Estude a significância de parâmetros no modelo ajustado
Os parâmetros estimados do modelo podem ser pequenos—menores do que a variância esperada do estimador. Isso pode indicar a necessidade de utilizar um modelo mais simples ou mais estruturado.
Obtenha uma amostra aleatória através da aplicação de um filtro de média móvel a um sinal de ruído branco.
| In[1]:= |  X |
| Out[1]= |  |
Ajuste o modelo de séries temporais de média zero aos dados.
| In[2]:= |  X |
| Out[2]= |  |
Exiba tabelas de parâmetros, mostrando os parâmetros de séries temporais estimados e os seus desvios padrão, assim como as correspondestes estatísticas de teste e valores.
| In[3]:= |  X |
| Out[3]= |  |
A tabela de parâmetros indica que o coeficiente autorregressivo 
não é significativamente diferente de zero. Encontre a estimativa de máxima verossimilhança do modelo MA(1).
| In[4]:= |  X |
| Out[4]= |  |
O critério de informação de Akaike favorece o modelo MA(1) estimado pelo MLE.
| In[5]:= |  X |
| Out[5]= |  |
Compute o intervalo de confiança de 95% do parâmetro de média móvel.
| In[6]:= |  X |
| Out[6]= |  |
