Prever · trama

O que o bloco faz

Projeta o modelo Horizonte períodos à frente, com a previsão pontual e os intervalos de 80% e 95%.

É um nó separado do ajuste por causa do custo: ajustar é o caro (um ARIMA automático testa dezenas de modelos), prever é aritmética. Trocar o horizonte de 12 para 24 recomputa só este card.

Os intervalos são o ponto. Uma previsão sem leque diz “vai dar 450”; com o leque, diz “entre 390 e 520 com 95% de chance” — e o leque ABRE com o horizonte, que é a informação mais honesta que um modelo dá sobre o próprio limite. O que eles supõem está em Pressupostos, logo abaixo.

Os níveis são sempre 80 e 95, porque são os que o gráfico e a tabela nomeiam (li_80, ls_95); um fluxo que filtra por ls_95 não quebra.

Série transformada é prevista na escala transformada.

Intervalo: normal ou bootstrap

normal (padrão) — os limites são quantis normais em torno da previsão, com a variância do modelo. Supõe resíduos normais.
bootstrap — simula 5000 trajetórias futuras reamostrando os resíduos do ajuste e toma os quantis empíricos (Hyndman & Athanasopoulos, FPP3). Não supõe normalidade, só que os resíduos sejam independentes e de variância constante. Usa a semente do nó: o mesmo fluxo dá o mesmo leque. Só para series/arima e series/ets; com series/holt_winters o bloco recusa.

Antes de continuar
Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.
Variância
A média dos quadrados das distâncias de cada valor à média: mede o quanto os dados se espalham. O desvio padrão é a raiz quadrada da variância e fica na mesma unidade dos dados.
Resíduo
A diferença entre o valor observado e o valor que o modelo ajustado prevê para aquela observação. É nos resíduos que se conferem os pressupostos do modelo: eles devem parecer ruído, sem padrão.
Fator
Uma variável explicativa categórica cujo efeito se quer estudar, como adubo, cultivar ou dose. Num experimento fatorial, dois ou mais fatores são combinados.
Pressuposto
Uma condição sob a qual o método dá resultados confiáveis, como resíduos normais ou observações independentes. Quando um pressuposto falha, p-valores e intervalos podem ficar errados, mesmo que a conta rode.
Independência
Pressuposto de que o erro de uma observação não informa sobre o de outra. Falha com medidas repetidas no mesmo indivíduo, unidades vizinhas ou dados no tempo, e a sua violação pode distorcer bastante os p-valores e os intervalos.

Quando usar

Gere valores futuros a partir de um modelo ajustado e escolha o horizonte na unidade temporal da série. Os intervalos expressam incerteza crescente com o horizonte.

Pressupostos

O modelo ajustado é adequado: resíduos sem autocorrelação. O intervalo supõe que o que sobrou é ruído.
Verificar:Resíduos Ljung-Box
Se falhar: Refaça o modelo (ordem do ARIMA, família) antes de ler o leque.
Os resíduos são normais e de variância constante: os limites de 80% e 95% são quantis normais.
Verificar:Resíduos Quantil-quantil Shapiro-Wilk
Se falhar: A série de resíduos vira tabela no fio (coluna valor). Variância crescente: modele o log (series/transform). Sem normalidade, use Intervalo = bootstrap (ARIMA e ETS), que reamostra os resíduos e ainda supõe independência e variância constante.
O futuro segue a mesma dinâmica do passado usado no ajuste: nenhuma quebra, intervenção ou mudança de regime no horizonte. Quanto maior o horizonte, mais essa suposição pesa.
Se falhar: Não há teste possível para o futuro; encurte o horizonte e compare com o series/baseline num período de teste (series/window + series/accuracy).
O intervalo trata os parâmetros estimados como conhecidos: no ARIMA e no ETS a incerteza da estimação não entra, e o leque sai um pouco estreito em série curta.

Configuração

Horizonte — quantos períodos prever.
Intervalo — normal (padrão) ou bootstrap.

Exemplo

Série de exemplo

ETS

Prever

Gravar CSV

library(trama)

reg <- tr_registry()
tr_use("trama.data", registry = reg)
tr_use("trama.series", registry = reg)

tr_flow(reg) |>
  tr_add("pax", "series/example") |>
  tr_add("ets", "series/ets", from = "pax") |>
  tr_add("prev", "series/forecast", horizonte = 24L, from = "ets") |>
  tr_add("csv", "data/write_csv", path = "previsao.csv", from = "prev")

Como interpretar

Uma previsão (series/forecast): o card mostra histórico e leque. Ligada a um nó da data, vira tabela com tempo, previsto, li_80, ls_80, li_95 e ls_95 — é por aí que se grava num CSV.