Boa tarde Grupo, estou com problemas para interpretar as saídas da função arima. Por exemplo, usando a base de dados de exemplo do R "USAccDeaths". Ajustando o modelo: fit <- arima(USAccDeaths, order = c(0,1,1), seasonal = list(order=c(0,1,1))) Tenho a seguinte saída: Series: USAccDeaths ARIMA(0,1,1)(0,1,1)[12] Call: arima(x = USAccDeaths, order = c(0, 1, 1), seasonal = list(order = c(0, 1, 1))) Coefficients: ma1 sma1 -0.4303 -0.5528 s.e. 0.1228 0.1784 sigma^2 estimated as 99347: log likelihood = -425.44 AIC = 856.88 AICc = 857.32 BIC = 863.11 Utilizando a função *"predict"* para calcular os próximos 4 meses tenho o seguinte resultado: $pred Jan Feb Mar Apr 1979 8336.061 7531.829 8314.644 8616.869 Como vou precisar utilizar o modelo fora do R preciso entender como é feita essa previsão pois utilizando os coeficientes *ma1* e *sma1* estou obtendo resultados diferentes. Mesmo ajustando um modelo mais simples como um AR(1) para esses dados (apenas como exemplo, sem me preocupar com a qualidade do ajuste) os preditos que calculo não batem com os preditos retornados pela função "* predict*". Aparentemente a função de predição não é montada diretamente dos coeficientes estimados (p. ex. no caso de um modelo AR(1) X(t) = intercept + ar1*X(t-1)). Alguém poderia me ajudar? Obrigada, Paola Tame