1º Exercício LED

Quarto

Quarto enables you to weave together content and executable code into a finished document. To learn more about Quarto see https://quarto.org.

Instruções:

Responda às questões em um documento Quarto. Explique antes de cada chunk o que será feito e porque será feito. Além disso, comente as linhas de cada chunk. As séries solicitadas como exemplo podem ser simuladas, a menos que haja menção em contrário. Esse exercício pode ser feito em duplas.

Previsões com Modelo ARIMA.

1º Questão:

Explique com um exemplo no R o que são séries temporais. Nessa ilustração, utilize duas séries: uma simulada e outra com dados reais. Lembre-se de observar os procedimentos vistos em sala de aula.

2ª Questão:

Pegue uma série de dados da COVID no Brasil e monte um gráfico com os dados originais e uma média móvel. Explique em detalhes o significado de média móvel. Use o ggplot2 para fazer o gráfico.

3ª Questão:

Explique o que são os componentes autorregressivo e de média móvel, no contexto de um modelo ARMA. Faça gráficos ilustrando os dois conceitos.

4ª Questão:

Explique a importância da estacionariedade em uma série temporal. Dê exemplos no R.

5ª Questão:

O que é autocorrelação em uma série temporal? Explique, em linhas gerais, como funciona o teste Dickey-Fuller para detectar estacionariedade. Dê exemplos no R.

6º Questão:

Explique, fazendo uma pequena historiografia, o que são modelos ARIMA. Fale, brevemente, sobre alternativas a esses modelos.

7ª Questão:

Realize previsões sobre a inflação no Brasil, montando para tal um modelo ARIMA. Compare as estatísticas de um modelo gerado pela função auto.arima, do pacote forecast, com um modelo que você mesmo deduziu. Para comparar os modelos, use o Critério de Akaike e os Erros médios. Faça gráficos e produza uma tabela em CSV com os resultados de suas previsões.

8ª Questão:

Explique como se estivesse falando para uma pessoa leiga o que são o Critério de Akaike e os erros médios das estimativas produzidas por um modelo ARIMA.