Método bagging para aprimoramento de previsões de séries temporais (2021)
- Authors:
- Autor USP: CAMARGO, JULIANA SHIBAKI - Interinstitucional de Pós-Graduação em Estatística
- Unidade: Interinstitucional de Pós-Graduação em Estatística
- Sigla do Departamento: SME
- DOI: 10.11606/D.104.2021.tde-27012022-105655
- Subjects: ANÁLISE DE SÉRIES TEMPORAIS; R (SOFTWARE ESTATÍSTICO)
- Keywords: Bagging; Bagging; Bootstrap; Bootstrap; Forecast; Moving Block bootstrap; Moving block bootstrap
- Language: Português
- Abstract: Diferentes metodologias são propostas e exploradas com o intuito de reduzir o erro de previsão de séries temporais. Uma estratégia que vem se apresentando bastante promissora consiste em combinar diferentes previsões de diferentes modelos a fim de se obter uma melhor acurácia, ou seja, um menor erro de previsão. Este trabalho teve como objetivo realizar um estudo e aplicação do método bootstrap aggregating, mais conhecido como bagging, para aprimorar previsões de séries temporais. Primeiramente, cada série temporal foi separada em série de treinamento e série de teste, e então utilizou-se a metodologia moving block bootstrap aplicada à série de treinamento para gerar diferentes séries reamostradas, realizar a previsão de cada uma delas e combiná-las, obtendo-se assim uma previsão final combinada. Posteriormente, a série de teste foi utilizada para calcular a acurácia dos modelos, individual e combinado. Foram realizados um estudo com séries simuladas e uma aplicação com séries temporais reais mensais. O modelo escolhido e ajustado para cada uma das séries foi obtido através da função auto.arima(), disponibilizada pelo pacote forecast do software R. As medidas de acurácia utilizadas foram o erro quadrático médio e sua raiz, o erro percentual absoluto médio arcotangente e o erro percentual absoluto médio simétrico. Ao final do estudo, explorou-se o impacto que a variação dos parâmetros da reamostragem do modelo combinado causa na previsão e foram realizadas comparações entreos métodos de previsão combinado e individual.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 22.10.2021
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
CAMARGO, Juliana Shibaki. Método bagging para aprimoramento de previsões de séries temporais. 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-27012022-105655/. Acesso em: 12 abr. 2026. -
APA
Camargo, J. S. (2021). Método bagging para aprimoramento de previsões de séries temporais (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-27012022-105655/ -
NLM
Camargo JS. Método bagging para aprimoramento de previsões de séries temporais [Internet]. 2021 ;[citado 2026 abr. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-27012022-105655/ -
Vancouver
Camargo JS. Método bagging para aprimoramento de previsões de séries temporais [Internet]. 2021 ;[citado 2026 abr. 12 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-27012022-105655/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
