ESTATSTICA Sries Temporais: Mtodos Bsicos de Projeo com uso do Excel.

Volume 7

Autores: Jos Carlos Albuquerque Duarte (Eng. Civil)

Agosto de 2013 31/07/2013

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

NDICE.

NDICE
ACRNIMOS ....................................................................................................................................................... ii 1. INTRODUO................................................................................................................................................. 1 1.1. Tipos de Problemas ................................................................................................................................ 6 1.2. Mtodos de Projeo ............................................................................................................................. 6 1.3. Diferentes Tipos de Tcnicas de Projeo .............................................................................................. 8 2. METODOLOGIA DE PROJEO POR ANLISE DE SRIES TEMPORAIS (Time-series Forecasting) ............ 11 3. MTODOS DE PROJEO ATRAVS DE MODELOS SEM TENDNCIA E SEM SAZONALIDADE ..................... 14 3.1. Modelo de Mdias Mveis Simples, 3.2. Modelo de Mdias Mveis Ponderadas, 3.3. Modelo de Suavizao Exponencial Simples, .......................................................................................... 15 ................................................................................... 19 ............................................................................... 19

4. MTODOS DE PROJEO PARA MODELOS COM TENDNCIA E SEM SAZONALIDADE ................................ 20 4.1. Modelo de Projeo com Mdias Mveis Duplas, .................................................................... 20

4.2. Modelo de Projeo por Alisamento Exponencial Duplo de Holt ........................................................ 20 5. MTODOS DE PROJEO PARA SUJEITAS A FENMENOS SAZONAIS E SEM TENDNCIA .................... 21

5.1. Modelo de Projeo com Correo Priori da Sazonalidade .............................................................. 21 5.1.1. Modelo de Projeo com Sazonalidade Multiplicativa ................................................................. 21 5.1.2. Modelo de Projeo com Sazonalidade Aditiva ............................................................................ 21 6. MTODOS DE PROJEO PARA SUJEITAS A FENMENOS DE TENDNCIA E DE SAZONALIDADE ......... 22 ......................................... 22

6.1. Modelos de Projeo com Suavizao Exponencial de Holt-Winters,

6.1.1. Modelo Sazonal Multiplicativo de Holt-Winters ........................................................................... 22 6.1.2. Modelo Sazonal Aditivo de Holt-Winters ...................................................................................... 22 7. CONCLUSES ............................................................................................................................................... 23 8. REFERNCIAS BIBLIOGRFICAS.................................................................................................................... 24 Anexo A1 Notas que pretenda fazer sobre o presente documento........................................................... 1

Jos Carlos Albuquerque Duarte

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

ACRNIMOS.

ACRNIMOS
Acrnimo Designao Srie Temporal (ou Srie Temporal Observada / Real) Varivel Aleatria. Independente e Identicamente Distribuda. Regresso Linear. Regresso Linear Simples. Regresso Linear Mltipla (ou Multivariada). Regresso No Linear. Regresso No Linear Simples. Regresso No Linear Mltipla (ou Multivariada). Mdia dos Desvios Absolutos. Mdia Aritmtica dos Desvios Absolutos Percentuais. Mdia Aritmtica dos Quadrados dos Desvios. Raiz Quadrada da Mdia Aritmtica dos Quadrados dos Desvios. Coeficiente de Determinao. Coeficiente de Correlao. Estatstica (ou Teste) de Theil.

Teste de Durbin-Watson. Estatstica de Ljung-Box. Mdias Mveis (ou, do ingls, Moving Average, , ou Mdias Mveis Simples, do ingls Simple Moving Average, ) de ordem . Mtodo dos Mnimos Quadrados (ou Mnimos Quadrados Ordinrios, Ordinary Least Squares, ) Mtodo da Mxima Verosimilhana. Proposio Verdadeira. Proposio Falsa. , ou do ingls, , ou

Jos Carlos Albuquerque Duarte

ii

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

1. INTRODUO.

1. INTRODUO
[0.1]

Uma srie temporal (ou srie histrica ou srie observada ou srie real ou srie emprica ou crono-srie), , traduz um conjunto de dados (ou observaes ou registos), observadas e registadas ao longo de um determinado intervalo de tempo (ou intervalo observado), correspondendo cada observao, , a um determinado tempo (ou instante), (ou ), sendo a variao de tempo, dada por (1), em geral, constante.

ou
(1)

ou
Onde:

. , representa a i-sima posio no tempo, . O modelo clssico que traduz a relao funcional de uma srie temporal observada , ou seja, que a traduz analiticamente, estabelecido por um conjunto de componentes (ou efeitos ou padres ou termos ou parcelas), as quais podem ser combinadas segundo um modelo aditivo, conforme (2), ou segundo um modelo multiplicativo, conforme (3).
(2)

(3)

Podendo existir outras, as componentes referidas so aquelas que, na generalidade, compem uma observada, designadamente: Nvel (ou nvel da srie ou termos constante), : existe sempre em todas as que no sejam puramente aleatrias (ou estocsticas) -, ou seja, aquelas que so apenas compostas por rudo branco, dadas por (4) -; Tendncia, : a tendncia numa pode ser crescente (ou ascendente), decrescente (ou descendente) e, ainda, estacionria (ou sem um padro de tendncia definido), dita, de forma no muito precisa, constante. A tendncia numa srie, caso ela seja linear (pois pode ser de outro tipo, e.g., exponencial), dada por (5); Sazonalidade, : a sazonalidade numa srie temporal s se identifica quando o intervalo de observaes inferior a um ano. Nesse intervalo, a o efeito sazonal traduz-se por acontecimentos que se repetem, sendo evidenciados em forma de picos (ou cumes ou festos) ou evidenciados em forma vales (ou talvegues). Exemplos: o consumo de gua, em geral, maior nos meses de vero do que nos meses de inverno; as necessidades de aquecimento e
Jos Carlos Albuquerque Duarte 1

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

1. INTRODUO.

de arrefecimento nos edifcios inversamente proporcional na estao de inverno e de vero num ano; Ciclo, : o ciclo uma componente de uma srie temporal que s possvel observar quando o intervalo de observaes superior a um ano. Exemplo: em geral, em todos os anos, nos meses de vero, regista-se um aumento da populao nos locais junto costa litoral de Portugal; Imprevisibilidade, : a componente de imprevisibilidade (ou erro ou resduo ou aleatria ou estocstica ou rudo rudo branco) observa-se em todas as sries temporais dado no ser possvel explicar exatamente todo o comportamento da srie. Em geral, assume-se que esta componente uma varivel aleatria, , independente e identicamente distribuda, i, isto , os valores da so , que possui esperana matemtica (ou valor esperado ou mdia) nula, , e varincia constante, , que segue uma Distribuio Normal, sendo, deste modo, denotada por (6).
(4)

(5)

(6)

Neste documento no se considera a componente cclica como termo (ou parte) caraterizadora do comportamento de uma observada. Pretende-se fazer o estudo desta componente, no futuro, num outro documento a ser elaborado. Considerando a Amostra que define a , a componente aleatria (ou estocstica ou erro ou desvio ...), , dado, por (7).
(7) Onde:

. . .

, j foi atrs identificado; , o t-simo valor observado da , ; , o t-simo valor estimado (ou ajustado) ao correspondente valor observado da , . Estes valores dependem da relao funcional que os descreva, ou seja, que os permita obter (obter os valores ajustados ou estimados, ). Essa relao funcional pode ser linear (permite uma soluo analtica, que exata) ou no linear (apenas permite uma soluo numrica, que aproximada, e no analtica), podendo em cada caso ser univariada ou multivariada, o que ser estudado, com mais detalhe, mais frente. A notao significa que o valor, ,, estimado (ou ajustado), no, obrigatoriamente, coincidente com o correspondente valor .

Jos Carlos Albuquerque Duarte

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

1. INTRODUO.

A soma dos quadrados dos resduos (ou erros), , dada por (8), a qual depende da relao funcional, , que seja adotada para melhor se ajustar ao conjunto de dados observados na srie temporal, .

(8)

Como ser referido mais frente, uma das formas de minimizar consiste em determinar, no caso linear que define , as primeiras derivadas parciais de em ordem a cada um dos parmetro que esto associados aos valores da varivel independente do modelo de ajuste e iguala-las a zero, pois, desde modo, sendo uma funo do 2. grau a sua primeira derivada uma funo do 1. grau, cujo mnimo se d quando a tangente que representada por

horizontal (ou igual a zero), no caso da curvatura da funo ser cncava ( ), essa horizontal representa o mximo, no caso da curvatura da funo ser convexa ( ). Nesta notao, o smbolo significa que se trata de um vetor de parmetros e significa que o parmetro estimado, logo, significa que se trata de um vetor de parmetros estimados, ou seja, o vetor de parmetros (ou coeficientes) a determinar, dado por , sendo o nmero de ordem (ou o nmero total) de parmetros a estimar. , assim, o vetor dos coeficientes (ou parmetros) e . No caso da relao funcional que define a funo de estimao (ou ajuste), , ser polinomial, e a maior potncia (ou o grau) do polinmio. Pelo exposto, a minimizao da soma dos quadrados dos resduos dada por (9), o que traduz o mtodo dos mnimos quadrados, .

(9)

A determinao dos parmetros

poder ser feita pelo Mtodo dos mnimos quadrados,

(9), ou por outro tipo de mtodo, como por exemplo, o mtodo da mxima verosimilhana, . Se a relao funcional que define a funo de estimao (ou de ajuste), , for linear (ou polinomial do 1. grau ou equao da reta), num problema univariado, i.e., num problema em que a varivel dependente (ou explicada ou resultado), , funo de uma nica varivel independente (ou explicativa), , a sua determinao, ou seja, a obteno dos parmetros que a caraterizam (a

Jos Carlos Albuquerque Duarte

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

1. INTRODUO.

soluo) feita por uma anlise de regresso linear simples, . Se a relao funcional for uma funo polinomial de grau superior a um (parbola polinmio de grau , equao cbica polinmio do 3. grau, equao qurtica ou bi-quadrada polinmio do grau , assim sucessivamente, at a um polinmio de grau ) a resoluo do problema univariado tambm feita por . Se a relao funcional que define a funo de estimao (ou de ajuste observada), , for uma combinao linear de termos e o problema for multivariado, i.e., possui mais do que uma varivel independente (possui as variveis , onde representa o i-sima posio no tempo de observao do valor da varivel dependente e representa a j-sima varivel independente) a soluo obtida por uma anlise de regresso linear mltipla (ou multivariada), . Se a relao funcional, , que define o ajuste , num problema univariado, no for uma combinao linear dos termos que a compem, ou seja, for uma relao que envolva termos com potncias, exponenciais, hiperblicos, ou de outro tipo, podendo, tambm, conter (ou no) termos lineares, a soluo obtida por uma anlise de regresso no linear simples, . As relaes funcionais do tipo polinomial constituem um tipo particular de anlise de , dado que podem ser resolvidas atravs da anlise de . Se a relao funcional, , que define o ajuste , num problema multivariado (com vrias variveis independentes, ,) no for uma combinao linear dos termos que a compem, ou seja, for uma relao que envolva termos com potncias, exponenciais, hiperblicos, ou de outro tipo, podendo, tambm, conter (ou no) termos lineares, a soluo apenas poder ser obtida por uma anlise de regresso no linear mltipla, . Uma anlise de regresso linear, , seja simples, , ou mltipla, , permite sempre que se obtenha uma soluo analtica (ou exata). Uma anlise de regresso no linear, , seja simples, , ou mltipla, , no permite a obteno de uma soluo analtica mas apenas a obteno de uma soluo numrica (ou aproximada) obtida por mtodos numricos apropriados resoluo do problema em causa (ou em estudo).
Observao 1 Notao

Encontra-se na bibliografia uma notao muito diversa, e por isso torna confusa, a pesquisa bibliogrfica sobre este tema Anlise (ou Estudo) de Sries Temporais. A notao para o tempo (ou instante), , poder ser , , , ou outra. Mas o certo que todas elas representam posies no eixo coordenado das abcissas num sistema ortogonal de representao grfica. A notao para os valores da observada (ou interessada ou em estudo) poder ser , , ou outra. Por vezes, usada a notao , a qual no deve ser usada quando ela representa tambm o tempo (ou instante), t. A letra representa o nmero total de observaes (ou tamanho da amostra) e representa o horizonte da projeo. Deste modo tem-se que o intervalo de observaes histricas da
Jos Carlos Albuquerque Duarte 4

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

1. INTRODUO.

identificado por , que o mesmo intervalo das melhores estimativas (ou valores ajustados) dos valores que foram ajustados srie e, o intervalo das projees feitas a partir da mesma relao funcional que permitiu obter os melhores valores estimados (ou ajustados) identificado por . Esta notao no gera confuso quando comparada com a que por vezes se usa, na qual se considera o intervalo de observaes identificado por eo intervalo das projees identificado por . Contudo, uma anlise mais cuidada permite desfazer essa confuso, uma vez que sendo o tempo sempre identificado por que se esteja a efetutar estimativas (ou ajuste) quer se esteja a efetuar projees, tendo-se o intervalo de estimao dado por e na sua continuidade o intervalo de projeo dado por . A notao til quando se pretende descrever a por um modelo de regresso linear multivariada, cuja relao funcional dada pela seguinte combinao linear dos seus termos, dada por (10).

(10) Onde:

. , representa o i-simo tempo (ou instante) considerado, . , representa a j-sima varivel independente considerada, ______
[1]

A projeo tem com objetivo obter valores de uma varivel de interesse (ou em estudo) em tempos (ou instantes ou perodos ou momentos), , no futuro. Um exerccio de projeo , geralmente, realizado para fornecer uma ajuda tomada de deciso no planeamento do futuro. Tipicamente, conseguindo projetar como ser o futuro poder-se- modificar o comportamento presente para se ficar numa posio melhor que aquela que seria, se nada fosse feito agora, quando o futuro chegar. Uma projeo adequada deve dar suporte a uma deciso minimizadora de risco por parte dos decisores, pelo que essencial no planeamento e administrao de recursos. As aplicaes para a projeo incluem: controlo de stocks/planeamento da produo: projetar a procura de um produto possibilita controlar o stock de matria-prima e do produto acabado, planear a programao da produo, etc.; poltica de investimento: projetar informaes financeiras tais como as taxas de juros, as taxas de cmbios, os preos de aes, o preo do ouro, etc. Esta uma rea cujas tcnicas de projeo apresentam ainda um desenvolvimento muito incipiente; poltica econmica: projetar informaes econmicas tais como o crescimento da economia, desemprego, taxa de inflao, etc., vital quer para o Governo quer para os negcios no planeamento do futuro.
Jos Carlos Albuquerque Duarte 5

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

1. INTRODUO.

1.1. Tipos de Problemas [1] Um modo de classificar os problemas de projeo considerar a escala de tempo envolvida na projeo, i.e., quo longe no futuro se pretende tentar projetar: curto prazo, mdio prazo e longo prazo so as categorias usuais, mas o significado real de cada uma variar com a situao que ir ser estudada. Por exemplo, na projeo da procura de energia para construir estaes de fora, seria curto prazo, e seria longo prazo. J, na projeo da procura de consumo em muitos negcios situaes de at seria curto prazo e mais do que seria longo prazo. O Quadro 1 mostra a escala de tempo associada a decises de negcios.
Quadro 1 Escalas de tempo associadas a decises de negcios. Fonte [1].

Escala de Tempo Curto prazo: at .

Tipo de Deciso Operacional.

Exemplos . Controlo de stocks; . Planeamento de produo; . Distribuio. . Leasing de planta e equipamento; . Mudanas de emprego. . Pesquisa e Desenvolvimento; . Aquisies e Fuses; . Variaes de produto.

Mdio prazo: de at

Ttica. . . Estratgica.

Longo prazo: acima de

1.2. Mtodos de Projeo [1] A razo bsica para a classificao estabelecida no Quadro 1 prende-se com o facto que diferentes mtodos de projeo se aplicam em cada situao, e. g., um mtodo de projeo que apropriado para projeo de vendas no prximo ms (projeo de curto prazo) provavelmente no seria apropriado para projeo de vendas daqui a (projeo de longo prazo). Em particular, note que o uso de nmeros (ou dados) para os quais as tcnicas quantitativas so aplicadas, tipicamente, variam de projeo muito alta para a projeo de curto prazo e de projeo muito baixa para a projeo de longo prazo quando se trata com situaes de negcios. Algumas reas podem envolver projees de curto, mdio e longo prazo, como, p. ex., o mercado de aes e projees no tempo. Os mtodos de projeo podem tambm ser classificados em vrias categorias diferentes: Mtodos Qualitativos: onde no h um modelo matemtico formal, frequentemente, porque os dados (ou observaes ou registos) disponveis no so imaginados como representativos

Jos Carlos Albuquerque Duarte

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

1. INTRODUO.

do futuro (projeo de longo prazo). Existem vrios mtodos qualitativos, entre outros, tais como os seguintes: Abordagem de Delphi ou Opinio de Especialista; Pressupostos Gerenciais; Pesquisas de Mercado; Dados Extremos ou Sondagens e Pesquisas; Mtodos Quantitativos: onde os dados histricos (ou temporais) da varivel ou das variveis de interesse (ou em estudo) esto disponveis. Estes mtodos baseiam-se numa anlise dos dados histricos relativos srie temporal, , observada de uma varivel especfica de interesse e, possivelmente, outras relacionadas como a srie temporal e, tambm, examinam as relaes de cauda e efeito da varivel com outras variveis relevantes. Na parte quantitativa, as abordagens (ou procedimentos) de projeo, geralmente, caem (ou enquadram-se) numa das seguintes categorias: Sries Temporais: realiza a anlise de sries temporais sobre a forma padro passada dos dados para, a partir da, projetar os resultados futuros. Isto funciona bem para situaes estveis em que se espera que as condies permaneam as mesmas (ou se mantenham). Como exemplos, entre outros, podem citar-se: as receitas em diferentes anos; os ndices d inflao; as taxas de juros; a participao no mercado; taxas de falhas; os preos nominais mensais da arroba do boi gordo divulgadas pela entidade competente; Regresso: projeta os resultados futuros usando relaes passadas entre uma varivel de interesse (ou varivel em estudo ou varivel dependente ou varivel explicada ou varivel resultado) e uma ou vrias variveis que a influenciam, so as chamadas variveis explicativas (ou variveis independentes). Isto funciona bem para situaes em que necessrio identificar os diferentes efeitos das diferentes variveis. Esta categoria engloba os seguintes tipos de anlise: Regresso Linear, : trata-se de uma anlise de regresso linear porque a relao funcional que estabelece o melhor ajuste srie temporal observada constituda por uma combinao linear dos seus termos, ou seja, todos os termos dessa relao funcional so do tipo linear, i.e., no possuem potncias, exponenciais, hiperblicas ou outro tipo de funes no lineares, mas apenas funes do tipo linear a envolver a ou as variveis independentes. Uma pode ser de dois tipos: - Regresso Linear Simples, : uma simples porque a varivel dependente depende apenas de uma varivel independente; - Regresso Lineal Mltipla (ou Multivariada): uma mltipla (ou multivariada) porque a varivel dependente depende de mais do que uma varivel independente;
Jos Carlos Albuquerque Duarte 7

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

1. INTRODUO.

Um problema cuja resoluo seja feita atravs de modelos de anlise de regresso linear possui soluo analtica (ou exata), pelo que no envolve a aplicao de mtodos numricos que apenas permitem obter solues numricas, ou seja, no analticas (ou aproximadas). Regresso No Linear, : trata-se de uma anlise de regresso no linear porque a relao funcional que estabelece o melhor ajuste srie temporal observada no formada por uma combinao linear dos seus termos (dos termos que a constituem), ou seja, existem termos, todos ou alguns, nessa relao funcional que no so do tipo linear, i.e., envolvem potncias, exponenciais, hiperblica ou outro tipo de funes no lineares, podendo tambm envolver funes lineares, nos termos que envolvem a ou as variveis independentes. Uma , tal como a , pode ser de dois tipo: - Regresso No Linear Simples, : uma simples porque a varivel dependente depende apenas de uma varivel independente; - Regresso No Linear Mltipla (ou Multivariada), : uma mltipla (ou multivariada) porque a varivel dependente depende de mais do que uma varivel independente. Um problema cuja resoluo seja feita atravs de modelos de anlise de regresso no linear no possui soluo analtica mas apenas soluo numrica que obtida mediante a aplicao de mtodos numricos apropriados. Note que uma relao funcional do tipo polinomial, por conter termos cujas funes que envolvem a ou as variveis independentes serem do tipo no linear, ou seja, potencias, exponenciais, hiperblicas ou outro tipo de funes no lineares, enquadra-se nos modelos de anlise de regresso no linear, . Contudo, este tipo de relaes funcionais, (as polinomiais), constituem um caso particular da anlise de regresso no linear porque podem ser resolvidas atravs de modelos de anlise de regresso linear. Deste modo, para elas pode ser obtida a soluo analtica (ou exata) para alm da soluo numrica (ou aproximada), caso se pretenda, mediante a aplicao de mtodos numricos apropriados. Simulao: aleatoriamente gera muitos cenrios para um modelo de projeo dos resultados possveis. Este mtodo funciona bem para os casos em que no se possuem dados histricos, mas em que se pode construir o modelo da situao para analisar o seu comportamento. Atualmente, a simulao de Monte Carlo largamente usada nestas situaes e os suplementos do MS-Excel, Crystal Ball e Risk Simulator so popularmente conhecidos para automatizar esta tarefa.

1.3. Diferentes Tipos de Tcnicas de Projeo [1] O histograma da Figura 1 ilustra os diferentes e mais comuns tipos de tcnicas de projeo. Entre outros, os mais comuns so:

Jos Carlos Albuquerque Duarte

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

1. INTRODUO.

Modelo Autorregressivo Integrado de Mdias Mveis, , onde a ordem do modelo autorregressivo; a ordem das diferenas; a ordem do modelo de mdias mveis; Modelo ; Modelos de Econometria Bsica; Modelos de Autoeconometria; Modelos de Lgica Difusa Combinatria; Modelos de Distribuies Personalizadas; Modelos Autorregressivo Heteroscedasticidade Condicional Generalizado, ; Modelos de Curvas ; Modelos de Cadeias de Markov; Modelo de Mxima Verosimilhana; Modelo de Rede Neural; Modelo de Regresso Mltipla (ou Multivariada); Modelo de Extrapolao No Linear; Modelos de Curvas ; Modelo de Spline Cbico; Modelo de Projeo Estocstica; Modelo de Anlise da Srie Temporal; Modelo de Linhas de Tendncia.

Jos Carlos Albuquerque Duarte

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

1. INTRODUO.

Figura 1 Metodologias mais comuns para projeo. Fonte [1].

Jos Carlos Albuquerque Duarte

10

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

2. METODOLOGIA DE PROJEO POR ANLISE DE SRIES TEMPORAIS (Time-series Forecasting).

2. METODOLOGIA DE PROJEO POR TEMPORAIS (Time-series Forecasting)

[1]

ANLISE

DE

SRIES

A anlise de sries temporais aplica-se nos casos em que h um padro persistente ou um padro sistemtico no comportamento da varivel em estudo (ou varivel aleatria, , em estudo), que possvel captar atravs de uma representao paramtrica. Alguns mtodos clssicos so projetados (ou desenhados ou formulados) para funcionarem melhor para certos tipos de dados (ou observaes ou registos), nomeadamente: Dados Sazonais: aumentando ou diminuindo num padro recursivo regular no decorrer do tempo, ; Dados com Tendncia: aumentando ou diminuindo consistentemente no decorrer do tempo, . A Figura 2 ilustra graficamente o padro sazonal e o padro tendncia que uma pode apresentar.

Figura 2 Dados sazonais (grfico esquerda) e dados com tendncia (grfico direita). Fonte [1].

(MORETTIN TOLOI, 2004), pode-se entender a tendncia, , como o movimento persistente nos dados numa dada direo (ascendente ou descendente) e a sazonalidade, , como o comportamento regular assumido pela srie em algum subperodo. O erro aleatrio (ou estocstico ou resduo ou rudo branco ou imprevisvel), , leva em considerao movimentos espordicos e irregulares presentes na srie. A projeo de sries temporais (ou histricas ou empricas ou reais ou observadas ou cronosries) assume que os dados histricos sejam uma combinao de um formato padro e de algum erro aleatrios (ou estocstico). A meta na anlise de nela isolar o formato do erro entendendo nela o formato nvel, o formato de tendncia e o formato da sazonalidade. [0.1] No est aqui referido o formato (ou componente ou efeito ou padro) designado por ciclo o qual pode tambm existir numa observada. Esta componente a verificar-se numa s se verifica em sries cujo intervalo de dados superior a um ano.

Jos Carlos Albuquerque Duarte

11

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

2. METODOLOGIA DE PROJEO POR ANLISE DE SRIES TEMPORAIS (Time-series Forecasting).

[1]

Pode-se medir o erro usando uma medida estatstica para descrever quo bem um formato reproduz os dados histricos e estimar (ou ajustar) quo aprimoradamente ele projeta os dados para o futuro. No Quadro 2 explicitam-se os oito modelos clssicos de anlise de sries temporais, separados pelas suas componentes (ou efeitos ou padres) sazonalidade (ou efeito sazonal) e tendncia.
Quadro 2 Os oito modelos (ou mtodos) clssicos de anlise de sries temporais. Fonte [1].

sem sazonalidade

com sazonalidade

sem tendncia

. Modelo de Mdias Mveis . Modelo Sazonal Aditivo; . Modelo Sazonal Simples, ; . Modelo de Suavizao Multiplicativo. Exponencial Simples, . . Modelo de Mdias Mveis Duplas, ; . Modelo de Suavizao Exponencial Dupla, . . Modelo Aditivo de HoltWinter; . Modelo Multiplicativo de Holt-Winters.

com tendncia

Por exemplo, se a varivel de dados no possui tendncia nem sazonalidade, um modelo de mdias mveis simples, , ou um modelo de suavizao exponencial simples, , ser capaz e suficiente para efetuar a anlise da observada. No entanto, se existir na observada a componente (ou padro ou efeito) sazonalidade, mas nela no for estiver discernvel a presena da componente tendncia, um modelo sazonal aditivo ou um modelo sazonal multiplicativo ser capaz e suficiente, e, portanto, seria melhor, para descrever (ou analisar) o comportamento da srie. E, assim por diante se faz a leitura do Quadro 2 com o objetivo de selecionar o modelo mais adequado para analisar a srie temporal observada. O que se pretende sempre testar cada um destes mtodos clssicos e classifica-los de acordo com o erro. O mtodo (ou modelo) com o erro mais baixo (ou mnimo) o melhor mtodo. Como foi visto, existem dois tipos de modelos sazonais: o aditivo e o multiplicativo. A sazonalidade aditiva tem um padro estacionrio de amplitude. A sazonalidade multiplicativa tem um padro de amplitude crescente ou decrescente no decorrer do tempo, . A fig apresenta a forma grfica do padro sazonal associado ou no com o padro tendncia que uma determinada pode apresentar.

Jos Carlos Albuquerque Duarte

12

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

2. METODOLOGIA DE PROJEO POR ANLISE DE SRIES TEMPORAIS (Time-series Forecasting).

Figura 3 Dados sazonais sem tendncia e dados sazonais com tendncia: sazonalidade aditiva sem tendncia (grfico superior esquerdo); sazonalidade aditiva com tendncia (grfico superior direito); sazonalidade multiplicativa sem tendncia (grfico inferior esquerdo); sazonalidade multiplicativa com tendncia (grfico inferior direito). Fonte [1].

Existem duas tcnicas principais de projeo de sries temporais, designadamente: 1) Suavizao de No Sazonalidade: estima uma tendncia ou no removendo dados extremos e reduzindo a aleatoriedade dos dados; 2) Suavizao de Sazonalidade: combina a suavizao dos dados com um ajustamento para o comportamento sazonal.

Jos Carlos Albuquerque Duarte

13

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

3. MTODOS DE PROJEO ATRAVS DE MODELOS SEM TENDNCIA E SEM SAZONALIDADE.

3. MTODOS DE PROJEO ATRAVS DE MODELOS SEM TENDNCIA E SEM SAZONALIDADE

[1]

Nos mtodos de projeo atravs de modelos sem tendncia e sem sazonalidade a projeo reflete que os valores futuros so constantes, isto porque o modelo no possui tendncia nem sazonalidade, assumindo-se que a oscilao de curto prazo apenas rudo (ou rudo branco), . Neste tipo de mtodos a srie temporal possui apenas aleatoriedade, , mas no outro tipo de componente caraterizadora de srie, tais como a tendncia e a sazonalidade e, ainda, o ciclo. O modelo que traduz uma srie temporal sem as componentes tendncia, , sazonalidade, , e ciclo, , ou seja, incluindo, apenas, as componentes nvel, , (ou nvel da srie temporal ou componente constante) e imprevisibilidade (ou erro ou resduo ou componente aleatria ou estocstica ou rudo ou rudo branco), , dado por (11).
(11) Onde:

. , representa o t-simo tempo (ou instante) em estudo; . , representa o nmero toral de observaes (ou tamanho da amostra). Neste caso o resduo dado por (12).
(12)

Tem-se que o modelo que traduz a

dado por (13).

(13)

Pelo que a relao funcional, que estabelece a estimao (ou ajuste) (14).

, constante, dada por

(14)

Ento, a soma dos quadrados dos erros,

, dada por (15).

(15)

Jos Carlos Albuquerque Duarte

14

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

3. MTODOS DE PROJEO ATRAVS DE MODELOS SEM TENDNCIA E SEM SAZONALIDADE.

Aplicando o

o erro quadrado mnimo dado por (16).

(16)

3.1. Modelo de Mdias Mveis Simples, [1] O mtodo das mdias mveis simples, , indicado para projees de curto prazo onde as componentes (ou efeitos ou padres) de tendncia, , e de sazonalidade, , so inexistentes ou possam ser desprezadas, existindo apenas a componente imprevisvel (ou aleatria ou estocstica ou erro ou resduo ou rudo rudo branco), . A Figura 4 mostra um grfico tpico de uma observada sem tendncia e sem sazonalidade, apenas com a componente aleatria, qual foi ajustado (ou estimado) um modelo de mdias mveis simples, , no intervalo correspondente s observaes (ou dados), , e com o qual foram projetados valores futuros at ao horizonte da projeo, ou seja, no intervalo .

Figura 4 Grfico tpico de dados de mdias mveis simples, mostrando o ajuste e alinha de projeo. Fonte [1]. Observao 2
[0.1]

, representa o t-simo tempo (ou instante ou perodo) da observao e correspondente estimao (ou ajuste); , representa o nmero total de observaes (ou tamanho da amostra); , representa o n-simo tempo (ou instante ou perodo) de projeo; e, , representa o horizonte da projeo. Nota, por vezes atribui-se a letra para representar o tamanho da amostra, o que no se deve fazer quando se usa essa letra para identificar o instante (ou tempo) da projeo, isto para evitar a confuso, bvia, na nomenclatura.

Jos Carlos Albuquerque Duarte

15

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

3. MTODOS DE PROJEO ATRAVS DE MODELOS SEM TENDNCIA E SEM SAZONALIDADE.

______
[1]

Este modelo no mais do que uma tcnica simples de projeo exponencial, onde so considerados os ltimos dados histricos e, com estes, realizada uma mdia aritmtica (ou ponderada) para projetar o valor do prximo dado. O nmero de observaes em cada clculo da mdia, ou perodo, permanece constante e estipulado de forma a tentar eliminar da melhor forma possvel as componentes de tendncia e sazonalidade. Este mtodo usa os ltimos valores da srie temporal, , como projeo para o tempo , pelo que, assim, tem-se (17).

(17)

[0.1]

Neste mtodo o parmetro usado o nmero de pontos (ou perodo) , o qual se designa por ordem das mdias mveis, , e, por isso, o modelo denotado por . [1] Como escolher ? Pretende-se o valor de que fornea a melhor preciso da projeo, i.e., que minimize o desvio absoluto mdio, , ou o erro quadrtico mdio, , da projeo. Estes dois conceitos esto abordados no documento intitulado Sries Temporais: Critrios de avaliao do desempenho de modelos em relao Srie Temporal. Volume 6, cujo ficheiro tem o nome 2013_EST_4_Vol 6. Para exemplificar este modelo veja o Exemplo 1 que se segue.
Exemplo 1 Modelo de Mdias Mveis Simples,

Considere a , , que representa a produo de leite numa determinada explorao pecuria de bovinos. Os dados (ou observaes ou registos) relativos a esta srie temporal observada encontram-se no ficheiro do aplicativo Excel que foi desenvolvido para realizar este clculo. Faa o melhor ajuste de um modelo de mdias mveis simples srie temporal observada. O referido ficheiro onde foram introduzidos os dados e no qual se faz o clculo intitula-se 2013_EST_4_Vol 7_MA(q)_X(t)=k+e(t), o qual explicitado a seguir. O Quadro 3 mostra dos dados relativos srie temporal observada.

Jos Carlos Albuquerque Duarte

16

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

3. MTODOS DE PROJEO ATRAVS DE MODELOS SEM TENDNCIA E SEM SAZONALIDADE.

Quadro 3 Valores observados (dados da produo diria de leite na explorao pecuria de bovinos) que compem a srie temporal. Fonte [1].

No Quadro 4 apresenta-se o clculo das mdias mveis simples (ou, simplesmente, mdias mveis) considerando diferentes ordens, q, ou seja, o clculo , nas quais os pesos so constantes e unitrios.

Jos Carlos Albuquerque Duarte

17

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

3. MTODOS DE PROJEO ATRAVS DE MODELOS SEM TENDNCIA E SEM SAZONALIDADE.

Quadro 4 Estimativa (ou ajuste) atravs do modelo de mdias mveis simples,

, com diferentes ordens , ou seja, modelo

, srie temporal observada. Fonte [0.1].

Jos Carlos Albuquerque Duarte

18

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

3. MTODOS DE PROJEO ATRAVS DE MODELOS SEM TENDNCIA E SEM SAZONALIDADE.

A representao grfica de cada um dos ajustes atravs do modelo permite tirar concluses prvias sobre qual das mdias mveis calculadas a que melhor se ajusta srie (apresenta o menor erro). O graf apresenta a observada e cada uma das curvas de de ajuste.

Atravs da observao do graf pode-se concluir, com o erro prprio de cada observador, qual a curva de mdias mveis que melhor se ajusta srie temporal observada. Contudo, as medidas de erro abordadas no documento em cima referido, inscrito no ficheiro 2013_EST_4_Vol 6, permitem, de forma analtica, concluir qual dessas curvas de a que representa o melhor ajuste . Entre essas medidas considerem-se, neste exemplo, para tirar essa concluso a mdia dos desvios absolutos, , e a mdia aritmtica dos quadrados dos desvios, , respetivamente, dadas por (18) e (19). O clculo destas medidas est indicado no Quadro 4.

(18)

(19)

3.2. Modelo de Mdias Mveis Ponderadas,

[1]

3.3. Modelo de Suavizao Exponencial Simples,

[1]

Jos Carlos Albuquerque Duarte

19

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

4. MTODOS DE PROJEO PARA MODELOS COM TENDNCIA E SEM SAZONALIDADE.

4. MTODOS DE PROJEO PARA MODELOS COM TENDNCIA E SEM SAZONALIDADE

[1]

4.1. Modelo de Projeo com Mdias Mveis Duplas,

[1]

4.2. Modelo de Projeo por Alisamento Exponencial Duplo de Holt

[1]

Jos Carlos Albuquerque Duarte

20

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

5. MTODOS DE PROJEO PARA SUJEITAS A FENMENOS SAZONAIS E SEM TENDNCIA.

5. MTODOS DE PROJEO PARA SAZONAIS E SEM TENDNCIA

[1]

SUJEITAS A FENMENOS

5.1. Modelo de Projeo com Correo Priori da Sazonalidade

[1]

5.1.1. Modelo de Projeo com Sazonalidade Multiplicativa

[1]

5.1.2. Modelo de Projeo com Sazonalidade Aditiva

[1]

Jos Carlos Albuquerque Duarte

21

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

6. MTODOS DE PROJEO PARA SUJEITAS A FENMENOS DE TENDNCIA E DE SAZONALIDADE.

6. MTODOS DE PROJEO PARA TENDNCIA E DE SAZONALIDADE

[1]

SUJEITAS A FENMENOS DE

6.1. Modelos de Projeo com Suavizao Exponencial de Holt-Winters,

[1]

6.1.1. Modelo Sazonal Multiplicativo de Holt-Winters

[1]

6.1.2. Modelo Sazonal Aditivo de Holt-Winters

[1]

Jos Carlos Albuquerque Duarte

22

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

7. CONCLUSES.

7. CONCLUSES
[1]

Jos Carlos Albuquerque Duarte

23

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

8. REFERNCIAS BIBLIOGRFICAS.

8. REFERNCIAS BIBLIOGRFICAS
N. [1] Referncia http://www.bertolo.pro.br/MetodosQuantitativos/Simulacao/MetodosBasic osDePrevisaoDeSeriesTemporaisNoExcel.pdf Assunto Mtodos Bsicos de Projeo. Data 31/07/2013

MetodosBasicosDePr evisaoDeSeriesTemporaisNoExcel.pdf

[0.1]

Autores

Jos Carlos Albuquerque Duarte

24

ESTATSTICA.

Mtodos Bsicos de Projeo com uso do Excel Vol.7.

ANEXO A1.

Anexo A1 Notas que pretenda fazer sobre o presente documento.

. Em Estatstica quando se trabalha com Populaes utilizam-se letras maisculas para as variveis e quando de trabalha com Amostras utilizam-se letras minsculas para as variveis.

Jos Carlos Albuquerque Duarte

Notas.

A1.1