resíduos
   9. Teste sobre os resíduos
   10. Previsão.

Notas de sala de aula - fotos da lousa

Anotações - lousa - fotos

Código em sala de aula - Google Colab

Códgio em sala de aula

Avaliações

Serão duas provas: \(P_1\) e \(P_2\).

• Para as pessoas que frequentarem mais de 90% das aulas, a nota final será a média aritmética de \(P_1\) e \(P_2\) acrescido de um: \(\frac{P_1 + P_2}{2} + 1\). Além disso, essas pessoas podem automaticamente fazer a segunda chamada de \(P_1\) e \(P_2\) se quiserem, e a nota prevalecente será a maior.
• Para as pessoas que frequentarem menos de 90% das aulas, a nota final será a média harmônica de \(P_1\) e \(P_2\): \(\dfrac{2\cdot P_1 \cdot P_2}{P_1 + P_2}\). Para fazer a segunda chamada de \(P_1\) ou \(P_2\), é necessário abrir um processo no CEAG e haverá uma avaliação do docente responsável.

Primeira Prova

• Data: 14/10 (14 de outubro).
• Data da segunda chamada: 30/11 (30 de novembro).

Notas

Em breve.

Segunda Prova

• Data: 02/12 (02 de dezembro).
• Data da segunda chamada: 09/12 (09 de dezembro).

Notas

Em breve.

Referência

Séries Temporais

• Applied Time Series Analysis and Forecasting with Python
• Time Series Forecasting in Python
• Forecasting: Principles and Practice, the Pythonic Way
• Introduction to Time Series and Forecasting
• Introductory Time Series with R

Python

• Python for Data Analysis
• Master the Fundamentals of Python - youtube playlist

---

© 2026 Gilberto Sassi