Séries Temporais modelos de previsão aplicados aos dados de mortes diárias por COVID-19

Felipe Josino Porta Saballos

No 4rmwq, SocArXiv from Center for Open Science

Abstract: Uma modelagem estatística capaz de quantificar e prever um determinado atributo ao longo do tempo é a Análise de Séries Temporais. O intuito principal desse tipo de análise é propor um modelo estatístico que seja capaz de representar o comportamento real de um atributo ao longo do tempo. O objetivo do presente trabalho é mostrar uma aplicação da previsão de uma série temporal aos dados de óbitos diários por COVID-19 no Brasil, desde o início da série histórica até a data de 15/04/2021. Serão utilizados múltiplos modelos de previsão a fim de obter o máximo de opções resultantes, sendo estes modelos os modelos de Suavização Exponencial Simples de Brown, Suavização Exponencial de Holt com e sem amortecimento, Suavização Exponencial de Holt-Winters e o modelo ARIMA. Após aplicarmos os múltiplos modelos de previsão, podemos concluir que este conjunto de dados demanda modelos mais robustos a fim de gerar previsões mais eficientes, onde o modelo que melhor se ajustou aos dados foi o modelo ARIMA (15,1,7).

Date: 2022-07-17
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
https://osf.io/download/62d42872588bb92f70b86f7c/

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:osf:socarx:4rmwq

DOI: 10.31219/osf.io/4rmwq

Access Statistics for this paper

More papers in SocArXiv from Center for Open Science
Bibliographic data for series maintained by OSF ().