Horário: segundas e sextas às 8h.
Local: CCMN F2-18/20.
Monitoria: Maria Clara Martinez
Conceitos básicos: problemas e objetivos; processos estocásticos e estacionariedade; autocorrelação; diferenciação e suavização; inferência.
Modelos no domínio tradicional: causalidade e estacionariedade em modelos autorregressivos (AR); autocorrelação em modelos AR; inferência e previsão.
Modelos ARMA (Autoregressive Moving Average): estrutura dos modelos ARMA; autocorrelação em modelos ARMA; representação em espaço de estados; inferência e previsão.
Modelos lineares dinâmicos (MLD): modelos lineares gerais; funções de previsão; inferência em modelos dinâmicos (filtragem, previsão, suavização e fatores de desconto).
Brockwell, P. J. e Davis, R. A. (2009). Time Series: Theory and Methods, Springer.
Chatfield, C. (2000). Time-Series Forecasting, Chapman & Hall/CRC.
Cryer, J. D. e Chan, K. S. (2010). Time Series Analisys, 2ª edição, Springer.
Morettin, P. A. e Toloi, C. M. C. (2006). Análise de Séries Temporais, 2ª edição, Blucher.
Prado, R. e West, M. (2010). Time Series: Modeling, Computation and Inference, Chapman & Hall/CRC.
West, M. e Harrison, J. (1997). Bayesian Forecasting and Dynamic Models, 2ª edição, Springer Verlag.
A média final, MF, será calculada como MF = 0,5MP + 0,5MT em que MP é a média de duas provas, P1 e P2, e MT é a média de dois trabalhos, T1 e T2.
Se a média final for maior ou igual a 7,0, o aluno está aprovado; se a média final for menor que 3,0, o aluno está reprovado; se a média final for maior ou igual a 3,0 e menor que 7,0, o aluno poderá fazer prova final, PF.
P1: 05/05 (terça).
P2: 25/06 (quinta).
Prova Final: 02/07 (quinta).
2ª Chamada: 07/07 (terça).
Tudo na paz, por enquanto 🕊️