<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Previsão on Python Brasil — Aprenda Python em Português</title>
    <link>https://python.dev.br/tags/previs%C3%A3o/</link>
    <description>Recent content in Previsão on Python Brasil — Aprenda Python em Português</description>
    <generator>Hugo</generator>
    <language>pt-br</language>
    <lastBuildDate>Sat, 20 Jun 2026 23:44:22 +0000</lastBuildDate>
    <atom:link href="https://python.dev.br/tags/previs%C3%A3o/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Análise de Séries Temporais com Python: Statsmodels, Pandas e Prophet</title>
      <link>https://python.dev.br/blog/series-temporais-python-statsmodels-prophet/</link>
      <pubDate>Sat, 20 Jun 2026 00:00:00 +0000</pubDate>
      <guid>https://python.dev.br/blog/series-temporais-python-statsmodels-prophet/</guid>
      <description>&lt;p&gt;Prever o futuro a partir do passado é uma das tarefas mais úteis — e mais difíceis — da análise de dados. Vendas do próximo mês, demanda de energia elétrica no verão, preço de commodities, faturamento de uma loja, número de passageiros em um aeroporto: todos são exemplos de &lt;strong&gt;séries temporais&lt;/strong&gt;, sequências de observações ordenadas no tempo. Python se tornou a linguagem dominante nesse campo porque combina manipulação eficiente de dados, bibliotecas estatísticas maduras e ferramentas de aprendizado de máquina em um mesmo ecossistema.&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
