Objetivos
O curso aborda as técnicas utilizadas para fazer previsão baseando-se unicamente nos valores históricos do processo, a fim de compreender a evolução do processo e prever o seu comportamento futuro com uma maior chance de acerto.
O objetivo do curso é capacitar o participante a escolher o modelo de série temporal mais adequado às suas necessidades, interpretar o comportamento da série e, assim, fazer previsões confiáveis.
Público alvo
Pessoas de diversos setores que necessitam fazer previsões a partir de dados históricos. Pode-se incluir entre os setores interessados: Qualidade, Engenharia de Processos, Comercial, Suprimentos, Inteligência de Mercado, Manutenção.
Carga horária
24 horas.
Programa do curso
O programa foi desenvolvido em parceria entre a M. I. Domenech e o Dr. Jesús Cuellar (PHD pela Universidade de Wisconsin, a escola de George Box, o pai dos poderosos métodos de modelagem ARIMA).
- Introdução aos modelos de previsão
- Importância econômica
- Tipos de dados
- Conceitos básicos: medidas resumo e gráficos
- Tipos de correlação: funções ACF e PACF
- Modelos de previsão para Séries Temporais
- Modelos de previsão explicativos versus séries de tempo
- Passos para modelar a série: identificação, estimação, previsão
- Tamanho de amostra
- Controle Estatístico do Processo para dados com tendência
- Influência da autocorrelação no uso e interpretação de gráficos de controle
- Previsão com Modelos Lineares (regressão múltipla avançada)
- Como incorporar efeitos de eventos específicos ou inesperados nas previsões
- Modelos simples
- Modelos de alisamento
- Modelos ARIMA (AutoRegressive Integrated Moving Average) não sazonais
- Modelos ARIMA sazonais
- Discussão de casos reais