Análise de Séries Temporais de departamento do Walmart

Muitas empresas buscam fazer previsões para entender seu comportamento no mercado, bem como de seus produtos. Com isso, utilizam-se de métodos estatísticos aplicados nos seus bancos de dados a fim de gerar alguns insights. Neste trabalho será desenvolvido um forecast utilizando o AutoRegressive Integrated Moving Average (ARIMA) como método preditivo, passando por todos os conceitos básicos de uma série temporal. Os dados foram tirados de uma competição do Kaggle, onde o objetivo era buscar as previsões das vendas da Walmart e como se comportaria cada departamento. Para fazer a previsão foi utilizado o ARIMA (6,1,1), posto que, após deixar a série estacionária observou-se que o lag mais significante de autocorrelação parcial foi o 6, equivale ressaltar que para deixar a série estacionária foi feita uma diferenciação, e o lag mais significante de autocorrelação da série estacionária foi o lag 1. Com todo o processo do ARIMA, obtemos um Coeficiente de Akaike de 7462.520. Além disso, utilizando o teste de Dickey-Fuller o resultado do p-valor foi menor que 0,05.