ComeçarComece de graça

Previsão com modelos ARIMA

O método automático no exercício anterior escolheu um modelo ARIMA(0,1,1) com drift para os dados austa, isto é, \(y_t = c + y_{t-1} + \theta e_{t-1} + e_t.\) Agora você vai experimentar outros modelos ARIMA para esses dados e ver como isso afeta as previsões.

A função Arima() pode ser usada para selecionar um modelo ARIMA específico. Seu primeiro argumento, order, recebe um vetor que especifica os valores de \(p\), \(d\) e \(q\). O segundo argumento, include.constant, é um booleano que determina se a constante \(c\) (ou drift) deve ser incluída. Abaixo está um exemplo de um encadeamento (pipe) que plota as previsões de usnetelec a partir de um modelo ARIMA(2,1,2) com drift:

> usnetelec %>%
    Arima(order = c(2,1,2), include.constant = TRUE) %>%
    forecast() %>%
    autoplot()

Nos exemplos aqui, observe como os diferentes modelos afetam as previsões e os intervalos de previsão. Os dados austa já estão prontos para você usar no seu ambiente de trabalho.

Este exercício faz parte do curso

Previsão em R

Ver curso

Instruções do exercício

  • Faça o gráfico das previsões de um modelo ARIMA(0,1,1) sem drift.
  • Faça o gráfico das previsões de um modelo ARIMA(2,1,3) com drift.
  • Faça o gráfico das previsões de um modelo ARIMA(0,0,1) com constante.
  • Faça o gráfico das previsões de um modelo ARIMA(0,2,1) sem constante.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Plot forecasts from an ARIMA(0,1,1) model with no drift
austa %>% Arima(order = c(___, ___, ___), include.constant = ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(2,1,3) model with drift
austa %>% Arima(___, ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(0,0,1) model with a constant
austa %>% Arima(___, ___) %>% ___ %>% ___

# Plot forecasts from an ARIMA(0,2,1) model with no constant
austa %>% Arima(___, ___) %>% ___ %>% ___
Editar e executar o código