Analises Temporais

INE 7001 Anlise de Sries Temporais
4 - ANLISE DE SRIES TEMPORAIS

Srie Temporal um conjunto de observaes sobre uma varivel, ordenado no tempo, e
registrado em perodos regulares. Podemos enumerar os seguintes exemplos de sries temporais:
temperaturas mximas e mnimas dirias em uma cidade, vendas mensais de uma empresa, valores
mensais do IPC-A, valores de fechamento dirios do IBOVESPA, resultado de um
eletroencefalograma, grfico de controle de um processo produtivo.
A suposio bsica que norteia a anlise de sries temporais que h um sistema causal
mais ou menos constante, relacionado com o tempo, que exerceu influncia sobre os dados no
passado e pode continuar a faz-lo no futuro. Este sistema causal costuma atuar criando padres
no aleatrios que podem ser detectados em um grfico da srie temporal, ou mediante algum outro
processo estatstico.
O objetivo da anlise de sries temporais identificar padres no aleatrios na srie
temporal de uma varivel de interesse, e a observao deste comportamento passado pode permitir
fazer previses sobre o futuro, orientando a tomada de decises.
Vamos ver alguns grficos de sries temporais.
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
Figura 1 - Nmero de passageiros transportados
Que padres no aleatrios podemos identificar na figura 1?

- observe que h uma tendncia crescente no nmero de passageiros transportados (ou pelo menos
havia antes de 11 de setembro de 2001...).
- h uma sucesso regular de "picos e vales" no nmero de passageiros transportados, isso deve ser
causado pelas oscilaes devido a feriados, perodos de frias escolares, etc., que esto geralmente
relacionados s estaes do ano, e que se repetem todo ano (com maior ou menor intensidade).
Em outras palavras, identificamos dois padres que podem tornar a ocorrer no futuro: crescimento
no nmero de passageiros transportados, flutuaes sazonais. Tais padres poderiam ser
incorporados a um modelo estatstico, possibilitando fazer previses que auxiliaro na tomada de
decises.
Grfico de Controle p - amostras com 300 elementos
.040157
.017467
0.00000
1
10
15
20
25
Amostras
Figura 2 - Grfico de controle: frao de defeituosos
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
No caso da figura 3 a srie aparenta comportar-se de forma errtica. Em vermelho pode-se

ver uma linha1 que possibilita identificar o nvel da produo de minrio de ferro, uma tendncia,
1
Veremos posteriormente que se trata de uma mdia mvel.
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.
4.1 - Modelo Clssico das Sries Temporais

Segundo o modelo clssico todas as sries temporais so compostas de quatro padres:
- tendncia (T), que o comportamento de longo prazo da srie, que pode ser causada pelo
crescimento demogrfico, ou mudana gradual de hbitos de consumo, ou qualquer outro aspecto
que afete a varivel de interesse no longo prazo;
- variaes cclicas ou ciclos (C), flutuaes nos valores da varivel com durao superior a um
ano, e que se repetem com certa periodicidade 2, que podem ser resultado de variaes da economia
como perodos de crescimento ou recesso, ou fenmenos climticos como o El Nio (que se repete
com periodicidade superior a um ano);
- variaes sazonais ou sazonalidade (S), flutuaes nos valores da varivel com durao inferior a
um ano, e que se repetem todos os anos, geralmente em funo das estaes do ano (ou em funo
de feriados ou festas populares, ou por exigncias legais, como o perodo para entrega da declarao
de Imposto de Renda); se os dados forem registrados anualmente NO haver influncia da
sazonalidade na srie3;
- variaes irregulares (I), que so as flutuaes inexplicveis, resultado de fatos fortuitos e
inesperados como catstrofes naturais, atentados terroristas como o de 11 de setembro de 2001,
decises intempestivas de governos, etc.
Aqui importante salientar que nem sempre uma srie temporal, mesmo que o modelo
clssico seja considerado apropriado para analis-la, ir apresentar todos os componentes citados
acima:
- a srie pode apresentar apenas variaes irregulares: no se percebe comportamento crescente ou
decrescente de longo prazo (tendncia), ou flutuaes sazonais ou cclicas (como as sries das
figuras 2 e 3).
- a srie pode apresentar apenas tendncia e variaes irregulares 4: no so identificadas flutuaes
sazonais ou cclicas, apenas o comportamento crescente/decrescente de longo prazo e as variaes
aleatrias.
- a srie pode apresenta apenas variaes sazonais e irregulares: o comportamento de longo prazo
da srie aproximadamente constante, mas observam-se flutuaes dentro dos perodos de um ano,
que se repetem todos os anos.
- quaisquer outras combinaes possveis.
A decomposio da srie permitir identificar quais componentes esto atuando naquele
conjunto em particular, alm de possibilitar obter ndices e/ou equaes para realizar previses para
perodos futuros da srie.
Alguns autores no incluem as variaes cclicas no modelo clssico da srie temporal.

Pois no ser possvel observar se as flutuaes se repetem sistematicamente dentro dos anos.
4
No h como se livrar das variaes irregulares...
3
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
Figura 4 - Srie original e tendncia linear
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).
Variaes cclicas, sazonais e irregulares

1.6
1.5
1.4
1.3
1.2
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
Figura 5 - Componentes cclicas, sazonais e irregulares.
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.
4.2 - Obteno da Tendncia

A tendncia descreve o comportamento da varivel retratada na srie temporal no longo
prazo. H trs objetivos bsicos na sua identificao: avaliar o seu comportamento para utiliz-lo
em previses, remov-la da srie para facilitar a visualizao das outras componentes, ou ainda
identificar o nvel da srie (o valor ou faixa tpica de valores que a varivel pode assumir, se no for
observado comportamento crescente ou decrescente no longo prazo). A obteno da tendncia pode
ser feita de trs formas: atravs de um modelo de regresso (como o modelo linear - reta), atravs
de mdias mveis, ou atravs de ajuste exponencial (que no deixa de ser uma mdia mvel).
4.2.1 - Obteno de tendncia linear
Utiliza o mtodo dos mnimos quadrados para obter os coeficientes da reta que melhor se
ajusta aos dados (ver seo 3.2.4). A diferena aqui que a varivel independente ser sempre o
tempo (mensurado diretamente, por exemplo, anos de 1970, 1971, ou atravs de contagem de
perodos, 1, 2, 3). importante ressaltar que atravs de programas estatsticos, ou mesmo uma
planilha eletrnica como o Microsoft Excel possvel ajustar outros modelos que no o linear.
Para o caso linear, a reta de tendncia ser: T = a + bt
Onde T o valor da tendncia, t o valor do tempo, b o coeficiente angular da reta (se
positivo indica tendncia crescente, se negativo a tendncia decrescente) e a o coeficiente linear
da reta. As equaes dos coeficientes esto expressas a seguir.
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
Onde yi um valor qualquer da varivel registrada na srie temporal, t i o perodo

associado a yi, e n o nmero de perodos da srie. Para encontrar os coeficientes basta calcular os
somatrios (tal como em anlise de regresso linear simples).
Exemplo 4.1 - Os dados a seguir apresentam o patrimnio lquido (em milhes de reais) de um
banco de 1985 a 1995. Supondo que o modelo linear seja apropriado para descrever a tendncia da
srie, encontre os coeficientes da reta de mnimos quadrados. Faa a previso de tendncia para os
anos de 1996 e 1997.
Ano
Patrimnio (R$1.000.000)
1985
30
1986
32
1987
32
1988
35
1989
37
1990
38
1991
42
1992
41
1993
44
1994
46
1995
47
A varivel dependente o saldo de vendas: ser o Y. H 11 perodos: n = 11. O prximo
passo encontrar os somatrios necessrios para obter os coeficientes. Mas ao invs de usarmos
os anos, o que poderia complicar nossos clculos, vamos trabalhar com perodos, sendo 1985 o
perodo 1, 1986 o 2 e assim por diante. A tabela ficaria ento (j incluindo as colunas t y e t2):
Ano
Patrimnio (Y) (R$1.000.000)
Tempo (t)
t.Y
t2
1985
30
1
30
1
1986
32
2
64
4
1987
32
3
96
9
1988
35
4
140
16
1989
37
5
185
25
1990
38
6
228
36
1991
42
7
294
49
1992
41
8
328
64
1993
44
9
396
81
1994
46
10
460
100
1995
47
11
517
121
Soma
424
66
2768
506
Substituindo os valores nas equaes:
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
424 (1,76 66)

27,96
11
T = 27,96 + 1,76 t
Ento a equao de tendncia :
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
Figura 6 - Patrimnio lquido de um banco: srie anual, tendncia linear e projeo
4.2.2 - Obteno de tendncia por mdias mveis

As mdias mveis so uma forma alternativa de obteno da tendncia ou nvel de uma srie
temporal. Calcula-se a mdia dos primeiros n perodos da srie, colocando o resultado no perodo
exatamente no centro deles. Progressivamente, vamos acrescentando um perodo seguinte e
desprezando o primeiro da mdia imediatamente anterior, e calculando novas mdias, que vo se
movendo at o fim da srie. O nmero de perodos (n) chamado de ordem da srie.
Exemplo 4.2 - Os dados a seguir, que representam as vendas anuais das fbricas (em milhes de
unidades), em todo o mundo, de carros, caminhes e nibus fabricados pela General Motors
Corporation de 1970 a 1992. Obtenha a tendncia da srie por mdias mveis de 3, 5 e 7 perodos, e
plote-as em um grfico junto com os dados originais 5.
Adaptado de LEVINE, D. M., BERENSON, M. L. e STEPHAN, D. Estatstica: Teoria e Aplicaes usando o

Excel. Rio de Janeiro: LTC, 2000.
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
Vendas (milhes de unidades)
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)
No parece haver um comportamento crescente, ou decrescente, no longo prazo. Poderia se

afirmar que a srie no tem tendncia, e que no seria apropriado ajustar uma equao de reta aos
dados. No obstante, h interesse em obter o nvel da srie, em que patamar esto as vendas da
GM.
Vamos aplicar mdias mveis de 3, 5 e 7 perodos e observar os resultados.
Mdias Mveis de 3 perodos
Devemos juntar os perodos de 3 em 3, sempre acrescentando o prximo e desprezando o primeiro
do grupo anterior, colocando o resultado no perodo central (2o perodo):
1970 - 1971 - 1972 com resultado em 1971; 1971 - 1972 - 1973 com resultado em 1972;
1976 - 1977 - 1978 com resultado em 1977; e assim por diante, at chegar a
1990 - 1991 - 1992 com resultado em 1991.
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
Total Mvel 3 perodos
Mdia Mvel 3 perodos
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
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.
INE 7001 Anlise de Sries Temporais 10
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
Mdia Mvel 5 perodos
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
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.
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

51,5
55,3
57
58,2
56,6
56,7
56,3
55,5
54,7
54,5
54,1
54,8
56,1
57,8
57,5
56,2
54,1
-
Mdia Mvel 7 perodos

7,36
7,90
8,14
8,31
8,09
8,10
8,04
7,93
7,81
7,79
7,73
7,83
8,01
8,26
8,21
8,03
7,73
-
10
9
8
7
6
5
Vendas
Mdias mveis de 3 perodos
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:
Figura 8 - Vendas da GM e mdias mveis de 3, 5 e 7 perodos
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
Total mvel 4 per.
Total mvel 2 per. (centrado)
Mdia Mvel 2 per. (centrada)
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
Mdia mvel centrada
Figura 9 - Nmero de contratos: srie original e mdias mveis de 4 perodos (centradas)
interessante observar que a tendncia do nmero de contratos decrescente. Supondo

que fossem dados atuais e desejssemos fazer previses para o futuro, trata-se de um inquietante
sinal para a corretora de seguros. Se o mercado encontra-se retrado o mau desempenho seria
explicvel, mas mesmo assim preocupante que no longo prazo o nmero de contratos est caindo,
a no ser que o valor individual dos contratos compense esta reduo.
4.2.3 - Ajuste Exponencial

O ajuste exponencial uma outra forma de obter a tendncia de uma srie temporal.
Apresenta algumas vantagens em relao s mdias mveis:
- permite realizar previses de curto prazo (para o perodo seguinte da srie), o que no possvel
por mdias mveis.
- leva em conta todos os valores previamente observados ao perodo sob anlise, e no somente os
"mais prximos" dele, como ocorre nas mdias mveis.
Na realidade o ajuste exponencial fornece uma mdia mvel exponencialmente ponderada
ao longo da srie temporal: ou seja, cada previso ou valor ajustado depende de todos os valores
prvios. Os pesos designados para os valores observados decrescem ao longo do tempo, ou seja, o
valor observado mais recentemente recebe o maior peso, o valor anterior o segundo maior e o valor
observado inicialmente recebe o menor peso: isso bom senso, imagina-se que os dados mais
recentes devam ter mais influncia nas previses do que os mais antigos. O ajuste exponencial
uma das ferramentas disponveis no suplemento Anlise de Dados do Microsoft Excel.
Para realizar o ajuste exponencial basta aplicar a seguinte frmula para um perodo de tempo
i qualquer:
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
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
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
E o grfico mostrado na figura 10:
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
Figura 10 - Ajuste exponencial com vrios valores de W
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.
4.2.4 - Remoo da Tendncia

Uma vez identificada a tendncia, seja por equaes ou por mdias mveis, ela pode ser
removida da srie, para facilitar a visualizao das outras componentes:
para um modelo aditivo
Y T CS I
Y
C S I
para um modelo multiplicativo
T
Vejamos como ficaria a srie mostrada na figura 5 com a remoo da tendncia, pelos modelos
aditivo e multiplicativo (ambas supondo uma tendncia linear):
Vendas sem tendncia - modelo aditivo
600
500
400
300
200
100
0
-100jan/65
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.
4.3 - Obteno das variaes sazonais

Conforme visto na seo 4.1 as variaes sazonais so oscilaes de curto prazo, que
ocorrem sempre dentro do ano, e que se repetem sistematicamente ano aps ano. Obviamente uma
srie temporal registrada anualmente (ou seja, os valores dos dias, meses, trimestres, so resumidos
em um valor anual) no tem componente sazonal.
No modelo multiplicativo as variaes sazonais so representadas pelos ndices sazonais, ou
fatores sazonais, um para cada perodo em que o ano dividido (se a srie registrada mensalmente
h 12 ndices, se trimestralmente h 4 ndices, etc.). Os ndices sazonais modificam a tendncia, ao
serem somados (modelo aditivo) ou multiplicados por ela:
- no modelo aditivo, se todos os ndices forem prximos ou exatamente iguais a zero ento as
componentes sazonais parecem no exercer grande efeito sobre a srie; se os ndices forem
substancialmente diferentes de zero, tanto positivos como negativos, o valor da tendncia ser
modificado por eles, indicando influncia das componentes sazonais na srie.
- no modelo multiplicativo, se todos os ndices sazonais forem aproximadamente iguais a 1 ento as
componentes sazonais parecem no exercer grande efeito sobre a srie; se os ndices forem
substancialmente diferentes de 1, pelo menos 5% acima ou abaixo em alguns dos meses ou
trimestres, o valor da tendncia ser modificado por eles, indicando que as componentes sazonais
afetam a srie.
Quando se usa o modelo aditivo a soma de todos os ndices sazonais precisa ser igual, ou
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:
Tambm chamada de mdia interna, ou medial average (em ingls).
Pelo modelo aditivo.

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
-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
ndices sazonais - aditivo
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
Figura 13 - Srie sem sazonalidade modelo aditivo
Figura 14 - ndices Sazonais trim. modelo aditivo
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
ndices sazonais - multiplicativo

2,000
1,500
1,000
0,500
II
19
96
I
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
Figura 15 Srie sem sazonalidade modelo multiplic.
Figura 16 - ndices sazonais - modelo multiplicativo
Qual dos dois modelos o mais apropriado? Veremos posteriormente medidas da

acuracidade dos modelos, que permitir escolher o mais adequado.
4.4 - Obteno de variaes cclicas e irregulares 7
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.
Geralmente as variaes cclicas e irregulares so avaliadas em conjunto. Conforme visto

anteriormente as variaes cclicas so padres de longo prazo (superiores a um ano), como por
exemplo perodos de crescimento e recesso da economia. J as variaes irregulares so resultado
de fatos fortuitos, inesperados. Alguns autores no mencionam as variaes cclicas porque em
certos casos a srie temporal precisa abranger dcadas para que seja possvel identificar o
comportamento cclico, e, especialmente em sries scio-econmicas os dados mais antigos podem
estar realmente ultrapassados e contribuir para a construo de um modelo irreal. No obstante,
optou-se por lev-las em conta neste texto para obter um modelo completo.
As variaes cclicas e irregulares so obtidas atravs da remoo das componentes
tendncia e sazonalidade (esta ltima apenas se os dados no forem anuais).
No modelo aditivo:
CI Y T S
No modelo multiplicativo:
CI
Y
T S
Onde Y o valor original da srie, T a tendncia, e S a componente sazonal (representada

atravs dos ndices sazonais).
costume construir um grfico de linhas com as variaes cclicas e irregulares, atravs do
qual podemos identificar se os ciclos realmente influenciam a srie, qual sua periodicidade, e
ainda se o efeito das variaes irregulares muito grande (e se possvel relacion-lo com fatos
especficos). s vezes as variaes irregulares tornam difcil a visualizao dos ciclos, o que pode
exigir a aplicao de mdias mveis s variaes cclicas e irregulares para "alis-la", de modo a
facilitar a sua identificao.
Para identificar se h ciclos na srie os seguintes padres devem ser observados no grfico
das variaes cclicas e irregulares:
- no modelo aditivo, se h alternncias sistemticas entre valores maiores e menores do que zero ao
longo dos perodos, e se os valores permanecem predominantemente maiores/menores do que zero
durante pelo menos 1 ano (por exemplo: 2 anos acima de zero, seguido por 3 abaixo de zero, e
assim sucessivamente);
- no modelo multiplicativo, se h alternncias sistemticas entre valores maiores e menores do que
1 ao longo dos perodos, e se os valores permanecem predominantemente maiores/menores do que
1 durante pelo menos 1 ano (por exemplo: 2 anos acima de 1, seguido por 3 abaixo de 1, e assim
sucessivamente);
Os valores zero e 1 so os pontos neutros nos modelos aditivo e multiplicativo respectivamente, se
as variaes no se afastarem muito de zero (no modelo aditivo) ou de 1 (no modelo multiplicativo)
elas no causaro modificaes tangveis na tendncia, e portanto no influenciaro na srie. A
alternncia sistemtica precisa ser identificada, caso contrrio o efeito dos ciclos ou inexistente ou
inferior ao das componentes irregulares, podendo ento ser desprezado no processo de previso.
Se os ciclos influenciam na srie temporal eles precisam ser levados em considerao no
modelo. Precisamos calcular ndices para os ciclos tambm, para os perodos de baixa e de alta,
havendo dois procedimentos:
- calcula-se a mediana8, ou a mdia sem os valores mximo e mnimo, das variaes cclicas e
irregulares para todos os perodos de alta (e baixa) existentes na srie; este procedimento agrega
informaes de toda a srie
8
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.
Figura 17 - Srie temporal de vendas (figura 3)
Dados aps a remoo da tendncia e sazonalidade (apenas variaes cclicas e

irregulares) - modelo aditivo
500
400
300
200
100
0
-100jan/65
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
Com alguma ateno conseguimos identificar a existncia de ciclos, relativamente longos.

Observe a alternncia sistemtica de valores menores e maiores do que zero, por perodos
superiores a 1 ano: janeiro de 1965 a dezembro de 1971 baixa, de janeiro de 1972 a dezembro de
1978 alta, etc. Observe, porm, que h pontos que mesmo nos perodos de baixa atingem valores
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
Com o modelo multiplicativo:

Dados aps a remoo da tendncia e sazonalidade (apenas variaes cclicas e
irregulares) - modelo multiplicativo
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
Com alguma ateno conseguimos identificar a existncia de ciclos, relativamente longos.

Observe a alternncia sistemtica de valores menores e maiores do que 1, por perodos superiores a
1 ano: janeiro de 1965 a dezembro de 1971 baixa, de janeiro de 1972 a dezembro de 1978 alta, etc.
Novamente, se o efeito das variaes irregulares fosse suavizado a visualizao seria mais fcil.
Aplicando mdias mveis de 12 perodos, posteriormente centradas, temos a figura 21:

Mdias mveis das variaes cclicas e irregulares (centradas) - modelo multiplicativo
1,25
1,2
1,15
1,1
1,05
1
0,95
0,9
0,85
0,8
jan/65
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
Figura 22 - Vendas lquidas da Kodak - variaes cclicas e irregulares modelo 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
Figura 23 - Vendas lquidas da Kodak - variaes cclicas e irregulares modelo multiplicativo
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
Para fazer previses para perodos futuros

basta obter os valores de tendncia, aplicar os
ndices sazonais apropriados (se houver influncia
da sazonalidade), e os ndices das variaes
cclicas (se houver influncia delas) identificando
se os perodos para os quais desejamos fazer as
previses sero de alta ou baixa.
Exemplo 4.8 - Faa a recomposio da srie a seguir, supondo um modelo multiplicativo.

=TxCxS
Multiplicativo: Y
Para fazer a recomposio da srie devemos
T
C
S
multiplicar as componentes da srie, j que um
90
0,7
0,90
modelo multiplicativo.
94
0,7
0,92
O resultado est na tabela a seguir.
98
0,7
0,92
102
106
110
114
118
122
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
Novamente, para fazer previses para

perodos futuros basta obter os valores de
tendncia, aplicar os ndices sazonais apropriados
(se houver influncia da sazonalidade), e os ndices
das variaes cclicas (se houver influncia delas)
identificando se os perodos para os quais

90
94
98
102
106
110
114
118
122
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
4.5.1 Medio da acuracidade do modelo

Em vrias partes do texto mencionou-se que seriam apresentadas medidas para avaliar qual
modelo, aditivo ou multiplicativo, apresenta menores erros, ou seja, mais acurado: o resultado das
suas previses, feitas por recomposio, aproxima-se mais dos dados originais da srie. Sero
apresentadas quatro medidas que possibilitam avaliar os modelos.
Erro absoluto mdio (EAM):
Erro quadrtico mdio (EQM):
Erro percentual mdio (EPM):
1 n
EAM e t
n t 1
1 n 2
EQM et
n t 1
1 n et
EPM
n t 1 Yt
Erro percentual absoluto mdio (EPAM):
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
Figura 24 - Vendas de eletrodomsticos - srie original
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
Substituindo nas equaes:
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
24 10694 300 756

1,082
24 4900 (300) 2
b ti
i 1
756 (1,082 300)

17,978
24
Ento T = 17,978 + 1,082 t. A srie apresenta tendncia, e esta crescente.

Podemos calcular as tendncias para cada perodo da srie existente:
Perodo
Equao
Tendncia
1
19,060
T = 17,978 + (1,082 1)
2
20,142
T = 17,978 + (1,082 2)
3
21,223
T = 17,978 + (1,082 3)
4
22,305
T = 17,978 + (1,082 4)
5
23,387
T = 17,978 + (1,082 5)
6
24,469
T = 17,978 + (1,082 6)
7
25,550
T = 17,978 + (1,082 7)
8
26,632
T = 17,978 + (1,082 8)
9
27,714
T = 17,978 + (1,082 9)
10
28,796
T = 17,978 + (1,082 10)
11
29,877
T = 17,978 + (1,082 11)
12
30,959
T = 17,978 + (1,082 12)
13
32,041
T = 17,978 + (1,082 13)
14
33,123
T = 17,978 + (1,082 14)
15
34,204
T = 17,978 + (1,082 15)
16
35,286
T = 17,978 + (1,082 16)
17
36,368
T = 17,978 + (1,082 17)
18
37,450
T = 17,978 + (1,082 18)
19
38,531
T = 17,978 + (1,082 19)
20
39,613
T = 17,978 + (1,082 20)
21
40,695
T = 17,978 + (1,082 21)
22
41,777
T = 17,978 + (1,082 22)
23
42,858
T = 17,978 + (1,082 23)
24
43,940
T = 17,978 + (1,082 24)
Agora iremos obter os ndices sazonais. Como a srie trimestral teremos que calcular mdias
mveis de 4 perodos, e depois centr-las. Vamos apresentar apenas os totais mveis de 2 perodos
(calculados a partir dos de 4 perodos), as mdias mveis de 2 perodos, centradas, e os ndices
sazonais para os modelos aditivo e multiplicativo. O procedimento basicamente o mesmo visto no
Exemplo 4.5.
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
Totais mveis de 2 Mdias mveis de 2 ndices sazonais

ndices Sazonais
perodos (centrados) perodos (centradas) (modelo aditivo) (modelo multiplicativo)
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
preciso obter representantes dos ndices sazonais por trimestre.

No modelo aditivo, os valores dos ndices e das mdias por trimestre:
Trimestre I => 0,5 0,375 0 0,125 -0,25;
mdia = 0,15
Trimestre II => -2,625 -3,875 -4 -5,125 -5,375;
mdia = -4,2
Trimestre III => 0,5 0,25 1 1 1,75;
mdia = 0,90
Trimestre IV => 1,5 2,375 3 3,125 3,75;
mdia = 2,75
A soma das mdias vale -0,40, quando deveria ser zero. Os valores precisam ento ser corrigidos.
Dividindo-se a soma por 4 (pois a sazonalidade trimestral), e subtraindo o resultado (-0,1) das
mdias acima temos os valores finais:
Trimestre I => 0,25 Trimestre II => -4,1 Trimestre III => 1 Trimestre IV => 2,85
A soma destes valores igual a zero, atendendo aos requisitos. Observe que os ndices afastam-se
de zero, indicando que H influncia da sazonalidade: no trimestre I as vendas aumentam cerca de
0,25 milhes, no trimestre II caem 4,1 milhes, no trimestre III aumentam 1 milho e no trimestre
IV aumentam 2,85 milhes.
No modelo multiplicativo, os valores dos ndices e das mdias excluindo os valores mximo e
mnimo por trimestre:
Trimestre I => 0,994 1,000 1,003 1,013 1,021 e sua mdia sem os extremos 1,006.
Trimestre II => 0,862 0,866 0,870 0,879 0,893 e sua mdia sem os extremos 0,872.
Trimestre III => 1,010 1,023 1,029 1,033 1,046 e sua mdia sem os extremos 1,029.
Trimestre IV => 1,067 1,089 1,090 1,096 1,097 e sua mdia sem os extremos 1,091.
Somando os ndices vamos obter 3,997, 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 -0,0007.
Subtraindo este valor de 1, teremos 1,0007, multiplicando este resultado pelos ndices obtemos os
ndices corrigidos::
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
Apenas CI Trim. Vendas

T-S
Apenas CI
0,69
I
32
32,041 0,25
-0,29
1,96
II
29
33,123 (- 4,1)
-0,02
-0,22
III
35
34,204 1,00
-0,20
-1,16
IV
38
35,286 2,85
-0,14
0,36
I
36
36,368 0,25
-0,62
1,63
II
32
37,450 (- 4,1)
-1,35
-0,55
III
40
38,531 1,00
0,47
-0,48
IV
43
39,613 2,85
0,54
0,04
I
40
40,695 0,25
-0,94
0,30
II
36
41,777 (- 4,1)
-1,68
0,12
III
44
42,858 1,00
0,14
0,19
IV
48
43,940 2,85
1,21
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
Podemos observar na figura 25 que NO H alternncia sistemtica entre valores maiores e

menores do que zero, ou seja, no conseguimos identificar a existncia de ciclos. Ento podemos
desprezar o efeito das variaes cclicas na srie temporal: muito provavelmente ou no h

realmente ciclos, ou a influncia das variaes irregulares suplanta os seus efeitos.
Modelo multiplicativo: CI = Vendas/ (T S)
Trim. Vendas
Apenas CI Trim. Vendas
TS
I
20
I
32
19,060 1,006
1,043
II
18
II
29
20,142 0,872
1,025
III
22
III
35
21,223 1,029
1,007
IV
24
IV
38
22,305 1,092
0,985
I
24
I
36
23,387 1,006
1,020
II
22
II
32
24,469 0,872
1,031
III
26
III
40
25,550 1,029
0,989
IV
29
IV
43
26,632 1,092
0,997
I
28
I
40
27,714 1,006
1,004
II
25
II
36
28,796 0,872
0,995
III
31
III
44
29,877 1,029
1,008
IV
34
IV
48
30,959 1,092
1,006
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
O grfico das variaes cclicas e irregulares mostrado a seguir:
Vendas: apenas variaes cclicas e irregulares - modelo

multiplicativo
1,050
1,040
1,030
1,020
1,010
1,000
0,990
0,980
0,970
I
II III IV I
II III IV I
II III IV I
II III IV I
II III IV I
II III IV
Figura 26 - Vendas trimestrais - apenas variaes cclicas e irregulares modelo multiplicativo
Podemos observar na figura 26 que NO H alternncia sistemtica entre valores maiores e

menores do que 1, ou seja, no conseguimos identificar a existncia de ciclos. Ento podemos
desprezar o efeito das variaes cclicas na srie temporal: muito provavelmente ou no h
realmente ciclos, ou a influncia das variaes irregulares suplanta os seus efeitos (a mesma
concluso a que chegamos usando o modelo aditivo).
Antes de realizar as previses para os quatro trimestres seguintes devemos avaliar qual dos
dois modelos obteve melhores resultados. necessrio fazer a recomposio da srie, usando
tendncia e ndices sazonais (j que no h influncia de variaes cclicas), pelo modelo aditivo e
pelo multiplicativo, e calcular as medidas apresentadas na seo 4.5.1.
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
Agora precisamos repetir o processo para o modelo multiplicativo:
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
Podemos agora sumarizar os resultados:

Medida
Modelo aditivo
EAM
0,6378
EQM
0,7172
EPM
0,2639%
EPAM
2,3047%
Modelo Multiplicativo
0,3506
0,1824
0,0310%
1,2298%
Pela tabela acima observamos que as medidas do modelo multiplicativo so

substancialmente MENORES11 do que as do aditivo (EAM e EPAM so quase duas vezes menores,
o EQM cerca de 4 vezes menor, o EPM cerca de 8 vezes menor). Sendo assim, conclui-se que o
modelo MULTIPLICATIVO o mais apropriado para a srie, pois apresenta os menores erros. As
previses para os prximos 4 trimestres podem ser realizadas por este modelo. Para aqueles que
acreditam que as diferenas so pequenas demais para justificar o trabalho importante
lembrar que decises sero tomadas a partir das previses. Mesmo pequenos erros podem levar a
catstrofe, portanto todo o esforo para obter o melhor modelo deve ser envidado.
A previso para os prximos 4 trimestres (25, 26, 27 e 28) incluir apenas a tendncia (por meio
da equao linear) e os ndices sazonais, resultando:
Y25 = [(1,082 x 25) + 17,978] 1,006 = 45,3076
Y26 = [(1,082 x 26) + 17,978] 0,872 = 39,2650
Y27 = [(1,082 x 27) + 17,978] 1,029 = 46,3429
Y28 = [(1,082 x 28) + 17,978] 1,092 = 49,1714
4.6 - Outros modelos de sries temporais
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
Mais prximos de zero.

Analises Temporais

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Analises Temporais

Transféré par

Droits d'auteur :

Formats disponibles

INE 7001 Anlise de Sries Temporais

4 - ANLISE DE SRIES TEMPORAIS

Figura 1 - Nmero de passageiros transportados

Que padres no aleatrios podemos identificar na figura 1?

INE 7001 Anlise de Sries Temporais

Grfico de Controle p - amostras com 300 elementos

Figura 2 - Grfico de controle: frao de defeituosos

No caso da figura 3 a srie aparenta comportar-se de forma errtica. Em vermelho pode-se

Veremos posteriormente que se trata de uma mdia mvel.

INE 7001 Anlise de Sries Temporais

4.1 - Modelo Clssico das Sries Temporais

Alguns autores no incluem as variaes cclicas no modelo clssico da srie temporal.

INE 7001 Anlise de Sries Temporais

Figura 4 - Srie original e tendncia linear

INE 7001 Anlise de Sries Temporais

Variaes cclicas, sazonais e irregulares

Figura 5 - Componentes cclicas, sazonais e irregulares.

4.2 - Obteno da Tendncia

INE 7001 Anlise de Sries Temporais

Onde yi um valor qualquer da varivel registrada na srie temporal, t i o perodo

Substituindo os valores nas equaes:

INE 7001 Anlise de Sries Temporais

424 (1,76 66)

Ento a equao de tendncia :

Figura 6 - Patrimnio lquido de um banco: srie anual, tendncia linear e projeo

4.2.2 - Obteno de tendncia por mdias mveis

Adaptado de LEVINE, D. M., BERENSON, M. L. e STEPHAN, D. Estatstica: Teoria e Aplicaes usando o

INE 7001 Anlise de Sries Temporais

Vendas (milhes de unidades)

No parece haver um comportamento crescente, ou decrescente, no longo prazo. Poderia se

INE 7001 Anlise de Sries Temporais

Total Mvel 3 perodos

Mdia Mvel 3 perodos

INE 7001 Anlise de Sries Temporais 10

Total Mvel 5 perodos

Mdia Mvel 5 perodos

INE 7001 Anlise de Sries Temporais 11

Vendas (Y) - em milhes

Total Mvel 7 perodos

Mdia Mvel 7 perodos

Mdias mveis de 3 perodos

Mdias Mveis de 5 perodos

Mdias Mveis de 7 perodos

Vendas (milhes de unidades)

Figura 8 - Vendas da GM e mdias mveis de 3, 5 e 7 perodos

INE 7001 Anlise de Sries Temporais 12

Total mvel 4 per.

Total mvel 2 per. (centrado)

Mdia Mvel 2 per. (centrada)

INE 7001 Anlise de Sries Temporais 13

Mdia mvel centrada

Figura 9 - Nmero de contratos: srie original e mdias mveis de 4 perodos (centradas)

interessante observar que a tendncia do nmero de contratos decrescente. Supondo

INE 7001 Anlise de Sries Temporais 14

4.2.3 - Ajuste Exponencial

INE 7001 Anlise de Sries Temporais 15

Vendas (Y) - em milhes

E o grfico mostrado na figura 10:

Vendas (milhes de unidades)

Figura 10 - Ajuste exponencial com vrios valores de W

INE 7001 Anlise de Sries Temporais 16

4.2.4 - Remoo da Tendncia

INE 7001 Anlise de Sries Temporais 17

4.3 - Obteno das variaes sazonais