Metodos Previsao 2010 2011

Mtodos de Previso - B.C.V.
1. INTRODUO
A incerteza sobre o futuro uma das maiores preocupaes

das pessoas. a incerteza relativa sade, s relaes
familiares, aos meios de subsistncia e a tudo por que
passa a vida e a morte. O comportamento das pessoas
condicionado
por
essa
incerteza.
Igualmente,
as
organizaes planeiam a sua actividade de acordo com as
expectativas sobre as necessidades a satisfazer, a procura
do
mercado,
o
desenvolvimento
tecnolgico,
a
disponibilidade dos recursos, a evoluo social, econmica
e poltica, etc.
A previso uma tentativa de conhecer o devir, um
prognstico sobre o que ir acontecer, um meio de reduzir
a incerteza sobre o futuro. O maior ou menor rigor da
previso
crucial para o xito ou fracasso das
organizaes e das pessoas.
Prever no significa adivinhar. A previso tem por
objectivo encontrar o resultado futuro mais provvel,
associado a um grau de confiana. Para o efeito, existem
vrios mtodos cientficos, habitualmente, classificados
em dois grandes grupos:
Mtodos qualitativos; e
Mtodos quantitativos.
Comecemos por fazer uma referncia breve aos mtodos
qualitativos. Aplicam-se quando no existem informaes
quantificadas sobre o passado (caso de novos produtos) ou
quando o horizonte futuro to remoto ou to nebuloso que
no possvel estabelecer conexes definidas (por
exemplo, nveis de poluio em meados do sec.XXI). ento
necessrio
ponderar
factores
subjectivos,
confrontar
opinies de especialistas, estabelecer objectivos, etc.,
de acordo com regras que, porm, no sero aqui tratadas.
2010/2011
Ao
contrrio
dos
anteriores,
os
mtodos
quantitativos
pressupem que existem dados numricos passados sobre as

variveis em causa e que o comportamento dessas variveis
no futuro sofrer o mesmo tipo de influncias que ditaram
o seu comportamento passado.
Os mtodos quantitativos, por sua vez,
divididos em
Modelos causais (ou explanatrios); e
costumam
ser
Sries cronolgicas.
Os modelos causais procuram identificar a relao ou
relaes entre a varivel a prever e outras variveis do
sistema, admitindo que o valor assumido por estas vai
influenciar o valor da primeira. Por exemplo, o consumo de
combustvel no pas estar relacionado com o nmero de
veculos em circulao e com preo dos combustveis.
Partindo de valores dessas variveis, referentes a vrios
anos anteriores, possvel estabelecer uma relao
estatstica, atravs de mtodos de regresso. Definida
essa relao, podemos estimar o consumo de combustvel
associado a um determinado nmero de veculos, para vrios
nveis de preo.
No exemplo dado, admitiu-se que o nmero de veculos em
circulao era independente dos preos de combustvel. Mas
pode acontecer que mais pessoas tendam a comprar automvel
se o combustvel for barato. Mas essa tendncia vai ser,
ainda, potenciada pelo volume de rendimentos das pessoas
que, por sua vez, depende do Produto Nacional, da taxa de
desemprego, dos impostos, etc. possvel que estas
variveis tenham relaes entre si e com muitas outras. A
explorao de tais relaes conduz a modelos economtricos
que podem envolver centenas de variveis e equaes. Tais
modelos so muito utilizados para simular os efeitos
macroeconmicos de polticas nacionais alternativas.
2010/2011
A srie cronolgica relaciona a varivel a prever com o

calendrio, pressupondo que aquela sofre uma evoluo
contnua no tempo. Isto , so conhecidos os valores da
varivel referentes a sucessivos instantes ou perodos
passados. A previso consiste em extrapolar, para o
futuro, a evoluo passada. Por exemplo, a previso do
volume de vendas para o prximo ano ser a continuao
natural da curva de vendas verificada nos ltimos anos.
Isto pressupe que se mantm todo o sistema gerador das
vendas.
O presente texto abordar alguns mtodos de previso
baseados em sries cronolgicas. So os mais simples e
relativamente eficazes para previses a curto e mdio
prazos, designadamente, das vendas de artigos. A partir
destas, possvel planear a maior parte das operaes
industriais, tais como, stocks, produo, investimentos,
pessoal, manuteno, etc.
2010/2011
2. SRIES CRONOLGICAS
Uma srie cronolgica refere os valores assumidos por uma

varivel a sucessivos perodos homlogos ou a sucessivos
instantes igualmente espaados no tempo. Por exemplo, o
quadro
seguinte
representa
as
vendas
mensais
de
determinado artigo durante quatro anos:
ano
88
89
90
91
JAN
222
238
254
288
FEV
198
212
243
257
MAR
205
231
221
265
ABR
217
244
271
273
MAI
292
263
298
335
JUN
158
219
244
230
JUL
217
243
252
292
AGO
229
245
279
280
SET
253
259
287
289
OUT
260
260
282
297
NOV
205
238
245
271
DEZ
209
216
260
287
total
2664
2867
3136
3365
340
316
292
268
244
220
196
172
148
124
100
JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ
Meses
1988
1989
1990
1991
Figura 1 - Vendas mensais (ex 1)
A fig.1 mostra que

As vendas aumentam com o tempo, isto , tm uma
tendncia crescente; e
H uma configurao tpica ao longo dos meses que se
repete ano aps ano, isto , apresentam sazonalidade.
2010/2011
Isto leva concepo do modelo que pretende explicar a

evoluo da varivel Z em anlise (neste caso, as vendas),
em funo de 3 factores:
A tendncia T dada por uma linha contnua em torno da
qual se centram as flutuaes;
A sazonalidade S que traduz
flutuaes
peridicas,
repetitivas, geralmente associadas com as estaes do

ano; e
O resduo ou erro E que engloba as flutuaes no
explicadas pelos factores anteriores.
A srie cronolgica
expresso
pode
ento
ser
representada
pela
Z = T+S+E
habitualmente referido como o modelo de decomposio
aditiva. Quando a srie abarca muitos anos, possvel
isolar, tambm, o factor ciclo que reflecte a evoluo
macroeconmica. No curto prazo, este factor desprezvel.
Alguns
autores
preferem
trabalhar
com
modelo
de
decomposio multiplicativa que assume a forma

Z=T.S.E
Este modelo, porm, contraria alguns dos pressupostos
associados s variveis estocsticas e, por isso, no ser
aqui utilizado.
A previso da varivel Z ser tanto mais rigorosa quanto
melhor for a caracterizao dos factores T e S. O factor E
corresponde ao resduo aleatrio, imprevisvel, embora
seja
caracterizvel
como
varivel
estocstica.
Os
pargrafos seguintes tratam destes problemas.
2010/2011
3. VERIFICAO DA TENDNCIA
Um dos primeiros aspectos a considerar, quando se inicia a

anlise de uma srie cronolgica, verificar se existe ou
no, uma tendncia e qual a sua configurao. A anlise do
grfico da evoluo da varivel deve ser o primeiro passo.
O
exemplo
representado
na
fig.1
mostra
que
uma
tendncia crescente. Se considerarmos os valores anuais,

eliminamos o factor sazonalidade, aparecendo a tendncia
mais ntida conforme mostra a fig.2.
3370
3283
3196
3109
3022
2935
2848
2761
2674
2587
2500
1988
1989
1990
1991
ANOS
Figura 2 - Vendas anuais (ex 1)
Noutros casos, a simples anlise do grfico pode deixar

dvidas. o que se passa com o exemplo seguinte (ex2)
cujos valores aparecem no quadro em baixo e nas figs.3 e
4. Podemos, ento recorrer a uma anlise de regresso para
verificar se h uma tendncia significativa.
Vendas (ex2)
Ano
88
89
90
91
JAN
220
215
210
220
2010/2011
FEV
195
190
200
195
MAR
200
205
180
200
ABR
210
215
220
205
MAI
280
230
240
250
JUN
150
190
195
170
JUL
205
210
200
215
AGO
215
210
220
205
SET
235
220
225
210
OUT
240
220
220
215
NOV
188
200
190
195
DEZ
190
180
200
205
Total
2528
2485
2500
2485
280
262
244
226
208
190
172
154
136
118
100
JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ
Meses
1988
1989
1990
1991
Figura 3 - Vendas mensais (ex 2)
2530
2517
2504
2491
2478
2465
2452
2439
2426
2413
2400
1988
1989
1990
1991
ANOS
Figura 4 - Vendas anuais (ex 2)
3.1. Regresso linear

A anlise de regresso um processo matemtico que faz o
ajustamento de uma funo contnua Y(t) aos valores
observados Z(t). Habitualmente, o critrio de ajustamento
baseia-se no princpio dos mnimos quadrados. Isto ,
sendo Yi e Zi, respectivamente, o valor da funo e o
valor observado, para t=i, a funo Y(t) definida tal
2010/2011
que,
no
conjunto
das
observaes,
seja
mnimo
resultado
N
(Yi Zi)2
i
A curva de regresso pode ser linear ou no, e ter uma ou

mais variveis independentes. No caso da regresso linear
a uma varivel, a curva de regresso uma recta cuja
expresso conveniente escrever sob a forma
Y= a+b(t-t )
em que t a varivel independente (tempo, neste caso), t
a sua mdia, e a e b so coeficientes a calcular de acordo
com as expresses
1
a = Z =
N
b=
Zi
i =1
(t i t )(Z i Z)
i
(t i t ) 2
i
Ilustremos a aplicao do mtodo com o exemplo anterior

(ex.2). Para simplicidade de exposio, utilizaremos os
valores anuais (fig.4), embora a regresso sobre os
valores mensais, por serem em maior nmero, conduzisse a
resultados mais concludentes. Obtm-se:
t = (1988+1989+1990+1991)/4 = 1989,5
Z = (2528+2485+2500+2485)/4 = 2499,5
a = Z = 2499,5
b=((1988-1989,5)(2528-2499,5)+...)/((1988-1989,5)2+...)
b= -11,4
A recta de regresso vem, ento, definida pela expresso
Y= 2499,5-11,4(t-1989,5)
2010/2011
A fig.5 mostra a sobreposio da recta de regresso sobre

os valores reais observados.
2530
2517
2504
2491
2478
2465
2452
2439
2426
2413
2400
1988
1989
1990
1991
ANOS
real
regr
Figura 5 - Regresso sobre as vendas anuais (ex.2)
A regresso pode ser utilizada, tambm, para efectuar

previses. Por exemplo, as previses de vendas para os
anos seguintes seriam:
Y92= 2499,5-11,4(1992-1989,5) = 2471
Y93= 2499,5-11,4(1993-1989,5) = 2460
Contudo, isto pressupe que o sistema gerador das vendas
no sofrer alteraes. Outros mtodos que veremos adiante
respondem melhor a essas eventuais alteraes.
Os
parmetros
amostra
obtidos
foram
calculados
reduzida, de 4 observaes
so
estimativas
dos
partir
de
uma
apenas. Os valores
valores
tericos
correspondentes totalidade da populao estatstica.

O grau de confiana associado aos valores dos parmetros
pode ser calculado, mas isso transcende os objectivos do
presente texto. Interessa-nos, porm, saber se o valor
encontrado para b significativamente diferente de zero.
Tal informao pode ser obtida atravs do coeficiente de
correlao.
2010/2011
3.2. Correlao
O coeficiente de correlao r mede a correlao entre as
variveis, isto , o grau em que as flutuaes da varivel
dependente so explicadas pela recta de regresso. O seu
valor varia no intervalo (-1;+1), sendo positivo ou
negativo conforme o sinal do declive da recta de
regresso. As situaes extremas, r=-1 e r=+1, significam
que a flutuao da varivel dependente totalmente
explicada pela recta de regresso, isto , as observaes
situam-se sobre essa recta.
A situao r=0 corresponde a uma recta horizontal: neste
caso,
regresso
no
explica
flutuao
da
varivel
dependente. Por outras palavras, a srie apresenta

tendncia nula, portanto, uma srie estacionria. Quando
a srie estacionria possvel fazer boas previses com
mtodos simples.
Na regresso linear, o coeficiente de correlao dado
por
r= b.t /Z
com
b = declive da recta de regresso;
= desvio padro da varivel independente (tempo)
Z = desvio padro da varivel dependente (vendas)
t
No exemplo que tratmos

b = -11,4
t = ((1988-1989,5)2+...)/4)1/2 = 1,29
Z = ((2528-2499,5)2+...)/4)1/2 = 20,27
donde
r = -0,73
2010/2011
10
Para saber se o valor de b estimado significativamente

diferente de zero, recorre-se tab.1 que nos d os
valores mnimos do coeficiente de correlao, em valor
absoluto |r|, para graus de confiana de 95% e 99%.
N obs
4
5
6
8
10
12
14
16
18
20
22
24
95%
0,95
0,88
0,81
0,71
0,63
0,58
0,53
0,50
0,47
0,44
0,42
0,40
99% N obs
0,99
26
0,96
28
0,92
30
0,83
32
0,77
34
0,71
36
0,66
38
0,62
40
0,59
42
0,56
44
0,54
46
0,52
48
95%
0,39
0,37
0,36
0,35
0,34
0,33
0,32
0,31
0,30
0,30
0,29
0,28
99% N obs
0,50
50
0,48
60
0,46
70
0,45
80
0,44
90
0,42
100
0,41
150
0,40
200
0,39
400
0,38 1000
0,38
0,37
95%
0,28
0,25
0,24
0,22
0,21
0,20
0,16
0,14
0,10
0,06
99%
0,36
0,33
0,31
0,29
0,27
0,26
0,21
0,18
0,13
0,08
Tabela 1 - Valores mnimos de |r|
Por exemplo, se efectuarmos a regresso

observaes e se obtivermos |r|<0,40, no
valor terico, cujo valor estimado b,
zero. Se for |r|>0,40, h mais de 95%
com base em 24
h garantia de o
ser diferente de
de confiana de
aquele valor terico ser diferente de zero. E se for

|r|>0,52, h mais de 99% de confiana de aquele valor ser
diferente de zero.
No exemplo 2
conduziu
ao
(fig.5), a regresso sobre 4

valor
|r|=0,73.
Para
esse
observaes
nmero
de
observaes, a tabela indica 0,95 para 95% de confiana.

Portanto, a correlao obtida insuficiente, logo b no
significativamente diferente de zero. Ento, as vendas
registadas podem ser consideradas como pertencendo a uma
srie cronolgica estacionria, isto , variam em torno de
um valor constante. A melhor estimativa deste valor a
mdia das observaes.
Se fizssemos a regresso sobre as vendas anuais do
primeiro exemplo (fig.3), obteramos r=0,99, mostrando que
h uma tendncia ascendente significativamente diferente
2010/2011
11
de zero, alis, como ntido na figura. Portanto, esta

srie no estacionria.
3.3. Regresso exponencial

Nem sempre a recta conduz ao melhor ajustamento sobre os
pontos observados. O mtodo de regresso pode utilizar
curvas de grau superior, mas os clculos tornam-se mais
complicados. Algumas vezes, porm, possvel transformar
as variveis de modo a converter uma regresso no-linear
numa recta. o caso da regresso exponencial que ser
tratado a seguir.
Consideremos a curva
Y= a.b(t-t )
A aplicao de logaritmos conduz a
ln(Y) = ln(a)+ln(b)(t-t )
Fazendo
Y'= ln(Y)
a'= ln(a)
b'= ln(b)
Obtm-se a recta de regresso tratada anteriormente:

Y'= a'+b'(t-t )
A transformao da varivel independente na curva de
regresso implica idntica transformao nos valores
observados. Isto , deve fazer-se a regresso sobre os
valores Z'i= ln(Zi). Os parmetros de regresso que se
obtm so a' e b', sendo estes depois transformados em a e
b. Note-se porm que o coeficiente de correlao
calculado a partir da varivel transformada.
Vejamos
um
exemplo. Seja a seguinte srie de vendas Z
correspondentes a 7 anos:
2010/2011
12
t 1985
Z 365
Z'
1986
384
5,90
1987
568
5,95
1988
593
6,34
1989
831
6,39
1990
830
6,72
1991
1251
6,72
1988
689
7,13
med
2,16
310
6,45
d.p.
0,44
Pretendemos ajustar uma exponencial do tipo Y= a.b(t-t ).

Para isso, calculamos a varivel transformada Z'= ln(Z).
Sobre esta, determinamos os parmetros de regresso
linear, usando as frmulas indicadas anteriormente:
a'= (5,90+5,95+...+7,13)/7 = 6,45
b'= ((1985-1988)(5,90-6,45)+...)/((5,90-6,45)2+...)
= 0,20
r'= 0,20*2,16/0,44 = 0,98
Podemos verificar, pela tab.1, que este coeficiente de
correlao d um grau de confiana superior a 99% (de
facto, mesmo com 6 observaes, bastaria r'=0,92). Agora,
para obtermos a curva
inverter as expresses
Y'= ln(Y)
de
regresso
exponencial,
basta
a'= ln(a)
b'= ln(b)
b=e0,20 =1,22
Y= 633*1,22(t-1988)
donde
a= e6,45 = 633
t 1985
Z 365
Y347
2010/2011
1986
384
424
1987
568
518
1988
593
633
1989
831
774
1990
830
946
1991
1251
1156
1988
689
685
med
2,16
310
292
d.p.
13
1260
1154
1048
942
836
730
624
518
412
306
200
1985
vendas
1986
1987
1988
ANOS
1989
1990
1991
regr.exp
Figura 6- Regresso exponencial
A comparao entre os valores observados e os regredidos

feita na fig.6. A curva exponencial corresponde a um
crescimento, com taxa constante, da varivel dependente.
De facto, sendo
Y= a.b(t-t )
deduziramos facilmente que
(Yt+1-Yt)/Yt = b-1
No exemplo dado, conclumos que as vendas apresentam uma
taxa anual de crescimento de (b-1)=0,22=22%.
Podemos utilizar a expresso analtica da curva de
regresso para as previses dos anos seguintes. Porm,
medida que vo sendo obtidas novas observaes,
necessrio repetir todos os clculos da regresso. Como se
disse anteriormente, veremos outros mtodos em que a
actualizao contnua mais simples.
2010/2011
14
4. SRIES ESTACIONRIAS
Numa srie estacionria, a tendncia tem uma inclinao
nula, isto , corresponde ao nvel M, em torno do qual
flutuam os valores. Sendo T=M, os factores explicativos da
srie so
Z = M+S+E
O
factor
residual
corresponde
variaes
aleatrias
que, habitualmente, seguem uma distribuio Normal com

mdia zero. Portanto, a mdia de vrias observaes Zi
tende a anular o efeito E.
O factor sazonal S corresponde a flutuaes ao longo do
ano cuja configurao
mdia das observaes
ano, tende a anular
efeito E pelas razes
se repete ano aps ano. Portanto, a

Zi, correspondentes ao perodo de um
o efeito S; e, simultaneamente, o
antes expostas.
Concluindo, a mdia das observaes Zi referentes a um

nmero inteiro de ciclos sazonais vai anular S e E, e
isolar a parcela M. Uma vez identificado este elemento,
pode fazer-se a caracterizao de S e E. As tcnicas de
previso descritas a seguir baseiam-se nesta sequncia.
4.1. Mdia simples

Esta tcnica ser ilustrada a partir do seguinte exemplo:
Vendas Z
88
89
90
91
JAN
539
537
535
539
Sobre
FEV
527
525
530
527
MAR
530
532
519
530
estes
ABR
535
537
539
532
dados
MAI
563
544
548
552
JUN
501
525
527
514
iro
JUL
532
535
530
537
AGO
537
535
539
532
incidir
SET
546
539
542
535
OUT
548
539
539
537
vrios
NOV
524
530
525
527
DEZ
525
519
530
532
clculos
cujos
resultados se indicam na tabela seguinte:

2010/2011
15
md
saz
JAN
538
4
|e|
FEV
527
-6
5
MAR ABR MAI

528
536
552
-6
3
19
17
24
JUN
517
-17
JUL
534
1
AGO
536
3
SET
540
7
OUT
541
8
37
10
14
14
NOV DEZ
526
527 533
-7
-7
9
18
mdia
0
soma
173
A primeira linha de resultados diz respeito s mdias de

perodos homlogos, neste caso, os meses homlogos dos 4
anos. No fim da linha aparece a mdia das mdias, isto ,
a mdia geral.
Como j se referiu, a mdia de vrias observaes tende a
eliminar E. Sendo a sazonalidade anual, a mdia de todas
as observaes durante os 4 anos elimina, simultaneamente
(S+E), dando o valor de M=533. Por outro lado, a mdia dos
valores de um dado ms j nos 4 anos, tende a eliminar E,
isolando Mj=(M+Sj) referente a esse ms. No quadro aparecem
os resultados:
JAN: M1=538;
MAR: M3=528;
FEV: M2=527;
etc.
Se a estes valores Mj subtrairmos M, obtemos os ndices de

sazonalidade Sj. No quadro aparecem:
JAN: S1=4; FEV: S2=-6;
MAR: S3=-6;
etc.
Faz-se notar que algumas aparentes discrepncias, de uma
unidade, nestes valores resultam de haver casas decimais
invisveis no quadro.
A previso Y corresponde ao valor esperado de Z. Como E
tem mdia nula, por hiptese, o seu valor esperado nulo.
Ento
Yj= M+Sj
Repare-se que, utilizando a mdia simples, as previses
coincidem com as mdias das observaes referentes a
perodos homlogos, isto ,
2010/2011
16
Yj = Mj
Assim
JAN: Y1=538;
MAR: Y3=528;
FEV: Y2=527;
etc.
Para cada valor Zij, correspondente ao ano i e ms j, h

uma diferena residual ou erro que dado por
Eij= Zij-Yj
Interessa introduzir aqui a noo de erro absoluto mdio

dado pela expresso
N
A= 1
|e k |
N k =1
No caso vertente
A= 1
|Z ij - Y j |
N i ,j
Admitiu-se que os erros Eij seguem uma distribuio Normal.

Ento, verifica-se a seguinte
padro e o erro absoluto mdio:
E=A .
relao
entre
desvio
O quadro acima mostra a soma dos erros

perodos homlogos cujo total soma 173.
absolutos por
Podemos agora
calcular
A= 173/48= 3,6;
E = 4,5
Finalmente, podemos associar s previses Yj, os limites de

confiana na base dos 95%:
2010/2011
17
Limite superior Cj = Yj+2E

Limite inferior Bj = Yj-2E
Por exemplo, relativamente previso para Janeiro de 1992
teramos:
Yj=538; Cj=538+9=547; Bj=538-9=529
O quadro abaixo indica os valores previstos para o ano
seguinte:
Y
C
B
JAN
538
547
529
FEV
527
536
518
MAR
528
537
519
Previso de vendas Z: 1992

ABR MAI JUN JUL
536
552
517
534
545
561
526
543
527
543
508
525
AGO
536
545
527
SET
540
549
531
OUT
541
550
532
NOV
526
535
517
DEZ
527
536
518
A fig.7 mostra o grfico respeitante a este exemplo
570
563
556
549
542
535
528
521
514
507
500
JAN
FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ
Vendas 91
Previso 92
Limite superior
Limite inferior
Figura 7 - Previso de vendas
Esta a previso para 1992, admitindo que nos situamos no

final de 1991. Contudo, esta previso para o ano inteiro
s ser segura se a srie mantiver as caractersticas do
passado. Como nunca h disso garantia, mais prudente
tomar como boas, apenas, as previses para o incio de
1992. Entretanto, em cada ms que passa, vo aparecendo
2010/2011
18
novas informaes sobre as vendas. Estes dados vo sendo

sucessivamente includos e os parmetros revistos para as
previses dos meses seguintes.
4.2. Amortecimento exponencial

Uma
mdia
tem
por
efeito
amortecer
as
flutuaes
existentes no conjunto das observaes nela includas. No
mtodo da mdia simples, considera-se que todas as
observaes passadas tm igual importncia para explicar o
comportamento futuro da varivel observada. Isto seria
correcto se houvesse a garantia que as caractersticas da
srie se mantinham inalteradas.
O
futuro,
porm,
desconhecido.
Havendo
eventuais
alteraes da varivel, para efeitos de previso, parece

sensato
dar
maior
importncia
s
observaes
mais
recentes.
nisto
que
se
baseia
o
amortecimento
exponencial.
O amortecimento exponencial uma mdia ponderada de todas
as observaes passadas, associando a cada observao um
peso tanto menor quanto mais antiga ela for. Consideremos
uma srie estacionria e sem sazonalidade, traduzida por
Z' = M+E
O sinal (') est associado ausncia de sazonalidade.
Admitindo
que
existem
observaes
referentes
t=1,
2,..,N, o amortecimento exponencial a mdia ponderada

dessas observaes dada pela expresso:
N-1
M N=
(1- ) i . Z ' N-i
i =0
em que
= constante de amortecimento, 0<<1

2010/2011
19
(1-)i = factor de ponderao, demonstrando-se que

N-1
Lim N==
(1- )i
=1
i =0
Tambm se demonstra facilmente que
.Z'N+1+(1-)MN
MN+1 =
Assim, quando surge a nova observao Z'N+1, a mdia pode

ser actualizada a partir dessa observao e da mdia
anterior, sem necessidade de manter o registo das
observaes passadas, o que uma vantagem relativamente
mdia simples.
Se dispomos da mdia Mt, referente s observaes at ao
momento t, a previso para o momento t+1 dada por
Y't+1= Mt
Como
Mt =
.Z't+(1-)Mt-1
conclui-se que
Y't+1 =.Z't+(1-)Y't= Y't +
(Z't-Y't)
Repare-se que a diferena

(Z't-Y't)=D't
o erro cometido na previso para o momento t. Assim,
Y't+1 = Y't +
.D't
isto , a nova previso a previso anterior mais uma

fraco do erro nesta cometido.
2010/2011
20
A fraco do erro a incorporar na nova previso depende do

valor escolhido para a constante de amortecimento . Como
se referiu, esse valor situa-se entre 0 e 1: quanto maior
ele for, mais peso se atribui s observaes recentes e
menos s observaes antigas. Para =0, as sucessivas
previses no se alterariam e seriam iguais primeira Y'1.
Para =1, a previso seria sempre igual ao ltimo valor da

srie Z't.
Na prtica, os valores convenientes de situam-se no

intervalo (0,1;0,2). Porm, se houver suspeitas que a
srie est a deixar de ser estacionria, deve-se aumentar
, a fim de as previses reagirem mais depressa s ltimas

observaes.
Voltemos ao exemplo da srie tratada anteriormente:
Vendas Z
88
89
90
91
JAN
539
537
535
539
FEV
527
525
530
527
MAR
530
532
519
530
ABR
535
537
539
532
MAI
563
544
548
552
JUN
501
525
527
514
JUL
532
535
530
537
AGO
537
535
539
532
SET
546
539
542
535
OUT
548
539
539
537
NOV
524
530
525
527
DEZ
525
519
530
532
Vimos que esta srie tinha sazonalidade. Os ndices, j

calculados, assumem os valores seguintes:
saz
JAN
4
FEV
-6
MAR ABR MAI

-6
2
18
JUN
-17
JUL
0
AGO
2
SET
7
OUT
8
NOV DEZ
-7
-7
Para passarmos a uma srie dessazonalizada, subtraem-se

estes ndices a Z, obtendo-se a srie Z':
Z' = Z-S = M+E
Srie Z'
88
89
90
91
JAN
535
533
530
535
2010/2011
FEV
533
531
536
533
MAR
535
538
525
535
ABR
532
535
537
530
MAI
545
525
530
534
JUN
518
541
544
530
JUL
532
535
530
537
AGO
534
532
537
530
SET
539
532
535
528
OUT
540
532
532
529
NOV
531
537
532
534
DEZ
532
526
537
539
21
sobre esta srie estacionria e sem sazonalidade que, de

momento, iremos trabalhar. Vimos que as previses so
dadas pela expresso geral:
Y't+1 = Y't +
(Z't-Y't)
Vamos aplicar esta frmula, recursivamente, s sucessivas

observaes, desde Janeiro de 1988, como se caminhssemos
no tempo. Para constante de amortecimento, escolhemos
=0,2. Temos necessidade, para inicializar os clculos, de
arbitrar a primeira previso. Tomamos, por exemplo, Y'1=
530. Ento:
Y'2=530+0,2(535-530)= 531
Y'3=531+0,2(533-531)= 531
Y'4=531+0,2(535-531)= 532
Etc.
Os resultados
seguinte:
destes
clculos
vm
indicados
no
quadro
Previses Y'
_
88
89
90
91
JAN
530
534
532
534
FEV
531
533
532
534
MAR
532
533
533
534
ABR
532
534
531
534
MAI
532
534
532
533
JUN
535
532
532
533
JUL
531
534
534
533
AGO
532
534
533
534
SET
532
534
534
533
OUT
534
534
534
532
NOV
535
533
534
531
DEZ
534
534
533
532
A comparao entre previses e valores originais da srie

Z', em 1991, aparece na fig.8. A previso para Janeiro de
1992, o ms seguinte ao do ltimo valor disponvel, :
Y'Jan92=532+0,2*(539-532)= 533
2010/2011
22
SRIE Z'
540
538
536
534
532
530
528
526
524
522
520
JAN
FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ JAN
1991-original
1991-previses
previso Jan.92
Figura 8- Amortecimento exponencial
Para obter os valores correspondentes srie primitiva Z,

teremos de considerar a sazonalidade. O ndice de
sazonalidade para Janeiro, obtido pela mdia simples,
S1=4. Entrando com este valor
YJan92=533+4=537
Porm, os ndices de sazonalidade podem tambm ser obtidos
por amortecimento exponencial. Uma srie estacionria com
sazonalidade caracterizada por
Z=M+S+E
Portanto,
Z-M=S+E
uma estimativa do ndice de sazonalidade acrescido do
erro. A mdia dessas
perodos homlogos, vai
ndice pretendido.
estimativas, correspondentes
neutralizar o erro, isolando
a
o
Seja s o ciclo de sazonalidade. Ento, t, t-s, t-2s, ...,

correspondem
a
perodos
homlogos,
com
idntica
sazonalidade Sj, sendo j(t)= j(t-s)= j(t-2s). Quando surge
o valor Zt, dispomos do ndice de sazonalidade Sj- ,
2010/2011
23
actualizado no perodo homlogo anterior t-s. Com esse

ndice, podemos dessazonalizar Zt e recalcular a mdia:
Z't = Zt - SjMt = .Z't + (1-).Mt-1
Note-se que
Zt - Mt = Sj + Et
A actualizao do ndice de sazonalidade pode ento fazerse pela expresso
Sj=(Zt - Mt) +(1-)SjA constante
sazonalidade
de amortecimento
deve
ser
menor
para
que
os ndices
a
utilizada
de
no
amortecimento dos valores da srie cronolgica porque

aqueles so muito mais estveis. Na prtica, adopta-se
/10<< /2.
Vimos em cima que, em Dezembro de 1991:
ZDez91=532;
MDez91 =Y'Jan92 =533
O ndice de sazonalidade adoptado para Dezembro foi S12- =7

Escolhendo
=0,05, a actualizao desse ndice, aps a
observao de Dez91, seria

S12= 0,05(532-533)+(1-0,05)(-7)= -7
no havendo, neste caso, variao sensvel. Este ndice
voltaria a ser revisto depois de se conhecer o valor das
vendas em Dezembro de 1992. Seguindo processo idntico,
vo-se actualizando os ndices dos vrios meses, sem
necessidade de guardar todo o histrico das vendas.
Interessa agora estimar o erro associado previso. Este
erro engloba, no s as flutuaes aleatrias das vendas
2010/2011
24
E,
mas
tambm
os
erros
de
estimativa
dos
vrios
componentes considerados no modelo de previso, isto ,

nas estimativas de M e S. Um proceso prtico de estimar o
erro global analisar os desvios entre as previses e os
valores da srie cronolgica.
A previso da srie dessazonalizada para Dezembro de 1991
foi Y'Dez91= 532. O ndice ento adoptado foi S12- =-7. A
previso para a varivel Z, com sazonalidade, seria
YDez91=Y'Dez91+S12- =532-7= 525
A observao nesse perodo correspondeu a ZDez91=532. O erro
absoluto da previso foi de
|ZDez91-YDez91|= 7
Se calcularmos o erro absoluto mdio das previses obtidas
no passado, at Novembro de 1991, obteremos A=4. A
actualizao deste erro pode ser feita tambm
amortecimento exponencial, atravs da expresso:
At =
por
|Zt -Yt|+(1-)At-1
No exemplo em curso
ADez91 =
Como
os
erros
tm
|ZDez91 -YDez91|+(1-)ANov91
uma
variabilidade
observaes, podemos adoptar o

constante de amortecimento. Donde
mesmo
idntica
valor
para
das
a
ADez91 = 0,20*7+0,80*4=5
Admitindo que os erros de previso seguem uma distribuio
Normal, vlida a relao referida anteriormente:
E=A .
2010/2011
25
aproximadamente
E =1,25*A
Neste
caso,
2*E =13.
Podemos
agora
completar
previso
para Janeiro de 1992 com os limites associados a 95% de

confiana:
YJan92= 537
C = 550
B = =524
Com o decorrer do tempo, vo surgindo novas observaes

que permitem actualizar os parmetros. Por exemplo, se as
vendas em Janeiro de 1992 forem de 539 unidades, o
processo de actualizao envolve os seguintes clculos:
i) Novo valor observado:
ZJan92= 539
ii) Parmetros anteriores relevantes:
MDez91= 533
SJan91= 4
SFev91= -6
(e todos os ndices sazonais dos restantes meses)
YJan92= MDez91+SJan91 = 533+4=537
ADez91= 5
iii) Actualizao da mdia:
Z'Jan92 = ZJan92 - SJan91= 539-4= 535
MJan92= Z'Jan92 +(1-)MDez91= 0,20*535+0,80*533= 533
iv) Actualizao do erro absoluto mdio:
AJan92=
|ZJan92 -YJan92|+(1-)ADez91=
=0,20*|539-537|+0,80*5= 4
v) Previso para Fevereiro de 1992:

2010/2011
26
Y'Fev92= MJan92= 533

YFev92= Y'Fev92 +SFev91 = 533-6= 527
C = YFev92+2E = 527+10 =537
B = YFev92-2E = 527-10 =517
vi) Actualizao do ndice sazonal de Janeiro:
SJan92=(ZJan92 - MJan92) +(1-)SJan91
= 0,05*(539-533)+0,95*4= 4
2010/2011
27
4.3. Comparao dos mtodos

Numa srie rigorosamente estacionria, a mdia simples o
mtodo de previso que melhor traduz o comportamento das
observaes passadas. Porm, nunca h garantia que o
futuro
seja
o
reflexo
de
todo
o
passado.
Se
o
comportamento da varivel comear a alterar-se, o seu
comportamento futuro ter mais relao com as observaes
recentes e, menos com as observaes antigas. Neste
aspecto, o amortecimento exponencial vantajoso porque
pondera as observaes de acordo com a sua idade.
Por outro lado, a mdia simples obriga a guardar o registo
de todas as observaes, enquanto no amortecimento
exponencial basta manter um nmero reduzido de parmetros
para se fazerem as sucessivas previses. Isto tem grande
importncia quando se tem de fazer previses frequentes
sobre um grande nmero de variveis, como o caso do
consumo de artigos em armazm.
Os dois mtodos, alis, complementam-se. Quando se inicia
um processo de previso a partir de um conjunto de dados
histricos, confirmando-se que a srie estacionria,
deve-se comear pela mdia simples para caracterizar M, S
e E. Estes parmetros servem para iniciar o mtodo de
amortecimento exponencial para futuras previses, fazendose a actualizao daqueles medida que as novas
observaes ocorrem. Por outras palavras, a mdia simples
um
processo
prtico
no
arranque
para
previses
sistemticas por amortecimento exponencial.
2010/2011
28
5. SRIES COM DECLIVE

As
sries
cronolgicas,
frequentemente,
apresentam
declives crescentes ou decrescentes e, por vezes, mudanas
bruscas. Nesses casos, os mtodos de previso antes
referidos so pouco eficazes.
Quando
tambm
existe um declive, torna-se necessrio estimar

o parmetro T, de acordo com a decomposio j
referida:
Z=T+S+E
H vrios modelos de previso capazes de tratar este
problema. Limitar-nos-emos, aqui, a descrever a mdia
mvel e o amortecimento exponencial duplo que so
extenses
dos
mtodos
apresentados
para
as
sries
estacionrias. Antes disso, porm, interessa analisar a
questo da localizao da mdia de um conjunto de valores
sucessivos de uma srie cronolgica.
5.1. Localizao da mdia

Consideremos uma srie cronolgica de valores T, como se
exemplifica na fig.9. A mdia
valores obtida pela expresso
simples
dos
primeiros
M3=(T1+T2+T3)/3
A mdia simples de 3 valores sucessivos at T4
M4=(T2+T3+T4)/3
Generalizando, a mdia simples de 3 valores sucessivos at
Tt, com t>2, dada por
Mt=(Tt+Tt-1+Tt-2)/3
2010/2011
29
Fazendo estas mdias deslizantes de 3 valores, obtm-se

sucessivos pontos cronologicamente na linha M da fig.9
T
M
MM
Figura 9 - Localizao da mdia
Sobre a sucesso de pontos M, podemos fazer uma segunda

mdia
simples
deslizante
de
elementos,
utilizando
expresso:
MMt=(Mt+Mt-1+Mt-2)/3
Obtemos novos pontos sobre a linha MM da figura.
Repare-se que M3 est ao nvel de T2; e que MM6 est ao
nvel de M5. Por outras palavras, M3 representa o nvel de
T localizado em t=2; e MM6 representa o nvel de M
localizado em t=5. Assim, uma mdia acarreta um atraso na
localizao temporal. Esse atraso, depende do nmero de
perodos abrangidos pela mdia e do peso atribudo aos
valores de cada perodo.
O atraso na localizao de uma mdia de n valores
2010/2011
30
Xt, Xt-1, Xt-2,..., Xt-n+1,

com pesos
pt, pt-1, pt-2,..., pt-n+1,
com (pt+pt-1+...+pt-n+1)=1
associados a n perodos idnticos

perodos em relao a t, sendo
contguos,
de
n -1
g=
i . p t -i
i =0
Numa mdia simples de n valores, os pesos so todos iguais

a p=1/n. Ento, verifica-se facilmente que
g=(n-1)/2
(mdia simples)
No exemplo da fig.9, n=3, donde g=1. De facto, vimos que Mt

est atrasado de 1 perodo relativamente a Tt; e o mesmo
atraso acontece para MMt relativamente a Mt.
O amortecimento exponencial uma mdia ponderada de todos
os valores passados. Vimos que pt-i=(1-)i. Neste caso
demonstra-se que
g=(1-)/
(amortecimento exponencial)
Assim, para =0,2 a mdia Mt localiza-se em (t-4). Note-se

ainda que a mdia simples tem um atraso g igual ao do
amortecimento exponencial quando n=(2-)/.
Outro aspecto que tem grande interesse o facto de o
atraso de Mt relativamente a Tt ser igual ao atraso de MMt
relativamente a Mt, desde que ambas as mdias sejam feitas
com idntico critrio.
vlida a relao
Ento,
como
fig.9
ilustra,
Tt= Mt+(Mt -MMt )= 2.Mt-MMt

2010/2011
31
Assim, o nvel da srie original pode ser estimado a

partir das mdias de 1 e 2 ordem. Este facto vai ser
utilizado nos mtodos de previso que iro ser tratados.
5.2. Mdia mvel

A
mdia
mvel uma mdia simples deslizante sobre um
nmero fixo de observaes passadas, como se ilustrou na

fig.9. As observaes consideradas tm peso igual e o seu
nmero, geralmente, corresponde a um ciclo sazonal, a fim
de amortecer os efeitos S e E. Quando surge uma nova
observao, esta includa e a mais antiga excluda.
Consideremos o seguinte exemplo:
Vendas Z
88
89
90
91
JAN
540
547
554
566
Para
FEV
529
536
549
555
MAR
532
544
540
558
ABR
538
550
560
561
clculo
MAI
568
557
570
582
das
JUN
506
539
550
544
JUL
538
549
553
568
mdias
AGO
544
550
563
564
SET
553
555
566
567
OUT
556
556
564
570
mveis,
NOV
532
547
550
560
DEZ
534
538
556
566
consideramos
n=12
termos, admitindo que o ciclo sazonal corresponde a um

ano. Assim, eliminam-se os efeitos S e E. A primeira mdia
abrange os valores de Jan88 a Dez88:
MDez88 = (540+529+...+534)/12 = 539
A mdia seguinte exclui o termo mais antigo (de Jan88) e
acrescenta o novo termo (de Jan89):
MJan89 = (529+532+...+547)/12 =
=(12MDez88 -ZJan88 +ZJan89)/12 = 540
Prosseguindo,
MFev89=(12MJan89 -ZFev88 +ZFev89)/12= 540
2010/2011
32
E assim sucessivamente. Os resultados

esto indicados no quadro seguinte.
destes
clculos
1 mdia movel M
88
89
90
91
JAN
FEV
MAR
ABR MAI
JUN JUL AGO
SET
OUT NOV
540
548
557
540
549
558
541
549
559
542 541
550 551
559 560
544 545 546

552 552 553
560 561 561
546
554
561
546 547
554 555
562 562
DEZ
539
547
556
563
A mdia mvel de 2 ordem MM incide sobre os valores M.

Mantendo o mesmo nmero de termos, n=12, obtem-se
MMNov89 =(MDez88 +MJan89 +...+MNov89)/12 = 543
MMDez89 =(MJan89 +MFev89 +...+MDez89)/12 = 544
O conjunto de resultados est indicado a seguir
2 mdia mvel MM
88
89
90
91
JAN
FEV
MAR
ABR MAI
JUN JUL AGO
SET
OUT NOV
DEZ
545
553
545
553
546
554
547 547
555 556
548 548 549

556 557 558
550
559
543
550 551
559 560
544
552
560
Interessa-nos, agora, obter o valor sobre a linha de

tendncia central da srie Z. Por razes expostas antes,
Tt= Mt+(Mt -MMt )= 2.Mt-MMt
Repare-se que os efeitos S e E foram parcialmente
eliminados em T. Aplicando a expresso de cima, obtem-se o
quadro seguinte:
Tendncia T
88
89
90
91
JAN
FEV
MAR
ABR MAI
JUN JUL AGO
SET
OUT NOV
DEZ
551
562
553
562
552
564
553 554
564 565
555 555 557

563 565 564
558
564
551
558 558
564 565
551
561
566
2010/2011
33
As relaes entre Z, T, M e MM, para o ano de 1991, esto

ilustradas na fig.10. Repare-se no atraso das mdias em
relao srie inicial.
1991
585
580
575
570
565
560
555
550
545
540
535
JAN
FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ
MM
Figura 10 - Relaes entre estimadores
Dispondo de T, podemos estimar os ndices de sazonalidade,

subtraindo-os
homlogos:
dos
valores
observados
em
perodos
Sij= Zij - Tij

E como estes Sij ainda esto afectados de erros residuais,
tomamos para ndice de sazonalidade Sj a mdia dos Sij.
Por exemplo
SJan90= ZJan90 - TJan90 = 554-551 = 3
SJan91= ZJan91 - TJan91 = 566-562 = 4
A mdia
SJan= 3
(aproximada)
Os resultados
clculos foram
2010/2011
globais esto indicados a seguir.

feitos com casas decimais encobertas
Os
no
34
quadro, da algumas aparentes discrepncias nos valores

aproximados.
Sazonalidade S
JAN
90
91
med
2
4
3
FEV
MAR
-3
-7
-5
-12
-6
-9
ABR MAI
8
-3
3
16
17
16
JUN JUL AGO

-6
-20
-13
-2
3
0
6
-1
3
SET
8
3
5
OUT NOV
6
5
6
-8
-5
-6
DEZ
-5
0
-2
A previso faz-se a partir dos parmetros conhecidos e

actualizados aps o ltimo valor observado. Quando nos
situamos no perodo t, a previso para t+k feita pela
expresso
Yt+k =Tt + k.bt + Sj
sendo
bt = declive da tendncia no perodo t; e
Sj = ndice sazonal referente a t+k
Os erros de previso crescem medida que a previso
mais longnqua, isto , quando k aumenta. Aqui, focaremos
o caso de k=1, isto , previses para o perodo imediato.
O declive pode ser estimado com vantagem a partir das
mdias, a fim de atenuar os efeitos de sazonalidade e
erro. Vimos que a mdia provoca um atraso g na
localizao, isto , MMt corresponde a Mt-g. Para mdias
mveis, g=(n-1)/2. Como se ilustrou na fig.9, o declive
pode ser calculado pela expresso
bt =(Mt-Mt-g)/g
ou ainda
bt =2.(Mt-MMt)/(n-1)
No
exemplo
que
temos
vindo
tratar,
os
parmetros
relevantes para a previso de Janeiro de 1992 so:

TDez91= 566; MDez91= 563; MMDez91= 560; SJan= 3
2010/2011
35
Donde:
bDez91= 2(563-560)/(12-1)= 1
E a previso:
YJan92=566+1+3= 570
Falta agora estimar o erro associado a esta previso. Uma
maneira prtica de o fazer, calcular os erros derivados
da aplicao deste mtodo de previso aos valores
passados. Por exemplo, para efectuar a previso para
Dezembro de 1989, a partir dos dados de Novembro, dispomos
dos seguintes parmetros:
TNov89=551; MNov89=547; MMNov89=543; SDez89=-2
Donde:
bNov89= 2(547-543)/(12-1)= 1
E a previso:
YDez89=551+1-2= 550
Comparando a previso YDez89 com o real ZDez89= 538, obtem-se
o erro absoluto:
|ZDez89-YDez89|= 12.
Caminhando ao longo da srie passada, fazendo sucessivas
previses, obtem-se o conjunto dos erros passados. Podemos
calcular, de seguida, o erro absoluto mdio A e, a partir
deste, o desvio padro. Os clculos dariam A=8, a que
corresponderia um desvio padro de 10, aproximadamente.
2010/2011
36
Repare-se que o erro assim calculado engloba as variaes

aleatrias E e os erros do prprio mtodo de previso. Se
pretendssemos fazer previses para k perodos adiante,
devamos estimar esses erros,
previses de igual horizonte.
sobre
passado,
com
Admitindo que a srie e o mtodo de previso se

comportaro no futuro de forma idntica do passado,
podemos transpor para as prximas previses o erro em cima
calculado. Assim, a previso para Janeiro de 1992 e os
respectivos limites para 95% de confiana seriam:
YJan92 = 570
CJan92 = 570+2(10)= 590
BJan92 = 570-2(10)= 550
No final de Janeiro de 1992, ter-se- acesso ao novo valor
das vendas efectuadas, ZJan92. Este dado vai permitir a
actualizao dos parmetros de previso para Fevereiro de
1992. Essa actualizao envolve os seguintes clculos:
Mt= (nMt-1 -Zt-n +Zt)/n
MMt= (nMMt-1 -Mt-n +Mt)/n
(n=12; t= Jan92)
Tt= 2Mt-MMt
bt=2(Mt-MMt)/(n-1)
Yt+1 =Tt + bt + Sj
j=j(t+1)
Para se fazer esta actualizao preciso manter cerca de

3n registos passados. Se se quiser actualizar tambm os
ndices sazonais e o erro da previso, sero precisos
mais. O mtodo de previso referido no prximo pargrafo
permite a actualizao dos parmetros a partir de um
nmero inferior de registos.
Deve notar-se que o mtodo das mdias mveis pode aplicarse tambm s sries cronolgicas estacionrias. Para
estas, porm, existem os mtodos mais simples referidos
anteriormente.
2010/2011
37
2010/2011
38
5.2 Amortecimento exponencial duplo

Este mtodo utiliza uma mdia ponderada de todos os dados
passados, com peso decrescente para os dados mais antigos.
Sendo ponderada, esta mdia ineficiente para anular o
efeito sazonal. Por isso, conveniente dessazonalizar a
srie cronolgica antes de calcular essas mdias, fazendo,
Z'= Z-S
A
mdia obtida
anteriormente,
pela
N-1
M N=
expresso
geral,
vista
(1- ) i . Z ' N-i
i =0
que se converte na frmula recursiva:
.Z'i+(1-)Mi-1
Mi =
A mdia de 1 ordem
para o momento t ento obtida por
Z't+(1-)Mt-1
Mt =
A mdia de 2 ordem incide sobre os valores M, com frmula

recursiva idntica:
MMt =
Mt+(1-)MMt-1
Por razes j indicadas no pargrafo anterior, a tendncia

pode ser estimada a partir destas mdias:
Tt= 2Mt-MMt
Vimos tambm que, para as mdias ponderadas, o atraso na
localizao da mdia de
2010/2011
39
g=(1-)/
O declive, portanto, ser dado por
bt =(Mt-Mt-g)/g
bt =(Mt-MMt)/(1-)
O modelo de decomposio permite dizer que
Zt-Tt = Sj+Et
Esta diferena
aproximao de
j=j(t)
, a menos de um erro aleatrio,

Sj. O ndice sazonal pode, ento,
uma
ser
actualizado pela expresso:

Sj(t) =(Zt-Tt) +(1-)Sj(t-s)
em que s o ciclo sazonal. Esta expresso j tinha sido
indicada para o amortecimento
prtica, adopta-se /10<< /2.
exponencial
simples.
Na
A previso para o perodo t+k dada pela frmula

Yt+k =Tt + k.bt + Sj
sendo
bt = declive da tendncia no perodo t; e
Sj = ndice sazonal referente a t+k
O erro de previso cresce quando k aumenta. A estimativa
desse erro pode ser actualizada atravs da frmula
recursiva para o erro absoluto mdio, anteriormente
indicada:
At =
|Zt -Yt|+(1-)At-1
Note-se que Yt foi calculado em t-k, se as previses so

feitas para k perodos frente. Para uma margem de
2010/2011
40
confiana de 95%, a previso Yt+k est enquadrada entre os

limites:
Ct+k =Yt+k +2,5*At;
Bt+k =Yt+k -2,5*At.
Geralmente, o mtodo aplicado nas previses para o

perodo imediato t+1, pressupondo que nos situamos no
perodo t. Ao ter conhecimento do valor Zt, feita a
actualizao
sequncia:
dos
parmetros
do
modelo
pela
seguinte
Z't= Zt-Sj(t)
Mt = Z't+(1-)Mt-1
MMt = Mt+(1-)MMt-1
Tt= 2Mt-MMt
bt =(Mt-MMt)/(1-)
At = |Zt -Yt|+(1-)At-1
Sj(t) =(Zt-Tt) +(1-)Sj(t-s)
A previso para o perodo t+1 :

Yt+1 = Tt + bt + Sj(t+1)
Ct+1 =Yt+1 +2,5*At
Bt+1 =Yt+1 -2,5*At
Como
as
frmulas
so
recursivas,
valores iniciais dos parmetros

clculos. Se no houver dados
necessrio
estimar
para o arranque dos

passados, os valores
iniciais resultam da intuio e experincia do agente de

previso. Havendo dados passados, boa poltica estimar
os parmetros a partir da mdia mvel sobre esses dados.
Tais
valores
servem
para
iniciar
o
amortecimento
exponencial relativamente ao futuro.
No exemplo tratado no pargrafo anterior, dispnhamos, em
Dez.91, dos seguintes valores:
Sazonalidade S
2010/2011
41

JAN
3
FEV MAR
-5
-9
ABR
3
MAI
16
JUN
-13
JUL
0
AGO
3
SET
5
OUT
6
NOV
-6
DEZ
-2
TDez91= 566; MDez91= 563; MMDez91=560;

ADez91= 8
YJan92= 570
Admitamos que em Janeiro de 1992, as vendas alcanaram o
valor de 588 unidades. Utilizando para o amortecimento
exponencial subsequente, as constantes
actualizao
valores:
dos
parmetros
= 0,15 e = /5, a
conduziria
aos
seguintes
Z'Jan92 = ZJan92-SJan= 588-3= 585

MJan92 =Z'Jan92+(1-)MDez91 = 0,15*585+0,85*563= 566
MMJan92 =MJan92+(1-)MMDez91 = 0,15*566+0,85*560= 561

TJan92 = 2MJan92-MMJan92 = 2*566-561= 571
bJan92 = (MJan92-MMJan92)/(1-) =0,15*(566-561)/0,85= 1
AJan92= |ZJan92-YJan92|+(1-)ADez91
SJan92
=0,15*|588-570|+0,85*8= 10
=(ZJan92-TJan92)+(1-)SJan91
=0,03*(588-571)+0,97*3= 3
A previso para Fev 92 :

YFev92 = TJan92 +bJan92 +SFev91 =571+1-5=565
CFev92 =YFev92 +2,5*AJan92 = 575+2,5*10= 600
BFev92 =YFev92 -2,5*AJan92.= 575-2,5*10= 550
H
outros
processos
de
inicializar
o
mtodo
do
amortecimento exponencial, designadamente, faz-lo correr
sobre os dados passados, da primeira ltima observao,
para acertar os parmetros do modelo. Porm, se existirem
esses dados, mais fcil e mais rigoroso obter esses
parmetros a partir da mdia mvel para, de seguida,
iniciar as previses pelo amortecimento exponencial.
O
mtodo
de
amortecimento
exponencial
actualizao fcil dos parmetros a partir
2010/2011
permite
a
dos ltimos
42
valores destes e das novas observaes, sem necessidade de

manter o arquivo dos dados antigos. Este facto representa
uma vantagem significativa sobre o mtodo das mdias
mveis, sobretudo quando h milhares de previses a fazer,
como acontece na gesto de stocks da maioria das empresas.
O amortecimento duplo uma verso mais completa do
amortecimento simples, destinada a contemplar o declive
das sries cronolgicas. Porm, nada impede que o
amortecimento duplo seja aplicado a sries estacionrias:
pode ser, at, conveniente porque uma srie estacionria
no passado pode deixar de o ser no futuro.
BIBLIOGRAFIA
Wheelwright, S.C.; Makridakis, S. - Forecasting
Methods for Management
John Wiley & Sons, 1980
2010/2011
43

Metodos Previsao 2010 2011

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Metodos Previsao 2010 2011

Enviado por

Direitos autorais:

Formatos disponíveis

Mtodos de Previso - B.C.V.

A incerteza sobre o futuro uma das maiores preocupaes

Mtodos de Previso - B.C.V.

pressupem que existem dados numricos passados sobre as

Mtodos de Previso - B.C.V.

A srie cronolgica relaciona a varivel a prever com o

Mtodos de Previso - B.C.V.

Uma srie cronolgica refere os valores assumidos por uma

Figura 1 - Vendas mensais (ex 1)

A fig.1 mostra que

Mtodos de Previso - B.C.V.

Isto leva concepo do modelo que pretende explicar a

repetitivas, geralmente associadas com as estaes do

decomposio multiplicativa que assume a forma

Mtodos de Previso - B.C.V.

Um dos primeiros aspectos a considerar, quando se inicia a

tendncia crescente. Se considerarmos os valores anuais,

Figura 2 - Vendas anuais (ex 1)

Noutros casos, a simples anlise do grfico pode deixar

Mtodos de Previso - B.C.V.

Figura 3 - Vendas mensais (ex 2)

Figura 4 - Vendas anuais (ex 2)

3.1. Regresso linear

Mtodos de Previso - B.C.V.

A curva de regresso pode ser linear ou no, e ter uma ou

Ilustremos a aplicao do mtodo com o exemplo anterior

Mtodos de Previso - B.C.V.

A fig.5 mostra a sobreposio da recta de regresso sobre

Figura 5 - Regresso sobre as vendas anuais (ex.2)

A regresso pode ser utilizada, tambm, para efectuar

correspondentes totalidade da populao estatstica.

Mtodos de Previso - B.C.V.

dependente. Por outras palavras, a srie apresenta

No exemplo que tratmos

Mtodos de Previso - B.C.V.

Para saber se o valor de b estimado significativamente

Tabela 1 - Valores mnimos de |r|

Por exemplo, se efectuarmos a regresso

aquele valor terico ser diferente de zero. E se for

(fig.5), a regresso sobre 4

observaes, a tabela indica 0,95 para 95% de confiana.

Mtodos de Previso - B.C.V.

de zero, alis, como ntido na figura. Portanto, esta

3.3. Regresso exponencial

Obtm-se a recta de regresso tratada anteriormente:

exemplo. Seja a seguinte srie de vendas Z

Mtodos de Previso - B.C.V.

Pretendemos ajustar uma exponencial do tipo Y= a.b(t-t ).

Mtodos de Previso - B.C.V.

Figura 6- Regresso exponencial

A comparao entre os valores observados e os regredidos

Mtodos de Previso - B.C.V.

que, habitualmente, seguem uma distribuio Normal com

se repete ano aps ano. Portanto, a

Concluindo, a mdia das observaes Zi referentes a um

4.1. Mdia simples

resultados se indicam na tabela seguinte:

Mtodos de Previso - B.C.V.

MAR ABR MAI

A primeira linha de resultados diz respeito s mdias de

Se a estes valores Mj subtrairmos M, obtemos os ndices de

Mtodos de Previso - B.C.V.

Para cada valor Zij, correspondente ao ano i e ms j, h