O Amazon Forecast não está mais disponível para novos clientes. Os clientes existentes do Amazon Forecast podem continuar usando o serviço normalmente. [Saiba mais](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Algoritmo Autoregressive Integrated Moving Average (ARIMA)
<a name="aws-forecast-recipe-arima"></a>

Autoregressive Integrated Moving Average ([ARIMA](https://en.wikipedia.org/wiki/Autoregressive_integrated_moving_average)) é um algoritmo de estatísticas locais comumente usado para previsões de série temporais. Ela captura várias estruturas temporais padrão (organizações com padrão de tempo) no conjunto de dados de entrada. O algoritmo ARIMA do Amazon Forecast chama a [função Arima](https://cran.r-project.org/web/packages/forecast/forecast.pdf#Rfn.Arima.1) no `Package 'forecast'` da Comprehensive R Archive Network (CRAN).

## Como funciona a ARIMA
<a name="aws-forecast-recipe-arima-how-it-works"></a>

O algoritmo da ARIMA é especialmente útil para conjuntos de dados que podem ser mapeados para séries temporais estacionárias. As propriedades estatísticas de séries temporais estacionárias, como correlações automáticas, são independentes. Os conjuntos de dados de séries temporais estacionárias normalmente contêm uma combinação de sinal e ruído. O sinal pode apresentar um padrão de oscilação sinusoidal ou ter um componente sazonal. A ARIMA funciona como um filtro para separar o sinal do ruído e extrapola o sinal no futuro para fazer previsões.

## Hiperparâmetros e ajuste da ARIMA
<a name="aws-forecast-recipe-arima-hyperparamters"></a>

Para obter informações sobre hiperparâmetros e ajuste da ARIMA, consulte a `Arima`documentação da função no [Pacote "previsão"](https://cran.r-project.org/web/packages/forecast/forecast.pdf) da [CRAN](https://cran.r-project.org).

O Amazon Forecast converte o parâmetro `DataFrequency` especificado na operação [CreateDataset](API_CreateDataset.md) no parâmetro `frequency` da função R [ts](https://www.rdocumentation.org/packages/stats/versions/3.6.1/topics/ts) usando a seguinte tabela:


| DataFrequency (string) | Frequência R ts (inteiro) | 
| --- | --- | 
| S | 1 | 
| M | 12 | 
| W | 52 | 
| D | 7 | 
| H | 24 | 
| 30min | 2 | 
| 15min | 4 | 
| 10min | 6 | 
| 5min | 12 | 
| 1min | 60 | 

Para frequências menores que 24 ou séries temporais curtas, os hiperparâmetros são definidos usando a função `auto.arima` do `Package 'forecast'` de [CRAN](https://cran.r-project.org). Para frequências maiores que ou iguais a 24 e séries temporais longas, usamos uma série Fourier com K = 4, conforme descrito aqui, [Previsão com longos períodos sazonais](https://robjhyndman.com/hyndsight/longseasonality/).

As frequências de dados compatíveis que não estão na tabela assumem como padrão uma frequência `ts` de 1.