O Minitab oferece diversos métodos de previsão e suavização simples, métodos de análise de correlação e técnicas de modelagem ARIMA para analisar seus dados de séries temporais.
Gráfico de séries temporais
Para representar graficamente os dados na ordem temporal para determinar se há uma tendência ou padrão sazonal, crie um gráfico de séries temporais. No Minitab, selecione Estat > Séries temporais > Gráfico de séries temporais.
Análise de tendências
Para ajustar as linhas de tendência usando um modelo linear, quadrático, de crescimento ou de curva S, realize uma análise de tendência. No Minitab, selecione Estat > Séries temporais > Análise de tendência.
Decomposição
Para ajustar um modelo que pondera todas as observações igualmente para determinar o melhor ajuste de regressão, realize uma análise de decomposição. Use quando suas séries exibirem um padrão sazonal, com ou sem uma tendência. No Minitab, selecione Estat > Séries temporais > Decomposição.
Média móvel
Para suavizar suas séries usando um método que calcula a média de observações recentes e exclui observações mais antigas, use um método de média móvel. Não use quando suas séries exibirem uma tendência. No Minitab, selecione Estat > Séries temporais > Média móvel.
Suavização exponencial simples
Para suavizar sua série usando um método que fornece pesos decrescentes a para observações mais antigas, quando suas séries temporais não exibirem uma tendência ou um padrão sazonal, use um método de suavização exponencial simples. No Minitab, selecione Estat > Séries temporais > Suavização de exp simples.
Suavização exponencial dupla
Para suavizar suas séries usando um método que fornece pesos decrescentes para observações mais antigas, quando suas séries temporais exibirem uma tendência, mas não um padrão sazonal, use um método de suavização exponencial dupla. No Minitab, selecione Estat > Séries temporais > Suavização de exp dupla.
Método de Winters
Para suavizar suas séries usando um método que fornece pesos decrescentes para observações mais antigas, quando suas séries temporais exibirem um padrão sazonal, com ou sem uma tendência, use o método de suavização de Winters. No Minitab, selecione Estat > Séries temporais > Método de Winters.
Diferenças
Crie uma nova coluna de dados para análises personalizadas e gráficos e armazene as diferenças entre observações dentro de uma série. No Minitab, selecione Estat > Séries temporais > Diferenciação.
Lag
Crie uma nova coluna de dados para análises personalizadas e gráficos e reduza uma série em um número específico de linhas na worksheet. No Minitab, selecione Estat > Séries temporais > Lag.
Autocorrelação
Para medir quão bem as observações em diferentes pontos de tempo se correlacionam entre si e procurar um padrão sazonal, realize uma análise de autocorrelação. Use esta análise em conjunto com a função de autocorrelação parcial para identificar os componentes para um modelo ARIMA. No Minitab, selecione Estat > Séries temporais > Autocorrelação.
Autocorrelação parcial
Para medir quão bem as observações passadas em uma série temporal se correlaciona com futuras observações, enquanto explicam observações que estão entre o par de correlações, realize uma análise de autocorrelação parcial. Use esta análise em conjunto com a função de Autocorrelação para identificar os componentes de um modelo ARIMA. No Minitab, selecione Estat > Séries temporais > Autocorrelação parcial.
Correlação cruzada
Para determinar se uma série prediz outra representando graficamente as correlações entre duas séries, em diferentes pontos no tempo, realize uma análise de correlação cruzada. No Minitab, selecione Estat > Séries temporais > Correlação cruzada.
ARIMA
Para ajustar um modelo com componentes autorregressivos, diferença e média móvel, realize uma ARIMA. Para ajustar um modelo ARIMA, você deve entender a autocorrelação e a estrutura de autocorrelação parcial das suas séries. No Minitab, selecione Estat > Séries temporais > ARIMA.
