Andere Kunden interessierten sich auch für
![Um novo método de previsão de séries temporais]( "Um novo método de previsão de séries temporais")
Um novo método de previsão de séries temporais29,99 €![Análise Estatística de Séries Temporais - Cointegração e Modelos VECM]( "Análise Estatística de Séries Temporais - Cointegração e Modelos VECM")
Análise Estatística de Séries Temporais - Cointegração e Modelos VECM55,99 €![PREVISÃO DO PREÇO DAS ACÇÕES UTILIZANDO SÉRIES CRONOLÓGICAS]( "PREVISÃO DO PREÇO DAS ACÇÕES UTILIZANDO SÉRIES CRONOLÓGICAS")
PREVISÃO DO PREÇO DAS ACÇÕES UTILIZANDO SÉRIES CRONOLÓGICAS29,99 €![Modelos paramétricos para séries temporais de contagem]( "Modelos paramétricos para séries temporais de contagem")
Modelos paramétricos para séries temporais de contagem49,90 €![Analyse des séries temporelles du changement climatique]( "Analyse des séries temporelles du changement climatique")
Analyse des séries temporelles du changement climatique29,99 €![Modelos de Domínio do Tempo na Análise da Taxa de Criminalidade Agregada na Nigéria]( "Modelos de Domínio do Tempo na Análise da Taxa de Criminalidade Agregada na Nigéria")
Modelos de Domínio do Tempo na Análise da Taxa de Criminalidade Agregada na Nigéria26,99 €![A arte e a ciência da análise de dados]( "A arte e a ciência da análise de dados")
A arte e a ciência da análise de dados29,99 €
Este livro explora a importância de uma previsão exacta da precipitação para a gestão dos recursos hídricos, a agricultura e a preparação para catástrofes. Apresenta uma análise comparativa de dois modelos de previsão - Regressão Vetorial de Apoio (SVR) e Média Móvel Integrada Auto Regressiva Sazonal (SARIMA) - utilizando dados históricos de precipitação de 2008 a 2021 para prever tendências de 2022 a 2026. Através de técnicas estatísticas e de visualização, como a análise de tendências, médias móveis, gráficos de caixa, mapas de calor, pontuações Z e gráficos de densidade, o estudo identifica padrões e anomalias nos dados de precipitação. Embora ambos os modelos apresentem uma boa capacidade de previsão, o SVR demonstra um desempenho superior, especialmente na captação de padrões complexos e não lineares. O livro destaca as vantagens da integração de métodos de aprendizagem automática com ferramentas estatísticas tradicionais para melhorar a previsão da precipitação e apoiar decisões baseadas em dados na agricultura, planeamento ambiental e resiliência climática.