Modelos de Previsão

Cód.: MAT13637L

6 ECTS

Duração: 15 semanas/156 horas

Área Científica: Matemática

Língua(s) de lecionação: Português

Língua(s) de apoio tutorial: Português

Regime de Frequência: Presencial

Objetivos de Desenvolvimento Sustentável

Educação de qualidade - Assegurar a educação inclusiva, e equitativa e de qualidade, e promover oportunidades de aprendizagem ao longo da vida para todos.

Objetivos de Aprendizagem

Estudar modelos que contemplem a influência de uma ou de várias variáveis explicativas numa certa variável de interesse. Estudar modelos lineares em que o pressuposto da independência das respostas não se verifica, modelos de séries temporais do tipo SARIMA, extensões aos modelos de regressão linear para dados de natureza discreta e contínua, em que o pressuposto da normalidade da distribuição dos erros não se verifica.

Competências:
Adquirir princípios fundamentais na modelação estatística e na previsão, com especial ênfase na aplicação a dados da área economia, finanças e gestão.
Desenvolver nos alunos a capacidade para, de forma crítica e autónoma, interpretar problemas, identificar os modelos adequados a usar em função da natureza da variável resposta (discreta ou contínua), e sempre que os pressupostos dos modelos usuais não se verifiquem, e aplicar estas metodologias na sua atividade profissional.
Usar corretamente software estatístico adequado.

Conteúdos Programáticos

Revisão de conceitos gerais de processos estocásticos:
Processos estocásticos estacionários e não estacionários.
Conceito de série temporal.
Identificação de padrões.
Modelos lineares de séries temporais:
Modelos ARMA, ARIMA e SARIMA.
Identificação dos modelos.
Ajustamento do modelo.
Previsão.
Introdução aos modelos lineares generalizados:
Modelos para dados de contagem.
Modelos para dados contínuos.
Ajustamento do modelo.
Previsão.
Aplicação a dados económicos e financeiros, com a utilização de software estatístico.

Métodos de Ensino

Aulas são teórico-práticas lecionadas no quadro, com suporte de ferramentas de e-learning e a utilização de diapositivos. A resolução dos exercícios é feita predominantemente com recurso ao software estatístico disponível. Motivar a ida às aulas e o trabalho contínuo do aluno.
Introdução dos conceitos teóricos recorrendo a exemplos de aplicação direta em diferentes áreas, mostrando a relevância dos conteúdos programáticos. Exercícios direcionados, focando a resolução de problemas atuais e reais, com o objetivo de desenvolver o interesse pela disciplina e mostrar a sua utilidade.

Avaliação

Privilegiar a avaliação contínua: frequências (50%) e trabalhos individuais ou em grupo (50%).
Avaliação em regime de exame: exame final (50%), sendo necessário o recurso ao computador para a resolução de algumas questões, e a realização de um trabalho (50%).

Bibliografia

Brockwell, P. J., Davis., R.A. (1996). Introduction to Time Series and Forecasting. Springer-Verlag.
Dunn, P. K., Smyth, G. K. (2018). Generalized Linear Models with Examples in R. Springer.
Enders, W. (2014). Applied Econometric Time Series, 4th Edition. John Wiley & Sons, Inc.
McCullagh, P. & Nelder, J.A. (1989). Generalized Linear Models, 2nd Edition. Chapman & Hall.
Shumway, R.H., Stoffer, D.S. (2017). Time Series Analysis and Its Applications: with R examples, 4th Edition. Springer.
Turkman, M.A.A. & Silva, G.L. (2000). Modelos Lineares Generalizados. Edições SPE.