Este teste utiliza a seguinte hip\u00f3tese nula e alternativa:<\/span><\/p>\n Se o valor p<\/a> do teste estiver abaixo de um determinado n\u00edvel de signific\u00e2ncia (ex. \u03b1 = 0,05), ent\u00e3o rejeitamos a hip\u00f3tese nula e conclu\u00edmos que a s\u00e9rie temporal n\u00e3o possui tend\u00eancia estacion\u00e1ria.<\/span><\/p>\n Caso contr\u00e1rio, n\u00e3o conseguiremos rejeitar a hip\u00f3tese nula.<\/span><\/p>\n Os exemplos a seguir mostram como realizar um teste KPSS em Python.<\/span><\/p>\n Primeiro, vamos criar alguns dados falsos em Python para trabalhar:<\/span> <\/p>\n Podemos usar a fun\u00e7\u00e3o kpss()<\/strong> do pacote statsmodels<\/b> para realizar um teste KPSS nestes dados de s\u00e9rie temporal:<\/span><\/p>\n Veja como interpretar o resultado:<\/span><\/p>\n O valor p \u00e9 0,1<\/strong> . Como este valor n\u00e3o \u00e9 inferior a 0,05, n\u00e3o rejeitamos a hip\u00f3tese nula do teste KPSS.<\/span><\/p>\n Isso significa que podemos assumir que a s\u00e9rie temporal tem uma tend\u00eancia estacion\u00e1ria.<\/span><\/p>\n Nota 1<\/strong> : O valor p ainda \u00e9 maior que 0,1, mas o valor mais baixo que a fun\u00e7\u00e3o kpss() produzir\u00e1 \u00e9 0,1.<\/span><\/p>\n Nota 2<\/strong> : Voc\u00ea deve usar o argumento regress\u00e3o=’ct’<\/strong> para especificar que a hip\u00f3tese nula do teste \u00e9 que os dados t\u00eam uma tend\u00eancia estacion\u00e1ria.<\/span><\/p>\n Primeiro, vamos criar alguns dados falsos em Python para trabalhar:<\/span> <\/p>\n Novamente, podemos usar a fun\u00e7\u00e3o kpss()<\/strong> do pacote statsmodels<\/b> para realizar um teste KPSS nestes dados de s\u00e9rie temporal:<\/span><\/p>\n Veja como interpretar o resultado:<\/span><\/p>\n O valor p \u00e9 0,0458<\/strong> . Sendo este valor inferior a 0,05, rejeitamos a hip\u00f3tese nula do teste KPSS.<\/span><\/p>\n Isso significa que a s\u00e9rie temporal n\u00e3o \u00e9<\/em> estacion\u00e1ria.<\/span><\/p>\n Nota<\/strong> : Voc\u00ea pode encontrar a documenta\u00e7\u00e3o completa para a fun\u00e7\u00e3o kpss() no pacote statsmodels aqui<\/a> .<\/span><\/p>\n Os tutoriais a seguir fornecem informa\u00e7\u00f5es adicionais sobre como trabalhar com dados de s\u00e9rie temporal em Python:<\/span><\/p>\n Como realizar um teste Dickey-Fuller aumentado em Python<\/a> Um teste KPSS pode ser usado para determinar se uma s\u00e9rie temporal tem uma tend\u00eancia estacion\u00e1ria. Este teste utiliza a seguinte hip\u00f3tese nula e alternativa: H 0 : A s\u00e9rie temporal tem tend\u00eancia estacion\u00e1ria. HA : A s\u00e9rie temporal n\u00e3o tem tend\u00eancia estacion\u00e1ria. Se o valor p do teste estiver abaixo de um determinado n\u00edvel […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2663","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Exemplo 1: teste KPSS em Python (com dados estacion\u00e1rios)<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np<\/span>\nimport<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n\n#make this example reproducible\n<\/span>n.p. random<\/span> . seed<\/span> ( 1<\/span> )\n\n#create time series data\n<\/span>data = np. random<\/span> . normal<\/span> (size= 100<\/span> )\n\n#create line plot of time series data\n<\/span>plt. plot<\/span> (data)<\/span><\/span><\/strong> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kpss3.jpg\")
<\/p>\n import<\/span> statsmodels. api<\/span> as<\/span> sm\n\n#perform KPSS test\n<\/span>sm. tsa<\/span> . stattools<\/span> . kpss<\/span> (data, regression=' ct<\/span> ')\n\n(0.0477617848370993,\n 0.1,\n 1,\n {'10%': 0.119, '5%': 0.146, '2.5%': 0.176, '1%': 0.216})\n\nInterpolationWarning: The test statistic is outside of the range of p-values available\nin the look-up table. The actual p-value is greater than the p-value returned.\n<\/strong><\/span><\/pre>\n\n
Exemplo 2: teste KPSS em Python (com dados n\u00e3o estacion\u00e1rios)<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np<\/span>\nimport<\/span> matplotlib. pyplot<\/span> as<\/span> plt\n\n#make this example reproducible\n<\/span>n.p. random<\/span> . seed<\/span> ( 1<\/span> )\n\n#create time series data\n<\/span>data =np. array<\/span> ([0, 3, 4, 3, 6, 7, 5, 8, 15, 13, 19, 12, 29, 15, 45, 23, 67, 45])\n\n#create line plot of time series data\n<\/span>plt. plot<\/span> (data)<\/span><\/span><\/strong> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/kpss4.jpg\")
<\/p>\n import<\/span> statsmodels. api<\/span> as<\/span> sm\n\n#perform KPSS test\n<\/span>sm. tsa<\/span> . stattools<\/span> . kpss<\/span> (data, regression=' ct<\/span> ')\n\n(0.15096358910843685,\n 0.04586367574296928,\n 3,\n {'10%': 0.119, '5%': 0.146, '2.5%': 0.176, '1%': 0.216})\n<\/strong><\/span><\/pre>\n\n
Recursos adicionais<\/strong><\/span>
<\/span><\/h3>\n
Como realizar um teste de tend\u00eancia Mann-Kendall em Python<\/a>
Como tra\u00e7ar uma s\u00e9rie temporal no Matplotlib<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"