ARIMA

Centro de Conhecimento

   

Prevendo e estimando o futuro: Média movente integrada AutoRegressive. Explanação do ARIMA de Box and Jenkins. ('76)

Índice

  1. Resumo
  2. Fórum
  3. Melhores Práticas
  4. Expert Tips
  5. Recursos
  6. Imprimir

Ninguém pode realmente olhar no futuro. Mas métodos estatísticos modernos, modelos econométricos, e de software de business intelligence lata a alguns negócios da ajuda da extensão para prever e estimar o que está indo acontecer no futuro.


O ARIMA está para a média movente integrada AutoRegressive.


O Time Series Analysis do ARIMA usa retardações e desloca-as nos dados históricos para descobrir testes padrões (por exemplo médias moventes, seasonality) e para predizer o futuro. O modelo do ARIMA foi desenvolvido primeiramente no 60s atrasado mas systemized por Box and Jenkins em 1976. O ARIMA pode ser mais complexo usar-se do que outras técnicas de forecasting estatísticas, embora quando executado corretamente o ARIMA possa ser completamente poderoso e flexível.
 

O ARIMA é um método para determinar duas coisas:

  1. Quanto do passado deve ser usado predizer a observação seguinte (comprimento dos pesos)
  2. Os valores dos pesos.

Por exemplo y (t) = 1/3 * y (T-3) + 1/3 * de y (t-2) + 1/3 * y (T-1) é um modelo do ARIMA; um outro MODELO do ARIMA é y (t) = 1/6 * y (T-3) + 4/6 * de y (t-2) + 1/6 * y (o T-1)

Assim o modelo correto do ARIMA requer a identificação do número direito das retardações e dos coeficientes que devem ser usados.
A identificação modelo do ARIMA usa autoregressions identificar o modelo underling.
Cuidado deve ser tomado para identificar robustly e para estimar parâmetros como os outliers (os pulsos, nível deslocam, tendências locais do tempo) podem havoc do wreak.
 

Livro: Alan Pankratz - Forecasting with Univariate Box Jenkins Models: Concepts and Cases -

Livro: Jeffrey Wooldridge - Introductory Econometrics: A Modern Approach -


Fórum de ARIMA
  What is Moving Average?
What is the moving average and how can we calculate this?...
     
 
  ARIMA model or Time Fourier series
The ARIMA model is a useful model, but not precise enough.
An interesting application for phenomenons estimated as cyclic, is the Time Fourier series.
Particularly for short-time projecting, I think it very useful (But , I repeat, only for ...
     
 
  Updating the ARIMA model
I think even if we develop the best ARIMA model there will surely be some amount of error. If we develop a nonlinear or regression model (with influencing parameters) for the error and add it to the ARIMA, it will considerably reduce error....
     
 

ARIMA Grupo de Interesse Especial


Grupo de Interesse Especial

ARIMA Educação & Eventos


Encontre Treinamentos, Seminários e Eventos


Melhores Práticas - ARIMA Premium

Expert Tips (ENG) - ARIMA Premium

Recursos - ARIMA Premium
 

Notícias

Arima Analysis
     
 

Notícias

Statistical Forecasting
     
 

Vídeos

Arima Analysis
     
 

Vídeos

Statistical Forecasting
     
 

Apresentações

Arima Analysis
     
 

Apresentações

Statistical Forecasting
     
 

Mais

Arima Analysis
     
 

Mais

Statistical Forecasting
     

Compare com: Regression Analysis  |  Dynamic Regression  |  Exponential Smoothing  |  CRM analítico  |  Business intelligence


Retorne a o centro de a gerência: Finanças e Investimentos  |  Marketing 


Mais Métodos, Modelos e Teorias de Gestão

Special Interest Group Leader

Seu nome aqui


Sobre o 12manage | Publicidade | Link para nosso website | Privacidade | Condições
Copyright 2016 12manage - O caminho mais rápido para o sucesso executivo. V14.1 - Última atualização 8-12-2016. Todas as marcas são registradas por seus donos.