Análise Robusta de Séries Temporais
A Análise Robusta de Séries Temporais ajusta modelos autorregressivos, de médias móveis e ARIMA a séries que contêm outliers ou quebras estruturais, utilizando M-estimação ou MM-estimação em vez de mínimos quadrados ordinários, de modo que poucas observações anômalas não distorçam o ajuste. Segue a tradição da estatística robusta consolidada em Maronna, Martin, Yohai e Salibián-Barrera (2019).
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
- Maronna, R. A., Martin, R. D., Yohai, V. J., & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. ISBN: 978-1119214687
- Peña, D., & Guttman, I. (1988). A Bayesian Approach for Predicting with Outliers. Journal of the American Statistical Association. link ↗
Como citar esta página
ScholarGate. (2026, June 1). Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA). ScholarGate. https://scholargate.app/pt/statistics/robust-time-series
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.
- Análise do Ponto de RupturaEstatística↔ compare
- Estimativa pelo Desvio Absoluto Mediano (MAD)Estatística↔ compare
- Regressão por Mínimos Quadrados Ordinários (MQO)Econometria↔ compare
- Modelo Robusto de Efeitos Mistos LinearesEstatística↔ compare
- Estimadores Robustos de Escala Sn e QnEstatística↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →