TBATS — Suavização Exponencial Trigonométrica para Sazonalidade Complexa
TBATS é um modelo de previsão de espaço de estados inovador, introduzido por De Livera, Hyndman e Snyder (2011), que combina uma transformação Box-Cox, erros ARMA e termos sazonais trigonométricos (Fourier). Foi construído para lidar com séries temporais contínuas com vários ciclos sazonais aninhados simultaneamente — por exemplo, dados horários que também se repetem diariamente, semanalmente e anualmente.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- De Livera, A. M., Hyndman, R. J. & Snyder, R. D. (2011). Forecasting Time Series with Complex Seasonal Patterns Using Exponential Smoothing. Journal of the American Statistical Association, 106(496), 1513-1527. DOI: 10.1198/jasa.2011.tm09771 ↗
- Hyndman, R. J. & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.). OTexts. link ↗
Como citar esta página
ScholarGate. (2026, June 1). Trigonometric, Box-Cox, ARMA, Trend and Seasonal Components Model. ScholarGate. https://scholargate.app/pt/econometrics/tbats
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Modelo ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- SARIMA (Seasonal ARIMA)Econometria↔ compare
- STL Decomposition: Decomposição Sazonal-Tendência usando LoessEconometria↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →