{"id":1759,"date":"2023-07-25T02:36:28","date_gmt":"2023-07-25T02:36:28","guid":{"rendered":"https:\/\/statorials.org\/pt\/teste-dickey-fuller-python\/"},"modified":"2023-07-25T02:36:28","modified_gmt":"2023-07-25T02:36:28","slug":"teste-dickey-fuller-python","status":"publish","type":"post","link":"https:\/\/statorials.org\/pt\/teste-dickey-fuller-python\/","title":{"rendered":"Teste dickey-fuller aumentado em python (com exemplo)"},"content":{"rendered":"

<\/p>\n

\n

Uma s\u00e9rie temporal \u00e9 dita \u201cestacion\u00e1ria\u201d se n\u00e3o tem tend\u00eancia, apresenta uma vari\u00e2ncia constante ao longo do tempo e tem uma estrutura de autocorrela\u00e7\u00e3o constante ao longo do tempo.<\/span><\/p>\n

Uma maneira de testar se uma s\u00e9rie temporal \u00e9 estacion\u00e1ria \u00e9 realizar um teste Dickey-Fuller aumentado<\/strong> , que usa as seguintes hip\u00f3teses nulas e alternativas:<\/span><\/p>\n

H 0<\/sub> :<\/strong> A s\u00e9rie temporal \u00e9 n\u00e3o estacion\u00e1ria. Em outras palavras, sua estrutura depende do tempo e sua varia\u00e7\u00e3o n\u00e3o \u00e9 constante ao longo do tempo.<\/span><\/p>\n

HA<\/sub> :<\/strong> A s\u00e9rie temporal \u00e9 estacion\u00e1ria.<\/span><\/p>\n

Se o valor p<\/a> do teste estiver abaixo de um certo n\u00edvel de signific\u00e2ncia (por exemplo, \u03b1 = 0,05), ent\u00e3o podemos rejeitar a hip\u00f3tese nula e concluir que a s\u00e9rie temporal \u00e9 estacion\u00e1ria.<\/span><\/p>\n

O exemplo passo a passo a seguir mostra como realizar um teste Dickey-Fuller aumentado em Python para uma determinada s\u00e9rie temporal.<\/span><\/p>\n

Exemplo: teste Dickey-Fuller aumentado em Python<\/strong><\/span><\/h3>\n

Suponha que temos os seguintes dados de s\u00e9rie temporal em Python:<\/span><\/p>\n

 data = [3, 4, 4, 5, 6, 7, 6, 6, 7, 8, 9, 12, 10]<\/strong><\/pre>\n
 Antes de realizar um teste Dickey-Fuller aumentado nos dados, podemos criar um gr\u00e1fico r\u00e1pido para visualizar os dados:<\/span> <\/p>\n
 import<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n\nplt. plot<\/span> (data)<\/strong> <\/pre>\n
\"\"<\/p>\n
 pip install statsmodels\n<\/strong><\/pre>\n
 Ent\u00e3o podemos usar o seguinte c\u00f3digo para realizar o teste Dickey-Fuller aumentado:<\/span><\/p>\n
 from<\/span> statsmodels. tsa<\/span> . stattools<\/span> import<\/span> adfuller\n\n#perform augmented Dickey-Fuller test<\/span>\nadfuller(data)\n\n(-0.9753836234744063,\n 0.7621363564361013,\n 0,\n 12,\n {'1%': -4.137829282407408,\n  '5%': -3.1549724074074077,\n  '10%': -2.7144769444444443},\n 31.2466098872313)\n<\/strong><\/pre>\n
 Veja como interpretar os valores mais importantes do resultado:<\/span><\/p>\n
 Para realizar um teste Dickey-Fuller aumentado, podemos usar a fun\u00e7\u00e3o adfuller()<\/a> da biblioteca statsmodels<\/strong> . Primeiro, precisamos instalar modelos de estat\u00edsticas:<\/span><\/p>\n