\chead{
      \textbf{
          \begin{Large}
          Universidade Federal de Goi\'as\\
          \end{Large}
      \begin{large}INSTITUTO DE MATEM\'ATICA E ESTATISTICA\end{large}\\
      Campus Samambaia -  74001-970 - Goi\^ania\\
      http://www.ime.ufg.br - (62) 3521 1742 - (62) 3521-1208 - secretaria.ime@ufg.br
      }
}


\begin{center}
  \LARGE{\textbf{Plano de Ensino}}
\end{center}

\PlanSection{01. Dados de Identifica\c{c}\~ao da Disciplina:}
{   
   \begin{center}\begin{small}
      \begin{tabular}{|l|p{5cm}|l|p{5cm}|}
         \hline
         \textbf{Semestre:} & 2026.1 &
         \textbf{Curso:} & Estat\'{\i}stica
         \\
         
         \hline
         \textbf{Turma:} & A
         &
         \textbf{C\'odigo Componente:} & IME0444
         \\
         
         \hline
         \textbf{Componente:} & \uppercase{An\'alise De S\'eries Temporais}
         &
         \textbf{UA Respons\'avel:} & IME
         \\
         
         \hline
         \textbf{Carga Hor\'aria:} & 96
         &
         \textbf{UA Solicitante:} & IME
         \\
         
         \hline
         \textbf{Te\'orica/Pr\'atica:}
         &
         64/32
         &
         
         \textbf{EAD/PCC:}
         &
         -/-
         \\
         
         
         \hline
         \textbf{Hor\'arios:}
         &
         24T34 6T12
         &
         
         \textbf{Docente:}
         &
         Prof(a) Renato Rodrigues Silva
         \\
         
         \hline
      \end{tabular}
   \end{small}\end{center}
}

\PlanSection{02. Ementa:}
{
  Conceitos iniciais. S\'eries estacion\'arias. Fun\c{c}\~ao de autocovari\^ancia e autocorrela\c{c}\~ao.
M\'etodos de decomposi\c{c}\~ao e de suaviza\c{c}\~ao e autorregressivo. Modelagem Box-Jenkins: modelos
ARMA, ARIMA e SARIMA. Modelos n\~ao lineares: ARCH, GARCH. T\'opicos em s\'eries temporais:
Representa\c{c}\~ao espectral de modelos estacion\'arios. An\'alise de interven\c{c}\~ao e outliers em s\'eries
temporais. Aplica\c{c}\~oes em dados socioambientais, \'etnico-raciais e ind\'{\i}genas.
}


\PlanSection{03. Programa:}
{
  1. Conceitos iniciais: considera\c{c}\~oes, nota\c{c}\~ao, objetivo da an\'alise de s\'eries temporais \\
2. Estacionariedade \\
3. Fun\c{c}\~ao de autocovari\^ancia e autocorrela\c{c}\~ao \\
4. M\'etodos de decomposi\c{c}\~ao: tend\^encia e sazonalidade \\ 
5. M\'etodos de suaviza\c{c}\~ao: m\'edias m\'oveis simples, exponencial simples, exponencial de Holt e 
exponencial de holt-Winters \\
6. Modelo ARIMA: modelos AR, MA, ARMA e ARIMA, identifica\c{c}\~ao, estima\c{c}\~ao, diagn\'ostico e previs\~ao \\
7. Modelo SARIMA: identifica\c{c}\~ao, estima\c{c}\~ao e verifica\c{c}\~ao \\
8. An\'alise de interven\c{c}\~ao: fun\c{c}\~oes de transfer\^encia, valores at\'{\i}picos \\
9. Modelos n\~ao-lineares: ARCH e GARCH \\
10. Introdu\c{c}\~ao \`a representa\c{c}\~ao espectral de modelos estacion\'arios.
}


\PlanSection{04. Cronograma:}
{
  1. Conceitos iniciais: considera\c{c}\~oes, nota\c{c}\~ao, objetivo da an\'alise de s\'eries temporais (4 horas / aula) \\
2. Estacionariedade (4 horas / aula) \\
3. Fun\c{c}\~ao de autocovari\^ancia e autocorrela\c{c}\~ao (4 horas / aula) \\
4. M\'etodos de decomposi\c{c}\~ao: tend\^encia e sazonalidade (4 horas / aula) \\
5. M\'etodos de suaviza\c{c}\~ao: m\'edias m\'oveis simples, exponencial simples, exponencial de Holt e
exponencial de holt-Winters (8 horas / aula) \\
6. Modelo ARIMA: modelos AR, MA, ARMA e ARIMA, identifica\c{c}\~ao, estima\c{c}\~ao, diagn\'ostico e previs\~ao (60 horas 
/ aula) \\
7. Modelo SARIMA: identifica\c{c}\~ao, estima\c{c}\~ao e verifica\c{c}\~ao (8 horas / aula) \\
8. An\'alise de interven\c{c}\~ao: fun\c{c}\~oes de transfer\^encia, valores at\'{\i}picos (1 hora / aula) \\
9. Modelos n\~ao-lineares: ARCH e GARCH (2 horas / aula) \\
10. Introdu\c{c}\~ao \`a representa\c{c}\~ao espectral de modelos estacion\'arios (1 hora / aula) .
}


\PlanSection{05. Objetivos Gerais:}
{
  Proporcionar que os alunos desenvolvam um entendimento te\'orico-pr\'atico de an\'alise de s\'eries temporais para 
que eles possam aplicar esse m\'etodo na resolu\c{c}\~ao de problemas pr\'aticos.
}



\PlanSection{06. Objetivos Espec\'{\i}ficos:}
{
  Ao final desse curso, o aluno dever\'a:
- Conhecer alguns aspectos te\'oricos dos modelos de s\'eries temporais;
- Ser capaz de estimar modelos de s\'eries e fazer previs\~oes;
- Ser capaz de interpretar os resultados uma an\'alise de s\'eries temporais;
- Ter capacidade de apresentar os resultados.
}


\PlanSection{07. Metodologia:}
{
  A disciplina ser\'a desenvolvida por meio de aulas expositivas dialogadas com utiliza\c{c}\~ao de quadro branco e slides. 
Haver\'a aulas pr\'aticas voltadas \`a aplica\c{c}\~ao dos modelos utilizando dados reais. Como estrat\'egia complementar, 
ser\~ao empregadas metodologias ativas. Nas atividades pr\'aticas, a linguagem Python ser\'a utilizada por meio do 
Google Colab.
}


\PlanSection{08. Avalia\c{c}\~oes:}
{
  A avalia\c{c}\~ao da disciplina ser\'a composta por 3 provas te\'orico-pr\'aticas (P1, P2 e P3) e 2 trabalhos individuais que 
devem ser entregues em formato digital (T1 e T2).
Datas das provas: 08/04/2026, e 10/06/2026 e 01/07/2026. Entrega dos trabalhos at\'e dia 01/07/2026. A 
publica\c{c}\~ao das notas ser\'a feita presencialmente e via SIGAA.
A M\'edia Final (MF): MF = 0, 2P1 + 0,4P2 + 0,3P3 + 0,05T1 + 0,05 T2. O crit\'erio de avalia\c{c}\~ao seguir\'a o regimento 
geral do curso de gradua\c{c}\~ao da Universidade Federal de Goi\'as" , o que basicamente quer dizer a mesma coisa
As atividades supervisionadas mencionadas no Art. 16 do RGCG ser\~ao apresentadas pelo professor em sala de 
aula e supervisionadas no hor\'ario de atendimento da disciplina.
}


\PlanSection{09. Bibliografia:}
{
  \textbf{[1]:} MORETTIN, P. E TOLOI, C. -An\'alise de S\'eries Temporais–Ed. Blucher, 2004.

\textbf{[2]:} CHATFIELD, C. Analysis of time series: an introduction. Editora Chapman-Hall, 6a, 2003.

\textbf{[3]:} MONTGOMERY D.C., JENNINGS C.L., KULAHCI M., Introduction to Time Series analysis and
Forecasting, Wiley; 1a ed., 2008.


}

\PlanSection{10. Bibliografia Complementar:}
{
  \textbf{[1]:} ABRAHAM, B. e LEDOLTER, J. Statistical Methods for Forecasting, Wiley-Interscience; 2a ed., 2005.

\textbf{[2]:} WEI, W. W. Time Series Analysis. Addison Wesley, 2a ed., 2005.

\textbf{[3]:} CRYER, J., Time Series Analysis. Duxbury Press, 1986.

\textbf{[4]:} BROCKWELL, P. J. e DAVIS, R. A. Introduction to Time Series and Forecasting, Springer; 2a ed. January 15, 2010.

\textbf{[5]:} HAMILTON, J Time Series Analysis. Princeton University Press 1994.

\textbf{[6]:} L\"UTKEPOHL, H New Introduction to Multiple Time Series, Ed, Springer 2005.


}

\PlanSection{11.  Livros Texto:}
{
   \textbf{[1]:} MORETTIN, P. E TOLOI, C. -An\'alise de S\'eries Temporais–Ed. Blucher, 2004. (B1)

\textbf{[2]:} HAMILTON, J Time Series Analysis. Princeton University Press 1994. (C5)

\textbf{[3]:} MONTGOMERY D.C., JENNINGS C.L., KULAHCI M., Introduction to Time Series analysis and
Forecasting, Wiley; 1a ed., 2008. (B3)
}


\PlanSection{12. Hor\'arios:}
{
   \begin{center}
\begin{small}
\begin{tabular}{lll}
\hline
   \textbf{Dia} & \textbf{Hor\'ario} & \textbf{Sala Distribuida}\\
\hline

   2$^a$ & T3 & 104, CAA (24)\\
   2$^a$ & T4 & 104, CAA (24)\\
   4$^a$ & T3 & 104, CAA (24)\\
   4$^a$ & T4 & 104, CAA (24)\\
   6$^a$ & T1 & 104, CAA (24)\\
   6$^a$ & T2 & 104, CAA (24)\\
\end{tabular}
\end{small}\end{center}

}


\PlanSection{13. Hor\'ario de Atendimento do(a)s Professor(a):}
{
   \begin{small}
\begin{tabular}{ll}
   \textbf{1. } & sexta feira 18:00-18:50, sala dos professores CAB\\
\end{tabular}
\end{small}
}

\PlanSection{14. Professor(a):}
{
   \begin{small}
\begin{tabular}{lll}
   Renato Rodrigues Silva. & Email: renato.rrsilva@ufg.br, & IME\\
\end{tabular}
\end{small}
}




\vspace{0.2cm}

\begin{center}
\underline{\hspace{8cm}}\\\small{Prof(a) Renato Rodrigues Silva}\end{center}