Análise de Séries Temporais de departamento do Walmart

Jeová Ribeiro Falcão Filho

No mp4b5_v1, SocArXiv from Center for Open Science

Abstract: Muitas empresas buscam fazer previsões para entender seu comportamento no mercado, bem como de seus produtos. Com isso, utilizam-se de métodos estatísticos aplicados nos seus bancos de dados a fim de gerar alguns insights. Neste trabalho será desenvolvido um forecast utilizando o AutoRegressive Integrated Moving Average (ARIMA) como método preditivo, passando por todos os conceitos básicos de uma série temporal. Os dados foram tirados de uma competição do Kaggle, onde o objetivo era buscar as previsões das vendas da Walmart e como se comportaria cada departamento. Para fazer a previsão foi utilizado o ARIMA (6,1,1), posto que, após deixar a série estacionária observou-se que o lag mais significante de autocorrelação parcial foi o 6, equivale ressaltar que para deixar a série estacionária foi feita uma diferenciação, e o lag mais significante de autocorrelação da série estacionária foi o lag 1. Com todo o processo do ARIMA, obtemos um Coeficiente de Akaike de 7462.520. Além disso, utilizando o teste de Dickey-Fuller o resultado do p-valor foi menor que 0,05.

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

Downloads: (external link)
https://osf.io/download/62d425b81bb7a533a91f37ef/

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:mp4b5_v1

DOI: 10.31219/osf.io/mp4b5_v1

Access Statistics for this paper

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