Resumo:
Previsões baseadas em séries temporais são as formas mais simples e usuais de se fazer previsão. Neste sentido, o interesse nos estudos de modelagem de séries temporais tem crescido cada vez mais em diversas áreas de atividades, tais como industrial, comercial, econômica, saúde, financeiro, etc. Além da previsão, o estudo de
séries temporais também permite descrever os padrões de uma resposta de interesse, tais como tendência e sazonalidade. Esta análise permite a construção de modelos que explicam o comportamento da série, e até mesmo permite o controle do processo em geral. Apesar de muitas aplicações, a identificação de modelos não é simples, e se faz necessário a utilização de várias técnicas estatísticas que, muitas vezes, acabam se baseando em tentativas e erros, e até mesmo em uma busca exaustiva. Com essa motivação, esse estudo propõe uma abordagem alternativa baseada em Delineamento
e análise de Experimentos (DOE) para identificar a influência de cada parâmetro de um modelo AR, MA e ARMA em algumas respostas de desempenho de previsão de interesse, como (incondicional) variância, o erro médio quadrado, ou qualquer outra
estatística. Nesse trabalho, é apresentada a metodologia proposta aplicada a doze séries temporais lineares genéricas, construídas com a intenção de representar os diferentes comportamentos e tipos de modelos existentes e também a aplicação para três processos reais. Os parâmetros dos modelos estudados foram estimados através do método de máxima verossimilhança e comparados com os valores reais. Para todas as séries, principalmente para as séries reais a metodologia proposta apresentou bons resultados, porém alguns pontos de melhorias são sugeridos.
