Disciplina Métodos Matemáticos de Previsão

Utilização do software Gretl para análise de séries temporais, estimação de modelos/construção e previsão. Aquisição de conhecimentos na pesquisa de Bases de Dados nacionais e internacionais. Independência na pesquisa de dados, na sua interpetação e transformação com recurso a técnicas estatísticas adquiridas na disciplina de Estatística do ano anterior. Identificação das principais propriedadas matemáticas em séries temporais com vista à aplicação da designada Metodologia Box-Jenkins, técnica essencial à previsão de modelos na disciplina de Métodos Matemáticos de Previsão. Construção de estimações e previsões. Análise crítica dos resultados e comparação com aqueles que seriam os resultados expectáveis.

Descrição dos conteúdo Revisões de Estatística  Componentes de uma série Tendência Sazonalidade Ciclos Observações anómalas A estacionariedade de uma série Os testes de Dickey Fukller A Metodologia Box-Jenkins Modelos Auto-Regressivos, AR Modelos de Média Móvel, MA Modelos ARMA, ARIMA e SARIMA Estimação e validação de modelos Seleção de modelos Previsão

Regime de Avaliação : Um teste Intermédios (30% cada), Teste Final (50%) e Avaliação em Aula (dois casos de estudo - 10%).

 Treinar em Gretl incentiva os alunos a pesquisar dados e a ganhar uma maior sensibilidade às matérias.

Gujarati, Damodar - Basics Econometrics. 4th, McGraw-Hill Amaro A., 2012,

 Caiado, J. (2016). Métodos de Previsão em Gestão: com aplicações em Excel. 2ª edição. Edições Sílabo Franses, Philip Hans, 1998, Time Series Models for Business and Economic Forecasting, Cambridge University Press.