IA Lab by amano
Neste termo

Previsão de séries temporais

Time Series Forecasting · Forecasting temporal

Previsão de séries temporais é a estimativa de valores futuros a partir de observações ordenadas no tempo e de variáveis explicativas disponíveis.

machine learning e deep learningnível intermediárioevolução lenta

O que é

A série pode conter tendência, sazonalidade, ciclos, eventos e ruído. O horizonte e a frequência determinam que padrões são úteis.

Uma boa previsão inclui incerteza e comparação com baselines, não apenas um valor pontual.

Como funciona

Os dados são divididos respeitando a ordem temporal. Modelos estatísticos ou de Machine Learning aprendem relações entre defasagens, calendário e variáveis externas.

A validação avança no tempo para simular uso real. Métricas são avaliadas por horizonte, segmento e custo do erro.

Um exemplo

Um escritório estima carga de trabalho por semana usando histórico de fases e contratos, exibindo intervalos e revisando eventos que não existiam no passado.

Onde aparece na prática

  • Capacidade: Planejar equipes e filas com incerteza explícita.
  • Demanda: Estimar procura, consumo ou volume por período.
  • Monitoramento: Comparar realizado com faixa esperada e investigar desvios.

Conceitos que costumam ser confundidos

  • Forecast × regressão comum: Forecast precisa respeitar dependência temporal e disponibilidade real de cada variável.
  • Previsão × cenário: Previsão estima sob premissas; cenário explora futuros alternativos e não precisa ser probabilístico.

Limitações e riscos

Mudanças estruturais, eventos raros e pouca história reduzem confiabilidade. Vazamento temporal torna resultados artificiais.

Intervalos dependem das hipóteses do modelo e não cobrem automaticamente riscos não observados.

Perguntas frequentes

Posso embaralhar uma série antes de dividir treino e teste?

Em geral não. Isso pode levar informação futura ao treinamento e invalidar a avaliação.

Uma previsão precisa ter intervalo?

Para decisão, expressar incerteza costuma ser essencial; a forma do intervalo depende do método e das premissas.

Fontes principais

Revisado em 2026-10-18.