A presença da memória longa

Um dos maiores desafios na an lise de dados selecionar o modelo mais adequado para um determinado conjunto de dados. Na pr tica, a especifica o incorreta do modelo muitas vezes levou a conclus es incorretas na ci ncia de dados. Este estudo compara a efici ncia da modelagem de uma s rie temporal com propriedades de mem ria longa sazonal usando os modelos SARIMA, ARFIMA e SARFIMA. Foram utilizados dados m dios mensais da temperatura global para ilustra o. A s rie de temperaturas apresentou sinais de mem ria longa, uma vez que o gr fico ACF deca a lentamente ap s uma inspe o mais aprofundada. O expoente de Hurst obtido a partir da an lise R/S confirmou a presen a de mem ria longa. O ACF mostrou decaimento exponencial e um padr o sinusoidal, sugerindo tanto n o estacionariedade como sazonalidade. Foram realizados testes de estacionariedade e sazonalidade para verificar estas observa es. Por fim, os crit rios AIC e BIC foram aplicados para avaliar a efici ncia dos tr s modelos, e os resultados indicaram que, na presen a de sazonalidade e mem ria longa, o modelo SARFIMA teve o desempenho mais eficiente.