Séries temporais
Por que analizar séries temporais
- Explicação e compreenção de caracteristicas importantes;
- Previsões e controle
Algumas das aplicações das séries temporaisAplicações
- Econometria;
- Previsão do tempo;
- Previsões financeiras;
- Vendas;
- Ocupação de Hotel;
- Evasão Escolar.
Pacote básico no R : "forecast" Você deve instalar pelo menos uma vez e chamar todas as vezes que for usar.
- install.packages
- forecast
Data frame já carregado pela biblioteca: AirPassengers
Utilizando o dataFrame AirPassengers faça:
- Mostre a frequencia da série temporal.
- Plote a série temporal (dataFrame).
- Junte os dados da série temporal de acordo com a frequencia.
- Plote os dados da série temporal agregado.
- Plote a série temporal em uma janela de uma ano qualquer.
- Decomponha a série temporal.
- Plote todos os dados decompostos da série temporal.
Comandos básicos
- Determina a frequencia do dataframe: frequency(dataFrame)
- Plotar dataframe plot(dataFrame)
- Agregar dataframe : aggregate(dataFrame)
- Gerar uma janela: window(dataFrame,start = c(ano,mes),end = c(ano,mes))
- Decomposição: decompose(dataFrame)
- Transformando um data frame em uma série temporal:
- serieTemporal <- ts(df$Valor, start = c(ano,mes), frequency = 12)
Exercícios
Preços de café, arroz e carne bovina mudam por 30 anos.
Mudanças de preços de café, arroz e carne bovina levando em consideração a taxa de inflação
O DataFrame consiste nos preços de 3 commodities, e a inflação dos mesmos ao longo de 30 anos
Utilizando os dados do dataFrame construa 6 séries temporais.
Para cada um dos itens você deve fazer o mesmo que foi feito anteriormente com a série AirPassengers
- Arroz
- Café
- Carne bovina
- Inflação do arroz
- Inflação do café
- Inflação da carne bovina
O intervalo de tempo do conjunto de dados é de janeiro de 1992 a janeiro de 2022
Serie Temporal - Carne - Arroz - Café.