Método bagging para aprimoramento de previsões de séries temporais (2021)
- Authors:
- Autor USP: CAMARGO, JULIANA SHIBAKI - ICMC/UFSCar
- Unidade: ICMC/UFSCar
- Sigla do Departamento: SME
- DOI: 10.11606/D.104.2021.tde-27012022-105655
- Subjects: ANÁLISE DE SÉRIES TEMPORAIS; R (SOFTWARE ESTATÍSTICO)
- Keywords: Bagging; Bagging; Bootstrap; Bootstrap; Forecast; Moving Block bootstrap; Moving block bootstrap
- Language: Português
- Abstract: Diferentes metodologias são propostas e exploradas com o intuito de reduzir o erro de previsão de séries temporais. Uma estratégia que vem se apresentando bastante promissora consiste em combinar diferentes previsões de diferentes modelos a fim de se obter uma melhor acurácia, ou seja, um menor erro de previsão. Este trabalho teve como objetivo realizar um estudo e aplicação do método bootstrap aggregating, mais conhecido como bagging, para aprimorar previsões de séries temporais. Primeiramente, cada série temporal foi separada em série de treinamento e série de teste, e então utilizou-se a metodologia moving block bootstrap aplicada à série de treinamento para gerar diferentes séries reamostradas, realizar a previsão de cada uma delas e combiná-las, obtendo-se assim uma previsão final combinada. Posteriormente, a série de teste foi utilizada para calcular a acurácia dos modelos, individual e combinado. Foram realizados um estudo com séries simuladas e uma aplicação com séries temporais reais mensais. O modelo escolhido e ajustado para cada uma das séries foi obtido através da função auto.arima(), disponibilizada pelo pacote forecast do software R. As medidas de acurácia utilizadas foram o erro quadrático médio e sua raiz, o erro percentual absoluto médio arcotangente e o erro percentual absoluto médio simétrico. Ao final do estudo, explorou-se o impacto que a variação dos parâmetros da reamostragem do modelo combinado causa na previsão e foram realizadas comparações entreos métodos de previsão combinado e individual.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 22.10.2021
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
CAMARGO, Juliana Shibaki. Método bagging para aprimoramento de previsões de séries temporais. 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-27012022-105655/. Acesso em: 28 maio 2024. -
APA
Camargo, J. S. (2021). Método bagging para aprimoramento de previsões de séries temporais (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-27012022-105655/ -
NLM
Camargo JS. Método bagging para aprimoramento de previsões de séries temporais [Internet]. 2021 ;[citado 2024 maio 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-27012022-105655/ -
Vancouver
Camargo JS. Método bagging para aprimoramento de previsões de séries temporais [Internet]. 2021 ;[citado 2024 maio 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-27012022-105655/
Informações sobre o DOI: 10.11606/D.104.2021.tde-27012022-105655 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
