Professional Documents
Culture Documents
Sries temporais
(ii)
(iii)
(iv)
(v)
Objetivos
2004
Vendas
(em 1000 de
milhes)
2,8
3,0
3,5
4,0
4,6
5,0
5,4
6,0
7,0
8,0
9,7
10,3
Ano
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
Vendas
(em 1000 de
milhes)
10,8
10,2
10,6
10,6
11,5
13,3
17,0
18,4
18,9
19,4
20,1
Yt = Tt + Ct + I t
Dados anuais
Yt = Tt + C t + S t + I t
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
Yt = Tt Ct I t
Yt = Tt Ct S t I t
Vendas
(em de milhes
de unidades)
5,3
7,8
7,8
8,7
6,7
6,6
8,6
9,1
9,5
9,0
7,1
6,8
Ano
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
Vendas
(em de milhes
de unidades)
6,2
7,8
8,3
9,3
8,6
7,8
8,1
7,9
7,5
7,0
7,2
6
MAi ( L) =
1 ( L 1) / 2
Yi +t
L t =(1 L ) / 2
(1)
L 1
L 1
L 1
i=
+ 2, L n +
+ 1,
2
2
2
7
Ano
MA3 (5) =
1.970
1.971
1.972
1.973
1.974
1.975
1.976
1.977
1.978
1.979
1.980
1.981
1.982
1.983
1.984
1.985
1.986
1.987
1.988
1.989
1.990
1.991
1.992
Y + Y2 + Y3 + Y4 + Y5
1 2
Y3+t = 1
5 t = 2
5
Vendas
5,3
7,8
7,8
8,7
6,7
6,6
8,6
9,1
9,5
9,0
7,1
6,8
6,2
7,8
8,3
9,3
8,6
7,8
8,1
7,9
7,5
7,0
7,2
MAi(3)
*
7,0
8,1
7,7
7,3
7,3
8,1
9,1
9,2
8,5
7,6
6,7
6,9
7,4
8,5
8,7
8,6
8,2
7,9
7,8
7,5
7,2
*
MAi(5)
*
*
7,3
7,5
7,7
7,9
8,1
8,6
8,7
8,3
7,7
7,4
7,2
7,7
8,0
8,4
8,4
8,3
8,0
7,7
7,5
*
*
MAi(7)
*
*
*
7,4
7,9
8,1
8,3
8,1
8,1
8,0
7,9
7,8
7,8
7,7
7,8
8,0
8,3
8,2
8,0
7,7
*
*
*
10
Actual
9,5
Smoothed
Actual
Smoothed
Vend
8,5
7,5
Moving Average
6,5
Length:
MAPE: 13,0993
5,5
0
10
MAD:
1,0178
MSD:
1,3933
20
Time
11
12
Actual
9,5
Smoothed
Actual
Smoothed
Vend
8,5
Ei = Yi + (1 ) Ei 1
( 2)
7,5
onde E0 o alisamento
considerados E0=Y0 e 0< <1.
Moving Average
Length:
7
6,5
MAPE: 11,8668
5,5
MAD:
MSD:
10
no
perodo
inicial
geralmente
0,9232
1,1852
20
Time
2
L +1
14
Exemplo 3
Alisando os dados do exemplo 2, considerando =0,25 e
considerando o ponto de inicio Y1970=5,3, ento E0==5,3. A srie
Perodo 1 : E 1 = Y1 + (1 ) E 0
2 : E 2 = Y2 + (1 ) E1 = Y2 + (1 )(Y1 + (1 ) E 0 ) =
= Y2 + (1 )Y1 + (1 ) 2 E0
3 : E3 = Y3 + (1 )E2 = Y2 + (1 ) Y2 + (1 )Y1 + (1 ) 2 E0 =
= Y3 + (1 )Y2 + (1 ) 2 Y1 + (1 ) 3 E 0
i : Ei = Yi + (1 )Yi1 + (1 ) 2 Yi2 + L+ (1 )i E0
Vendas
5,3
7,8
7,8
8,7
6,7
6,6
8,6
9,1
9,5
9,0
7,1
6,8
6,2
7,8
8,3
9,3
8,6
7,8
8,1
7,9
7,5
7,0
7,2
=0,25
5,30
5,93
6,39
6,97
6,90
6,83
7,27
7,73
8,17
8,38
8,06
7,74
7,36
7,47
7,68
8,08
8,21
8,11
8,11
8,05
7,92
7,69
7,57
=0,50
5,30
6,55
7,18
7,94
7,32
6,96
7,78
8,44
8,97
8,98
8,04
7,42
6,81
7,31
7,80
8,55
8,58
8,19
8,14
8,02
7,76
7,38
7,29
Vendas
Ano
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
16
10
9
8
7
6
5
1969 1973 1977 1981 1985 1989 1993
Vendas
a=0,25
a=0,50
Anos
17
18
Previso
Yi +1 = MAi ( L)
1. Modelo Linear
No caso de alisamento exponencial a previso de valores futuros
dada pela ltimo valor exponencialmente suavizado, isto ,
Yi = 0 + 1 X i + i
Yi +1 = Ei
0 = Y + 1 X e 1 =
S xy
S xx
so
Y = 0 + 1 X
144244
3
Modelo Ajustado
19
Vendas
(em 1000 de
milhes)
2,8
3,0
3,5
4,0
4,6
5,0
5,4
6,0
7,0
8,0
9,7
10,3
Ano
1982 (12)
1983 (13)
1984 (14)
1985 (15)
1986 (16)
1987 (17)
1988 (18)
1989 (19)
1990 (20)
1991 (21)
1992 (22)
20
Predictor
Constant
X
Vendas
(em 1000 de
milhes)
10,8
10,2
10,6
10,6
11,5
13,3
17,0
18,4
18,9
19,4
20,1
S = 1,365
Coef
1,2011
0,80030
SE Coef
0,5510
0,04290
R-Sq = 94,3%
T
P
2,18
0,041
18,66
0,000
R-Sq(adj) = 94,0%
Y = 1,20 + 0,80 X
21
22
2. Modelo Quadrtico
Considere o modelo de regresso polinomial de segunda ordem
dada por:
Yi = 0 + 1 X i + 2 X i2 + i
25,0
Vendas
20,0
Source
Regression
Error
Total
15,0
10,0
DF
SS
2 665,847
20
21,423
22 687,270
MS
F
P
332,924 310,817 0,000
1,071
5,0
Source
DF
Linear
1
Quadratic 1
10
15
20
25
Tempo
Seq SS
F
P
648,160 348,032 0,000
17,687
16,513
0,001
24
3.Modelo Exponencial
Quando uma srie parece estar incrementado a uma rapidez
cada vez maior tal que a diferena percentual de uma
observao a outra constante, podemos ajustar uma equao
de tendncia exponencial da forma:
(3,1)
Yi = 0 1 i i
X
(1)
Yi = (3,155)(1,0937) X i
Predictor
Coef SE Coef
T
P
Constant
0,49949 0,01918
26,04 0,000
X
0,038902 0,001493
26,05 0,000
S = 0,04751
R-Sq = 97,0%
26
R-Sq(adj) = 96,9%
(2)
27
28
Y = +Y + Y +L+ Y +
i
Vendas
20
i 1
i 2
i p
(1)
15
Yi , Yi 1 , K , Yi p so valores
nmero de defasagens de Yi ,
observados da srie no tempo, i,i-1,,i-p, respectivamente e
o termo aleatrio.
10
0
1970
1980
Yi = 0 + 1Yi 1 + i
1990
Ano
29
30
Yi = 0 + 1Yi 1 + 2Yi 2 + i
desvio padro de .
p
Y = + Y + Y + L + Y
i
H 0 : p = 0 contra H 0 : p 0
i 1
i2
i p
A estatstica de teste
Z=
~ N (0,1)
Sob H 0
Y = + Y
n+ j
+ Y
n + j 1
n+ j 2
+ L + Y
p
( 2)
n+ j p
31
32
n+ j
n+ j
Y = + Y
n+ j
n + j 1
+ Y
2
n+ j 2
+ Y
n + j 3
Y = + Y + Y + Y
(3)
n +3
n+ 2
n +1
Y = + Y + Y + Y
n+4
n +3
n+2
n +1
Y = + Y + Y + Y
n +1
n 1
n2
34
Vendas( Y i )
Y i =1
Yi 2
| Yi2
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
2.8
3.0
3.5
4.0
4.6
5.0
5.4
6.0
7.0
8.0
9.7
10.3
10.8
10.2
10.6
10.6
11.5
13.3
17.0
18.4
18.9
19.4
20.1
*
2.8
3.0
3.5
4.0
4.6
5.0
5.4
6.0
7.0
8.0
9.7
10.3
10.8
10.2
10.6
10.6
11.5
13.3
17.0
18.4
18.9
19.4
*
*
2.8
3.0
3.5
4.0
4.6
5.0
5.4
6.0
7.0
8.0
9.7
10.3
10.8
10.2
10.6
10.6
11.5
13.3
17.0
18.4
18.9
*
*
*
2.8
3.0
3.5
4.0
4.6
5.0
5.4
6.0
7.0
8.0
9.7
10.3
10.8
10.2
10.6
10.6
11.5
13.3
17.0
18.4
Predictor
Constant
Yi-1
Yi-2
Yi-3
S = 0,8251
35
Coef
i 1
i2
SE Coef
0,4301
T
1,04
0,4459
1,5343
-0,7394
0,2179
0
i 3
P
0,315
0,2450
6,26
0,000
0,4226
-1,75
0,099
0,2688
0,81
0,429
R-Sq = 97,9%
R-Sq(adj) = 97,5%
36
H 0 : 3 = 0 contra H 1 : 3 0
A estatstica de teste observada
Z 0bs =
p
S
0,2179
= 0,81
0,2688
Predictor
Constant
Yi-1
Yi-2
Coef SE Coef
0,4728
0,3825
1,4530
0,2132
-0,4548
0,2249
S = 0,7939
R-Sq = 98,0%
T
P
1,24 0,232
6,82 0,000
-2,02 0,058
R-Sq(adj) = 97,8%
H 0 : 2 = 0 contra H 1 : 2 0
A estatstica de teste observada
Z 0bs =
p
S
0,4548
= 2,02
0,2249
38
40
20
Vendas
1. Anlise residual
Um resduo definido como:
0
1970
1980
ei =Yi Yi,
1990
Ano
41
i =1,L,n
42
2. Quantificao do residual
A medida utilizada na anlise de regresso a variao no
explicada, ou seja:
n
MAD =
3. Principio da parcimnia
Y i Yi
i =1
2,8
3,0
3,5
4,0
4,6
5,0
5,4
6,0
7,0
8,0
9,7
10,3
10,8
10,2
10,6
10,6
11,5
13,3
17,0
18,4
18,9
19,4
20,1
MAD
Linear
ei
Yi
1,2011
1,5989
2,0014
0,9986
2,8017
0,6983
3,6020
0,3980
4,4023
0,1977
5,2026 -0,2025
6,0029 -0,6028
6,8032 -0,8031
7,6035 -0,6034
8,4038 -0,4037
9,2041
0,4959
10,0043 0,2956
10,8046 -0,0046
11,6049 -1,4049
12,4052 -1,8052
13,2055 -2,6055
14,0058 -2,5058
14,8061 -1,5061
15,6064 1,39358
16,4067 1,99328
17,2070 1,69298
18,0073 1,39269
18,8076 1,29239
1,08
Quadrtico
ei
Yi
2,9217
-0,122
3,2528
-0,253
3,6285
-0,129
4,0489
-0,049
4,5140
0,0860
5,0238
-0,024
5,5783
-0,178
6,1775
-0,178
6,8213
0,178
7,5099
0,490
8,2432
1,457
9,0211
1,279
9,8438
0,956
10,7111
-0,51
11,6231
-1,02
12,5798
-1,98
13,5813
-2,08
14,6274
-1,33
15,7182
1,28
16,8536
1,55
18,0338
0,87
19,2587
0,14
20,5283
-0,43
0,73
Exponencial
ei
Yi
3,1586 -0,3586
3,4546 -0,4546
3,7783 -0,2783
4,1323 -0,1323
4,5196
0,0804
4,9431
0,0569
5,4063 -0,0063
5,9129
0,0870
6,4670
0,5330
7,0730
0,9269
7,7358
1,9642
8,4607
1,8393
9,2536
1,5464
10,1207 0,0793
11,0691 -0,4692
12,1064 -1,5064
13,2409 -1,7409
14,4816 -1,1816
15,8387 1,16131
17,3229 1,07709
18,9462 -0,0462
20,7216 -1,3216
22,6634 -2,5634
0,85
AR(2)
ei
Yi
*
*
*
*
3,5583 -0,0583
4,1938 -0,1938
4,6929 -0,0929
5,3373 -0,3373
5,6456 -0,2456
6,0449 -0,0448
6,7347 0,26528
7,9148 0,08519
8,9130 0,78702
10,9282 -0,6282
11,0269 -0,2268
11,4805 -1,2805
10,3813 0,2187
11,2354 -0,6354
11,0534 0,44656
12,3611 0,93888
14,5672 2,43285
19,1245 -0,7245
19,4759 -0,5759
19,5657 -0,1656
20,0648 0,03522
0,49
Modelo linear
2
1
Resduo
Vendas
(Yi)
0
-1
-2
-3
0
10
20
45
46
Modelo Exponencial
Modelo Quadrtico
2
RESIDUAL
Residual
Ano
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
44
0
-1
-1
-2
-2
0
10
-3
20
10
20
47
48
Modelo AR(2)
RESIDUAL
-1
10
20
49