Se soubéssemos o que iria acontecer no futuro, o planejamento de nossas vidas seria muito mais fácil. Imagine quanto uma empresa conseguiria reduzir custos e quantas oportunidades ela conseguiria aproveitar.

O objetivo do curso é ensinar ao participante as técnicas utilizadas para fazer previsão baseando-se unicamente nos valores históricos do processo, com o intuito de compreender a evolução deste e poder prever com uma maior chance de acerto o seu comportamento futuro.

O programa foi desenvolvido para a M. I. Domenech pelo Dr. Jesús Cuellar (PHD pela Universidade de Wisconsin, a escola de George Box, o pai dos poderosos métodos de modelagem ARIMA).

A aplicação dos modelos de séries de tempo tem cada vez mais ganho espaço e se mostrado eficiente para trabalhar com dados onde a relação de causa-efeito é nebulosa ou difícil de se estudar, seja pela disponibilidade de dados das causas ou pela complexidade/quantidade de possíveis variáveis que afetam a característica em estudo.

Pode-se citar diversas áreas onde a aplicação de modelos de séries temporais são de grande valia, como por exemplo: estudos macro-econômicos, comportamento de bolsa de valores, previsão de demanda, previsão de vendas, comportamento de mercado, comportamento de processos químicos, entre outros.

Com este curso, o participante ficará capacitado a fazer uma análise da uma série temporal, decompondo-a em varias partes (tendência, sazonalidade, efeitos regressivos, efeitos de medias) para compreender a sua evolução e com isto consegui prever o seu comportamento futuro, ou partir para o uso de métodos mais eficientes pelo uso de modelos ARIMA.

Principais pontos:

• Tipos de dependência

• Análise de autocorrelação: interpretação das funções ACF e PACF

• Modelos de decomposição: decomposição em nível, tendência e sazonalidade

• Modelos de suavização: Médias móveis, exponencial simples, duplo e triplo

• Modelos de previsão ARIMA: séries estacionárias, não estacionárias e sazonais

• Procedimentos para modelar a série: identificação, estimação, previsão

• Tamanhos amostrais 

Duração: 24hs