A Previso com o Mtodo de Winter1

1. Introduo O mtodo de Winter um mtodo de amortecimento exponencial que leva em conta os componentes de sazonalidade da srie de dados observados. O mtodo se baseia principalmente no modelo multiplicativo sazonal de Winter, que se escreve: Yt = (0 + 1t) . Snt + t, onde: Snt o componente ou fator sazonal multiplicativo. O fator sazonal definido de forma que

t =1

Sn t = L , onde L o comprimento

da sazonalidade. Esse modelo descreve usualmente sries em que a amplitude sazonal e a tendncia so dependentes. Assim, se o nvel mdio da srie (0 + 1t) aumenta, a amplitude do padro sazonal tambm aumenta (Figura 1). Uma outra abordagem a do modelo sazonal aditivo, no qual: Yt = 0 + 1t + Snt + t, que apropriado quando a amplitude do padro sazonal for claramente independente do nvel mdio da srie (Figura 2). O mtodo de Winter composto de 4 etapas: obteno dos valores iniciais dos componentes do modelo atualizao dos componentes do modelo gerao de valores amortecidos ou previses por perodo obteno dos erros de previso e clculo da medida de preciso do mtodo.

(Referncia: Bowerman/OConnell(1987), Times Series Forecasting Unified Concepts and

Computer Implementation, Duxbury Press, pg 272).

Vendas de refrigerantes
Dados de vendas (caixas) 1600 1400 1200 1000 800 600 400 200 0 1 5 9 13 17 21 25 29 33 tempo em meses Srie observada

Figura 1 Srie em que h indicao que a amplitude sazonal e a tendncia so dependentes.

Srie temporal da srie C8

160 150 140 130 C8 120 110 100 90 4 8 12 16 20 24 perodos de tempo 28 32 36 40

Figura 2 Srie em que h indicao que a amplitude do padro sazonal independe da tendncia

2. Os Valores Iniciais dos Componentes do Modelo O modelo se baseia na definio de valores iniciais de 0 , 1 e Snt , ou seja a0(0), b1(0) e Snt(0) tais que: 0 1 Snt ao(0), que medida do componente do nvel mdio da srie b1(0), que permite obter o componente da tendncia da srie Snt(0), que permite obter o componente da sazonalidade por

perodo ou estao sazonal da srie. Assim, b1(0) = Ym Y1 m L Ym Y1 permite obter uma medida inicial de tendncia, onde: (m 1) L

nvel mdio da srie associado ao meio do ltimo perodo sazonal. nvel mdio da srie associado ao meio do primeiro perodo sazonal nmero de perodos sazonais comprimento da sazonalidade

Seja o exemplo de vendas de refrigerantes cujos dados so apresentados na Tabela 1. Como no exemplo so obtidos valores referentes a 3 anos de informaes mensais com perodos sazonais de comprimento de 12 meses, Ym o ultimo valor extrado da srie correspondente de mdias mveis de tamanho L = 12, sendo m = 3 (Tabela 2) e Y1 o primeiro valor.

Tabela 1 Vendas de refrigerantes (centenas de caixas) em um perodo de 3 anos (36 meses).

Ano ms t 1 1(janeiro) 2 3 4 5 6 7 8 9 10 11 12 2 1 2 3 4 5 6 vendas yt Ano 189 229 249 289 260 431 660 777 915 613 485 277 244 296 319 370 313 556 ms 2 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 t 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 vendas yt 831 960 1152 759 607 371 298 378 373 443 374 660 1004 1153 1388 904 715 441

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Tabela 2 Mdias mveis de tamanho 12 em 3 perodos de 12 meses (centenas de caixas).

1 vendas M.M(12) vendas M.M(12) vendas M.M(12) 189 __ 244 ... 298 ... 378 373 443 374 2 229 __ 296 3 249 __ 319 4 289 __ 370 5 260 __ 313 6 7 8 777 ... 960 ... 1153 __ 1388 __ 904 __ 715 __ 441 __ 1152 759 607 371 9 915 10 613 11 485 12 277

431 660 447,823 556 831 564,83 660 1004 677,583

M.M(12) mdias mveis de tamanho 12

Conforme os valores das mdias mveis, b1(0) = b1(0) = 9,57.

677,58 447,82 (3 1)12

O componente do nvel mdio da srie no incio do primeiro perodo sazonal obtido por: ao(0) = Y1

L b1 (0) 2

Nesse clculo, deve ser observado que, para a obteno de ao(0), subtrai-se L b1 (0) de Y1 para retornar ao incio do 1 perodo. 2 Com os dados do exemplo de vendas de refrigerantes pode-se obter: ao(0) = 447,82
12 . 9,57 ao(0) = 390,40. 2

O componente de sazonalidade obtido para cada perodo ou estao sazonal por:

L , para t=1, ..., L, Sn t (0) = sn t L sn t t =1

onde
L L o ndice de ajustamento, que permite a normalizao desse sn t t =1 componente sazonal de forma que

t =1

Sn t (0) = L , e sn t =

1 m 1 S t + k L , para t=1, ..., L, m k =0

e sn t o ndice sazonal mdio para cada estao sazonal (por exemplo, jan, fev, ..., dez). Entretanto, preciso obter os valores de St, que correspondem a estimativas iniciais dos fatores sazonais de cada estao. Essas estimativas so obtidas por: St = Yt ou S t = Yj Yt . L +1 j b1 (0) Yi 2

onde: i = 1 se 1tL

i = 2 se L + 1 t 2L i = 3 se 2L + 1 t 3L, ...

de

forma

que

estimativa

do

nvel

mdio

da

srie

obtida

por:

Yj = Yi [

L +1 j] b1 (0) . 2

Figura 3 Estimativas iniciais dos componentes sazonais

Ou seja, para obter-se Yj (Figura 3) soma-se ou subtrai-se tendncia ao nvel mdio da srie no i-simo perodo sazonal (Yi ) , sendo i = 1, 2 ou 3, no exemplo considerado. Embora esteja associado a um perodo t variando entre 1 e o total de observaes, Yj obtido por perodo sazonal, sendo que a posio relativa a j permite dizer quantas estaes frente ou anteriores ao meio do perodo sazonal i ao qual pertence essa observao se encontra Yt. Conforme se esteja em janeiro, fevereiro, ..., dezembro, no exemplo considerado, j = 1, ..., 12. Essa variao de j se repete para cada perodo sazonal i. Seja como exemplo as estimativas iniciais de abril: 6

abril do ano 1, t = 4 S 4 =

Y4 = 0,6818 L +1 j b1 (0) Y1 2 Y16 = 0,6840 L +1 j b1 (0) Y2 2 Y28 = 0,6772 L +1 j b1 (0) Y3 2

sn t

abril do ano 2, t = 16 S16 =

abril do ano 3, t = 28 S 28 =

Em consequncia, o componente sazonal mdio

m 1 k =0

obtido por

sn t = S t + k L , o que vai permitir calcular o valor normalizado Snt(0), t=1, ..., L. Ou seja, o fator sazonal mdio da estao abril sn 4 = 0,6812 (observando-se em sua

obteno que t = 4 e m = 3),

3. A Previso com Base na Atualizao dos Valores dos Componentes do Modelo Suponha-se que se conhea, em um perodo (T) (Figura 4), os componentes ao(T-1); b1(T-1) de um periodo anterior (T 1) e se conhea os fatores sazonais Snt(TL) de um perodo sazonal anterior. Com a atualizao desses valores pode-se obter as estimativas de ao(T), b1(T) e Snt(T) para o perodo (T) em referncia, onde: a 0 (T) estimativa do nvel mdio da srie atualizada b1(T) estimativa do componente de tendncia atualizada

SnT(T) estimativa do fator sazonal atualizado

Figura 4 Dessa forma,

desazonalizao de Yt

a 0 (T) =

Yt + (1 )[a 0 (T 1) + b1 (T 1) ] Sn T (T L)
estimativa do nvel mdio a partir dos valores dos componentes em (T-1)

onde 0 1. Para a obteno de a0(T) feita a ponderao de:

Yt estimativa do nvel mdio pela desazonalizao de Yt, e Sn T (T L)

[a0(T-1) + b1(T-1)] estimativa do nvel mdio a partir dos valores dos componentes em (T-1). Da mesma maneira, b1(T) = [a 0 (T) a 0 (T 1)] + (1 ) b1 (T 1) , onde 0 1. Para a obteno de b1(T) feita a ponderao de dois termos: a 0 (T) a 0 (T 1) diferena entre a estimativa do nvel mdio nos perodos (T-1) e (T), o que permite ter uma estimativa da tendncia b1(T).

b1 (T 1) estimativa da tendncia em (T-1).

O componente de sazonalidade atualizado obtido por: SnT(T) =

Yt + (1 ) Sn T (T L) , a 0 (T)

onde 0 1. Para a obteno de SnT(T) obtida a ponderao de:

Yt a 0 (T)

estimativa do fator sazonal com dados observados

SnT(T-L) estimativa do fator sazonal L estaes anteriores Assim, no exemplo de vendas de refrigerantes, considerados j obtidos valores iniciais dos componentes: a 0 (0) = 390,40, b1(0) = 9,57 e Sn1(0) = 0,4841, e onde deve ser observado que: Sn2(0), Sn3(0), ..., Sn12(0) so supostos tambm j calculados, arbitrando-se = 0,2, = 0,15 e = 0,05, a previso de janeiro do ano 1 corresponde ao primeiro valor da srie amortecida, calculada com o modelo de Winter:
Y1 (0) = [a 0 (0) + b1 (0) .1] Sn 1 (0)

Assim, Y1 (0) = [390,40 + 9,57] 0,4841 = 193,63 e o respectivo erro da previso Y1 - Y1 (0) = - 4,63 . Em seguida, faz-se a atualizao dos valores dos componentes para esse perodo ou seja, obtm-se: a 0 (1) , b1(1), Sn1(1) Assim,
a 0 (1) = Y1 + (1 )[a 0 (0) + b1 (0)] = 398,06 Sn 1 (0)

b1 (1) = [a 0 (1) a 0 (0)] + (1 - ) b1 (0) = 9,28

Sn 1 (1) = Y1 + (1 - ) Sn 1 (0) = 0,4836 , a 0 (1)
(T-12) inicial

onde deve ser observado que SnT(T 12) equivalente a SnT(0) para T = 1, ..., 12.

Usando essas estimativas iniciais feitas no perodo 1 (janeiro do ano 1), em fevereiro do ano 1 ter-se- a segunda estimativa de valores previstos com base no perodo de tempo anterior ou seja:
base da previso

Y2 (1) = [a 0 (1) + b1 (1) .1] Sn 2 (0) = [398,06 + 9,28] . [0,5847] = 238,17

Perodo em questo

Como Y2 = 229, o erro de previso Y2 - Y2 (1) = - 9,17 . Novas atualizaes dos componentes so obtidas por:
a 0 (2) = Y2 + (1 )[a 0 (1) + b1 (1)] Sn 2 (0)

b1 (2) = [a 0 (2) a 0 (1)] + (1 - ) b1 (1)

Sn 2 (2) = Y2 + (1 - ) Sn 2 (0) a 0 (2)

Com essas atualizaes obtm-se Y3 (2) = [ao(2) + b1(2) . 1] Sn3(0).

A melhor combinao de , e depende da avaliao da medida de preciso. No exemplo, essa medida obtida por: (Yt Yt (t 1))2 . A escolha de = 0,2, =
t =1 36

0,16 e = 0,06 resulta de uma avaliao desse tipo, a partir de 125 combinaes variando , e entre 0,05 e 0,25 com incrementos de 0,05. Assim, a previso de valores futuros de YT+ pode ser obtida por:
YT + (T) = [a 0 (T) + b1 (T) . ] Sn T + (T + L) , onde SnT+(T + - L) corresponde ao

ltimo valor conhecido para a estao considerada.

4. Exemplo do Amortecimento com o Mtodo de Winter (Utilizando o Modelo Multiplicativo). Na Tabela 3 apresenta-se valores para previso de 1 perodo frente para a previso da demanda de refrigerante, correspondente aos valores gerados pelo modelo multiplicativo de amortecimento do mtodo de Winter. 10

Tabela 3 t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 yt 189 229 249 289 260 431 660 777 915 613 485 277 244 296 319 370 313 556 831 960 1152 759 607 371 298 378 373 443 374 660 1004 1153 1388 904 715 441 mm(12) -----447,823 452,417 458 463,833 470,583 475 485,417 499,667 514,917 534,667 546,667 557 564,833 569,333 576,167 580,667 586,75 591,833 600,5 614,917 631 650,667 662,75 671,75 677,583 ------a0(t) b1(t) a0(0)=390,40 b1(0)=9,57 398,06 404,20 413,11 421,18 432,67 439,94 447,97 457,16 464,87 473,87 482,33 485,96 495,99 504,77 516,40 527,28 535,82 547,56 557,62 567,12 577,33 587,25 598,06 611,37 620,51 634,02 639,47 647,64 653,35 662,36 672,43 681,51 692,30 701,53 710,64 724,47 9,28 8,81 8,83 8,71 9,13 8,85 8,73 8,80 8,63 8,69 8,65 7,90 8,22 8,30 8,80 9,11 9,03 9,44 9,53 9,52 9,63 9,67 9,84 10,36 10,18 10,68 9,89 9,64 9,05 9,04 9,20 9,18 9,42 9,39 9,35 10,02 Snt(t-12) 0,4841 0,5847 0,6022 0,6911 0,5859 0,9965 1,4842 1,6927 1,9869 1,2897 1,0074 0,5946 0,4836 0,5838 0,6022 0,6909 0,5867 0,9957 1,4837 1,6930 1,9860 1,2899 1,0073 0,5934 0,4841 0,5839 0,6030 0,6914 0,5865 0,9966 1,4840 1,6930 1,9864 1,2900 1,0077 0,5940 Sn(t) 0,4836 0,5838 0,6022 0,6909 0,5867 0,9957 1,4837 1,6930 1,9860 1,2899 1,0073 0,5934 0,4841 0,5839 0,6030 0,6914 0,5865 0,9966 1,4840 1,6930 1,9864 1,2900 1,0077 0,5940 0,4839 0,5845 0,6020 0,6910 0,5858 0,9966 1,4844 1,6930 1,9874 1,2900 1,0076 0,5948

y t (t 1)
193,63 238,17 248,17 291,60 251,88 440,25 666,10 773,05 925,82 610,68 486,12 291,94 238,85 294,35 308,99 362,84 314,68 542,48 826,39 968,21 1145,21 757,12 601,28 360,71 300,95 368,27 388,75 448,97 385,51 660,18 996,35 1154,02 1372,01 905,23 716,38 427,71

t
-4,63 -9,17 0,28 -2,60 8,12 -9,25 -6,10 3,95 -10,82 2,32 -1,12 -14,94 5,15 1,65 10,01 7,16 -1,68 13,52 4,61 -0,21 6,79 1,88 5,72 10,29 -2,95 9,73 -15,75 -5,97 -11,51 -0,18 7,65 -1,02 15,99 -1,23 -1,38 13,29

MSE = 2254,3228

5. Generalizao do Mtodo de Winter Algumas modificaes devem ser feitas no mtodo de Winter para o caso de: 1) srie de dados observados sem aparente tendncia (modelo sem tendncia). 11

2) srie de dados observados apresentando um padro sazonal constante ou seja, sem evidncias de que a sua amplitude seja alterada pelo componente de tendncia de srie (modelo aditivo de Winter). Assim, no primeiro caso, o modelo de Winter : Yt = (o) x Snt + t As atualizaes dos componentes do modelo devem ser obtidas por: ao(T) =
Yt + (1 - ) ao(T 1) Sn T (T L) Yt + (1 - ) SnT(T L) a o (T)

SnT(T) =

A estimativa inicial do componente do nvel mdio de srie ao(0) obtida pela mdia dos valores observados em m anos de observaes. 2

Por outro lado, a estimativa inicial Snt(0) obtida de forma similar do mtodo do modelo multiplicativo, com a exceo para o clculo de St que feito de acordo com:
St = Yt a o (0)

A previso feita no perodo T para YT+ obtida por:

YT + (T) = a o (T) Sn T + (T + L)

No segundo caso, o mtodo deve levar em conta o carter aditivo da sazonalidade. Assim, o modelo aditivo escreve-se: Yt = (o + 1t) + Snt + t Nesse caso, a atualizao dos componentes do modelo obtida por: ao(T + 1) = [YT+1 SnT+1(T + 1 - L)] + (1 - ) [ao(T) + b1(T)] b1(T + 1) = [ao(T + 1) ao(T)] + (1 - ) b1(T) SnT+1(T + 1) = [YT+1 ao(T+1)] + (1 - ) SnT+1(T + 1 L) A previso no perodo T para YT+ obtida por:

12

 YT + (T) = ao(T) + b1(T) + SnT+(T + - L)

As estimativas iniciais ao(0), b1(0) e Snt(0), para t=1,...,L podem ser obtidas como as estimativas de mnimos quadrados ordinrios do seguinte modelo de regresso:
Yt = 0 + 1 t + s1 x si ,t + s2 x s2 ,t + s3 x s3 ,t + ... + s( L 1) x s( L 1) ,t + t ,

onde as variveis x si ,t so variveis do tipo dummy, assumindo o valor 1 ou zero conforme se tenha a informao de Yt do perodo sazonal si, i=1,2, ..., (L-1), ou no ( assumido que no perodo sazonal L no h variao sazonal em relao ao nvel da srie).

13