Académique Documents
Professionnel Documents
Culture Documents
Nmero de passageiros
Companhia area
700
700
600
600
500
500
400
400
300
300
200
200
100
100
0
0
10
20
30
40
50
60
70
80
90
100
110
120
130
140
0
150
Meses
.040157
.017467
0.00000
1
10
15
20
25
Amostras
Na figura 2 temos uma srie temporal particular, trata-se de um grfico de controle de frao
de defeituosos, bastante utilizado em Controle Estatstico da Qualidade para avaliar se um processo
produtivo est estvel, e, portanto, previsvel. Neste caso, no queremos que haja padres no
aleatrios, se eles existirem o processo est fora de controle estatstico, instvel e imprevisvel, e
no podemos garantir a qualidade dos produtos resultantes: precisamos atuar sobre o processo e
fazer as correes necessrias.
Outro exemplo:
Minrio de ferro
14000
13000
12000
11000
10000
9000
jan/87
mar/87
mai/87
jul/87
set/87
nov/87
jan/88
mar/88
mai/88
jul/88
set/88
nov/88
jan/89
mar/89
mai/89
jul/89
set/89
nov/89
jan/90
mar/90
mai/90
jul/90
set/90
nov/90
jan/91
mar/91
mai/91
jul/91
set/91
nov/91
8000
Meses
Figura 3 - Produo mensal de minrio de ferro no Brasil
que se situa entre 10000 e 12000 milhares de toneladas: neste caso no h tendncia crescente ou
decrescente, mas possvel identificar o comportamento de longo prazo da srie. Aparentemente
no h variaes regulares, como no caso da figura 1, que configurem sazonalidade.
O problema fundamental utilizar um modelo que permita incluir os vrios tipos de
padres, possibilitando realizar previses. O ponto de partida realizar a decomposio da srie em
padres.
A questo crucial do modelo clssico decidir como ser a equao que relaciona as
componentes com a varivel. H duas opes: o modelo aditivo ou o modelo multiplicativo:
- No modelo aditivo o valor da srie (Y) ser o resultado da soma dos valores das componentes
(que apresentam a mesma unidade da varivel):
Y=T+C+S+I
ou
Y = T + C + I (se os dados forem registrados anualmente)
Nas previses no temos como incluir a componente irregular no modelo, pois ela resultado de
fatos fortuitos, teoricamente imprevisveis. Todas as componentes tm a mesma unidade da srie: se
esta for em milhes de reais todas tambm tero tal unidade.
- Pode ser usado tambm o modelo multiplicativo, no qual o produto das componentes resultar na
varivel da srie:
Y=TCSI
ou
Y = T C I (se os dados forem registrados anualmente)
Novamente, no inclumos a componente irregular. H, porm, uma diferena crucial: apenas a
tendncia tem a mesma unidade da varivel. As demais componentes tm valores que modificam a
tendncia: assumem valores em torno de 1 (se maiores do que 1 aumentam a tendncia, se menores
diminuem a tendncia, se exatamente iguais a 1 no causam efeito). Na figura 5 observe a escala
vertical do grfico das componentes cclicas, sazonais e irregulares: so valores prximos de 1,
enquanto a escala da figura 4 tem a mesma escala para o valor original da srie e a tendncia (em
milhes de dlares). Isso ocorreu porque decompusemos a srie temporal usando um modelo
multiplicativo.
Chamando a varivel de interesse de Y, a equao de sua srie temporal seria: Y = f(T,C,S,I)
Podemos observar as componentes nas figuras 4 e 5.
Vendas e tendncia linear
1400
1200
1000
800
Vendas
Tendncia
600
400
200
0
janeiro-65
janeiro-70
janeiro-75
janeiro-80
janeiro-85
janeiro-90
janeiro-95
janeiro-00
Na figura 4 podemos observar uma srie temporal de vendas (em milhes de dlares), e a
tendncia, no caso uma reta (tendncia linear), que mostra um crescimento no longo prazo.
Na figura 5 podemos observar as trs outras componentes. Observe que a cada 5 ou 6 anos
ocorre um ciclo, uma mudana nos valores da varivel (a linha azul). H tambm variaes
sazonais, que se repetem todos os anos, devido provavelmente s estaes (a linha vermelha). Por
fim, h variaes errticas, que no apresentam regularidade, mas que talvez se relacionem com
eventos inesperados ocorridos no perodo, as variaes irregulares (linha verde).
Ciclos
1.1
Sazonais
Irregulares
1
0.9
0.8
0.7
0.6
janeiro-65
janeiro-70
janeiro-75
janeiro-80
janeiro-85
janeiro-90
janeiro-95
janeiro-00
Qual o melhor modelo? Depender dos dados da prpria srie, das caractersticas
intrnsecas do problema. Apresentaremos posteriormente medidas que possibilitam avaliar a
adequao das previses feitas por um modelo.
i 1
i 1
i 1
2
n t i y i t i y i
2
n ti ti
i 1
i1
n
i 1
i 1
yi b t i
n
i 1
i 1
i 1
2
n t i yi t i yi
n
n
2
n ti ti
i 1
i 1
11 2768 66 424
1,76
11 506 (66) 2
y
i 1
b ti
i 1
T = 27,96 + 1,76 t
O ano de 1996 corresponder ao perodo 12, e 1997 ao perodo 13 da srie temporal. Substituindo
estes valores na equao acima:
T1996 = 27,96 + (1,76 12) = 49,08
T1997 = 27,96 + (1,76 13) = 50,84
Podemos ento apresentar um grfico (feito no Microsoft Excel) da srie original, a reta de
tendncia e a projeo para os anos de 1996 e 1997.
55
patrimnio (US$1.000.000,00)
50
45
40
srie
35
projeo
tendncia
30
25
85
86
87
88
89
90
91
92
93
94
95
96
97
ano
Ano
1970
1971
1972
1973
1974
1975
1976
1977
Vendas
5,3
7,8
7,8
8,7
6,7
6,6
8,6
9,1
Ano
1978
1979
1980
1981
1982
1983
1984
1985
Vendas
9,5
9,0
7,1
6,8
6,2
7,8
8,3
9,3
Ano
1986
1987
1988
1989
1990
1991
1992
Vendas
8,6
7,8
8,1
7,9
7,5
7,0
7,2
Primeiramente vamos apresentar um grfico da srie original, para observar se no seria possvel
ajustar uma reta como tendncia da srie. Veja a figura 7.
10
9
8
7
6
5
4
1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992
Anos
Figura 7 - Vendas da GM (milhes de unidades)
Ano
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
Vendas (Y) - em
milhes
5,3
7,8
7,8
8,7
6,7
6,6
8,6
9,1
9,5
9
7,1
6,8
6,2
7,8
8,3
9,3
8,6
7,8
8,1
7,9
7,5
7
7,2
20,9
24,3
23,2
22
21,9
24,3
27,2
27,6
25,6
22,9
20,1
20,8
22,3
25,4
26,2
25,7
24,5
23,8
23,5
22,4
21,7
-
6,97
8,10
7,73
7,33
7,30
8,10
9,07
9,20
8,53
7,63
6,70
6,93
7,43
8,47
8,73
8,57
8,17
7,93
7,83
7,47
7,23
-
Observe que ao calcularmos mdias mveis alguns perodos ficam sem tendncia, porque os
resultados das mdias so postos no centro dos perodos.
Mdia mvel de 5 perodos
Devemos juntar os perodos de 5 em 5, sempre acrescentando o prximo e desprezando o primeiro
do grupo anterior, colocando o resultado no perodo central (3o perodo):
1970 - 1971 - 1972 - 1973 - 1974 com resultado em 1972;
1971 - 1972 - 1973 - 1974 - 1975 com resultado em 1973;
1972 - 1973 - 1974 - 1975 - 1976 com resultado em 1974;
1973 1974 1975 1976 1977 com resultado em 1975;
1974 1975 1976 1977 1978 com resultado em 1976; e assim por diante, at chegar a
1988 - 1989 - 1990 - 1991 - 1992 com resultado em 1990.
A tabela com os resultados:
Ano
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
Vendas (Y) - em
milhes
5,3
7,8
7,8
8,7
6,7
6,6
8,6
9,1
9,5
9
7,1
6,8
6,2
7,8
8,3
9,3
8,6
7,8
8,1
7,9
7,5
7
7,2
36,3
37,6
38,4
39,7
40,5
42,8
43,3
41,5
38,6
36,9
36,2
38,4
40,2
41,8
42,1
41,7
39,9
38,3
37,7
-
7,26
7,52
7,68
7,94
8,1
8,56
8,66
8,3
7,72
7,38
7,24
7,68
8,04
8,36
8,42
8,34
7,98
7,66
7,54
-
Novamente, alguns perodos ficam sem tendncia, porque os resultados das mdias so postos no
centro dos perodos. Aqui, como as mdias agrupam 5 perodos, dois ficam sem tendncia no incio
e dois ao final da srie.
Mdia mvel de 7 perodos
Devemos juntar os perodos de 7 em 7, sempre acrescentando o prximo e desprezando o primeiro
do grupo anterior, colocando o resultado no perodo central (5o perodo):
1970 - 1971 - 1972 - 1973 - 1974 - 1975 - 1976 com resultado em 1973;
1971 - 1972 - 1973 - 1974 - 1975 - 1976 - 1977 com resultado em 1974;
1972 - 1973 - 1974 - 1975 - 1976 - 1977 - 1978 com resultado em 1975;
1973 - 1974 - 1975 - 1976 - 1977 - 1978 - 1979 com resultado em 1976;
1974 - 1975 - 1976 - 1977 - 1978 - 1979 - 1980 com resultado em 1977;
1975 - 1976 - 1977 - 1978 - 1979 - 1980 - 1981 com resultado em 1978;
e assim por diante, at chegar a
1986 - 1987 - 1988 - 1989 - 1990 - 1991 - 1992 com resultado em 1989.
A tabela com os resultados:
Ano
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
10
9
8
7
6
5
Vendas
1992
1990
1988
1986
1984
1982
1980
1978
1976
1974
1972
1970
Aqui, como as mdias agrupam 7 perodos, trs ficam sem tendncia no incio e trs ao final da
srie. Construindo o grfico da srie original com as mdias mveis:
Quanto maior o nmero de perodos da srie agrupados pela mdia mvel mais "alisada" fica a
linha de tendncia (mdia mvel de 7 perodos): esta representa melhor o comportamento de longo
prazo, indicando uma ligeira oscilao em torno de 8 milhes de unidades vendidas (este o nvel
da srie). E quanto menor o nmero de perodos mais a tendncia acompanhar os dados originais
(mdia mvel de 3 perodos). Por este motivo, quando uma srie apresenta muitas irregularidades
comum "alis-la" atravs de mdias mveis.
Mas o que aconteceria se o nmero de perodos fosse par? Se possvel, devemos escolher um
nmero mpar de perodos, para que o resultado seja colocado em um perodo central que tem
correspondente na srie temporal. Contudo, se a srie temporal for registrada trimestralmente, e
queremos obter a sua tendncia por mdias mveis, devemos utilizar mdias mveis de 4 perodos
(porque h 4 trimestres no ano), para que possamos obter a tendncia sem influncia da
sazonalidade. Se a srie for registrada mensalmente, devemos utilizar mdias mveis de 12
perodos. Nestes dois casos os perodos "centrais" (que comeariam em 2,5 o e 6,5o respectivamente)
no tm correspondente na srie original, o que tornar impossvel remover a tendncia da srie
para observar outras componentes. As mdias mveis precisam ser centralizadas: calculam-se
novas mdias mveis, a partir das calculadas com 4 ou 12 perodos, mas agora de 2 perodos,
colocando seus resultados em perodos que tm correspondentes na srie.
Exemplo 4.3 - Uma corretora de seguros est avaliando os contratos obtidos ao longo de vrios
anos. A srie foi registrada trimestralmente. Obtenha a tendncia da srie utilizando mdias mveis.
Trimestre
Ano
I
II
III
IV
1993
24
21
11
9
1994
20
20
7
6
1995
15
14
5
6
1996
13
12
4
5
Como a srie registrada trimestralmente, e a tendncia deve ser obtida por mdias mveis,
preciso calcular mdias mveis de 4 perodos, pois h 4 trimestres no ano. Contudo, como este nmero de
perodos par, mdias mveis de 2 perodos, calculadas a partir daquelas de 4 perodos, precisam ser
obtidas para obter resultados centrados.
Trim.
1993 I
Con.
24
1993 II
21
1993 III
11
126
15,75
121
15,125
116
14,5
109
13,625
101
12,625
90
11,25
82
10,25
80
10
78
9,75
74
9,25
71
8,875
69
8,625
65
61
1993 IV
9
60
1994 I
20
56
1994 II
20
53
1994 III
7
48
1994 IV
6
42
1995 I
15
40
1995 II
14
40
1995 III
5
38
1995 IV
6
36
1996 I
13
35
1996 II
12
34
1996 III
1996 IV
As linhas mais escuras na tabela acima indicam os perodos "centrais" das mdias mveis de
ordem 4, que no tm correspondente na srie original. Para facilitar o nosso trabalho calculamos
apenas os totais mveis de 4 perodos, acompanhe:
- os primeiros 4 perodos so os 4 trimestres de 1993: 1993 I, 1993 II, 1993 III, 1993 IV; o total
mvel deles (igual a 65) deve ficar no centro destes perodos, ou seja entre 1993 II e 1993 III, que
um perodo inexistente na srie original;
- em seguida desprezamos 1993 I e inclumos 1994 I: 1993 II, 1993 III, 1993 IV, 1994 I; o total
mvel (igual a 61) deve ficar entre 1993 III e 1993 IV, novamente inexistente na srie original;
- prosseguimos at os 4 ltimos perodos: 1996I, 1996II, 1996 III, 1996 IV; o total mvel (igual a
34) deve ficar entre 1996 II e 1996 III.
Agora precisamos centralizar obter as mdias mveis centradas. Primeiramente calculamos os
totais mveis de 2 perodos, juntando 2 totais mveis de 4 perodos calculados anteriormente:
- o total mvel de 4 perodos que est entre 1993 II e 1993 III, com o que est entre 1993 III e 1993
IV, cujo resultado (126) dever ficar em 1993 III (passando a ter correspondente na srie original);
- o total mvel de 4 perodos que est entre 1993 III e 1993 IV, com o que est entre 1993 IV e 1994
I, cujo resultado (121) dever ficar em 1993 IV (passando a ter correspondente na srie original);
- prosseguimos at os ltimos 2 totais mveis de 4 perodos: entre 1996 I e 1996 II, e entre 1996 II
e 1996 III, cujo resultado (69) dever ficar em 1996 II.
Dividimos os totais mveis de 2 perodos por oito (porque agrupamos dois conjuntos de 4
perodos), e obtemos as mdias mveis centradas. Repare que faltam mdias mveis para
exatamente 2 perodos no incio da srie e para exatamente 2 no final, porque as mdias mveis
iniciais envolvem 4 perodos (porque h 4 trimestres no ano). Se a srie fosse mensal faltariam 6
perodos no incio e 6 no final.
Vamos ver como ficam a srie original e a tendncia em um grfico:
Srie original
III
19
96
I
96
19
III
95
19
19
95
III
19
94
I
94
19
93
19
19
93
III
30
25
20
15
10
5
0
Ei W Yi (1 W) Ei1
Onde:
i - um perodo de tempo qualquer;
Yi - valor da srie original no perodo i;
Ei - valor da srie exponencialmente ajustada no perodo i;
Ei-1 - valor da srie exponencialmente ajustada no perodo i - 1 (perodo anterior);
W - constante de regularizao ou coeficiente de ajuste (0 < W < 1);
Considera-se que o primeiro valor da srie original ser igual ao primeiro valor ajustado, isto
significa que o ajuste realmente comea a partir do segundo perodo da srie. Como cada valor
ajustado leva em conta o valor ajustado imediatamente anterior (multiplicado pela constante de
regularizao) teoricamente todos os valores prvios da srie contribuem para o valor ajustado.
A escolha da constante de regularizao W crucial para o ajuste exponencial, mas um
processo subjetivo. No obstante, possvel estabelecer uma regra de escolha:
- se o interesse simplesmente obter a tendncia, eliminando o efeito das outras componentes, o
valor de W dever ser prximo de zero;
- se houver interesse, porm, em realizar previso com a srie recomendvel que o valor de W seja
mais prximo de 1, de maneira a refletir melhor o comportamento da srie no curto prazo.
Exemplo 4.4 - Faa o ajuste exponencial da srie de vendas do Exemplo 4.2 (usando W = 0,25; W =
0,5; W = 0,75 e W = 0,10). Construa um grfico conjunto da srie original com os quatro ajustes.
Ano
Vendas (Y)
Ano
Vendas (Y)
Ano
Vendas (Y)
1970
5,3
1978
9,5
1986
8,6
1971
7,8
1979
9,0
1987
7,8
1972
7,8
1980
7,1
1988
8,1
1973
8,7
1981
6,8
1989
7,9
1974
6,7
1982
6,2
1990
7,5
1975
6,6
1983
7,8
1991
7,0
1976
8,6
1984
8,3
1992
7,2
1977
9,1
1985
9,3
Vamos demonstrar os clculos para W = 0,25.
Vamos considerar que o primeiro valor da srie, Y1970, ser igual ao primeiro valor ajustado, E1970.
Podemos ento realizar o ajuste para o ano de 1971:
E1971 W Y1971 (1 W) E1970 (0,25 7,8) (1 0,25) (5,3) 5,93 milhes
Para o ano de 1972:
E1972 W Y1972 (1 W) E1971 (0,25 7,8) (1 0,25) (5,93) 6,39 milhes
O processo segue at o final da srie. De maneira anloga podemos obter o ajuste para W = 0,5 e
W = 0,75. Os valores ajustados esto na tabela a seguir:
Ano
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
W = 0,25
5,3
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
W = 0,50
5,3
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
W = 0,75
5,3
7,18
7,64
8,44
7,13
6,73
8,13
8,86
9,34
9,08
7,60
7,00
6,40
7,45
8,09
9,00
8,70
8,02
8,08
7,95
7,61
7,15
7,19
W = 0,10
5,3
5,55
5,78
6,07
6,13
6,18
6,42
6,69
6,97
7,17
7,16
7,13
7,04
7,11
7,23
7,44
7,55
7,58
7,63
7,66
7,64
7,58
7,54
9
8
7
6
5
92
19
90
19
88
19
86
19
84
19
82
19
80
19
78
19
76
19
74
19
72
19
70
19
10
Anos
Vendas
W = 0,25
W = 0,50
W = 0,75
W = 0,10
Quanto menor o valor de W mais "alisada" a srie, com as variaes de curto prazo sendo
amortizadas, possibilitando visualizar o comportamento de longo prazo da srie, seja ele
crescente/decrescente ou estacionrio: para W = 0,1 fcil perceber uma tendncia crescente nas
vendas, mas que parece estar se estabilizando. medida que o valor de W aproxima-se de 1 o
ajuste exponencial torna-se mais prximo da srie original, o que pode ser til na previso para o
ano de 1993.
Por exemplo, se quisssemos realizar a previso para o ano de 1993, o valor previsto seria aquele
ajustado para o ano imediatamente anterior (1992): para W = 0,25 Vendas1993 = 7,57 milhes;
para W = 0,50 Vendas1993 = 7,29 milhes; para W = 0,75 Vendas1993 = 7,19 milhes; para W =
0,10 Vendas1993 = 7,59 milhes. Qual destas previses a mais apropriada? Como se trata de uma
previso de curto prazo recomendvel escolher as previses feitas para valores mais altos de W,
0,5 ou 0,75, que mostram melhor as flutuaes. Sendo assim, espera-se que as vendas em 1993
estejam entre em 7,29 e 7,19 milhes de unidades. Assim que os dados de 1993 estivessem
disponveis poderamos fazer a previso sobre 1994, e assim por diante.
Compare a curva para W = 0,10 da figura 10, que indica uma tendncia crescente de
vendas, com a mdia mvel de 7 perodos da figura 8, que indica estabilizao em torno de 8
milhes. Em qual das duas confiar? Lembre-se de que o ajuste exponencial leva em conta todos os
valores anteriores ao perodo, e que a mdia mvel apenas aqueles definidos no seu perodo (3, 5,
7), e que maior peso dado aos valores dos perodos mais prximos, o que pode representar maior
acuracidade, pois so mais recentes.
jan/70
jan/75
jan/80
jan/85
jan/90
jan/95
jan/00
-200
-300
Figura 11- Srie temporal de vendas (figura 5) com tendncia removida modelo aditivo
Observe a escala do grfico. Os valores oscilam em torno de zero: se maiores do que zero
indicam componentes que aumentam a tendncia, se menores que diminuem. A escala do grfico
semelhante a da figura 5 (milhes de dlares).
Figura 12 - Srie temporal de vendas (figura 5) com tendncia removida modelo multiplicativo
Observe a escala do grfico, com valores em torno de 1: a tendncia foi removida, restaram
apenas as componentes cclicas, sazonais e irregulares que modificam a tendncia em um modelo
multiplicativo.
muito prxima, de zero. Quando se usa o modelo multiplicativo a soma precisa ser igual ao perodo
da sazonalidade: se a srie trimestral deve ser igual a 4 (4 trimestres no ano), se mensal deve ser
igual a 12, e assim por diante. Em alguns casos preciso fazer pequenas correes para garantir tal
comportamento.
Para obter as variaes sazonais recomenda-se que a srie temporal tenha, no mnimo,
quatro anos completos (16 trimestres, 48 meses, por exemplo). Caso contrrio, ser mais difcil
confirmar a existncia da regularidade inerente s variaes sazonais (alguns programas estatsticos
simplesmente no apresentam os resultados para sries menores).
H vrios mtodos para a obteno dos ndices sazonais, entre eles o mtodo da razo para a
mdia mvel (ou mtodo da mdia mvel percentual). Ele consiste em:
1) obter mdias mveis de ordem igual ao nmero de perodos sazonais (4 se a srie trimestral, 12
se mensal);
2) obter mdias mveis de 2 perodos, centradas, a partir das mdias mveis calculadas no passo 1;
3) obter os ndices sazonais para cada perodo:
- no modelo ADITIVO, subtraindo dos valores originais da srie as mdias mveis
centradas calculadas no passo 2;
- no modelo MULTIPLICATIVO, dividindo os valores originais da srie pelas mdias
mveis centradas calculadas no passo 2;
4) obter medidas de sntese dos ndices calculados no passo 3, que representaro cada perodo
sazonal (por exemplo, a mediana dos ndices sazonais de todos os janeiros existentes na srie).
- no modelo ADITIVO, calcular a mdia aritmtica simples dos valores correspondentes ao
perodo sazonal (mdia dos ndices obtidos em todos os janeiros da srie, por exemplo);
- no modelo MULTIPLICATIVO, calcular a mdia aritmtica simples dos valores
correspondentes ao perodo sazonal, sem incluir os valores mximo e mnimo6 (imagine
que h os ndices 1,05; 1,054; 1,061; 1,07; 1,072; 1,08, a mdia seria calculada excluindo os
valores 1,05 e 1,08, mnimo e mximo respectivamente); uma soluo alternativa seria
calcular a mediana dos ndices de cada perodo.
5) fazer as correes necessrias para que a soma dos ndices seja coerente (igual a zero para o
aditivo e igual ordem da sazonalidade no multiplicativo):
- no modelo ADITIVO, somar todos os ndices calculados no passo 4 e dividir a soma pela
ordem da sazonalidade (4 se trimestral, 12 se mensal, etc.); o resultado dever ser subtrado
de cada um dos ndices, garantindo que a soma deles seja igual a zero.
- no modelo MULTIPLICATIVO, somar todos os ndices calculados no passo 4, subtrair
da soma a ordem da sazonalidade (4 se trimestral, 12 se mensal, etc.), e dividir a subtrao
pela ordem da sazonalidade (novamente, 4 se trimestral, 12 se mensal, etc.); subtrair o
resultado de 1; o resultado dever ser multiplicado por cada um dos ndices, garantindo que
a soma deles seja igual ordem da sazonalidade.
Os passos 1 e 2 so virtualmente idnticos ao procedimento para obteno de tendncia por mdias
mveis visto na seo 4.2.2 (quando o nmero de perodos par).
Exemplo 4.5 - Obtenha os ndices sazonais, tanto pelo modelo aditivo quanto pelo multiplicativo,
para a srie de contratos de seguros apresentada no Exemplo 4.3. Interprete os resultados
encontrados.
H dados disponveis para quatro anos completos, de 1993 a 1996. Veja os resultados na
tabela abaixo:
No. de Contratos
1993 I
24
1993 II
21
1993 III
11
Totais Mveis
4 perodos
Totais Mveis 2
perodos (centrados)
Mdias Mveis 2
perodos (centradas)
ndices sazonais
126
15,75
-4,750
121
15,125
-6,125
116
14,5
5,500
109
13,625
6,375
101
12,625
-5,625
90
11,25
-5,250
82
10,25
4,750
80
10
4,000
78
9,75
-4,75
74
9,25
-3,25
71
8,875
4,125
69
8,625
3,375
65
61
1993 IV
9
60
1994 I
20
56
1994 II
20
53
1994 III
7
48
1994 IV
6
42
1995 I
15
40
1995 II
14
40
1995 III
5
38
1995 IV
6
36
1996 I
13
35
1996 II
12
34
1996 III
1996 IV
Temos que encontrar 4 ndices sazonais, j que h 4 trimestres no ano. Como a srie
registrada trimestralmente, e a tendncia deve ser obtida por mdias mveis, preciso calcular
mdias mveis de 4 perodos, pois h 4 trimestres no ano. Contudo, como este nmero de perodos
par, mdias mveis de 2 perodos, calculadas a partir daquelas de 4 perodos, precisam ser
obtidas para obter resultados centrados. O procedimento inicial semelhante ao feito no Exemplo
4.3, at a obteno das mdias mveis de 2 perodos centradas.
Para obter os ndices sazonais devemos dividir os valores originais da srie pelas mdias
mveis centradas, a partir de 1993 III at 1996 II, cujos resultados esto na ltima coluna da
tabela acima. Os ndices para cada trimestre sero:
Trimestre I =>
5,500 4,750 4,000
Trimestre II =>
6,375 4,000 3,375
Trimestre III=>
-4,750 -5,625 -4,75
Trimestre IV=>
-6,125 -5,250 -3,25
Os ndices somente foram calculados para os perodos em que havia mdias mveis de 2 perodos
centradas.
Como um modelo aditivo precisamos calcular a mdia de cada trimestre. Ento os ndices
sazonais sero:
Trimestre I = 4,792 Trimestre II = 4,583 Trimestre III = -5,042 Trimestre IV = -4,875
Observe que h uma diferena considervel entre os ndices. No primeiro trimestre do ano o
nmero de contratos aumenta em cerca de 5, no segundo aumenta outros 5, e no terceiro e quarto
trimestres sofre uma queda de 5. Estas oscilaes so grandes demais para ter ocorrido por acaso,
h influncia da sazonalidade na srie de contratos. Somando os ndices vamos obter -0,5417,
indicando que preciso realizar uma correo. Como a sazonalidade tem ordem 4, divide-se a
soma por 4 obtendo -0,135417. Subtraindo de cada ndice este valor:
Trimestre I = 4,792 (-0, 135417) = 4,9271
Trimestre II = 4,583 (-0, 135417) = 4,7188
Trimestre III = -5,042 (-0, 135417) = - 4,9063
Trimestre IV = -4,875 (-0, 135417) = -4,7396
E a soma dos quatro ndices virtualmente igual a zero.
Pelo modelo multiplicativo:
Trimestre
No. de Contratos
1993 I
24
1993 II
21
1993 III
11
Totais Mveis
4 perodos
Totais Mveis 2
perodos (centrados)
Mdias Mveis 2
perodos (centradas)
ndices sazonais
126
15,75
0,698
121
15,125
0,595
116
14,5
1,379
109
13,625
1,468
101
12,625
0,554
90
11,25
0,533
82
10,25
1,463
80
10
1,400
78
9,75
0,513
74
9,25
0,649
71
8,875
1,465
69
8,625
1,391
65
61
1993 IV
9
60
1994 I
20
56
1994 II
20
53
1994 III
7
48
1994 IV
6
42
1995 I
15
40
1995 II
14
40
1995 III
5
38
1995 IV
6
36
1996 I
13
35
1996 II
12
34
1996 III
1996 IV
Temos que encontrar 4 ndices sazonais, j que h 4 trimestres no ano. Como a srie
registrada trimestralmente, e a tendncia deve ser obtida por mdias mveis, preciso calcular
mdias mveis de 4 perodos, pois h 4 trimestres no ano. Contudo, como este nmero de perodos
par, mdias mveis de 2 perodos, calculadas a partir daquelas de 4 perodos, precisam ser
obtidas para obter resultados centrados. O procedimento inicial semelhante ao feito no Exemplo
4.3, at a obteno das mdias mveis de 2 perodos centradas.
Para obter os ndices sazonais devemos dividir os valores originais da srie pelas mdias
mveis centradas, a partir de 1993 III at 1995 II, cujos resultados esto na ltima coluna da
tabela acima. Os ndices para cada trimestre sero:
Trimestre I =>
1,379 1,463 1,465
Trimestre II =>
1,468 1,400 1,391
Trimestre III=>
0,698 0,554 0,513
Trimestre IV=>
0,595 0,533 0,649
Os ndices somente foram calculados para os perodos em que havia mdias mveis de 2 perodos
centradas. Precisamos calcular a mdia de cada trimestre, excluindo os valores mximo e mnimo..
Neste caso, como h apenas 3 valores basta excluir os extremos. Ento os ndices sazonais sero:
Trimestre I = 1,463 Trimestre II = 1,400 Trimestre III = 0,554 Trimestre IV = 0,595
Observe que h uma diferena considervel entre os ndices. No primeiro trimestre do ano o
nmero de contratos aumenta cerca de 46,3% ([1,463 - 1] 100), no segundo aumenta 40%, no
terceiro trimestre sofre uma queda de 44,6% ([0,554 - 1] 100), e no quarto a queda de 40,5%.
Estas oscilaes so grandes demais para ter ocorrido por acaso, h influncia da sazonalidade na
srie de contratos. Somando os ndices vamos obter 4,013, indicando que preciso realizar uma
correo. Como a sazonalidade tem ordem 4, subtrai-se a soma de 4 e divide-se o resultado por 4
obtendo 0,0032. Subtraindo este valor de 1, teremos 0,9968, multiplicando este resultado pelos
ndices obtemos os ndices corrigidos:
Trimestre I = 1,463 0,9968 = 1,459
Trimestre II = 1,400 0,9968 = 1,395
Trimestre III = 0,554 0,9968 = 0,553
Trimestre IV = 0,595 0,9968 = 0,593
E a soma dos quatro ndices virtualmente igual a 4.
Podemos remover a sazonalidade da srie, dividindo os valores originais de cada perodo por seu
respectivo ndice sazonal, pelos modelos aditivo e multiplicativo, e podemos ver o resultado em
dois grficos:
Trimestre
Y
S (multiplicativo) T C I = Y/ S S (aditivo) T + C + I = Y - S
1993 I
24
1,459
16,453
4,927
19,073
1993 II
21
1,395
15,049
4,719
16,281
1993 III
11
0,553
19,904
-4,906
15,906
1993 IV
9
0,593
15,174
-4,740
13,740
1994 I
20
1,459
13,711
4,927
15,073
1994 II
20
1,395
14,332
4,719
15,281
1994 III
7
0,553
12,666
-4,906
11,906
1994 IV
6
0,593
10,116
-4,740
10,740
1995 I
15
1,459
10,283
4,927
10,073
1995 II
14
1,395
10,032
4,719
9,281
1995 III
5
0,553
9,047
-4,906
9,906
1995 IV
6
0,593
10,116
-4,740
10,740
1996 I
13
1,459
8,912
4,927
8,073
1996 II
12
1,395
8,599
4,719
7,281
1996 III
4
0,553
7,238
-4,906
8,906
1996 IV
5
0,593
8,430
-4,740
9,740
Aditivo
6,000
30
25
20
15
10
5
0
4,000
2,000
1996 III
1996 I
1995 III
1995 I
1994 III
1994 I
-4,000
1993 III
-2,000
1993 I
III
19
96
I
96
19
III
95
19
19
95
III
94
I
19
94
19
19
19
93
93
III
0,000
-6,000
T + C + I= Y- S
Multiplicativo
III
19
96
I
96
19
III
95
19
95
19
19
III
94
I
94
19
19
19
93
93
III
30
25
20
15
10
5
0
T x C x I = Y/ S
19
96
I
II
19
95
I
I
19
95
II
19
94
I
I
19
94
II
19
93
I
19
93
0,000
Embora todos os autores concordem com a presena das componentes irregulares no modelo clssico das sries
temporais, no h unanimidade sobre as componentes cclicas. Assim, o leitor pode encontrar referncias sobre sries
temporais que desconsideram por completo os ciclos.
CI Y T S
No modelo multiplicativo:
CI
Y
T S
Usamos a mediana ao invs da mdia para evitar que valores discrepantes, causados por variaes irregulares,
distoram os resultados.
- calcula-se a mediana, ou a mdia sem os valores mximo e mnimo, apenas para o ltimo perodo
de alta (e baixa); este procedimento privilegia as informaes mais recentes, que podem ser mais
teis em previses.
Tambm podemos observar os efeitos das variaes irregulares, basta identificarmos
eventuais quedas e altas no grfico e relacionar tais eventos com fatos ocorridos no mesmo perodo.
importante observar que muitas vezes tais acontecimentos no causam efeito imediato, ou mesmo
no causam efeito algum, o que pode surpreender o analista desavisado.
Na figura 17 podemos observar novamente a srie temporal da figura 4. Na figura 18 temos
esta srie aps a remoo da tendncia e sazonalidade, supondo um modelo aditivo, resultando
apenas nas variaes cclicas e sazonais. Na figura 20 temos a mesma situao, mas com o modelo
multiplicativo.
jan/69
jan/73
jan/77
jan/81
jan/85
jan/89
jan/93
jan/97
-200
-300
Figura 18 - Srie temporal de vendas - apenas variaes cclicas e irregulares - modelo aditivo
acima de zero, e em perodos de alta abaixo de zero. Isso ocorre devido influncia das variaes
irregulares. Contudo, se o efeito das variaes irregulares fosse suavizado a visualizao seria mais
fcil. Aplicando mdias mveis de 12 perodos, posteriormente centradas, temos a figura 19:
Mdias mveis das variaes cclicas e irregulares (centradas) - modelo aditivo
200
150
100
50
0
jan/65
-50
jan/69
jan/73
jan/77
jan/81
jan/85
jan/89
jan/93
jan/97
-100
-150
Figura 19 - Srie temporal de vendas - mdias mveis de 12 perodos das variaes cclicas e irregulares - modelo
aditivo
1,6
1,5
1,4
1,3
1,2
1,1
1
0,9
0,8
0,7
0,6
jan/65
jan/69
jan/73
jan/77
jan/81
jan/85
jan/89
jan/93
jan/97
Figura 20 - Srie temporal de vendas - apenas variaes cclicas e irregulares modelo multiplicativo
jan/69
jan/73
jan/77
jan/81
jan/85
jan/89
jan/93
jan/97
Figura 21 - Srie temporal de vendas - mdias mveis de 12 perodos das variaes cclicas e irregulares modelo
multiplicativo.
Foi possvel verificar, tanto pelo modelo aditivo quanto pelo multiplicativo que as variaes
cclicas tm influncia sobre os valores da srie. Isso obriga a sua considerao ao realizar a
previso dos valores futuros da srie: necessrio identificar se os perodos para os quais se quer
fazer a previso sero de alta ou baixa, e obter ndices cclicos (semelhantes aos ndices sazonais)
para os perodos. Para o caso do exemplo acima a srie terminou em dezembro de 2000. Imagine-se
que h interesse em fazer a previso para os anos imediatamente seguintes, 2001 e 2002. Estes dois
anos, de acordo com as figuras 18 a 21, sero anos de alta ou baixa? Conforme visto anteriormente,
os perodos de alta e baixa costumam inverter-se a cada 7 anos, 84 meses: em 1993 iniciou-se um
perodo de baixa, que durou at fins de 1999, passando a haver um aumento nos ndices a partir de
2000, como o perodo de alta dura cerca de 7 anos espera-se que os anos de 2000 a 2006 sejam
perodos de alta.
Como obter os ndices cclicos? Vamos obter um valor apenas, que representar os perodos
de alta: podemos calcular a mediana dos valores de todos os perodos de alta (1972 a 1978; 1986 a
1992; 2000); ou obter a mediana dos valores do ltimo perodo completo de alta (1986 a 1992), que
seriam dados mais recentes e talvez com maior influncia sobre a srie.
Outra questo importante. Vamos utilizar os dados das variaes cclicas e irregulares
originais (figuras 18 e 20), ou aps a aplicao das mdias mveis (figuras 19 e 21). A primeira
opo permite incluir mais dados (no so excludos os 6 primeiros e 6 ltimos valores da srie
devido aos clculos das mdias mveis). Contudo, os valores esto bastante contaminados pelas
variaes irregulares. A utilizao da mediana para calcular o ndice pode minimizar este problema,
mas porque no usar os dados j depurados (aps a aplicao das mdias mveis)?
No presente caso, como se trata de uma srie scio-econmica, e h interesse em mostrar o
seu comportamento cclico, poderamos escolher os resultados do ltimo perodo completo de alta,
aps a aplicao das mdias mveis, pois:
- os dados mais antigos podem estar obsoletos;
- as mdias mveis alisaram a srie, reduzindo a influncia das variaes irregulares.
Resta ainda a dvida: modelo aditivo ou multiplicativo? Mais adiante apresentaremos medidas para
verificar qual dos dois apresenta melhores resultados.
Exemplo 4.6 - Os dados a seguir representam as vendas lquidas (em bilhes de dlares), e a
tendncia (obtida por uma equao de reta) da Kodak. Remova a tendncia da srie usando os
modelos aditivo e multiplicativo. Voc identifica variaes cclicas?
Ano Vendas Tendncia CI = Vendas CI =
Como a srie anual NO
Tendncia
Vendas/Tendncia H
influncia
da
1978 1,60 0,743587
0,85641
2,15173
sazonalidade.
Podemos
1979 2,00 1,566462
0,43354
1,27676
simplesmente
subtrair a
1980 2,70 2,389338
0,31066
1,13002
Tendncia
das
vendas
1981 3,70 3,212213
0,48779
1,15185
(modelo aditivo) ou dividir as
1982 4,60 4,035089
0,56491
1,14
Vendas
pela
Tendncia
1983 4,62 4,857964
-0,23796
0,95102
(modelo
multiplicativo),
obtendo as componentes CI.
1984 5,00
5,68084
-0,68084
0,88015
Os resultados ao lado
1985 5,78 6,503715
-0,72372
0,88872
permitem observar os valores
1986 6,30 7,326591
-1,02659
0,85988
da srie com a tendncia
1987 8,00 8,149466
-0,14947
0,98166
linear removida. Observe que
1988 10,25 8,972342
1,27766
1,1424
h alternncia entre valores
1989 10,50 9,795217
0,70478
1,07195
maiores e menores do que
1990 11,90 10,61809
1,28191
1,12073
zero no modelo aditivo, e 1
1991 10,20 11,44097
-1,24097
0,89153
no modelo multiplicativo, ao
1992 10,60 12,26384
-1,66384
0,86433
longo dos anos. Contudo tal
1993 10,60 13,08672
-2,48672
0,80998
constatao pode se tornar
1994 11,50 13,90959
-2,40959
0,82677
difcil para sries maiores.
1995 13,30 14,73247
-1,43247
0,90277
preciso construir os grficos
1996 17,00 15,55535
1,44465
1,09287
das variaes cclicas e
1997 18,40 16,37822
2,02178
1,12344
irregulares.
1998 18,90 17,2011
1,69890
1,09877
1999 18,90 18,02397
0,87603
1,0486
2000 18,94 18,84685
0,09315
1,00494
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
1989
1988
1987
1986
1985
1984
1983
1982
1981
1980
1979
2,50000
2,00000
1,50000
1,00000
0,50000
0,00000
-0,50000
-1,00000
-1,50000
-2,00000
-2,50000
-3,00000
1978
CI Aditivo
Pelo modelo aditivo possvel identificar uma variao sistemtica: nos anos de 1978 a 1982 (5
anos) tm valores MAIORES DO QUE ZERO para as variaes CI. De 1983 a 1987 (outros 5
anos), os valores de CI so MENORES DO QUE ZERO. Em 1988 ocorre outra inverso, valores
maiores do que zero at 1990. Em 1991, as variaes CI voltam a ficar menores do que zero,
permanecendo assim at 1995 (5 anos). No ano de 1996 ocorre a ltima inverso da srie, com os
valores tornando a ser maiores do que zero at o ano 2000. Conclui-se ento que H VARIAO
CCLICA nesta srie, pois se pode perceber uma alternncia entre valores maiores e menores do
que zero (das variaes CI) a cada 5 anos.
CI Multiplicativo
2,25
2
1,75
1,5
1,25
1
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
1989
1988
1987
1986
1985
1984
1983
1982
1981
1980
1979
1978
0,75
Pelo modelo multiplicativo tambm possvel identificar uma variao sistemtica: nos anos de
1978 a 1982 (5 anos) tm valores MAIORES DO QUE 1 para as variaes CI. De 1983 a 1987
(outros 5 anos), os valores de CI so MENORES DO QUE 1. Em 1988 ocorre outra inverso,
valores maiores do que 1 at 1990. Em 1991, as variaes CI voltam a ficar menores do que 1,
permanecendo assim at 1995 (5 anos). No ano de 1996 ocorre a ltima inverso da srie, com os
valores tornando a ser maiores do que 1 at o ano 2000. Conclui-se ento que H VARIAO
CCLICA nesta srie, pois pode-se perceber uma alternncia entre valores maiores e menores do
que 1(das variaes CI) a cada 5 anos.
Como h variaes cclicas na srie elas devem ser levadas em conta na previso que ser
feita. Observando os grficos das variaes CI acima, o ano de 2000 parece ser o ltimo de um
ciclo de alta. razovel imaginar que os anos de 2001 a 2005 sero anos de baixa: a tendncia
precisar ser multiplicada pelos ndices de ciclos de baixa. Mas quais ndices de ciclos de baixa
escolher? Observe que tanto nos ciclos de alta, quanto nos de baixa NO H grande variao
entre os valores de CI: se calcularmos a mediana dos valores de CI para um grupo de cinco anos
(referente a um ciclo de baixa) teremos uma boa estimativa da componente CI para utilizar na
previso. Devemos utilizar o ltimo ciclo de baixa disponvel, que vai de 1991 a 1995, com os
seguintes valores:
- pelo modelo aditivo, -1,24097;-1,66384;-2,48672;-2,40959;-1,43247. Ordenando os 5 valores e
calculando a mediana obtemos -1,66384: este dever ser o valor de CI que ser somado
tendncia da srie, se o modelo aditivo for usado.
- pelo modelo multiplicativo, 0,8915; 0,8643; 0,8100; 0,8268; 0,9028. Ordenando os 5 valores e
calculando a mediana obtemos 0,8643: este dever ser o valor de CI que ser multiplicado pela
tendncia da srie, se o modelo multiplicativo for usado.
4.5 - Recomposio
A recomposio consiste em agregar todas as componentes identificadas na anlise de sries
temporais, para que seja possvel realizar a melhor previso possvel. Ao fazer a recomposio,
levando em conta todas as componentes que causam influncia na srie possvel avaliar qual
modelo, aditivo ou multiplicativo, apresenta melhores resultados.
T SC
T S C
No modelo aditivo: Y
No modelo multiplicativo: Y
Onde T a tendncia (definida por uma equao, mdias mveis ou ajuste exponencial - seo 4.2),
S a componente sazonal (definida pelos ndices sazonais - seo 4.3), e C a componente cclica
(definida por ndices - seo 4.4).
Exemplo 4.7 Faa a recomposio da srie a seguir, supondo um modelo aditivo.
=T+C+S
Aditivo: Y
Para fazer a recomposio da srie devemos
T
C
S
somar as componentes da srie, j que um modelo
90
-22
-5
aditivo.
94
-22
-4
O resultado est na tabela a seguir.
98
-22
-4
102
106
110
114
118
122
T
90
94
98
102
106
110
114
118
122
-22
-22
-22
-22
-22
-22
=T+C+S
Aditivo: Y
C
S
-22
-5
-22
-4
-22
-4
-22
-6
-22
-7
-22
-3
-22
-1
-22
5
-22
5
-6
-7
-3
-1
5
5
Y
63
68
72
74
77
85
91
101
105
0,7
0,7
0,7
0,7
0,7
0,7
0,86
0,82
0,94
0,95
1,10
1,10
=TxCxS
Multiplicativo: Y
T
C
S
Y
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,7
0,9
0,92
0,92
0,86
0,82
0,94
0,95
1,1
1,1
56,7
60,536
63,112
61,404
60,844
72,38
75,81
90,86
93,94
1 n
EAM e t
n t 1
1 n 2
EQM et
n t 1
1 n et
EPM
n t 1 Yt
100
1 n et
EPAM
n t 1 Yt
100
Onde et o erro (diferena entre o valor da srie, Yt, e o valor previsto pela recomposio, Y
t
,obtido na recomposio em um perodo genrico t. As duas primeiras medidas dependem da escala
dos valores da srie, o que dificulta a comparao com outras sries ou mesmo diferentes intervalos
de tempo na mesma srie. As duas ltimas, EPM e EPAM, por serem relativas, no apresentam
aqueles problemas9. No obstante, por apresentarem diviso pelos valores da srie, podem ser
inapropriadas quando a srie tiver valores iguais ou prximos a zero. A segunda medida, EQM,
semelhante ao desvio padro, d maior nfase a grandes erros do que EAM 10. Pode-se usar todas, o
que fcil de implementar em uma planilha eletrnica, ou j faz parte dos programas estatsticos. O
melhor modelo ser o que apresentar os valores mais prximos de zero (j que o EPM pode assumir
valores negativos).
MAKRIDAKIS, S., WHEELWRIGHT, S.C., HYNDMAN, R.J. Forecasting: methods and applications . John Wiley
& Sons, 3rd edition, 1998, pginas 42-44.
10
CAMM, J. D., EVANS, J. R. Management Science and decision technology. South-Western College Publishing,
2000, pgina 103.
Exemplo 4.9 Os dados abaixo contm os valores trimestrais de vendas (em milhes de reais) de um
fabricante de eletrodomsticos. Usando o modelo aditivo e o multiplicativo:
a) obtenha os componentes da srie
b)interprete os resultados c) faa a recomposio da srie
d) avalie qual o melhor modelo e) faa a previso de vendas para os 4 trimestres seguintes.
Perodo
Trimestre
Vendas
Perodo
Trimestre
Vendas
1
I
20
13
I
32
2
II
18
14
II
29
3
III
22
15
III
35
4
IV
24
16
IV
38
5
I
24
17
I
36
6
II
22
18
II
32
7
III
26
19
III
40
8
IV
29
20
IV
43
9
I
28
21
I
40
10
II
25
22
II
36
11
III
31
23
III
44
12
IV
34
24
IV
48
O primeiro passo construir um grfico para os dados da srie.
Vendas: dados originais e tendncia linear
50
45
40
35
30
25
20
15
I II III I
I II III I
I II III I
I II III I
I II III I
I II III I
plenamente vivel pensar em ajustar uma reta aos dados. Ento podemos obter os
coeficientes da reta de mnimos quadrados: T = a + b t.
Sabemos que n = 24 (h 24 perodos na srie).
Os somatrios necessrios:
24
t i 300
i 1
24
yi 756
i 1
24
2
t i 4900
i 1
24
t
i 1
y i 10694
i 1
i 1
i 1
2
n t i yi t i yi
n
n ti
i 1
y
i 1
n
ti
i1
b ti
i 1
Trimestre Vendas
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
I
II
III
IV
20
18
22
24
24
22
26
29
28
25
31
34
32
29
35
38
36
32
40
43
40
36
44
48
172
180
188
197
206
213
221
231
240
248
256
264
272
279
287
297
306
314
322
331
21,5
22,5
23,5
24,625
25,75
26,625
27,625
28,875
30
31
32
33
34
34,875
35,875
37,125
38,25
39,25
40,25
41,375
0,5
1,5
0,5
-2,625
0,25
2,375
0,375
-3,875
1
3
0
-4
1
3,125
0,125
-5,125
1,75
3,75
-0,25
-5,375
1,02326
1,06667
1,02128
0,8934
1,00971
1,0892
1,01357
0,8658
1,03333
1,09677
1,00000
0,87879
1,02941
1,08961
1,00348
0,86195
1,04575
1,09554
0,99379
0,87009
Trimestre I = 1,006
Trimestre II = 0,872
Trimestre III = 1,029
Trimestre IV = 1,092
E a soma dos quatro ndices virtualmente igual a 4.
Como alguns dos ndices distanciam-se substancialmente de 1, H influncia da sazonalidade.
Interpretando os ndices sazonais: no trimestre I as vendas aumentam cerca de 0,6% em relao
mdia anual, no trimestre II as vendas caem 13%, no trimestre III as vendas aumentam 2,9%, e no
trimestre IV as vendas aumentam 9,2% em relao mdia anual.
Para obter as variaes cclicas e irregulares ns precisamos descontar os valores originais da
srie pelos respectivos valores de tendncia e ndices sazonais pelo modelo aditivo (subtraindo as
componentes das vendas) e pelo multiplicativo (dividindo as vendas pelas componentes).
Modelo aditivo: CI = Vendas- T - S
Trim. Vendas
T-S
I
20
19,060 0,25
II
18
20,142 (- 4,1)
III
22
21,223 1,00
IV
24
22,305 2,85
I
24
23,387 0,25
II
22
24,469 (- 4,1)
III
26
25,550 1,00
IV
29
26,632 2,85
I
28
27,714 0,25
II
25
28,796 (- 4,1)
III
31
29,877 1,00
IV
34
30,959 2,85
O grfico das variaes cclicas e irregulares pelo modelo aditivo mostrado a seguir:
Vendas: apenas variaes cclicas e irregulares - modelo aditivo
2,50
2,00
1,50
1,00
0,50
0,00
-0,50
II III IV I
II III IV I
II III IV I
II III IV I
II III IV I
II III IV
-1,00
-1,50
-2,00
Figura 25 - Vendas trimestrais - apenas variaes cclicas e irregulares modelo aditivo
Apenas CI
TS
32,041 1,006
0,992
33,123 0,872
1,004
34,204 1,029
0,994
35,286 1,092
0,986
36,368 1,006
0,984
37,450 0,872
0,980
38,531 1,029
1,009
39,613 1,092
0,994
40,695 1,006
0,977
41,777 0,872
0,988
42,858 1,029
0,997
43,940 1,092
1,000
II III IV I
II III IV I
II III IV I
II III IV I
II III IV I
II III IV
T S , e os erros e t Vendas Y
Pelo modelo aditivo: Y
Tri. Vendas
Tri. Vendas
TS
TS
et
Y
Y
(Y)
(Y)
I
20
19,060 + 0,25
0,6900
I
32
32,041 + 0,25
II
18
20,142 + (- 4,1)
1,9583
II
29
33,123 +(- 4,1)
III
22
21,223 + 1,00
-0,2235
III
35
34,204 + 1,00
IV
24
22,305 + 2,85
-1,1552
IV
38
35,286 + 2,85
I
24
23,387 + 0,25
0,3630
I
36
36,368 + 0,25
II
22
24,469 + (- 4,1)
1,6313
II
32
37,450 + (- 4,1)
III
26
25,550 + 1,00
-0,5504
III
40
38,531 + 1,00
IV
29
26,632 + 2,85
-0,4822
IV
43
39,613 + 2,85
I
28
27,714 + 0,25
0,0361
I
40
40,695 + 0,25
II
25
28,796 + (- 4,1)
0,3043
II
36
41,777 + (- 4,1)
III
31
29,877 + 1,00
0,1226
III
44
42,858 + 1,00
IV
34
30,959 + 2,85
0,1909
IV
48
43,940 + 2,85
et
-0,2909
-0,0226
-0,2043
-0,1361
-0,6178
-1,3496
0,4687
0,5370
-0,9448
-1,6765
0,1417
1,2100
preciso calcular tambm os valores absolutos dos erros, os quocientes et /Y, e os valores
absolutos destes quocientes:
Tri.
|et| e t / Yt 100 e t / Yt 100 Tri. |et| e t / Yt 100 e t / Yt 100
I
II
III
IV
I
II
III
IV
I
II
III
IV
0,6900
1,9583
0,2235
1,1552
0,3630
1,6313
0,5504
0,4822
0,0361
0,3043
0,1226
0,1909
3,4500
10,8792
-1,0158
-4,8134
1,5127
7,4150
-2,1171
-1,6627
0,1289
1,2174
0,3955
0,5614
3,4500
10,8792
1,0158
4,8134
1,5127
7,4150
2,1171
1,6627
0,1289
1,2174
0,3955
0,5614
I
II
III
IV
I
II
III
IV
I
II
III
IV
0,2909
0,0226
0,2043
0,1361
0,6178
1,3496
0,4687
0,5370
0,9448
1,6765
0,1417
1,2100
-0,9090
-0,0780
-0,5839
-0,3581
-1,7162
-4,2174
1,1717
1,2487
-2,3620
-4,6570
0,3221
2,5208
0,9090
0,0780
0,5839
0,3581
1,7162
4,2174
1,1717
1,2487
2,3620
4,6570
0,3221
2,5208
Aps calcular os somatrios possvel substituir os valores nas expresses, sabendo-se que h 24
perodos:
1 n
1 24
1
e t e t 15,3078 0,6378
n t 1
24 t 1
24
1 n 2 1
EQM e t 17,2131 0,7172
n t 1
24
EAM
1 n e t
EPM
n t 1 Yt
EPAM
100
6,3332 0,2639 %
24
1 n et
1
100 55,3139 2,3047 %
n t 1 Yt
24
T S , e os erros
Pelo modelo multiplicativo: Y
Tri. Vendas
T S
et
Y
(Y)
I
20
19,060 1,006
0,8190
II
18
20,142 0,872
0,4337
III
22
21,223 1,029
0,1537
IV
24
22,305 1,092
-0,3611
I
24
23,387 1,006
0,4646
II
22
24,469 0,872
0,6600
III
26
25,550 1,029
-0,3002
IV
29
26,632 1,092
-0,0868
I
28
27,714 1,006
0,1101
II
25
28,796 0,872
-0,1137
III
31
29,877 1,029
0,2459
IV
34
30,959 1,092
0,1874
e t Vendas Y
Tri.
I
II
III
IV
I
II
III
IV
I
II
III
IV
Vendas
(Y)
32
29
35
38
36
32
40
43
40
36
44
48
T S
Y
et
32,041 1,006
33,123 0,872
34,204 1,029
35,286 1,092
36,368 1,006
37,450 0,872
38,531 1,029
39,613 1,092
40,695 1,006
41,777 0,872
42,858 1,029
43,940 1,092
-0,2443
0,1126
-0,2081
-0,5384
-0,5987
-0,6611
0,3380
-0,2641
-0,9532
-0,4347
-0,1159
0,0101
preciso calcular tambm os valores absolutos dos erros, os quocientes et /Y, e os valores
absolutos destes quocientes:
Tri.
e t / Yt 100 e t / Yt 100 Tri. |et| e t / Yt 100 e t / Yt 100
|et|
I
II
III
IV
I
II
III
IV
I
II
III
IV
0,8190
0,4337
0,1537
0,3611
0,4646
0,6600
0,3002
0,0868
0,1101
0,1137
0,2459
0,1874
4,0949
2,4094
0,6987
-1,5045
1,9356
3,0000
-1,1547
-0,2995
0,3933
-0,4547
0,7931
0,5511
4,0949
2,4094
0,6987
1,5045
1,9356
3,0000
1,1547
0,2995
0,3933
0,4547
0,7931
0,5511
I
II
III
IV
I
II
III
IV
I
II
III
IV
0,2443
0,1126
0,2081
0,5384
0,5987
0,6611
0,3380
0,2641
0,9532
0,4347
0,1159
0,0101
-0,7635
0,3884
-0,5945
-1,4168
-1,6632
-2,0658
0,8450
-0,6143
-2,3829
-1,2076
-0,2635
0,0210
0,7635
0,3884
0,5945
1,4168
1,6632
2,0658
0,8450
0,6143
2,3829
1,2076
0,2635
0,0210
Aps calcular os somatrios possvel substituir os valores nas expresses, sabendo-se que h 24
perodos:
1 n
1 24
1
e t e t 8,4154 0,3506
n t 1
24 t 1
24
n
1
1
2
EQM e t 4,3786 0,1824
n t 1
24
EAM
1
1 n e t
EPM 100 0,7451 0,0310 %
n t 1 Yt
24
EPAM
1 n et
1
100 29,5160 1,2298 %
n t 1 Yt
24
Modelo Multiplicativo
0,3506
0,1824
0,0310%
1,2298%
Alm do modelo clssico apresentado neste captulo podem ser usados os mtodos de HoltWinters para modelos multiplicativos e aditivos. Maiores detalhes em SOARES, J. F., FARIAS, A.
A., CESAR, C. C. Introduo Estatstica, LTC, Rio de Janeiro, 1991.
H tambm outras abordagens diferentes do modelo clssico. Entre estes modelos devem ser
citados os modelos Auto-Regressivos (AR), os modelos de Mdias Mveis Auto-Regressivos de
(ARMA) e os modelos de Mdias Mveis Integrados Auto-Regressivos (ARIMA). Tais tpicos
geralmente so vistos em cursos de ps-graduao.
11