Programação Linear: Método de Atribuição

Outro tipo de finalidade especial é o programa usado na programação linear. Preocupa-

se em atribuir os postos de trabalho a cada um dos trabalhadores por custos mínimos ou
receitas máximas.

1. O problema da atribuição é o problema de atribuir n trabalhadores a n empregos, de tal

forma que um trabalhador é atribuído a apenas um trabalho. Os trabalhadores
atribuídos a ele e os custos de conclusão de todos os trabalhos serão minimizados.

2. O método de atribuição é o procedimento padrão para resolver o problema de atribuição

com base na tabela de atribuição.

Há três etapas principais a serem seguidas na resolução de um problema de atribuição:

1. Subtraia o menor custo de cada entrada em cada linha. Se cada zero agora pode ser
atribuído em uma correspondência um-para-um com os "trabalhadores", uma solução
opcional é obtida. Caso contrário, vá para a etapa 2.

2. Subtraia o menor custo em cada coluna. Se as entradas zero podem agora ser
distribuídas em cada uma correspondente com os "trabalhadores", uma solução ótima é
obtida ou alcançada. Caso contrário, vá para a etapa 3.

3. Cubra as entradas zero por linhas verticais ou horizontais, usando o menor número
possível de linhas. (Isso pode ser feito cobrindo primeiro a linha ou coluna com mais
números de zeros.) Subtraia o menor custo não coberto de cada custo descoberto, mas
adicione-o à entrada encontrada no cruzamento das linhas. Se uma atribuição já for
possível, uma solução opcional será alcançada. Caso contrário, repita a etapa 3. Uma
atribuição é ideal se o número de linhas for igual ao número de linhas ou ao número de
colunas

Exemplo 1.

Durante o Dia da Fundação, os quatro representantes do Clube da Faculdade BA

participam de diferentes esportes, como caminhada, maratona, natação e corrida. A tabela
abaixo mostra seu desempenho por evento (minutos). Determine quem, entre os
representantes do corpo docente, participará de cada evento.

Walkathon Maratona Natação Executando

Andrea 20 30 25 26
Annika 25 26 27 30
Jazen 35 25 27 30
Louise 30 28 28 20
 Como cada faculdade pode participar de apenas um evento, o método de atribuição é a
maneira mais eficaz de encontrar uma solução ideal.

Solução:

Começamos a reduzir as linhas subtraindo o menor número em cada linha de todos os

números na linha.

Walkathon Maratona Natação Executando

Agora,
Andrea 0 10 reduzimos
5 6
Annika 0 1 2 5
Jazen 10 0 2 5
Louise 10 8 8 0
números na coluna.

Walkathon Maratona Natação Executando

Como
Andrea o número de linhas
0 é igual ao número
10 de linhas e colunas,
3 então já é6o ideal.
Annika 0 1 0 5
Atribuição dos eventos aos docentes:
Jazen 10 0 0 5
Andrea – pode jogar walkathon
Louise 10 8 6 0
Annika – pode jogar walkathon e natação
Jazen – pode jogar maratona e natação
Louise – pode jogar correndo
Decisão final:
Faculdade Eventos Hora
Andrea Walkathon 20
Annika Natação 27
Jazen Maratona 25
Louise Executando 20
Total 92 minutos

Exemplo 2.

A Gayoma Company tem três trabalhos a serem feitos em três máquinas. Cada trabalho
deve ser feito em uma única máquina. O custo de cada máquina é dado na próxima página.
Determine a atribuição de trabalho que minimizará o custo.

Máquinas
Empregos
X Y Z
Um 1400 1600 1800
B 1200 1300 1400
C 1400 1800 1500
 Reduzimos os números fornecidos excluindo dois zeros e, em seguida, a nova tabela.

Tabela 1.

Máquinas
Empregos
X Y Z
Um 14 16 18
B 12 13 14
C 14 18 15

Selecione o menor número entre as linhas fornecidas

Tabela 2.

Máquinas
Empregos
X Y Z
Um 0 2 4
B 0 1 2
C 0 4 1

Agora reduza cada coluna subtraindo o menor número em cada coluna.

Tabela 3.

Máquinas
Empregos
X Y Z
Um 0 1 3
B 0 0 1
C 0 3 0

Como temos três linhas que correspondem ao número de linhas e colunas, então já é o ideal.

Decisão Final:

Empregos Máquinas Custar

Um X ₱1, 400.00
B Y ₱1,300.00
 C Z ₱1,500.00
Total ₱4,200.00

Exemplo 3.

Ex-jogadores da UAAP estão prestes a se juntar à liga mais prestigiada do país, a

Associação de Basquete das Filipinas (PBA). Cinco equipes estão dispostas a adquirir os
serviços dos seguintes jogadores: James Yap, Mark Cadona. Arwind Santos, Ronald Tubid e
Bonbon Custodio.

EQUIPES
Jogadore Burguer Talk N' Alimentos São
s King Texto puros Rei Ginebra Miguel
Bonbon
Custodio
200,000 250,000 175,000 210,000 180,000
Ronald
Tubid
250,000 170,000 200,000 180,000 190,000
Arwind
Santos
150,000 210,000 185,000 165,000 200,000
Marcos
Cardona
160,000 150,000 175,000 180,000 190,000
Tiago Yap 175,000 180,000 150,000 200,000 210,000

A tabela mostra a oferta de salários mensais, incluindo os bônus e outros benefícios.

Determine a resposta ideal em cada equipe para minimizar seus custos.

Solução:

Para tornar a computação muito mais fácil, removemos temporariamente os três zeros.

EQUIPES
Hambúrgue
r Falar Alimentos Ginebra San
Jogadores Rei N' Texto puros Rei Miguel
Bonbon
Custodio 200 250 175 210 180
Ronald 250 170 200 180 190
 Tubid
Arwind
Santos 150 210 185 165 200
Marcos
Cardona 160 150 175 180 190
Tiago
Yap 175 180 150 200 210

*Os resultados após a remoção de três zeros em cada entrada são apresentados na tabela
acima.

EQUIPES
Hambúrgue
r Falar Puro Ginebra San
Jogadores Rei N' Texto Alimentos Rei Miguel
Bonbon
Custodio 25 75 0 35 5
Ronald
Tubid 80 0 30 10 20
Arwind
Santos 0 60 35 15 50
Marcos
Cardona 10 0 25 30 40
Tiago
Yap 25 30 0 50 60

*Os resultados após a subtração da menor entrada em cada linha são mostrados na tabela
acima

Como os zeros não podem ser atribuídos a cada jogador, vá para a próxima etapa.

EQUIPES
Hambúrgue
r Falar Alimentos Ginebra San
Jogadores Rei N' Texto puros Rei Miguel
Bonbon
Custodio 25 75 0 35 0
Ronald
Tubid 80 0 30 10 15
Arwind
Santos 0 60 35 15 45
Marcos
Cardona 10 0 25 30 35
Tiago
Yap 25 30 0 50 55
*Resultados após a subtração da menor entrada em cada coluna (colunas 5 e 6, Ginebra King
e San Miguel, respectivamente).
 EQUIPES
Hambúrgue Falar Ginebra
r N' Texto Alimentos Rei San
Jogadores Rei puros Miguel
0
Bonbon
Custodio
25 75 25 0
Ronald
Tubida 80 0 30 0 15
Arwind
Santos 0 60 35 5 45
Assinalar

Cardona 10 0 25 20 35
Tiago Yap
25 30 0 40 55

Como o número de linhas usadas é igual ao número de linhas e colunas, a atribuição é ideal.

Atribuir as equipas aos jogadores (dando cada zero a cada jogador)

Bonbon Custodio – pode jogar para Purefoods e San Miguel

Ronald Tubid – pode jogar para Talk N' Text e Ginebra King

Arwind Santos – pode jogar para o Burger King

Mark Cardona – pode jogar para Talk N' Text

James Yap – pode jogar para Purefoods

Decisão Final:

Jogadores Equipes Custar

Bonbon Custodio São Miguel ₱180,000.00

Ronald Tubid Rei Ginebra ₱180,000.00

Arwind Santos Burguer King ₱150,000.00

Marcos Cardona Talk N' Texto ₱150,000.00

Tiago Yap Alimentos puros ₱150,000.00

Total ₱810,000.00

*Cobrindo zero entradas com o menor número em linhas verticais e horizontais.

Jogadores EQUIPES
 Burguer Talk N' Alimentos São
King Texto puros Rei Ginebra Miguel
Bonbon
25
Custodio
75 0 25 0
Ronald
Tubida 80 0 30 0 15
Arwind
Santos 0
60 35 5 45
Marcos
Cardona 10 0 25 20 35
Tiago
Yap 25 30 0 40 55

NOME: __________________________________________DATE:_______

SEÇÃO/HORA/DIA:_________________________ROOM:_____________RATING________
 Exercício 14

1. A Universidade do Leste solicita cinco agentes de segurança para serem alocados em cinco
edifícios. O custo diário de cada funcionário em cada edifício é indicado abaixo. Determinar a
melhor alocação de oficiais para vários edifícios de modo a minimizar o custo.

EDIFÍCIOS

ACA Engenharia BA Belas artes TYK

1. 300 250 330 270 360
2. 400 350 250 280 290
3. 360 400 370 300 350
4. 280 250 270 280 310
5. 350 380 370 300 320

2. A agência Doggy tem três cães policiais para serem alocados em três departamentos
diferentes armazenados. O custo de cada cão em cada departamento é dado abaixo

Cães Isetan Mostrar Mart Robinsons

1 200 350 270

2 300 250 150

3 400 350 270

Determine o custo ideal de cada cão por departamento.

3. Encontre o menor custo de atribuição

Máquinas Um B C D
 J 1 300 500 700 900
O 2 300 700 500 700
B 3 900 600 300 300
S 4 800 900 500 500

4. Jacqueline e Vilma são parceiras de negócios. Eles decidiram contratar quatro contadores
para serem designados para auditar seus negócios. A tabela a seguir mostra o custo por
contadores. Determine a melhor alocação para cada contador.

Contabilistas 1 2 3 4

B Um 14,000 12,000 13,000 15,000

U B 16,000 10,000 12,000 14,000

S C 13,000 16,000 15,000 11,000

S D 12,000 13,000 14,000 11,000

5. Ex-jogadores da PBL estão prestes a ingressar na liga mais prestigiada do país, a

Associação de Basquete das Filipinas (PBA). Quatro equipes estão dispostas a adquirir os
serviços dos seguintes jogadores: James Yap, Rich Alvarez, Paul Artadi e Ronald Tubid. A
tabela abaixo mostra os salários mensais desejados, excluindo os bônus e outros benefícios.
Determine a resposta ideal para cada equipe para minimizar seu custo.

Yap Alvarez Artadi Tubida

Red Bull ₱150,000 ₱155,000 ₱145,000 ₱165,000

Alimentos puros ₱165,000 ₱160,000 ₱155,000 ₱175,000

FedEx ₱150,000 ₱155,000 ₱165,000 ₱160,000

Talk N' Texto ₱160,000 ₱155,000 ₱165,000 ₱150,000

6. Determinar a alocação ideal das equipes de gerenciamento para os quatro projetos

PROJETOS

W X Y Z
1. 3,800 2,800 2,400 3,600
2. 2,000 2,400 3,000 2,000
3. 3,200 1,800 2,200 2,800
4. 4,000 3,200 2,600 3,400

7. A pista de Fast Food decidiu adquirir os serviços de quatro estudantes a tempo parcial para
trabalharem como equipa de serviço. Eles foram submetidos a um teste de velocidade. A tabela
abaixo indica seus desempenhos por faixa. Determine a melhor alocação para cada tripulação.
 Faixa 1 Faixa 2 Faixa 3 Faixa 4
Tripulação 1 15 18 20 16

Tripulação 2 18 17 14 20
Tripulação 3 21 20 13 15

Tripulação 4 17 15 18 19

8. Serão alocados cinco trabalhadores da Denzel Engenharia Obras, um para cada uma a
cinco máquinas. Encontre o custo de alocação da variável para os cinco trabalhadores.

TRABALHADORES

Máquinas Um B C D E
1 74 52 66 64 90
2 50 44 78 68 48
3 62 70 52 56 72
4 84 36 56 80 46
5 58 38 76 54 84

9. Os alunos do Ensino Médio V. Mapa estão prestes a participar do Quiz Anual Abelha a ser
realizado no PICC. O quiz é composto por quatro disciplinas, como Matemática, Ciências,
Inglês e Física. A tabela abaixo mostra seus erros por assunto na fase classificatória.
Determine quem entre os alunos representará no quiz abelha.
 Estudante 1 Estudante 2 Estudante 3 Estudante 4
Matemática 5 3 5 2
Ciência 1 6 3 4
Inglês 4 2 3 1
Física 2 3 4 1

10. Miling e Luming Os empreiteiros precisam de três carpinteiros para serem designados para
três projetos. Determine a melhor alocação de cada carpinteiro.

Carpinteiros Um B C
1 80 90 54
2 54 108 30
3 46 104 48

11. Três pesquisadores regulares da Mic-Mic Marketing Research são obrigados a enviar seus
tempos (dias) de Conclusão Estimada do Projeto (EPC) para três clientes. A tabela abaixo
mostra sua EPC. Determinar a melhor alocação para três pesquisadores.

Clientes

Empregados 1 2 3
 Denzel 20 30 18

Rino 18 36 10

Alvin 12 28 6

Modelo de Transporte e Atribuição

ESTUDO DE CASO

CORPORAÇÃO NHOLRAM-BONG
 A Nholram-Bong Corporation é um fabricante e distribuidor de câmeras de CFTV. Sua
câmera CCTV é distribuída por todas as Filipinas e tem uma alta demanda no mercado nos
últimos sete (7) anos. A Corporação opera três (3) plantas que fabricam as câmeras de CFTV e
são distribuídas para cinco (5) armazéns.

No ano passado, a Corporação Nholram-Bong experimentou uma grande queda na

demanda das câmeras de CFTV devido à alta inflação. O supervisor de vendas da Nholram-
Bong Corporation previu que a demanda por câmeras de CFTV permanecerá baixa pelos
próximos cinco (5) anos. A corporação estuda fechar uma de suas fábricas, já que atualmente
tem capacidade excedente de 68 mil unidades por semana. As demandas semanais previstas
para o próximo ano são as seguintes:

Armazém 1 18.000 unidades

Armazém 2 26.000 unidades

Armazém 3 22.000 unidades

Armazém 4 30.000 unidades

Armazém 5 16.000 unidades

A Tabela 4.1 mostra os custos de produção de cada planta, os custos variáveis durante o
tempo normal e as horas extras e os custos fixos durante a operação e a não operação

Tabela 4.1

CORPORAÇÃO NHOLRAM-BONG

Custos Variáveis e Custos Fixos de Produção por Semana

Custo fixo por semana

Multinaciona
Planta
Custo Variável l Não operacional
Planta 1 Horário regular ₱5.600 / unidade ₱28,000 ₱12,000
Planta 1 Horas extras 7.040 / unidade
Planta 2 Horário regular 5.560 / unidade 24,000 10,000
Planta 2 Horas extras 6.960 / unidade
Planta 3 Horário regular 5.440 / unidade 30,000 15,000
Planta 3 Horas extras 6840 / unidade

A Tabela 4.2 mostra os custos de distribuição de cada planta para cada armazém.

Tabela 4.2
 CORPORAÇÃO NHOLRAM-BONG

Custo de Distribuição por Unidade

Centro de Distribuição

Da Fábrica W1 W2 W3 W4 W5

1 ₱2,000 1,760 1,960 1,840 2,240

2 ₱1,600 2,080 2,000 2,240 2,280

3 ₱2,240 2,120 2,040 2,160 1,400

As capacidades da planta em unidades por semana

Unidade 1 Horário Regular 54.000 unidades
Unidade 1 Horas extraordinárias 14000 unidades
Unidade 2 Horário Regular 40.000 unidades
Unidade 2 Horas extraordinárias 10.000 unidades
Unidade 3 Horário Regular 50.000 unidades
Unidade 3 Horas extraordinárias 12.000 unidades

Se a Nholram-Bong derrubar qualquer uma de suas fábricas, seus custos semanais

mudarão à medida que os custos fixos diminuem devido à não operação.

Perguntas para discussão

1. Avaliar as diversas condições que atenderão a demanda semanal de plantas em

operação e não operacionais. Determine qual condição minimizará os custos.

2. Discutir a implementação se a Nholram-Bong Corporation fechar qualquer uma de

suas fábricas. Será vantajoso para a Corporação?

Capítulo 5
Previsão
Termos-chave:
 Previsão
Método qualitativo
Método Quantitativo
Método Delphi
Júri de Opinião Executiva
Força de Vendas Composta
Pesquisa de Mercado de Consumo
Série temporal
Método de séries temporais
Tendência
Sazonalidade
Ciclos ou componentes cíclicos
Variações Aleatórias/Componentes Irregulares
Método de alisamento
Constante de alisamento
Médias Móveis Ponderadas
Alisamento exponencial
Projeções de Tendência
Desvio Absoluto Médio (DMA)
Erro quadrático médio (MSE)
Erro percentual absoluto médio (MAPE)
Previsão de linha de tendência

Objetivos de aprendizagem

Ao final do capítulo, espera-se que os alunos:

1. Defina a previsão
2. Conheça a importância da previsão na comunidade empresarial
3. Identificar os diferentes tipos de método de previsão

4. Diferenciar o método qualitativo de previsão do método quantitativo

5. Determinar os diferentes tipos/componentes de previsão
6. Descreva as características da previsão de julgamento
 7. Previsão usando média simples, médias móveis ponderadas e exponenciais
Suavização

8. Calcular erros na previsão

9. Gráfico de diferentes métodos de previsão

10. Relacione o histórico de outros assuntos como Gestão, Marketing,

e Estatística para previsão

11. Resolva problemas de previsão usando o computador

Introdução

Em negócios de qualquer área, antecipar as necessidades de seus clientes e atender a

essas necessidades, definitivamente significa sucesso. Uma boa equipe de gestão usa dados
passados e presentes, analisa a tendência da situação atual e ainda confia no "instinto" sobre o
que provavelmente acontecerá no futuro. As decisões são tomadas todos os dias, e elaborar o
melhor plano estratégico de ação no futuro é uma ferramenta essencial. Consequentemente, os
gestores tentam minimizar a "incerteza" do futuro na previsão. Uma previsão significa
simplesmente uma previsão do que provavelmente acontecerá no futuro. Converter a previsão
em números e dados concretos é o principal objetivo da previsão.

Neste capítulo, vários tipos de técnicas de previsão devem ser discutidos. Vale ressaltar
que, os gestores aceitam o fato de que, independentemente da técnica utilizada, não há
previsão perfeita. Há, no entanto, oito passos básicos a serem seguidos na previsão. São eles:

1. Estabeleça os objetivos da previsão pretendida.

2. Escolha os itens/quantidades a serem previstos.

3. Determine o período de tempo para a previsão.

4. Decida sobre a técnica de previsão.

5. Reúna os dados necessários.

6. Utilize o método de previsão.

7. Faça a previsão.

8. Aplique o resultado da previsão.

Estas etapas resumem o procedimento geral da seguinte forma:

O que é previsão?
É o processo de eliminação em situações desconhecidas. A previsão é semelhante,
mas em um termo mais geral.
 A previsão de negócios é uma estimativa ou previsão do desenvolvimento futuro em
negócios, como vendas, despesas, receitas, receitas e lucros. É considerado um dos aspectos
mais importantes do planejamento societário.
A previsão de demanda é uma previsão que projeta as vendas da empresa.
Classificação das Previsões
Existem duas classificações de métodos de previsão: Qualitativa e Quantitativa.

MÉTODOS DE PREVISÃO

Previsão

Métodos

Método Quantitativo Método Qualitativo

Série temporal Método Causal Método Delphi

Movente Júri de
Médias
Regressão Opinião Executiva

Análise

Exponencial Força de Vendas

Suavização Regressão Múltipla Composto

Tendência Consumidor

Projeções Pesquisa de
Mercado

Previsão Qualitativa
Esse tipo de método de previsão é baseado em julgamentos ou opiniões e é de
natureza subjetiva. Não depende de cálculos matemáticos.
Tipos de Métodos Qualitativos
Método Delphi
Uma das previsões qualitativas mais utilizadas é o Método Delphi. Aqui, um grupo de
especialistas separados uns dos outros faz uma previsão. Em sua aplicação habitual, eles são
solicitados a responder questionário. Esses grupos são chamados de "respondentes". A
resposta e outros dados são coletados, coletados, resumidos pelo pessoal da equipe e são
entregues a outro grupo, os tomadores de decisão ou os meteorologistas. É importante
ressaltar que o princípio do Método Delphi é que, as respostas dos primeiros questionários são
utilizadas e consideradas na elaboração do segundo conjunto de questionários. As respostas
são coletadas, e o processo é repetido até que se chegue a um consenso do grupo.

Júri de Opinião Executiva

Júri de Opinião Executiva é um método de previsão que é recomendado quando uma
situação não é susceptível de se repetir. Trata-se de uma previsão qualitativa que se baseia
num julgamento de um único perito ou num consenso do grupo de peritos.

Força de Vendas Composta

Nesse método, um vendedor prevê suas vendas em sua área com base no
desempenho e na tendência anteriores. Esta previsão é revista para ter a certeza de que é
realista e atingível.

Pesquisa de Mercado de Consumo

Este método reúne informações, dados de clientes e potenciais clientes sobre suas
necessidades futuras e compras pretendidas, melhorando assim os detalhes de previsão e
design de produtos.

Previsão Quantitativa (Métodos Projetivos)

Este tipo de método de previsão baseia-se em modelos quantitativos e é de natureza
objetiva. Depende muito de cálculos matemáticos.

Tipos de Método Quantitativo

Métodos de séries temporais
Trata-se de uma tentativa de prever o futuro por meio de dados históricos e de um
conjunto de observações ordenadas sobre uma característica quantitativa de um evento em
posições temporais igualmente espaçadas.

Componentes de uma série temporal

O padrão ou comportamento dos dados em uma série temporal tem vários
componentes. Uma série temporal normalmente tem quatro componentes separados:
Tendência (T), Sazonalidade (S), Ciclos ou Componentes Cíclicos e Variações Aleatórias
(R)/Componentes Irregulares.
 1º. Tendência (T) – o deslocamento gradual (movimento ascendente ou descendente) da série
temporal. A mudança ou tendência é frequentemente o resultado de fatores de longo prazo,
tais como:

mudanças na comunidade, características demográficas da população, tecnologia e

preferências do consumidor.
1200

1000

800
Series (100000)

600

400

200

0
0 1 2 3 4 5 6
Year

Figura 5.1
Tendência linear das vendas de DVD

A figura 5.1 mostra uma linha reta que pode ser uma boa aproximação da tendência nas
vendas de DVD. Quando uma série temporal consiste em flutuação aleatória em torno de uma
linha de tendência de longo prazo, uma equação linear pode ser usada para estimar a
tendência. Isso é mostrado na Figura 5.2

Volume Volume Volume

Hora Hora Hora

Figura 5.2
Exemplos de alguns possíveis padrões de tendência de séries temporais
2. Sazonalidade (S) – é um padrão de flutuação da demanda acima ou abaixo da linha de
tendência que ocorre a cada ano. Este é o componente da série temporal que representa a
variabilidade dos dados devido a influências sazonais.

3. Ciclos ou Componentes Cíclicos – qualquer sequência recorrente de pontos acima e abaixo

da linha de tendência com duração superior a um ano. Estes estão geralmente ligados ao ciclo
económico.

Linha de tendência

Hora
Figura 5.3
Tendência e componentes cíclicos de uma série temporal
4. Variações Aleatórias (R) – "blips" nos dados causados pelo acaso e situações incomuns e não seguem
padrão discernível.

Em estatística, existem duas formas gerais de modelos de séries temporais.

um. Modelo de multiplicação – assume que a demanda é o produto dos quatro componentes.
Demanda = T x S x C x R
b. Modelo Aditivo – adiciona os componentes juntos para fornecer uma estimativa.
Demanda = T + S + C + R

Se no caso de não sabermos o valor de C e R, a previsão passa a ser:

F = T + S (Modelo Aditivo)
E F = T x S (Modelo de Multiplicação)

Picos sazonais Componente Tendência

Demanda média ao longo de 4 anos

Demanda real
 Figura 5.4
Séries Temporais e Seus Componentes

Método de suavização

Mais três métodos de previsão serão discutidos nesta seção. Esses métodos são
médias móveis, médias móveis ponderadas e suavização exponencial. Esses métodos
"suavizam" flutuações aleatórias causadas por componentes irregulares da série temporal. Eles
são mais bem usados para séries temporais estáveis onde nenhum movimento na tendência é
esperado.

Método ingênuo

A previsão ingênua é a técnica mais simples. Ele simplesmente usa a demanda real
para o período passado como a demanda prevista para o próximo período. Isso faz com que a
teoria de que o passado se repetirá. Assume também que quaisquer componentes da série
temporal (tendência, sazonalidade ou ciclos) se refletem na procura do período anterior ou não
existem.

Um exemplo de previsão ingénua é ilustrado no quadro 5.1

Tabela 5.1
Previsão ingênua
Período Procura Previsão
1 35
2 40 35
3 55 40
4 65 55
5 60 65

Observe que a demanda no Período 1 foi de 35, a previsão ingênua para o próximo
período é de 35.

Médias Móveis

Eles usam a média dos n valores de dados mais recentes na previsão da série temporal
para o próximo período.

Fórmula
 ❑

Média
∑
❑
( most recent n data values )
móvel (Tabela 5.1)
¿
n

Onde n é o número de período na média móvel.

Exemplo:

Calcular para uma média móvel de quatro meses usando os dados fornecidos na
Tabela 5.2

Previsão média de quatro meses

Mês Demanda Real Previsão
Janeiro 21
Fevereiro 25
Março 29
Abril 21
21+ 25+29+21
=24
Maio 25 4
25+29+21+25
=25
Junho 20 4
29+21+25+20
=24
Julho 18 4
21+ 25+20+18
=21
Agosto 21 4
25+20+18+21
=21
Setembro 20 4
20+18+21+20
=20
Outubro 19 4
18+21+20+19
=20
Novembro 18 4
21+ 20+19+18
=20
Dezembro 15 4

Médias Móveis Ponderadas

Este é um método de suavização que usa uma média ponderada dos n dados
recentes como previsão.
Fórmula:
❑
∑
❑
( weight for period n ) (demand∈ period n)
Média Móvel Ponderada = ❑ (Tabela 5.2)
∑
❑
weights

Onde n é o número de período na média móvel ponderada.

Exemplo 1.
Calcular para uma média móvel ponderada de três meses (Tabela 5.3)
Previsão de média móvel ponderada de três meses
Média móvel ponderada de três
Mês Procura meses
Janeiro 21
Fevereiro 25
Março 29
⦋ ( 29 × 3 ) + ( 25 ×2 ) +21 ⦌
=26
Abril 21 6
⦋ ( 21 ×3 )+ ( 29× 2 ) +25 ⦌
=24
Maio 25 6
⦋ ( 25 × 3 ) + ( 21× 2 ) +29 ⦌
=24
Junho 20 6
⦋ ( 20 × 3 ) + ( 25 ×2 ) +21 ⦌
=22
Julho 18 6
⦋ ( 18 ×3 )+ ( 20 ×2 ) +25 ⦌
=20
Agosto 21 6
⦋ ( 21 ×3 )+ (18 × 2 ) +20 ⦌
=20
Setembro 20 6
⦋ ( 20 × 3 ) + ( 21× 2 ) +18 ⦌
=20
Outubro 19 6
⦋ ( 19 ×3 )+ ( 20× 2 ) +21 ⦌
=20
Novembro 18 6
⦋ ( 18 ×3 )+ ( 19× 2 ) +20 ⦌
=19
Dezembro 15 6

Exemplo 2.
Calcular uma previsão de média móvel ponderada de quatro períodos a partir da Tabela
5.4
Previsão de média móvel ponderada de quatro períodos
Período Previsão Média móvel ponderada de três meses
1 21
 2 25
3 29
4 21
⦋ ( 21 ×3 )+ ( 29× 2 ) +25 ⦌
=24
5 25 6
6 75 ⦋ ( 29 × 3 ) + ( 25 ×2 ) +21 ⦌
=26
6

Alisamento exponencial

Este é um método de previsão que é uma combinação da última previsão e do último

valor observado. Ele usa uma média ponderada do valor da série temporal passada como
previsão e baseia-se na ideia de que, à medida que os dados envelhecem, eles se tornam
menos relevantes e devem receber menos peso.

Fórmula:

Nova previsão = Previsão do último período

+ ɑ (demanda real do último período – previsão do último período)

Matematicamente:

F t= F t−1 + ɑ ( At −1- F t−1) (6.3)

Onde:

F t = nova previsão

F t−1 = previsão anterior

ɑ = constante de suavização que tem um valor entre 0 e 1 (a letra grega ɑ é

pronunciada 'alfa'
At −1 = demanda real do período anterior

Exemplo 1.

Em janeiro, uma demanda por 200 unidades do Toyota modelo "Vios" para fevereiro foi
prevista por uma concessionária de automóveis. A demanda real de fevereiro foi de 250 carros.
Prever a demanda de março usando uma constante de suavização de ɑ = 0,30.

Nova previsão (demanda de março) = 200 + 0,30(250 – 200)

= 200 + 0.30(50)
= 200 + 15
= 215 carros
Portanto, a previsão de demanda para o Toyota "Vios" em março é de 215.
Exemplo 2.

Use suavização exponencial para calcular uma série de previsões com constante de
suavização de:

a. ɑ = 0,20;
b. ɑ = 0,50; e
c. plotar os dados reais e ambos os conjuntos em um único gráfico

Tabela 5.5
Período Procura
1 20
2 35
3 46
4 40
5 50
6 55
7 45
8

 Erro de Previsão = Demanda Real – Previsão

 O erro de previsão nos diz quão bem os métodos são executados contra si mesmos
usando dados passados.

Solução:

a. ɑ = 0,20
Tabela 5.6
Período Demanda Real Previsão Erro
1 20 -
2 35 20 15
3 46 23 23
4 40 27.60 13.60
5 50 30.08 19.92
6 55 34.06 20.94
7 45 38.35 6.75
8 39.60

F 3 = 20 = 0.20(35 - 20)
F 3 = 23

F 4 = 23 + 0.20(46 – 23); F 5 = 27.60 + 0.20(40 - 27.60)

F 4 = 27.60 F 5 = 30.08

F 6 = 30.08 + 0.20(50 – 30.08) F 7 = 34.06 + 0.20(55 – 34.06)

F 6 = 34.06 F 7 = 38.25

F 8 = 38.25 + 0.20(45 – 38.25)

F 8 = 39.60
b. ɑ = 0,50
Tabela 5.7
Período Demanda Real Previsão Erro
1 20 -
2 35 20 15
3 46 23 23
4 40 27.50 13.60
5 50 30.08 19.92
6 55 34.06 20.94
7 45 38.35 6.75
8 39.60

F 3 = 20 + 0.50(35 – 20); F 4 = 27.50 + 0.50(46 – 27.50)

F 3 = 20 + 7.5 F 4 = 27.50 + 9.25
F 3 = 27.50 F 4 = 36.75

F 5 = 36.75 + 0.50(40 – 36.75); F 6 = 38.38 + 0.50(50 – 38.38)

F 5 = 36.75 + 1.625 F 6 = 38.38 + 5.81
F 5 = 38.38 F 6 = 44.19

F 7 = 44.19 + 0.50(55 – 44.19) F 8 = 49.59 + 0.50(45 – 49.59)

F 7 = 44.19 + 5.405 F 8 = 49.59 – 2.295
F 7 = 49.59 F 8 = 47.30

c. Gráfico de ɑ = 0,20 e ɑ = 0,50

Gráfico de 0,20
 60

50

40

30

20

10

0
1 2 3 4 5 6

Demanda Real ɑ = 0.020

Demanda Real ɑ = 0.50 Gráfico de 0,50
60

50

40

30

20

10

0
1 2 3 4 5 6

 Outros métodos para determinar ou medir a precisão do erro de previsão são MAD,
MSE, MAPE e BIAS.

O Desvio Absoluto Médio (DMA) é uma técnica para determinar a precisão de um modelo
de previsão, tomando a média do valor absoluto.

( Forecast errors )
MAD = (6,4)
n

Exemplo 1.

Calcule a MAD a partir das Tabelas 5.6 e 5.7.

Tabela 5.8
 Período Procura Erro em ɑ = 0,20 Erro em ɑ = 0,50
1 20
2 35 15 15
3 46 23 18.50
4 40 13.60 3.25
5 50 19.92 11.62
6 55 20.94 10.81
7 45 6.75 -4.59
8
99.21 63.77
MAD = (16,54) MAD = (10,63)
6 6

 Com base no cálculo, a MAD de ɑ = 0,20 é maior que a MAD de ɑ = 0,50. Assim, o ɑ =
0,50 é preferido porque sua MAD é menor.

O Erro Quadrático Médio (MSE) é uma técnica para determinar a precisão de um modelo
de previsão, tomando a média dos termos de erro quadrático para um método de previsão.

( Forecasting Error )2
EPM = (6,5)
n
Exemplo 2.

Use a Tabela 5.8 para resolver para MSE em ɑ = 0,20 e ɑ = 0,50

Solução:
a) ɑ = 0.20
Tabela 5.9
Período Procura Erro de previsão Erro de previsão quadrado
em ɑ = 0,50
1 20
2 35 15 225
3 46 23 342.25
4 40 13.60 10.56
5 50 19.92 135.02
6 55 20.94 116.86
7 45 6.75 21.07
8
850
EPM = = 141,79
6

b) ɑ = 0.50
Tabela 5.10
Período Procura Erro de previsão Erro de previsão quadrado
em ɑ = 0,20
1 20
 2 35 15 225
3 46 23 529
4 40 13.60 184.96
5 50 19.92 396.81
6 55 20.94 438.48
7 45 6.75 45.56
8
1819.81
EPM = = 303,30
6

Com base no cálculo, o EPM de ɑ = 0,20 é maior que o EPM de ɑ = 0,50. Assim, o ɑ =
0,50 é preferido porque seu EPM é menor.

O Erro Percentual Absoluto Médio (MAPE) é uma técnica para determinar a precisão
de um método de previsão, tomando a média dos erros absolutos como uma porcentagem do
valor observado

O BIAS é um componente do erro total calculado da previsão. Ele diz se a previsão é

muito baixa ou muito alta, e por quanto. Com efeito, ele fornece o erro total e sua direção.

 Erro (%) = I[(Demanda Real – Previsão)I / Demanda Real]

*O valor absoluto de 100% deve ser considerado porque a magnitude do erro é mais
importante do que a direção.
 O erro de previsão pode ser maior do que o real ou previsto, mas não ambos.
 Erro acima de 100% implica uma precisão de previsão zero ou uma previsão muito
imprecisa.
 Acurácia (%) = 1 – Erro (%)

MAPE =
∑ of Absolute Error (6,6)
∑ of Actual
Matematicamente;
❑
∑
❑
∑ of Absolute Error
MAPE = ❑ (6,7)
∑ ( Actual)
❑

Precisão absoluta = máxima (0, 1 – MAPE) (6.8)

Exemplo 1.
 Resolva para MAPE, Precisão Absoluta e Precisão Aritmética.

Tabela 5.11
Erro Precisã Precisã
de Erro Erro o o
Perío Previs previs absolu percentu absolut aritméti
do Real ão ão to al a ca
um b c d e f g h

Fórmula b - c abs(d) e/b 1-f b/c

1 50 45 5 5 10% 90% 111%
2 55 70 -15 15 27% 73% 79%
3 60 60 0 0 0% 100%
4 50 75 -25 25 50% 50% 67%
5 60 80 -20 20 33% 67% 75%
Total 275 330 -55 65 24% 76% 83%

❑
∑
❑
( Absolute Error)
Erro percentual = ❑
∑
❑
( Actual)

65
= x 100%
275

= 24%
❑
∑
❑
( Absolute Error)
MAPA = ❑
∑
❑
Actual x 100 %

65
= x 100%
275

= 24%

Precisão Absoluta = Máxima (0, 1 – MAPE)

= (100 – 24) X 100%

= 76%

Previsão de linha de tendência

Essa técnica ajusta uma linha de tendência a uma série de pontos de dados históricos
e, em seguida, projeta a linha no futuro para previsão de médio a longo prazo (nos
concentramos apenas em tendências de linha reta). O método estatístico comum a ser usado é
conhecido como Método dos Mínimos Quadrados.

O Método dos Mínimos Quadrados localiza uma linha reta que minimiza a soma das
diferenças verticais da linha para cada um dos pontos de dados.

A equação de tendência linear:

T 1 = a + bt x (6,9)

Onde:
T t = valor calculado da variável a ser prevista (variável dependente)
a = intercepto da linha de tendência (intercepto do eixo Y)
b = inclinação da linha de tendência
t x = variável independente
A fórmula na computação a e b é:
❑
∑
❑
ty−nty
b= ❑ (6,10)
∑
❑
2
t −nt 2

∑ = Sinal de soma para n pontos de dados

t = Valores das variáveis independentes
Y = Valores das variáveis dependentes
T = Média dos valores dos X's
Ῡ = Média dos valores dos Y's
n = número de pontos de dados ou observações
a = Ῡ - bt (6.11)

Exemplo:

Dado DVD Vendas de BETGAR Marketing

um. Determinar a previsão de vendas para 2010 e 2011

b. Traçar uma série temporal e comentar sobre a adequação de uma tendência linear.
Tabela 5.12
Série Temporal de Vendas de DVD
Vendas (Unidade)
Ano (1,000)
2001 3
2002 4.5
2003 4.8
2004 3.7
2005 4.6
2006 5
 2007 4
2008 5
2009 6

 Podemos minimizar os cálculos transformando o valor de X tempo em números mais

simples. Portanto, podemos designar 2001 como ano 1, 2002 como ano 2, 2003 como
ano 3 e assim por diante. Isto é mostrado no quadro 5.13
Tabela 5.13 t
2

Vendas (1.000)
Período Y
Ano t Ty
2001 1 3 1 3
2002 2 4.5 4 9
2003 3 4.8 9 14.4
2004 4 3.7 16 14.8
2005 5 4.6 25 23
2006 6 5 36 30
2007 7 4 49 28
2008 8 5 64 40
2009 9 6 81 54
2
∑t = 45 ∑Y = 40,6 ∑t = 285 ∑ = 216,20

45 ∑ t ∑ Y 40.60
t== = 5; Y=== 4,51
9 n n 9

A partir da fórmula (6.10), agora podemos resolver b.

[ ( 216.20 )−9 (5 )( 4.51 ) ]

b=
[ ( 285−9 ( 5 )2 ) ]

13.25
b== 0,22
60

Da Fórmula (6.11)
a = 4,51 – 0,22(5) = 3,41

Como já resolvemos as variáveis correspondentes para a equação de tendência, a nova

equação é T 1 = 3,41 + 0,22t.
Podemos agora estimar a procura para 2009 em t = 10
Previsão de vendas para 2010

T x = 10
T t = 3.41 + 022(10)
 T 1 0 = 3.41 + 2.2
T 1 0 = 5.61

Assim, os componentes de tendência rendem uma previsão de vendas de 5,61, já que

as unidades estão em 1.000. Assim, a demanda estimada para 2009 é de 5.610 unidades de
DVD.

Previsão de vendas para 2011:

t = 11
T 11 = 3.41 + 0.22(11)

T 11 = 3.41 + 2.42
T 11 = 5.83
Assim, a previsão de vendas estimada para 2010 é de 5.830 unidades de DVD.

4
Sales

0
1 2 3 4 5 6 7 8 9
Period

VENDAS DE DVD

Métodos casuais de previsão

Esses métodos de previsão baseiam-se no pressuposto de que a variável que estamos

tentando prever exibe uma relação de causa e efeito com uma ou mais variáveis.

Análise de Regressão

É uma técnica estatística utilizada para desenvolver uma equação matemática

mostrando como as variáveis estão relacionadas. É um procedimento de previsão que usa a
abordagem de mínimos quadrados em uma ou mais variáveis independentes para desenvolver
um método de previsão.
 Fórmula:

Ŷ = valor da variável dependente

a = intercepto do eixo Y

b = escopo da linha de regressão

X = variável independente

A variável dependente Ŷ é o item que estamos tentando prever, enquanto a variável

independente (X) é um item que pode ter um efeito casual sobre a variável dependente.

∑ XY −nXY
b=;a= 2 2 Ŷ – bX
∑ X −n X

Exemplo:

Dumlao Construction Firm renova casas em Marilao, Bulacan. Ao longo do tempo, a

empresa descobriu que seu trabalho de renovação de volume de peso é dependente do
trabalho é dependente na folha de pagamento da área de Marilao/Bulacan. Os dados para a
receita de Dumlao e a quantidade de dinheiro ganho pelos assalariados em Marilao, Bulacan
nos últimos 5 anos são mostrados abaixo:

Dumlao Vendas de Construção:

Y X
Vendas Dumlao Folha de pagamentos
(₱100,000) (₱1,000,000)

3.0 2
2.0 3
3.5 2
2.0 5
3.0 4

Utilizar a análise de regressão de mínimos quadrados para estabelecer o método estatístico.

Venda Folha de 2 XY
X
 Y pagamentos
X
3.0 2 4 6.0
2.0 3 9 6.0
3.5 6 36 21.0
3.5 5 25 17.5
3.0 4 16 12.0
∑Y = 15 ∑X = 20 2 ∑XY = 62,5
∑X

20 ∑ X
X== = 4
5 5

∑ Y 15
Y=== 3
5 5

∑ XY −nXY 62.5−5(4)(3) 2.5

b== 2 = = 0,25
2
∑ X −n X 90−5 (4)2 10

a = Y = bX = 3 – 0,25(4) = 2

A equação de regressão estimada assim:

Ŷ =2 + 0,25X

ou

Vendas = 2 + 0,25 (Folha de pagamento)

Se a Dumlao Construction deseja ter uma folha de pagamento de cinco milhões (₱5,5M)
no próximo ano, uma estimativa de vendas para a Dumlao Construction é:

Vendas (₱100.000) = 2 + 0,25 (folha de pagamento)

= 2 + 0.25(5.5)

= 2 + 1.375

= 3.375

Venda = ₱337, 500.00

NOME: __________________________________________DATE:_______

SEÇÃO/HORA/DIA:_________________________ROOM:_____________RATING________

Exercício 15

1. Use métodos quantitativos para os dados mostrados abaixo:

Período 1 2 3 4 5 6 7
Observação 24 34 36 37 41 44 45

um. Computação para:

eu. Método ingênuo

Ii. Média móvel de três períodos

Iii. Média móvel ponderada de três períodos

Iv. Média móvel de quatro períodos

v. Média Móvel Ponderada de Quatro Períodos

b. Desenhe a série temporal original e comente sobre a adequação de uma tendência linear.
2 . Suponha que a Universidade do Oeste tivesse os seguintes dados de seu crescimento de
matrículas de 2016 a 2014.

Ano Inscrição
2006 3000
2007 3200
2008 3600
2009 3650
2010 4000
2011 4200
2012 4300
2013 4410
2014 4520
um. Prever a matrícula de 2015 usando a previsão de média móvel ponderada de três anos.

b. Usando suave ɑ = 0,30, previsão da matrícula de 2015.

c. Usando MAD, resolva o erro de previsão em ɑ = 0,10

d. Use a média móvel ponderada de quatro anos de 2006-2015

3. Para a temporada 2013-2014 da Associação de Basquete das Filipinas (PBA), San Mig
James Yap foi o líder de pontuação com uma média de 33 pontos por jogo. Os dados a seguir
mostram a média de pontos por jogo para o líder de pontuação da temporada 2008-2009 para
a temporada 2013-2014.

Estação Média
2008-2009 25
2009-2010 35
2010-2011 29
2011-2012 34
2012-2013 35
2013-2014 33

um. Use a suavização exponencial para prever essa série temporal. Considere a constante de
suavização de ɑ = 0,20 e ɑ = 0,30. Qual o valor da constante de suavização fornece a melhor
previsão/

b. Qual a previsão da maior média de gols para a temporada 2014-2015?

c. Gráfico da previsão em ɑ = 0. 30º.

4 . Preencha a parte vaga na tabela. Alguns dados já são dados da seguinte forma:

Média móvel
Venda Quatro semanas ponderada de quatro
Semana (₱1,000) Média móvel semanas
1 23
2 36
3 45
4 46 - -
5 55 - -
6 64 - -
7 55 - -
8 58 - -
9 66 - -
10 65 - -
11 48 - -
12 67 - -
13 58
14 68
5. Use suavização exponencial com ɑ entre 0,10 e 0,30 para obter a previsão um período à
frente para a série temporal seguinte.

Use o valor inicial para F 1 = 200 e identifique qual valor de ɑ é o melhor.

Período Procura Previsão

1 250 200
2 265 -
3 300 -
4 350 -
5 250 -
6 350 -
7 265 -
8 390 -
9 350 -
10 400 -
11 470 -
6. Os contratos de construção da ANVICOROSE por um período de 12 meses são (em
milhões de pesos) mostrados abaixo:

1 2 3 4 5 6 7 8 9 10 11 12
35 27 37 41 45 38 44 42 39 43 39 40
milhõ milhõ milhõ milhõ milhõ milhõ milhõ milhõ milhõ milhõ milhõ milhõ
es es es es es es es es es es es es

a. Compare uma previsão de média móvel de quatro meses com uma previsão de
suavização exponencial usando ɑ = 0,30. Qual dos dois fornece melhores previsões?
b. Qual a previsão para o próximo mês?
c. Plote os dados originais e a média móvel de quatro meses no mesmo gráfico.
d. Plote os dados originais e a previsão de suavização no mesmo gráfico.
e. Calcule o MAD e o MSE.
7. A Loja de Departamentos ALCOR tem registado mensalmente os seguintes números de
reclamações dos clientes.

Mês Queixas
Janeiro 60
Fevereiro 48
Março 55
Abril 50
Maio 55
a. Calcule uma média móvel ponderada de três meses.
b. Preparar previsão para junho, julho e agosto.
8. Dado: Vendas de gasolina (séries temporais) de PETRON (semanal)

Semana Vendas (Galões)

1 13,000
2 18,000
3 19,000
4 16,000
5 17,000
6 15,000
7 14,000
8 19,000
9 20,000
10 16,500
11 17,500
12 20,000

a. Calcule a média móvel de três e quatro semanas para a série temporal.

b. Calcule o MAD para previsões de média móvel de três e quatro semanas.
c. Qual parece ser o melhor número de semanas de dados passados a serem usados no
cálculo da média móvel?
d. Calcule o erro percentual e o MAPE.
9 . Use a suavização exponencial com ɑ = 0,40 e um valor inicial de F 1 = 50 para a série
temporal seguinte.

Mês Procura
Janeiro 60
Fevereiro 70
Março 55
Abril 60
Maio 45
Junho 60
Julho 65
Calcule o seguinte:

a. Erro percentual
b. MAPA
c. Porcentagem de precisão absoluta
d. Precisão aritmética
10. A loja de departamentos JAVILL é um revendedor autorizado de TV plana há cinco anos.
Os números de TV plana vendidos a cada ano são mostrados na tabela.

Ano Número de TV plana

vendida
1 40

2 25

3 35

4 39

5 43

a. Gráfico desta série temporal. A tendência linear aparece?

b. Desenvolver uma equação para o componente de tendência linear da série temporal.
c. Use a equação de tendência desenvolvida de (b) para se preparar para as vendas em
um ano 5 e ano 6.
11º. A ABAN Siomai House tem seis filiais na cidade de Caloocan. O lucro e as vendas são
mostrados na tabela. Desenvolva a equação de regressão a partir dos dados e preveja o lucro
de uma loja se a venda for de ₱25.000.

Ramos 1 2 3 4 5 6
Vendas (1.000) 12 15 16 18 14 17
Lucros (1.000) 7 9 10 12 10 13
Previsão

ESTUDO DE CASO

RC PARQUE ANIMAL CORPORATION

A economia pobre de 2009 resultou no fechamento permanente do zoológico de Manila. A

administração da cidade de Manila decidiu contratar a RC Animal Park Corporation para operar
o zoológico de Manila.

A RC Animal Park Corporation percebeu que é uma obrigação manter a imagem do

zoológico como um bom lugar para os visitantes relaxarem e passarem tempo juntos com suas
famílias. Para atingir seu objetivo, eles têm que garantir que o lugar esteja limpo. A corporação
também adicionou mais animais, aves e répteis para atrair mais visitantes. Eles também
introduziram novas atividades e jogos. Os esforços da Corporação parecem estar funcionando
porque o atendimento aumentou de 70.000 em 2009 para um recorde histórico de 165.000 em
2013, como mostra a tabela a seguir.

Participação no Zoológico de Manila em 2009-2014

Ano Assiduidade
2014 157,800
2013 165,000
2012 120,250
2011 87,600
2010 75,800
2009 70,000

Perguntas para discussão

1. Com base nos dados acima, você pode prever o atendimento para 2015 a 2020?

2. Qual técnica de previsão será mais adequada para prever o atendimento de 2015 a 2020?
Por que?
 APLICAÇÕES DO MS EXCEL
NA PREVISÃO
Exemplo 1.

Veja abaixo as taxas de desemprego e as vendas correspondentes experimentadas pela Vi-An

Merchandise nos últimos 10 anos. Para os números 1 a 4, prever a taxa de desemprego no próximo ano
usando as técnicas indicadas abaixo e para o número 6, prever as vendas para os próximos três anos.

Vendas
Ano Hora Taxa (%) (₱) 1. Mehod ingênuo
2000 1 7.2 20,000 2.Média móvel de seis anos
2001 2 4 41,000 3. Média móvel de três anos com pesos 1,4,3
2002 3 7.3 17,000 4. Alisamento exponencial simples, ꚙ = 40%
5. Taxa de desemprego prevista de tendência linear (aplicável
2003 4 5.5 35,000 para os próximos três anos)
6. Prever as vendas para os próximos três anos usando a
regressão linear com base nas taxas de desemprego previstas
2004 5 6.8 35,000 no número 5.
7. Desenhe os dois diagramas de dispersão com linha de
2005 6 6 31,000 tendência e linha de regressão.
2006 7 5.4 38,000
2007 8 3.6 50,000
2008 9 8.4 15,000
2009 10 7 19,000

Na planilha, codifique o tempo (períodos) na coluna B, a taxa (%) na coluna C e as vendas (P) na
coluna F. Construa a tabela para F, na coluna D e erro ou ( F t – Taxa) na coluna E, que será utilizada na
previsão da taxa de inflação pelo método de suavização exponencial simples. A seguinte fórmula do
Excel é usada para sugerir cálculos da taxa de previsão:

1. Método ingênuo, D15 F t = C13 7%, uma vez que a última entrada da coluna das taxas de
inflação reais está em C13.
2. Seis períodos de média móvel, D16 Ft = média (C8:C13) 6,2% onde os C8 a C13 destacados
são as entradas das seis taxas de inflação mais recentes.
3. Média móvel com pesos 1, 4, 3 atribuídos às taxas de inflação nos três períodos mais recentes,
na célula D17 tipo =, digite (1* clique em C11, o 3º período mais recente + 4* clique em C12, o 2º
período mais recente + 3* clique em C13, o período mais recente, depois digite), em seguida,
 digite /(Dividido por) 8 Ft = (1*C11 + 4*C12 + 7,275% onde o denominador 8 é a soma dos
pesos. (Vide Figuras 1, 2, 3).

Imagem 1

Ilustração 2
4. Para um método simples de alisamento exponencial, completamos as colunas D e E pelos seguintes
passos:

D4 e E4 estão vazios, pois não há base para prever os dados reais disponíveis do primeiro período

a. D5 Ft = C4, uma vez que a base da previsão é a taxa real disponível do primeiro período na célula
C4.
b. Erro E5 = C5 – D5 da taxa real disponível do 2ºperíodo em C5 menos o valor de previsão
correspondente em D5.
c. Arraste essa entrada para baixo das referências de célula E5 para E13 para concluir as entradas
de coluna.
d. D6 Ft = D5 + 0,4*E5 da taxa de previsão anterior em D5 mais alfa, 40% vezes o erro anterior na
previsão na célula E5.
e. Arraste essa entrada para baixo das referências de célula D6 a D14 para concluir as entradas de
coluna. A entrada na célula D14 6,62% representa o valor previsto no ano de 2010 (ver figura
2).

5. Para projeção de tendência linear, podemos obter a equação da linha de tendência calculando a
inclinação e o intercepto y com a seguinte fórmula do Excel,

D20 é inclinação, b = INCLINAÇÃO (C4:C13, B4:B13) onde a taxa de inflação, R, é a matriz Y de C4 a

C13 e o tempo é a matriz X das células B4 a B13.

D21 é y-intercept, a = INTERCEPT (C4:C13, B4:B13)

Para prever as taxas de inflação, R, para os anos de 2010 a 2012, usamos a equação de tendência
linear na célula D22 Ft = R = 5,806667 + 0,05698*(t) e substituta, t = 11, 12 e 13 para o tempo na
célula B25 Ft = R = 5,80667+0,05698(11) 6,43% B26 Ft = R = 5,806667 + 0,05698(12) 6,43% B27 Ft =
R = 5,806667 + 5,806667(13) 6,43% ou use a previsão da fórmula do Excel, fixando as posições das
taxas na célula C4 a C13 para a matriz Y e o tempo nas células B4 a B13 para a matriz X, mas
substituindo apenas o primeiro requisito X, que é o tempo 11, 12 e 13, conforme mostrado nas
Figuras 3 e 4.

E25 Ft = R = PREVISÃO (11, $C$4: $C$13, $B$4:$B$13)

E26 Ft =R = PREVISÃO (12, $C$4: $C$13, $B$4:$B$13)

E27 Ft =R = PREVISÃO (12, $C$4: $C$13, $B$4:$B$13)

Imagem 1
Ilustração 2
 Para o método de regressão linear, primeiramente, obtemos a equação da reta de regressão
calculando a inclinação e o intercepto y usando as fórmulas do Excel SLOPE (matriz y, matriz x) e
INTERCEPT (matriz y, matriz x) onde as vendas na coluna F são a matriz Y e as taxas na coluna C são a
matriz X como mostrado nas Figuras 5 e 6. Assim, a equação de regressão linear é Sales = ₱74,127.67 -
₱7,194.06 (Rate) e as vendas para os próximos três anos com base nas taxas de inflação previstas nas
células E27 a E29 são as seguintes:

um. Para 2010, E34 = PREVISÃO (E27, $F$4:$F$13, $C$4:$C$13)

b. Para 2011, E35 = PREVISÃO (E28, $F$4:$F$13, $C$4:$C$13)

c. Para 2012, E36 = PREVISÃO (E36, $F$4:$F$13, $C$4:$C$13)

₱27,025.21

Ilustração 5
Ilustração 6

6. um. Diagrama de dispersão para tempo versus taxa de desemprego com linha de
tendência

Para fazer: Realce as matrizes para Tempo e Taxa. Clique em Assistente de Gráfico.
Selecione Gráfico de dispersão. Clique com o botão direito do mouse em qualquer um
dos pontos plotados. Selecione Adicionar linha de tendência + Linear.

Rate (Y-axis)
9
8.4
8
7 7.2 7.3 7
6.8
6
5.5 5.4
5
4 4
3.6
3
2
1
0
0 2 4 6 8 10 12
Year (X-axis)
b. Diagrama de dispersão para taxa de desemprego vs. vendas com linha de regressão

Para fazer: realce as matrizes para Taxa e Vendas. Clique em Assistente de Gráfico. Selecione gráfico de
dispersão. Clique com o botão direito do mouse em qualquer um dos pontos plotados. Selecione
Adicionar linha de tendência + Linear.

(Sales)
60,000

50,000

40,000

30,000

20,000

10,000

0
0.05 1.05 2.05 3.05 4.05 5.05 6.05 7.05 8.05 9.05
(Unemployment Rates)
Previsão

ESTUDO DE CASO

RC PARQUE ANIMAL CORPORATION

A economia pobre de 2009 resultou no fechamento permanente do zoológico de Manila. A

administração da cidade de Manila decidiu contratar a RC Animal Park Corporation para operar o
zoológico de Manila.

A RC Animal Park Corporation percebeu que é uma obrigação manter a imagem do zoológico
como um bom lugar para os visitantes relaxarem e passarem tempo juntos com suas famílias. Para
atingir seu objetivo, eles têm que garantir que o lugar esteja limpo. A corporação também adicionou
mais animais, aves e répteis para atrair mais visitantes. Eles também introduziram novas atividades e
jogos. Os esforços da Corporação parecem estar funcionando porque o atendimento aumentou de
70.000 em 2009 para um recorde histórico de 165.000 em 2013, como mostra a tabela a seguir:

Tabela 5.1

Participação no Zoológico de Manila em 2009-2014

Ano Assiduidade
2014 157,800
2013 165,00
2012 120,250
2011 87,600
2010 75,800
2009 70,000

Perguntas para discussão

1. Com base nos dados acima, você pode prever o atendimento para 2015 a 2020?

2. Qual técnica de previsão será mais adequada para prever o atendimento de 2015 a 2020? Por que?