{"id":2046,"date":"2026-10-14T07:36:44","date_gmt":"2026-10-14T06:36:44","guid":{"rendered":"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-de-autocorrelacao\/"},"modified":"2026-10-14T07:36:44","modified_gmt":"2026-10-14T06:36:44","slug":"calculadora-de-autocorrelacao","status":"publish","type":"post","link":"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-de-autocorrelacao\/","title":{"rendered":"Calculadora de autocorrela\u00e7\u00e3o"},"content":{"rendered":"<section class=\"not-prose calculator-box\" aria-labelledby=\"calculator-title\"><div class=\"flex items-baseline sm:items-center justify-between gap-2 sm:gap-3\"><div class=\"flex flex-col sm:flex-row sm:items-center gap-2\"><span class=\"icon icon-calculator text-primary-700! text-base! dark:text-primary-300!\" aria-hidden=\"true\"><\/span><h2 id=\"calculator-title\" class=\"text-lg font-display font-bold\">Verifique se uma s\u00e9rie est\u00e1 correlacionada com o pr\u00f3prio passado<\/h2><\/div><div class=\"calcdash-favorite group\">\n  <button type=\"button\" class=\"favorite\" id=\"favorite\" data-favorite-id=\"2046\" data-favorite-title=\"Autocorrela\u00e7\u00e3o\" data-favorite-url=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-de-autocorrelacao\/\" data-favorite-excerpt=\"Calcule os coeficientes de autocorrela\u00e7\u00e3o amostral r_k de qualquer s\u00e9rie temporal, para um ou mais defasagens. Cole suas observa\u00e7\u00f5es em ordem, escolha as defasagens e o estimador e obtenha r_k com a faixa de signific\u00e2ncia de ru\u00eddo branco.\" aria-label=\"Adicionar aos favoritos\" data-favorite-icon=\"icon icon-wpcalc-regression-plot\">\n    <span class=\"icon icon-shape-star-empty\" aria-hidden=\"true\"><\/span>\n  <\/button>\n  <div class=\"calcdash-favorite__tip\" aria-hidden=\"true\">\n   <span class=\"favorite-tooltip\" id=\"favorite-tooltip\"><\/span>\n  <\/div>\n  <span class=\"sr-only\" role=\"status\" id=\"favorite-status\"><\/span>\n<\/div><\/div><form action=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-de-autocorrelacao\/\" method=\"POST\" class=\"calculator\" id=\"calculator-2046\" data-post=\"2046\"><fieldset class=\"fieldset-input is-1\"><legend class=\"sr-only\">Campos de entrada<\/legend><div class=\"field\" id=\"input-1\"><label for=\"field-1\">Valores da s\u00e9rie temporal (em ordem)<\/label><textarea id=\"field-1\" name=\"valores_da_srie_temporal_em_ordem\">2 4 3 5 7 6 8 10 9 11 13 12<\/textarea><\/div><div class=\"field has-term\" id=\"input-2\"><label for=\"field-2\">Defasagem(ns) a calcular<\/label><div class=\"term\">k<\/div>  <div class=\"absolute bottom-0 left-16 top-8 w-2 h-0.5 bg-blue-500\"><\/div><input type=\"text\" name=\"defasagemns_a_calcular\" id=\"field-2\" aria-describedby=\"calc-info-2\" placeholder=\"e.g. 1; 2; 3\" step=\"any\" value=\"1; 2; 3\"\/><small id=\"calc-info-2\">Um ou mais comprimentos de defasagem k (quantos passos para tr\u00e1s comparar). Separe v\u00e1rias defasagens com espa\u00e7os ou ponto e v\u00edrgula, ex.: 1; 2; 3; 4.<\/small><\/div><div class=\"field\" id=\"input-3\"><label for=\"field-3\">Estimador<\/label><div class=\"grid grid-cols-1\"><select id=\"field-3\" name=\"estimador\"><option value=\"acf\" selected>FAC padr\u00e3o (divis\u00e3o por n)<\/option><option value=\"unbiased\">N\u00e3o viesada (divis\u00e3o por n \u2212 k)<\/option><\/select><svg class=\"pointer-events-none col-start-1 row-start-1 mr-2 size-5 self-center justify-self-end text-gray-500 sm:size-4\" viewBox=\"0 0 16 16\" fill=\"currentColor\" aria-hidden=\"true\" data-slot=\"icon\">\n              <path fill-rule=\"evenodd\" d=\"M4.22 6.22a.75.75 0 0 1 1.06 0L8 8.94l2.72-2.72a.75.75 0 1 1 1.06 1.06l-3.25 3.25a.75.75 0 0 1-1.06 0L4.22 7.28a.75.75 0 0 1 0-1.06Z\" clip-rule=\"evenodd\" \/>\n            <\/svg><\/div><\/div><\/fieldset><div class=\"buttons\"><button type=\"submit\" data-text=\"Recalcular\" id=\"calculate-button\" data-post=\"2046\">Calcular<\/button><button type=\"reset\">Redefinir<\/button><\/div><div class=\"field is-checkbox hidden!\" id=\"field-auto-calc\"><input type=\"checkbox\" id=\"auto-calc\"><label for=\"auto-calc\">Calcular automaticamente<\/label><small>Se ativado, o resultado \u00e9 atualizado automaticamente quando voc\u00ea altera qualquer valor.<\/small><\/div><div class=\"fieldset-result is-hidden\" aria-labelledby=\"result-title\" aria-live=\"polite\" role=\"region\"> <h3 class=\"result-title bg-gradient-to-r from-primary-50 to-gray-50 dark:from-primary-900 dark:to-gray-800\" id=\"result-title\"><span class=\"icon icon-s-pulse\" aria-hidden=\"true\"><\/span> Resultados da autocorrela\u00e7\u00e3o<\/h3><div class=\"result-box\"><div class=\"field-result is-column\" id=\"output-1\"><span class=\"field-title\"><span>Coeficiente(s) de autocorrela\u00e7\u00e3o por defasagem<\/span><span class=\"result-term\">r\u2096<\/span><\/span><span class=\"field-value\" id=\"result-1\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result is-column\" id=\"output-2\"><span class=\"field-title\"><span>How these autocorrelations were computed<\/span><\/span><span class=\"field-value\" id=\"result-2\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><\/div><div class=\"result-actions\"><button type=\"button\" class=\"copy-link\"><svg viewBox=\"0 0 20 20\" fill=\"currentColor\" aria-hidden=\"true\"><path d=\"M12.232 4.232a2.5 2.5 0 0 1 3.536 3.536l-1.225 1.224a.75.75 0 0 0 1.061 1.06l1.224-1.224a4 4 0 0 0-5.656-5.656l-3 3a4 4 0 0 0 .225 5.865.75.75 0 0 0 .977-1.138 2.5 2.5 0 0 1-.142-3.667l3-3Z\"\/><path d=\"M11.603 7.963a.75.75 0 0 0-.977 1.138 2.5 2.5 0 0 1 .142 3.667l-3 3a2.5 2.5 0 0 1-3.536-3.536l1.225-1.224a.75.75 0 0 0-1.061-1.06l-1.224 1.224a4 4 0 1 0 5.656 5.656l3-3a4 4 0 0 0-.225-5.865Z\"\/><\/svg><span class=\"copy-link__text\">Copiar link para este c\u00e1lculo<\/span><\/button><span class=\"sr-only\" role=\"status\" id=\"copy-link-status\"><\/span><\/div><\/div><a href=\"#respond\" class=\"hidden transition-opacity duration-300 opacity-0 w-50 text-sm justify-center items-center gap-2 px-4 py-2 rounded bg-gray-200 text-gray-700 hover:bg-gray-300\" id=\"leave-comment\"><span class=\"icon icon-comments\" aria-hidden=\"true\"><\/span>Deixar um coment\u00e1rio<\/a><\/form><\/section><section id=\"calc-reactions\" class=\"not-prose hidden my-12 bg-gradient-to-r from-primary-50 to-gray-50 border border-indigo-100 rounded-xl px-6 py-4 shadow-sm\" data-post=\"2046\" aria-live=\"polite\" aria-labelledby=\"calc-reactions-title\"><p id=\"calc-reactions-title\" class=\"text-sm text-gray-500 text-center mb-2\">O que voc\u00ea achou deste resultado?<\/p><div role=\"group\" aria-labelledby=\"calc-reactions-title\" class=\"grid grid-cols-3 sm:flex sm:flex-row sm:justify-around gap-4 sm:items-center sm:flex-wrap\"><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"like\"><span class=\"reaction-count\" data-reaction-count=\"like\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude00 <\/span><span class=\"reaction-description font-medium\">Curti <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"helpful\"><span class=\"reaction-count\" data-reaction-count=\"helpful\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\udca1 <\/span><span class=\"reaction-description font-medium\">\u00datil <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"confused\"><span class=\"reaction-count\" data-reaction-count=\"confused\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude15 <\/span><span class=\"reaction-description font-medium\">Confuso <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"disappointed\"><span class=\"reaction-count\" data-reaction-count=\"disappointed\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude1e <\/span><span class=\"reaction-description font-medium\">Decepcionado <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"inaccurate\"><span class=\"reaction-count\" data-reaction-count=\"inaccurate\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\u274c <\/span><span class=\"reaction-description font-medium\">Impreciso <\/span><\/button><\/div><div id=\"reaction-message\" class=\"hidden mt-8 rounded-md border border-primary-100 bg-white\/50 backdrop-blur-sm px-4 py-2 text-sm text-center shadow-sm\"><\/div><\/section><div class=\"calcdash-ad not-prose calcdash-ad--calc_result calcdash-ad--in-article\"><ins class=\"adsbygoogle\" style=\"display:block\" data-ad-client=\"ca-pub-1721569815777345\" data-ad-slot=\"6317458308\" data-ad-layout=\"in-article\" data-ad-format=\"fluid\"><\/ins><script>(adsbygoogle = window.adsbygoogle || []).push({});<\/script><\/div>\n<style id=\"wpcoderpro-inline-1\">.formula-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section class=\"formula-box\" aria-labelledby=\"formula-title\">\r\n\t<div id=\"formula-title\" class=\"not-prose font-display mb-4\"><span class=\"icon icon-formula\" aria-hidden=\"true\"><\/span><h2>F\u00f3rmula da autocorrela\u00e7\u00e3o<\/h2><\/div>\r\n\t<figure class=\"not-prose formula\">\r\n\t\t<figcaption class=\"formula-title\">F\u00f3rmula<\/figcaption>\r\n\t\t<div class=\"text-base text-gray-800\" id=\"formula\">\n\\[ r_k = \\frac{c_k}{c_0}, \\qquad c_k = \\frac{1}{n}\\sum_{t=1}^{n-k} (x_t - \\bar{x})(x_{t+k} - \\bar{x}), \\qquad c_0 = \\frac{1}{n}\\sum_{t=1}^{n} (x_t - \\bar{x})^2 \\]\n<\/div>\r\n\t<\/figure>\r\n\t<\/p>\n<p><strong>Onde:<\/strong><\/p>\n<ul>\n<li>\\(r_k\\) \u2014 autocorrela\u00e7\u00e3o amostral na defasagem \\(k\\) (a correla\u00e7\u00e3o da s\u00e9rie com ela mesma deslocada \\(k\\) passos para tr\u00e1s)<\/li>\n<li>\\(x_t\\) \u2014 observa\u00e7\u00e3o no instante \\(t\\); \\(\\bar{x}\\) \u2014 m\u00e9dia da s\u00e9rie<\/li>\n<li>\\(n\\) \u2014 n\u00famero de observa\u00e7\u00f5es<\/li>\n<li>\\(c_k\\) \u2014 autocovari\u00e2ncia amostral na defasagem \\(k\\); \\(c_0\\) \u2014 vari\u00e2ncia amostral<\/li>\n<\/ul>\n<p>O coeficiente compara cada observa\u00e7\u00e3o com aquela de \\(k\\) passos antes, depois de centralizar ambas na m\u00e9dia. A divis\u00e3o por \\(c_0\\) garante que todo \\(r_k\\) fique no intervalo \\([-1, 1]\\). No estimador \"n\u00e3o viesado\", a soma que define \\(c_k\\) \u00e9 dividida por \\(n-k\\) em vez de \\(n\\).<\/p>\n<p>\r\n<\/section>\n<style id=\"wpcoderpro-inline-2\">.calculation-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section id=\"calculation\" class=\"calculation-box\" aria-labelledby=\"calculation-title\">\r\n\t<div id=\"calculation-title\" class=\"not-prose font-display\"><span class=\"icon icon-unordered-list\" aria-hidden=\"true\"><\/span><h2>Autocorrela\u00e7\u00e3o \u2013 Exemplo de c\u00e1lculo<\/h2><\/div>\r\n\r\n<\/p>\n<p><strong>Exemplo:<\/strong> uma s\u00e9rie com 12 observa\u00e7\u00f5es \u2014 2, 4, 3, 5, 7, 6, 8, 10, 9, 11, 13, 12, com defasagens 1, 2 e 3 e o estimador ACF padr\u00e3o.<\/p>\n<p>\\[ \\bar{x} = \\frac{90}{12} = 7.5, \\qquad c_0 = \\frac{143}{12} = 11.9167 \\]<\/p>\n<p>\\[ c_1 = \\frac{101.75}{12} = 8.4792 \\;\\Rightarrow\\; r_1 = \\frac{8.4792}{11.9167} = 0.7117 \\]<\/p>\n<p>\\[ c_2 = \\frac{69}{12} = 5.75 \\;\\Rightarrow\\; r_2 = 0.4825, \\qquad c_3 = \\frac{39.75}{12} = 3.3125 \\;\\Rightarrow\\; r_3 = 0.2780 \\]<\/p>\n<p><strong>Resultado:<\/strong> \\(r_1 = 0.7117\\), \\(r_2 = 0.4825\\), \\(r_3 = 0.2780\\). A faixa de ru\u00eddo branco a 95% \u00e9 \\(\\pm 1.96\/\\sqrt{12} = \\pm 0.566\\), de modo que apenas a autocorrela\u00e7\u00e3o de defasagem 1 \u00e9 significativa: a s\u00e9rie apresenta persist\u00eancia \u2014 valores altos tendem a ser seguidos por valores altos \u2014 e a autocorrela\u00e7\u00e3o decai de forma suave, um comportamento t\u00edpico de uma s\u00e9rie com tend\u00eancia.<\/p>\n<p>\n\r\n<\/section>\n<h2>Como usar a calculadora<\/h2>\n<ol>\n<li>Digite suas observa\u00e7\u00f5es em <strong>Valores da s\u00e9rie temporal (em ordem)<\/strong>, come\u00e7ando pela mais antiga. Separe os valores com espa\u00e7os, ponto e v\u00edrgula ou quebras de linha; v\u00edrgulas decimais s\u00e3o aceitas. Voc\u00ea precisa de pelo menos 3 valores.<\/li>\n<li>Informe as defasagens em <strong>Defasagem(ns) a calcular<\/strong> \u2014 uma \u00fanica defasagem (por exemplo, 1) ou v\u00e1rias separadas por espa\u00e7os ou ponto e v\u00edrgula (por exemplo, 1; 2; 3; 4). Cada defasagem deve ser um n\u00famero inteiro entre 1 e \\(n-1\\).<\/li>\n<li>Escolha o <strong>Estimador<\/strong>: \"ACF padr\u00e3o (dividir por n)\" corresponde ao que os softwares estat\u00edsticos plotam nos gr\u00e1ficos de ACF; \"N\u00e3o viesado (dividir por n \u2212 k)\" corrige o vi\u00e9s para baixo em amostras pequenas nas defasagens mais longas.<\/li>\n<li>Leia a tabela de resultados: o n\u00famero de pares sobrepostos usados em cada defasagem, o coeficiente \\(r_k\\) e se ele fica fora da faixa de ru\u00eddo branco \\(\\pm 1.96\/\\sqrt{n}\\).<\/li>\n<\/ol>\n<h2>O que \u00e9 autocorrela\u00e7\u00e3o?<\/h2>\n<p>A autocorrela\u00e7\u00e3o (correla\u00e7\u00e3o serial) mede o quanto uma s\u00e9rie temporal se relaciona linearmente com o pr\u00f3prio passado. Em vez de correlacionar duas vari\u00e1veis diferentes, voc\u00ea correlaciona a s\u00e9rie com uma c\u00f3pia dela mesma deslocada \\(k\\) passos no tempo \u2014 a <em>defasagem<\/em> (lag). O resultado, \\(r_k\\), \u00e9 interpretado exatamente como uma correla\u00e7\u00e3o de Pearson: \\(+1\\) indica que a s\u00e9rie deslocada se move em perfeita sincronia com a original, \\(-1\\) indica que se move de forma perfeitamente oposta, e valores pr\u00f3ximos de 0 indicam aus\u00eancia de rela\u00e7\u00e3o linear naquela defasagem.<\/p>\n<p>A autocorrela\u00e7\u00e3o \u00e9 uma das primeiras ferramentas de diagn\u00f3stico na an\u00e1lise de s\u00e9ries temporais. Um coeficiente de defasagem 1 bem acima de zero indica <strong>persist\u00eancia<\/strong> (os valores tendem a permanecer acima ou abaixo da m\u00e9dia por um tempo), enquanto um coeficiente fortemente negativo indica <strong>altern\u00e2ncia<\/strong> \u2014 a s\u00e9rie ultrapassa a m\u00e9dia nos dois sentidos. O gr\u00e1fico de \\(r_k\\) em fun\u00e7\u00e3o de \\(k\\) d\u00e1 a fun\u00e7\u00e3o de autocorrela\u00e7\u00e3o (ACF), a ferramenta padr\u00e3o para identificar modelos ARIMA e detectar sazonalidade.<\/p>\n<p>O padr\u00e3o ao longo das defasagens importa mais do que qualquer valor isolado. Autocorrela\u00e7\u00f5es <strong>positivas com decaimento lento<\/strong> sugerem tend\u00eancia ou n\u00e3o estacionariedade \u2014 considere aplicar diferen\u00e7as \u00e0 s\u00e9rie antes. Um <strong>pico isolado na defasagem k<\/strong> aponta para um padr\u00e3o sazonal ou c\u00edclico de per\u00edodo \\(k\\) (por exemplo, um pico na defasagem 12 em dados mensais indica um ciclo anual). Coeficientes que permanecem dentro da faixa de ru\u00eddo branco em todas as defasagens sugerem que a s\u00e9rie n\u00e3o tem mem\u00f3ria linear \u2014 exatamente o que se espera ver nos res\u00edduos de um modelo.<\/p>\n<p>Vale lembrar que a autocorrela\u00e7\u00e3o captura apenas a depend\u00eancia <em>linear<\/em>. Uma s\u00e9rie pode ser altamente previs\u00edvel por regras n\u00e3o lineares e ainda assim apresentar autocorrela\u00e7\u00e3o pr\u00f3xima de zero; portanto, uma ACF \"limpa\" n\u00e3o prova independ\u00eancia. Para verificar formalmente se um conjunto de autocorrela\u00e7\u00f5es \u00e9 compat\u00edvel com ru\u00eddo branco, use um teste do tipo portmanteau, como o de Ljung\u2013Box.<\/p>\n<h2>Premissas, limita\u00e7\u00f5es e dicas pr\u00e1ticas<\/h2>\n<ul>\n<li><strong>Ordem e espa\u00e7amento importam.<\/strong> Os valores devem estar na ordem cronol\u00f3gica natural e igualmente espa\u00e7ados (mesmo intervalo de tempo entre as observa\u00e7\u00f5es). Embaralhar os dados destr\u00f3i a autocorrela\u00e7\u00e3o.<\/li>\n<li><strong>Estacionariedade.<\/strong> Os coeficientes s\u00f3 fazem sentido se a s\u00e9rie tiver m\u00e9dia e vari\u00e2ncia razoavelmente est\u00e1veis. Uma s\u00e9rie com tend\u00eancia infla as autocorrela\u00e7\u00f5es das primeiras defasagens; se necess\u00e1rio, aplique diferen\u00e7as antes.<\/li>\n<li><strong>Defasagens longas n\u00e3o s\u00e3o confi\u00e1veis.<\/strong> Na defasagem \\(k\\), apenas \\(n-k\\) pares sobrepostos s\u00e3o usados, ent\u00e3o defasagens al\u00e9m de aproximadamente \\(n\/2\\) se baseiam em pouqu\u00edssimos pares. Com 12 observa\u00e7\u00f5es, trate tudo acima da defasagem 6 como ru\u00eddo.<\/li>\n<li><strong>Escolha do estimador.<\/strong> O estimador padr\u00e3o (dividir por \\(n\\)) sempre produz uma fun\u00e7\u00e3o de correla\u00e7\u00e3o v\u00e1lida e coincide com os gr\u00e1ficos de ACF dos softwares estat\u00edsticos. A vers\u00e3o n\u00e3o viesada (dividir por \\(n-k\\)) elimina o vi\u00e9s para baixo nas defasagens longas, mas pode, em tese, levar coeficientes para fora do intervalo \\([-1, 1]\\).<\/li>\n<li><strong>A faixa de signific\u00e2ncia \u00e9 um guia.<\/strong> Os limites \\(\\pm 1.96\/\\sqrt{n}\\) assumem que a s\u00e9rie verdadeira \u00e9 ru\u00eddo branco. Se existe autocorrela\u00e7\u00e3o real, a faixa subestima a dispers\u00e3o amostral nas defasagens vizinhas.<\/li>\n<li><strong>Valores at\u00edpicos distorcem os resultados.<\/strong> Uma \u00fanica observa\u00e7\u00e3o extrema pode dominar tanto a m\u00e9dia quanto os produtos em \\(c_k\\). Verifique seus dados antes ou considere alternativas robustas, como as <a href=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-correlacao-postos-spearman\/\">medidas de correla\u00e7\u00e3o por postos<\/a>.<\/li>\n<\/ul>\n<p>Se voc\u00ea est\u00e1 comparando duas s\u00e9ries <em>diferentes<\/em>, em vez de uma s\u00e9rie com o pr\u00f3prio passado, use uma ferramenta de correla\u00e7\u00e3o como a <a href=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-correlacao-postos-spearman\/\">calculadora de correla\u00e7\u00e3o de postos de Spearman<\/a> ou a <a href=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-tau-de-kendall\/\">calculadora de tau de Kendall<\/a>. Para resumir a forma geral de uma \u00fanica s\u00e9rie antes de model\u00e1-la, a <a href=\"https:\/\/wpcalc.com\/pt\/estatistica\/calculadora-assimetria-e-curtose\/\">calculadora de assimetria e curtose<\/a> \u00e9 uma companheira natural.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Calcule os coeficientes de autocorrela\u00e7\u00e3o amostral r_k de qualquer s\u00e9rie temporal, para um ou mais defasagens. Cole suas observa\u00e7\u00f5es em ordem, escolha as defasagens e o estimador e obtenha r_k com a faixa de signific\u00e2ncia de ru\u00eddo branco.<\/p>\n","protected":false},"author":3168,"featured_media":0,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[12],"tags":[30],"class_list":["post-2046","post","type-post","status-publish","format-standard","hentry","category-estatistica","tag-correlacao-regressao"],"acf":[],"_links":{"self":[{"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/posts\/2046","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/users\/3168"}],"replies":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/comments?post=2046"}],"version-history":[{"count":1,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/posts\/2046\/revisions"}],"predecessor-version":[{"id":2658,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/posts\/2046\/revisions\/2658"}],"wp:attachment":[{"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/media?parent=2046"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/categories?post=2046"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wpcalc.com\/pt\/wp-json\/wp\/v2\/tags?post=2046"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}