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