Universid

idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

SRIES TEMPORAIS

Prof. Dr. Ednaldo Carvalho Guimares

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

BIBLIOGRAFIA
FERRAZ, M. I. F. Uso de modelos de sries temporais na
previso da srie de precipitaes pluviais mensais no municpio
de Lavras - MG. Lavras: UFLA, 1999, 97 p. (Dissertao de
mestrado).
HOFFMANN, R. e VIEIRA, S. Anlise de regresso: uma
introduo
int
oduo economet
econometria.
ia. So Paulo:
au o: Hucitec,
uc ec, 379 p.
MORETTIN, P. A.; TOLOI, C. M. de C. Sries temporais. So
Paulo: Atual, 2005, 420 p.
SPIEGEL M.
SPIEGEL,
M Estatstica.
Estatstica So Paulo: Makron Books.
Books 1993.
1993
STEVENSON,, W. J. Estatstica aplicada
p
administrao.

So
Paulo: Harbra, 2003.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

TEMAS A SEREM ABORDADOS

Introduo
Introd o
Decomposio
p de uma srie temporal
p
Regularizao exponencial
Funo autocorrelao
Modelos de previso automticos
Modelos de ppreviso no automticos
Uso de softwares na anlise de sries temporais

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

[[...]] tempo s.m.

s m (sXIII cf.
cf FichIVPM) durao
relativa das coisas que cria no ser humano a
idia de presente,
presente passado e futuro; perodo
contnuo e indefinido no qual os eventos se
sucedem [...]
[ ]
Dicionrio Houaiss da Lngua Portuguesa

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

1 INTRODUO
1.
Uma srie temporal um conjunto de
observaes ordenadas em intervalos de
t
tempo;
contudo,
t d o tempo
t
pode
d ser substitudo
b tit d
por variveis como espao, profundidade, etc..
Matematicamente, uma srie temporal
d fi id pelos
definida
l
valores
l
y1, y2, y3,...... de
d uma
varivel y, nos tempos t1, t2,..... Portanto y
uma funo de t simbolizada por y= f(t),
f(t) ou Zt.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Modelo de Regresso x Modelos de sries

temporais

Modelo de Regresso ordem das

observaes (pares) so irrelevantes para a
anlise

Sries Temporais ordem dos dados

crucial dependncia
p
serial

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Aplicaes de Sries Temporais

Economia preos dirios de aes; taxa
mensall
d
de
d
desemprego;
produo industrial;etc..
Medicina

eletrocardiograma,
eletroencefalograma,etc..

Epidemiologia nmero mensal de novos

casos de dengue,
g , etc..
Meteorologia precipitao pluviomtrica,
temperatura

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

CLASSIFICAO DAS SRIES

Srie Contnua observaes so feitas
continuamente
no
tempo.
Exemplo:
o
eletrocardiograma
Srie Discreta observaes

so feitas em
tempos especficos. Exemplo: Inflao mensal,
cotao
diria do dolar
Sries inerentemente
discretizadas

discretas

sries

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Previsibilidade da srie depende da

srie (Ex. Temperatura mdia mensal
grau alto de previsibilidade; bolsa de
valores baixa previsibilidade)
Nvel de incerteza da srie quanto mais
longe no futuro, maior a incerteza
associada
i d previso
i
Erro de previso:
^

ek (t ) = Z t Z t k (t )

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

INTERESSE NA ANLISE
Descrio propriedades da srie (tendncia;
sazonalidade; outliers; alteraes
estruturais)
Explicao variao em uma srie para
explicar a variao em outra
srie (modelo causal)
Predio valores futuros com base em
valores
presentes
(modelo
autoprojetivo)
Controle de Processos controle estatstico
de qualidade

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

ABORDAGENS
Tcnicas
Descritivas

id tifi
identificao
de
d padres,
d
etc..
t

grficos,

Modelos probabilsticos seleo

modelos,
estimao,
predio
ferramenta
e a e ta bs
bsica
ca autoco
autocorrelao
e ao

de

Anlise Espectral
Mtodos no paramtricos alisamento ou
suavizao

Outras abordagens modelos no lineares,

sries
i multivariadas,
lti
i d
etc..
t

Jan/99

Ms

1,50
11/07/95

09/06/96

07/08/97

05/07/98

ndice Nasdaq

Data

03/09/99

01/05/00

2000

10/21/2002

07/12/02

04/03/02

1999

12/19/2001

09/05/01

05/25/2001

1998

02/14/2001

11/02/00

07/26/2000

1997

04/14/2000

1996

09/27/1999

06/17/1999

1995

11/24/1998

08/17/1998

1994

01/27/1998

10/15/1997

1993

03/27/1997

Evoluo do Consumo de Gasolina no

Brasil entre Jan/99 e Nov/02

12/16/1996

1992

05/29/1996

02/16/1996

1,80

07/31/1995

2,20

04/20/1995

1,90
ndice

2,30

01/10/95

Nov/02

Set/02

Jul/02

Mai/02

Mar/02

Jan/02

Nov/01

Set/01

Jul/01

Mai/01

Mar/01

Jan/01

Nov/00

Set/00

Jul/00

Mai/00

Mar/00

Jan/00

Nov/99

Set/99

Jul/99

Mai/99

Mar/99

Consumo (em milhes de m3)

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

COMPORTAMENTO DA SRIE
2 500 000

2 000 000

1 500 000

1 000 000
500 000
2001

anos

Evoluo do ndice NASDAQ

6000

11 Jan 95 a 10
11.Jan.95
10.Jan.03
Jan 03

2,10
5000

2,00
4000

3000

2000

1,70

1,60
1000

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

2. DECOMPOSIO

DA SRIE
O modelo clssico das sries temporais
As sries so compostas por quatro padres, ou
elementos bsicos: Tendncia, Variaes
Cclicas, Variaes Sazonais e Variaes
Irregulares.
Estas componentes podem ser desmembradas e
estudas individualmente.
Os modelos de previso so construdos a partir
dessas componentes.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Classificao dos movimentos das sries

temporais
Tendncia da srie:
Direo geral da srie temporal em um longo
intervalo de tempo.
Os fatores observados influenciam os dados
Um modelo de regresso pode ser utilizado
na inferncia.
Exemplo: populao mundial de 1900 a 2000.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Variaes cclicas :
oscilaes a longo prazo desvios em torno
d reta
da
t ou da
d curva d
de ttendncia.
d i
Observvel apenas para sries longas
Variaes peridicas ou no em torno da
t d i
tendncia
Utilizada em casos especficos
p
Exemplo: exploses solar
Observao:
Vale ressaltar, que para detectar variaes cclicas de carter no
emprico necessitamos a transio para o domnio da freqncia.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Variaes

por estaes
p

((variaes

sazonais):
)
Movimentos similares, que uma srie temporal obedece
ddurante
t os mesmos meses (semanas,
(
di quinzenas,
dias,
i
etc)
t )
de anos sucessivos.
Um ndice de Sazonalidade tem por objetivo, analisar o
comportamento tpico de uma srie temporal.
Para tanto, esta anlise deve ser realizada em intervalos
de tempos
p eqidistantes.
q
Como,, p
por exemplo:
p
a cada 12 meses;
a cada 7 dias.
anos
Exemplo: vendas no comrcio ao longo dos anos.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Movimentos
irregulares
((variaes

irregulares):
g
)
Deslocamentos
temporais.

ou

espordicos

aleatrios
das

sries

Dificilmente passvel de avaliao

No p
podem ser captados
p
por nenhuma das
p
trs
componentes:
tendncia,
ciclo
e
sazonalidade
So chamados de erros aleatrios
branco

ou rudo

40
30
Y

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

A representao
p
grfica
g
dos movimentos so:

crescente

20

decrescente

10
0
0

12

15

tempo

Sries que apresentam tendncia nos dados

20
25

no
v

15

se
t

10

ju
l

m
ai
o

m
ar

ja
n

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

25
20
15
10
5
0
30

40

30

20

10

Variaes sazonais

35
40
45

Tempo
p

Variaes cclicas

50

ano1

ano2

ano3

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

z
108.5
108
107.5
107
106.5
106
105.5
105
104.5
104
103.5
0

20

40

60

80

Variaes aleatrias

Uma srie

temporal pode apresentar,

simultaneamente, mais de uma componente e
no
raro encontramos sries
i que apresentam
as componentes de tendncia, sazonal e
i
irregular.
l

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Exemplo
p
1 . Srie de p
precipitao
p
mensal de
Uberlndia MG ( Fonte: Laboratrio de Climatologia
IG/UFU)
ALTURAS PLUVIOMTRICAS - MENSAL E ANUAL (mm)
UBERLNDIA (MG) - 1981/2000
ANO/MS
1.981
1.982
1.983
1.984
1.985
1.986
1.987
1.988
1.989
1.990
1.991
1.992
1.993
1.994
1.995
1.996
1.997
1.998
1.999

JAN
256,2
647,4
400,4
191,4
570,0
215,3
238,2
174,8
174,8
110,9
383,5
398,8
180,9
385,3
288,2
279,8
268,9
120,8
287,2

FEV
99,1
124,3
231,6
82,2
111,5
176,4
201,2
285,2
285,2
150,1
255,0
383,7
285,0
142,6
422,2
137,6
111,6
160,0
185,1

MAR
169,0
321,6
226,9
233,1
291,6
164,8
169,3
256,4
256,4
97,6
469,4
112,8
137,8
340,6
239,1
176,6
331,3
99,6
184,7

ABR
41,1
105,7
89,1
93,6
75,4
99,8
102,1
150,1
150,1
25,3
178,7
119,5
107,2
26,6
57,1
39,8
107,1
68,5
57,4

MAI
17,0
73,6
38,7
43,6
24,7
27,6
28,0
43,0
43,0
68,7
4,7
46,2
30,2
35,9
121,6
56,1
23,4
58,8
9,2

JUN
59,9
40,0
6,1
0,0
0,0
0,0
10,0
5,4
5,4
0,0
0,0
0,0
72,2
9,4
3,4
8,4
105,8
33,3
8,8

JUL
0,0
19,0
50,6
0,0
0,0
1,6
0,0
0,0
0,0
43,3
0,0
0,0
0,0
9,4
1,6
6,8
0,0
0,0
0,0

AGO
0,1
42,6
1,2
45,9
0,0
50,0
0,0
0,0
0,0
37,8
0,0
4,8
18,8
0,0
0,0
6,9
0,0
63,7
0,0

SET
0,9
23,7
119,9
36,0
23,6
42,0
37,8
42,3
42,3
51,5
39,3
80,9
78,0
7,4
22,0
86,4
28,2
4,2
69,7

OUT
155,7
188,1
240,8
76,4
66,5
135,0
59,2
124,2
124,2
103,3
79,3
148,7
199,8
135,0
65,2
46,3
90,5
165,0
45,8

NOV
273,0
218,8
234,6
189,6
150,8
107,6
282,5
116,6
116,6
168,4
113,4
363,5
98,6
177,3
133,5
255,6
305,5
155,1
258,8

DEZ
431,6
402,3
323,0
286,3
263,4
545,0
348,9
316,5
316,5
155,7
258,7
310,6
433,5
351,9
308,2
236,8
270,7
295,1
226,5

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Exemplo 2 Vendas da Empresa X de 1999 a 2002

ms
jan
fev
mar
abr
mai
jun
jul
ago
set
out
nov
dez

1999
346 456.91
373 658
658.42
42
521 747.80
406 768.37
408 681
681.13
13
401 295.02
437 569.24
417 755
755.25
25
498 464.86
491 050.72
485 456
456.17
17
500 989.96

2000
582 889.53
553 508
508.05
05
538 282.97
436 758.55
571 327
327.25
25
659 906.87
647 799.85
656 213
213.85
85
593 066.11
596 377.40
637 569
569.78
78
676 565.00

Ano
2001
691 436.94
568 375
375.61
61
700 132.33
692 094.73
809 750
750.86
86
799 857.16
877 810.23
743 052
052.29
29
675 614.61
675 354.57
680 250
250.00
00
606 311.87

2002
658 077.62
645 680
680.37
37
739 147.07
833 610.48
806 457
457.72
72
742 798.54
851 623.08
722 818
818.62
62
780 708.07
842 930.23
856 114
114.67
67
858 120.06

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Os modelos de decomposio
Modelo
Multiplicativo

produto
das
componentes: Tendncia (T),
(T) Cclica (C),
(C) Sazonal
(S), Aleatria (I)

Y = T C S I = TCSI
Modelo Aditivo
individuais

soma

das

componentes

Y =T +C + S + I
Como identificar se o modelo a ser usado deve ser o aditivo ou
multiplicativo????

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

A anlise grfica pode ser usada para identificar o tipo de

modelo a ser usado
modelo aditivo variao constante em toda srie
modelo multiplicativo variao no constante com o
ttempo

Modelo aditivo

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

170

150

130

110
90

70

50

30

10
0
5
10
15
20
25
30

Modelo multiplicativo

35
40
45

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

A tendncia uma quantidade efetiva.

efetiva
Modelo aditivo C, S e I tambm so
quantidades efetivas.
Modelo multiplicativo,
multiplicativo estas componentes
so expressas em relao tendncia
(percentagens da tendncia).
tendncia)
Embora o modelo aditivo parea ser mais
fcil de lidar, pode-se, na prtica, utilizar o
modelo multiplicativo, quando este expressar
melhor a realidade dos dados.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

O estudo de cada componente da srie

a)) Componente
p
de Tendncia ((T))
Pode-se pensar a tendncia como sendo uma
mudana de longo de prazo no nvel mdio da
srie.
Objetivos:
a) remover a tendncia de modo a permitir a
anlise de outras componentes
b) identificar a tendncia de modo a utiliz-la
como suporte em planejamentos e decises.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Determinao da tendncia usando regresso

tendncia pode ser linear ou no.
Inspeo visual do grfico da srie.
Principais tipo de tendncias
A forma mais simples de tendncia :

Yt = + t + t
Outras formas de tendncias:
Funo polinomial:

Yt = + 1t + 2t + ... k t + t
2

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Curva de Gompertz:

log Yt = + r
Curva Logstica:
g

Yt =
ct
1 + e

t
0<r < 1

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Exemplo: Vamos supor que os dados a seguir

representem a demanda por um determinado produto
nos ltimos 20 anos. Analisar a srie quanto
tendncia.
tendncia
Ano (X)

Demanda (Y)

Ano (X)

Demanda (Y)

10

11

15

12

12

18

13

20

11

14

23

11

15

24

15

16

21

16

17

26

12

18

25

18

19

28

10

17

20

30

40
Deman
nda

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

representao grfica
30
20
10
0
0

10

15

20

25

tempo (anos)

Parece razovel adotarmos um modelo linear para

representar
p
a tendncia dessa srie.
Adotando o modelo Y = a +bt, e aplicando o mtodo
dos mnimos quadrados para determinar os valores de
a (coeficiente linear) e b (coeficiente angular) temos:
Y = 6,9368 + 1,0489 t

De
emanda

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

40
30
20
10

y = 1.0489x + 6.9368
2
R = 0.9044

0
0

10

15

20

25

tempo (anos)

Se desejarmos
S
d
j
f
fazer
uma previso
i da
d demanda
d
d para o
21o ano, podemos usar a linha de tendncia (equao de
regresso) para fazer essa previso:
Y = 6,9368+1,0489. (21) = 28,96
OBS: As extrapolaes usando modelos de regresso
devem ser feitas com restries e apenas para perodos
curtos.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Determinao da tendncia usando mdias

mveis
mdia mvel uma mdia aritmtica dos ltimos k
pontos observados.
k

MM = i = t k
k

Yt

a medida que se considera cada

observao, despreza-se a mais antiga.

nova

mdia mvel remover variaes sazonais,

cclicas e irregulares,
g
, resultando apenas
p
a
tendncia.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

na
prtica
completamente
irregulares

as

impossvel
remover
variaes cclicas e

O ideal escolher um perodo remoo

das variaes cclicas e irregulares.
mais dados inclumos na mdia menos
sensvel se torna ela a valores recentes.
Exemplo: usar os dados da demanda
apresentados no exemplo anterior multiplicado por
100 e ajustar a mdia mvel com 3 e com 5
perodos

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

ano

3 per

demanada
1000

5 per

1200

966.6667

700

1000

1020

1100

966.6667

1120

1100

1233.333

1200

1500

1400

1300

1600

1433.333

1440

1200

1533.333

1560

1800

1566.667

1560

10

1700

1666.667

1600

11

1500

1666 667
1666.667

1760

12

1800

1766.667

1860

13

2000

2033.333

2000

14

2300

2233 333
2233.333

2120

15

2400

2266.667

2280

16

2100

2366.667

2380

17

2600

2400

2480

18

2500

2633.333

2600

19

2800

2766.667

20

3000

3000

2500

2500

2000

Demanda

Demanda
a

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

3000

1500
1000

2000
y = 104.89x + 693.68

1500

R = 0.9044
1000

500
0

10

12

14

16

18

20

tempo (anos)
demanada

3 per

500

5 per

Valores observados e ajuste de

mdias
di mveis
i com 3 e 5 valores
l

10

12

14

16

18

20

tempo (anos)

Comparao dos mtodos de

mdias
di mveis
i e de
d regresso

vantagem
vantagem do mtodo de mdias mveis
sobre a tendncia linear abrange
tendncias tanto lineares como no lineares.
lineares

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Desvantagem
Desvantagem os primeiros e os ltimos
valores no possuem valores correspondentes
na mdia mvel,
mvel embora apresentem valores
para a regresso.
determinao da tendncia usando diferenas
Diferenas da srie at que ela se torne
estacionria
Dados no sazonais primeira diferena
geralmente suficiente
A nova srie Yt formada a partir da srie
original Xt

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Primeira ordem

yt = xt xt 11 = xt
Segunda ordem

yt = xt = ( xt xt 1 ) = xt 2 xt 1 + xt 2
2

Exemplo: Vamos exemplificar usando os dados da

demanda

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

ano
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

demanda dif1
10
12
7
11
11
15
16
12
18
17
15
18
20
23
24
21
26
25
28
30

dif2
2
-5
4
0
4
1
-4
6
-1
1
-2
3
2
3
1
-3
5
-1
3
2

-7
9
-4
4
-3
3
-5
10
-7
7
-1
5
-1
1
1
-2
-4
8
-6
4
-1

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

35

30

25

20

15

-5 0

-10
demanda

10
dif1

dif2

5
10
15
20
25

Data

ndice Nasdaq
10/2
21/2002

07
7/12/02

4/03/02
04

12/19/2001

09
9/05/01

05/2
25/2001

02/14/2001

11
1/02/00

07/2
26/2000

04/14/2000

01
1/05/00

09/2
27/1999

06/17/1999

03
3/09/99

11/2
24/1998

08/17/1998

05
5/07/98

27/1998
01/2

10/15/1997

07
7/08/97

03/2
27/1997

12/16/1996

4000

09
9/06/96

5000

29/1996
05/2

02/16/1996

11
1/07/95

07/3
31/1995

04/2
20/1995

01
1/10/95

ndice

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Determinao da tendncia A
A SENTIMENTO
SENTIMENTO
Evoluo do ndice NASDAQ
11.Jan.95 a 10.Jan.03

6000

Mtodo do
S ti
Sentimento
t
R1

3000

R2

2000

1000

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Teste para tendncia

Teste de hipteses estatsticas para verificar
se realmente existe tendncia na srie. O teste
pode ser aplicado em duas etapas:
a) Antes da estimao da tendncia
b) Depois que se obtm a tendncia

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

T t
Testes:
Regresso Teste de hipteses para coef. de
regresso (i); intervalos de confiana;
anlise de varincia para o modelo de
regresso
O t
Outros
mtodos
t d Testes
T t no
paramtricos
t i
a) Teste
este de sequ
sequncias
c as ((Wald-Wolfowitz)
ad o o t )
b) Teste do Sinal (Cox-Stuart)
c) Teste do coeficiente de correlao de
Spearman
p

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

b) Componentes
C
t cclicas
li
e irregulares
i
l
(C + I)
Variaes cclicas so variaes peridicas
de amplitude superior a um ano.
praticamente impossvel separar as
variaes cclicas das variaes irregulares e,
portanto, essas so analisadas em conjunto.
Para isolar as variaes cclicas e
irregulares, as demais variaes (tendncia e
sazonal) devem ser removidas dos dados.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

A remoo
das
d variaes
i sazonais
i pode
d ser
feita, utilizando-se, por exemplo, mdias
mveis
i (veremos
(
este
t procedimento
di
t mais
i
adiante).
A remoo da tendncia se faz atravs do
ajuste
j t da
d equao
de
d regresso
ou por
medias mveis ou pela diferenas como
vimos
i
anteriormente
t i
t

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

No modelo aditivo, cada observao

subtrada do correspondente valor de
tendncia. O resultado ser uma srie de
desvios em relao tendncia.
No modelo multiplicativo, os valores
observados
so
divididos
pelos
correspondentes valores estimados pela
tendncia e em seguida multiplicados por 100.
Os dados so, portanto, expressos em
percentagem da tendncia.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Exemplo 1 Para os dados a seguir e

admitindo o modelo de srie aditivo: a)
representar graficamente a srie e discutir; b)
ajustar a reta de tendncia; c) remover a
tendncia; d) representar graficamente os
dados sem tendncia.
t

10 11 12 13 14 15 16 17 18 19 20

12 15 18 19 20 21 22 25 28 31 34 35 36 37 38 41 44 47 50 51

60

60
50
40
30
20
10
0

40
Y

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Soluo:

y = 2t + 10

20

R2 = 0.9955

0
0

10

12

14

16

18

20

tempo

10

12

14

16

18

20

tempo

Representao da srie e ajuste da tendncia linear

Remoo
da tendncia do modelo aditivo
T

12 15 18 19 20 21 22 25 28 31 34 35 36 37 38 41 44 47 50 51

Yt

12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50

Y-Yt 0

-1 -2 -1 0

10 11 12 13 14 15 16 17 18 19 20

-1 -2 -1 0

Yt-Y
Y

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

3
2
1
0
-1 0
-2
-3

10

15

20

25

tempo

Representao grfica da srie sem a tendncia

Nota-se que aps a remoo da tendncia a

srie apresenta apenas a componente cclica e
aleatria.

T 1

10

11

12

13

14

15

16

17

18

19

20

21

Y 110 124 140 148 150 158 165 170 190 209 230 229 230 230 225 250 270 292 320 310 290

400

400

300

300

200

200

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Exemplo 2 - Considerando o modelo

multiplicativo para os dados a seguir, repita os
itens a, b, c e d do exemplo anterior.

100

100

0
0

10

15
tempo

20

25

y = 10t + 100
R 2 = 0.9594
0

10

15

20

tempo

Representao grfica da srie e da tendncia

25

110 124 140 148 150 158 165 170 190 209 230 229 230 230 225 250 270 292 320 310 290

Yt

110 120 130 140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 310

(Y/Yt)*100 100 103 108 106 100 99

97

94

10

11

12

13

14

100 105 110 104 100 96

15

90

Grfico sem a tendncia

(Y/Yt).100

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Remoo da tendncia

115
110
105
100
95
90
85
0

10

15
tempo

20

25

16

96

17

18

19

20

21

100 104 110 103 94

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

c) Componente sazonal (S)

As variaes sazonais so aquelas que ocorrem
regularmente dentro de um curto perodo de tempo
(por exemplo, um ano).
remover o padro sazonal para estudar as
variaes
i cclicas
li
identificar os fatores sazonais de forma que eles
possam ser levados em considerao na hora de
uma deciso,
deciso por exemplo,
exemplo se existe uma
sazonalidade de vendas de um produto em um
certo p
perodo do ano,, o comerciante p
pode fazer
um estoque do produto antecipadamente.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Para predizer os padres sazonais preciso

primeiro identific-los e determina-lhes o alcance.
Uma tcnica usada para esta anlise o
mtodo da razo para a mdia mvel.

O mtodo da razo para mdia mvel

ndices semanais, mensais ou trimestrais que
caracterizam observaes de sries temporais
em termos de percentagem do total anual, ou
seja, relativos sazonais.
Mtodo utilizado para modelos multiplicativos

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

E
Exemplos:
l
1) Se
S no ms
de
d junho
j h tem-se
t
di sazonall
ndice
de 0,80, isso indica que as vendas de junho
so
80% da
d mdia
di mensal.
l
2) Se
S um trimestre
ti
t tem
t
di
ndice
sazonall de
d
2,00, isso significa que as vendas daquele
ti
trimestre
t so
aproximadamente
i d
t o dobro
d b da
d
mdia de vendas para todos os trimestres.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Passos para a aplicao da tcnica

i) Obter uma mdia mvel de 4 perodos, se os dados
esto em trimestre ou de 12 perodos,
perodos se estes so
mensais ou de 3 perodos para quadrimestrais e assim
sucessivamente.
Problema da centragem da mdia mvel ao se usar
um nmero par de perodos => Ex.
Ex mdia de 4
perodos onde locar o resultado na posio 2 ou na
3???
Uma forma de contornar o problema encontrar uma
mdia mvel de dois perodos para as mdias mveis.
mveis
Perodos superiores
p
a 12 messes sazonalidade
ausente.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

ii) Dividir os dados originais pelos valores correspondentes da

mdia mvel

Y
TCSI
=
= SI
MM
TC
iii) Agrupar os relativos de perodos semelhantes e
determinar a razo sazonal mdia para cada perodo. Por
exemplo, para uma srie mensal, agrupa-se todos os
janeiros fevereiros,
janeiros,
fevereiros etc.
etc e calcula
calcula-se
se a mdia de cada ms.
ms
Pode-se adota-se uma mdia modificada, que consiste em
eliminar o menor e o maior valor de cada grupo antes de
calcular a mdia.
j
os
iv)) Padronizar as cifras resultantes. Isso se faz ajustando
relativos, de modo que sua soma seja igual ao nmero de
perodos. Logo, se h 12 perodos, o total dos relativos
sazonais deve ser 12.
12

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Observao: Para o ajuste dos relativos (Rsc),

cria-se um fator de correo que a relao entre
o nmero de perodos (k) e o total dos relativos (
Rs).
k
R sc =
Rs
Exemplo: Com os dados trimestrais de vendas,
vendas
apresentados abaixo, use o mtodo da razo
para mdias mveis
Trim 1

18

22

24

24

22

26

29

28

25

31

34

Trim 1

29

35

38

36

32

40

43

40

36

44

48

20

32

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Clculos
trimestre

y
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

mm4per
20
18
22
24
24
22
26
29
28
25
31
34
32
29
35
38
36
32
40
43
40
36
44
48

21
22
23
24
25.25
26.25
27
28.25
29 5
29.5
30.5
31.5
32.5
33 5
33.5
34.5
35.25
36.5
37.75
38.75
39.75
40.75
42

mm2mm

21.5
22.5
23.5
24.625
25.75
26.625
27.625
28 875
28.875
30
31
32
33
34
34.875
35.875
37.125
38.25
39.25
40.25
41.375

Y/mm2

1.02
1.07
1.02
0.89
1.01
1.09
1.01
0 87
0.87
1.03
1.10
1.00
0 88
0.88
1.03
1.09
1.00
0.86
1.05
1.10
0.99
0.87

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

montando os grupos:
I
1.02
1
02
1.01
1
1
0.99
m ed. Modif.
rel. sazonais

1.003

grupos
II
0 89
0.89
0.87
0.88
0 86
0.86
0.87
0.873

III
1 02
1.02
1.01
1.03
1 03
1.03
1.05

IV

1.027

1.093

1.07
1
07
1.09
1.1
1 09
1.09
1.1

Teste para sazonalidade

Testes no-paramtricos:
a)Teste de Kruskal-Wallis
b) Teste de Friedman

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Teste paramtrico:
Teste de F com:
H0: S1=S2 =....=S
= =Sk (no existe sazonalidade)
H1: Si Sj (existe a sazonalidade)
Estatistica para o Teste:
s = perodo de sazonalidade

n j (Y . j Y ) 2

N s j =1
T =
s n j

s
1

2
(
Y
Y
)

.
j
ij

j
=
1
i
=
1

N = nmero de observaes
_
Y.J = mdia de cada perodo de
sazonalidade

C
Comparar
com valor
l d
da T
Tabela
b l F

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

O mtodo da razo de mdias mveis usado

para modelos de sries do tipo mutiplicativo.
Se for adotado o modelo aditivo, os indices
sazonais so obtidos por diferenas.
A utilizao de mdias mveis com periodos
iguais ao perodo sazonal remove a sazonalidade
da srie. Por exemplo se a sazonalidade anual e
estamos
t
t b lh d
trabalhando
com dados
d d
mensais
i
devemos usar um k = 12 na mdia mvel para
remover a sazonalidade.
sazonalidade
Veremos mais adiante,
adiante nos modelos de previso,
previso
que estas observaes so muito importante.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

EXERCCIO
1) Com
os dados abaixo, determine a
tendncia e represente
p
graficamente. Use os
g
mtodos de regresso, mdia movel e
diferenas

T
Y
T
Y
T
Y

1
60
9
70
17
80

2
53
10
85
18
85

3
45
11
78
19
93

4
5
51 57
12 13
82 90
20 21
90 108

6
56
14
75
22
88

7
60
15
74
23
91

8
65
16
77
24
87

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

2) Tem-se abaixo o registro de vendas do

produto X. Usando uma mdia mvel trimestral
e o mtodo da razo para a mdia mvel,
mvel
obtenha os relativos sazonais.
Trim
I
II
III
IV

1
45
28
17
21

2
48
36
19
25

Anos
3
53
42
18
20

4
48
36
17
21

5
39
33
14
21

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

RECOMPOSIO DE UMA SRIE TEMPORAL

Objetivo avaliar todos os componentes
simultaneamente
O processo de
d recomposio
i da
d srie
i difere
dif
de acordo com o modelo adotado (aditivo ou
multiplicativo).
lti li ti )
Para o modelo aditivo deve, ao recompor a
srie, somar as componentes
Para
P
o multiplicativo
lti li ti
componentes

multiplicar
lti li

as

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

M
Ms

Adi i
Aditivo

M l i li i
Multiplicativo

Y = T + S + CI

Y = TSCI

CI

CI

Fev

90

-5

-22

63

90

0,90

0,70

56,7

Mar

94

-4

-22

68

94

0,92

0,70

60,5

Abril

98

-4

-22

72

98

0,92

0,70

63,1

Maio

102

-6

-22

74

102

0,86

0,70

61,4

Jun

106

-7

-22

77

106

0,82

0,70

60,8

Jul

110

-3

-20

87

110

0,94

0,80

82,8

Ago

114

-1

-20

93

114

0,94

0,80

86,6

Set

118

-20

103

118

1,10

0,80

103,8

O t
Out

122

-20
20

107

122

1 10
1,10

0 80
0,80

107 4
107,4

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Vamos trabalhar com algumas sries

Case 1 Vendas da Empresa X de 1999 a 2002
ms
jan
fev
mar
abr
mai
jun
jul
ago
set
out
nov
dez

1999
346 456.91
373 658.42
521 747.80
406 768.37
408 681.13
401 295
295.02
02
437 569.24
417 755.25
498 464.86
491 050.72
485 456.17
500 989.96

2000
582 889.53
553 508.05
538 282.97
436 758.55
571 327.25
659 906
906.87
87
647 799.85
656 213.85
593 066.11
596 377.40
637 569.78
676 565.00

Ano
2001
691 436.94
568 375.61
700 132.33
692 094.73
809 750.86
799 857
857.16
16
877 810.23
743 052.29
675 614.61
675 354.57
680 250.00
606 311.87

2002
658 077.62
645 680.37
739 147.07
833 610.48
806 457.72
742 798
798.54
54
851 623.08
722 818.62
780 708.07
842 930.23
856 114.67
858 120.06

Decompor a srie em componente de tendncia e

componente sazonal, usando regresso para tendncia e
relativos sazonais para sazonalidade. Recompor a srie e
com base nestas componentes prever 2003.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Case 2 Uma empresa

p
deseja
j elaborar uma ppreviso de
vendas para o prximo ano. O produto vendido apresenta
comportamento sazonal e a empresa tem os dados dos ltimos
5 anos (em
( mil
il toneladas):
l d )
Trimestre
T
i
t
1
2
3
4
Total de vendas
Mdia

2003
200
100
50
300
650
162,5

2004
2005
250
320
150
210
100
160
450
600
950
1290
237,5
322,5

2006
350
190
140
500
1180
295

2007
400
230
160
530
1320
330

a)) Calcule
C l l os ndices
di
sazonais
i para cada
d trimestre
ti
t
b)) Determine a ppreviso de vendas ppara o ano de 2008

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

3. REGULARIZAO EXPONNCIAL
A regularizao exponencial uma tcnica que
utiliza uma equao de mdias mveis ponderadas
exponencialmente para regularizar a srie temporal.
O objetivo permitir a visualizao de padres
no aleatrios q
que p
possam estar p
presentes nos
dados.
Adicionamos ao
componente mdia.

nosso

modelo

clssico

Quanto maior o nmero de perodos, menos

sensvel ser a mdia incluso de um novo valor.
valor

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

O grau timo de regularizao vai depender

do grau da flutuaes aleatrias, para altas
flutuaes faz
faz-se
se necessrio um alto grau de
regularizao.
A tcnica das mdias mveis regularizadas
exponencialmente
e
po e c a e te te
tem a vantagem
a tage de pe
permitir,
t ,
facilmente, o ajuste da quantidade de
regularizaes.
g

A escolha do valor da constante de

regularizao,
ou
seja
do
grau
de
regularizao,
g
, p
pode ser feita com base nas
somas de quadrados dos resduos.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Deve-se considerar tambm que a tcnica de

mdias mveis com regularizao exponencial,
exponencial
armazena as informaes de todos os dados em
um nico valor.
valor
A equao de regularizao exponencial dada
por:

V s = V s 1 + ( D V s 1 )
Vs o novo valor regularizado
Vs-1 o valor regularizado anteriormente
D o prximo ponto
o ffator
t de
d regularizao
l i

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Observe que o efeito do fator de regularizao

tomar uma porcentagem da diferena entre o
ltimo e o prximo dado individual e som-la (ou
subtra-la) da ltima mdia para obter a nova
mdia. Por exemplo, seja 100 a ltima mdia, 150
o novo ponto
t e = 0,10.
0 10 A nova mdia
di se calcula
l l
como:

Vs = 100 + 0,10(150 100) = 105

Como cada
C
d
mdia
di
anterior
t i
f i calculada
foi
l l d
exatamente da mesma maneira, teoricamente
todos os dados (pontos) passados esto
incorporados a Vs-1. Isso reduz grandemente a
necessidade de armazenamento de dados
histricos.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Os valores de comumente usados vo de

0,01 a 0,30. Quando pequeno h um
grande nmero de dados anteriores includos
g
em Vs-1.
O grau ou quantidade,
quantidade de regularizao
depende do tamanho da constate de
regularizao Quando as variaes so
regularizao.
grandes, faz-se necessrio um valor pequeno
de para regulariza-la.
regulariza la
Exemplo: Regularizar os dados da srie a seguir,
seguir
usando
as
constantes
de
regularizao
exponencial de 0,1 e de 0,3 e mostrar
graficamente esta regularizao.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

ano
Y

9 10

37 33 40 50 52 46 44 46 40 47

ano 11 12 13 14 15 16 17 18 19 20
Y

42 40 40 37 41 40 43 40 30 36

ano 21 22 23 24 25 26 27 28 29 30
Y

34 41 40 36 46 48 38 42 52 46

ano 31 32 33 34 35 36 37 38
Y

46 47 44 42 46 38 40 35

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

ano

Y( =0,1)

Y( = 0,3)

ano

37

37

37

20

36

39.470

37.106

33

36.600

35.800

21

34

38.923

36.174

40

36.940

37.060

22

41

39.131

37.622

50

38.246

40.942

23

40

39.218

38.335

52

39.621

44.259

24

36

38.896

37.635

46

40 259
40.259

44 782
44.782

25

46

39 606
39.606

40 144
40.144

44

40.633

44.547

26

48

40.446

42.501

46

41.170

44.983

27

38

40.201

41.151

40

41.053

43.488

28

42

40.381

41.405

10

47

41.648

44.542

29

52

41.543

44.584

11

42

41.683

43.779

30

46

41.989

45.009

12

40

41.515

42.645

31

46

42.390

45.306

13

40

41 363
41.363

41 852
41.852

32

47

42 851
42.851

45 814
45.814

14

37

40.927

40.396

33

44

42.966

45.270

15

41

40.934

40.577

34

42

42.869

44.289

16

40

40.841

40.404

35

46

43.182

44.802

17

43

41.057

41.183

36

38

42.664

42.762

18

40

40.951

40.828

37

40

42.398

41.933

19

30

39.856

37.580

38

35

41.658

39.853

Y( =0,1) Y( = 0,3)

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

55

Y(alpha =0,1)

10
20

tempo

Y(alpha = 0,3)

50

45

40

35

30

25
30
40

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Exerccio: Faa a regularizao exponencial da

srie abaixo usando constantes de 0,1 e 0,3.
Represente os dados originais e regularizados.
regularizados
Ano

P (ton)

12

10

13

14

11

12

10

A
Ano

10

11

12

13

14

P (ton)

12

11

13

11

14

18

Ano

15

16

17

18

19

20

21

P (ton)

20

16

13

16

12

11

13

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Case 3. Preos de fechamento de aes dos ltimos

40 dias
valor

valor

valor

valor

44,5

11

45

21

41,25

31

43,5

44,5

12

44

22

42

32

42,75

43,75

13

43,75

23

42

33

42,75

44,75

14

44

24

42,75

34

42

45,25

15

43,25

25

43

35

42,25

45,25

16

43,75

26

43,5

36

42,5

45

17

43

27

42 75
42,75

37

41 5
41,5

45,5

18

42

28

43

38

41,25

45 75
45,75

19

42 25
42,25

29

44 25
44,25

39

41 75
41,75

10

44,75

20

41,75

30

44

40

41,25

Fazer a regularizao da srie usando = 0,2

0 2 e = 0,5.
05
Qual deve ser adotado?

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

4. AUTOCORRELAO

Importante ferramenta para se identificar as

propriedades de uma srie temporal
Correlao entre observaes defasadas 1,
2, 3, .... Perodos de tempo
Com n observaes de uma srie temporal
podemos formar os pares (x1, x2), .... (xn-1,
xn), desta forma estimar o coeficiente de
correlao (rk).

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

A formula geral para o clculo da

autocorrelao a mesma da correlao de
Pearson
Pearson,
entretanto
entretanto,
no
caso
da
autocorrelao estamos interessados em
verificar a similaridade entre as observaes
de uma srie com a mesma srie defasada
de k.
k
n k

rk =

(x
t =1

x)( xt + k x)

(x
t =1

x)

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

A funo
autocorrelao
uma funo
q
que associa a
cada valor de uma distncia entre tempo, que
chamado de lag k, o seu respectivo coeficiente de
correlao.
l
A representao
p

grfica da
g
chamada de autocorrelograma
correlograma.

autocorrelao

ou simplesmente

Espera-se um decrscimo da funo autocorrelao

medida q
que aumentamos a distncia entre as
observaes e, no caso das sries temporais,
medida que o tempo passa.
Podemos dizer que valores vizinhos guardam mais
semelhanas entre si do que valores muitos distantes.
distantes

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

A funo autocorrelao ,
portanto,
portanto uma medida
de interdependncia entre as observaes.
A funo autocorrelao tambm importante
para se verificar estacionaridade da srie.
Se ao construir o correlograma o coeficiente no
diminui rapidamente para zero medida que k
cresce, temos uma srie no estacionria, caso
contrrio tem a srie estacionria.
estacionria
Estacionariedade
Uma srie temporal estacionria quando ela
desenvolve-se
desenvolve
se no tempo aleatoriamente ao redor
de uma mdia constante.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Observao:
Prtica sries apresentam alguma
forma de no estacionariedade maior
parte dos procedimentos de anlise
supem
que
essas
sries
so
estacionrias caso os dados originais
no formem uma srie estacionria,
necessrio
transform-los

a
transformao mais comum consiste em
tomar diferenas sucessivas da srie
original, at se obter uma srie
estacionria.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Correlograma
grfico com os k primeiros coeficientes de
correlao como funo de k chamado de
correlograma e pode ser utilizado para
identificar caractersticas de uma srie
temporal.
temporal
pode
pode-se
se associar certos padres de
correlograma
com
determinadas
caractersticas de uma srie temporal

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

a) Sries aleatrias
srie completamente aleatria valores
defasados so no correlacionados rk = 0
x1,..., xn variveis aleatrias independentes
e identicamente distribudas com mdia
arbitrria rk assintoticamente normalmente
distribudo com:
E(rk) = -1/n e Var(rk) = 1/n
limites
li it d
de confiana
fi
aproximados
i d d
de 95%
95%:

1 1,96
1,96

n
n
n

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

dificuldade de interpretao mesmo para srie

completamente aleatria, espera-se que 1 em cada
20 rk esteja fora destes limites.
limites Por outro lado um
valor muito grade de rk tem menos chance de ter
ocorrido por acaso do que um valor prximo dos
limites.
b) Correlao de curto prazo
Uma srie temporal na qual uma observao
acima da mdia tende a ser seguida por uma ou
mais
i observaes
b

acima
i
d mdia,
da
di similarmente
i il
t
para observaes abaixo da mdia, dita ter
correlao de curto prazo.
prazo

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

O correlograma desta srie dever exibir um valor

relativamente grande de r1 seguido de valores que
tendem a ficar sucessivamente menores. A partir de
uma
ma certa defasagem k os valores
alores de rk tendem a
zero.
c) Correlao Negativa
Se os valores da srie tendem a se alternar acima
e abaixo de um valor mdio,, o correlograma
g
desta
srie tambm tende a se alternar.
Os valores de rk para k impar tendem a ser
negativos e para k par tendem a ser positivos, pois
as observaes defasads de perodos pares,
tendem a estar do mesmo lado da mdia.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

d) Sries no estacionrias
Se a srie no estacionria rk no decairo
para zero, a no ser para grandes defasagens.
Intuitivamente uma observao de um lado
da mdia
d a te
tende
de a se
ser segu
seguida
da po
por u
um g
grande
a de
nmero de observaes do mesmo lado devido
a tendncia.
Pouca ou nenhuma informao

pode ser
p
extrada

tendncia
domina
outras
caractersticas

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

e) Variao sazonal
Facilmente identificada no correlograma uma
srie com variao sazonal exibir no
correlograma oscilaes na mesma frequncia
Se
S o padro
d sazonall j evidente
id t no grfico
fi da
d
srie original, o correlograma trar pouco ou
nenhuma informao adicional.
adicional
f) Observaes discrepantes
Se uma srie possui uma ou mais observaes
discrepantes
p
((outliers)) o correlograma
g
pode ser
p
seriamente afetado.
Uma nica observao discrepante pode
viesar os rk para zero

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Vamos verificar o comportamento

p
de sries
usando o correlograma
1) Determinar a funo
f no autocorrelao
a tocorrelao e a funo
f no
autocorrelao dos resduos

T
Y
T
Y
T
Y

1
60
9
70
17
80

2
53
10
85
18
85

3
45
11
78
19
93

4
51
12
82
20
90

5
57
13
90
21
108

6
56
14
75
22
88

7
60
15
74
23
91

8
65
16
77
24
87

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

2) Determinar a funo autocorrelao

Ti
Trim

I
II
III
IV
1
45
28
17
21
2
48
36
19
25

Anos
A
3
53
42
18
20
4
48
36
17
21
5
39
33
14
21

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

3) Determinar a funo autocorrelao

A
Ano

P (ton)

12

10

13

14

11

12

10

Ano

10

11

12

13

14

P (ton)

12

11

13

11

14

18

Ano

15

16

17

18

19

20

21

P (ton)

20

16

13

16

12

11

13

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Continuao
da anlise de autocorrelao

Exemplos de padres de comportamento de

sries e a respectiva funo autocorrelao
(fac)

Srie aleatria

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Autocorrelao da srie aleatria

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Srie de curto prazo

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

autocorrelao da srie de curto prazo

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Srie negativa

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Autocorrelao de srie negativa

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Srie com tendncia

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Autocorrelao de srie com tendncia

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

5. MODELOS DE PREVISO
Previso um elemento chave na tomada de deciso
Controle de
Processo
Planejamento
de Produo

Planejamento de
Oportunidades
p

Sistema de
Previso
Planejamento
Financeiro

Escalonamento
de Pessoal
Gerenciamento
de Estoque

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Previso
P i
Previso

Predio de eventos futuros,

com o intuito
i t it de
d di
diminuio
i i d
de
risco na tomada de deciso.
Custo Total
Custo da
Previso

Erro
Custo Vs Benefcio

Ponto timo!

Perdas Devido
a Incerteza

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Deciso

Baseando-se em sistemas de Previso:

Deciso

=
Previso

+
Erro

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Algumas
g
Definies

Perodo da Previso Unidade bsica de

t
tempo
na previso.
i
Horizonte
cobertos.

da

IIntervalo
t
l
d
de
atualizao

Previso
P i
Previso

No.

de

perodos

Freqncia
F i

d
de

Poderamos requerer uma previso para as

prximas dez semanas,
semanas com uma anlise
semanal, assim o horizonte seria dez semanas
e o perodo de uma semana

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Padres de Sries Temporais

Processamentos
que
permanecem
constantes sobre um certo nvel todo o
tempo,
p , com variaes

de p
perodo a p
perodo
devido a causas aleatrias.
Padres que ilustram tendncias no nvel
dos processos, de maneira que a variao
de um p
perodo ao outro atribuda a uma
tendncia mais uma variao aleatria.
Processos que variam ciclicamente no
tempo, como em processos sazonais
(exemplo: o clima).

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Modelos de Previso de Sries Temporais

Os procedimentos de previso de sries
temporais podem ser divididos, grosseiramente,
em duas categorias:
a)
Automticos,
que
so
aplicados
diretamente, com a utilizao de programas
simples de computador;
b)
No-Automticos,
que
exigem
a
interveno de pessoal especializado
especializado, para
serem aplicados

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

5.1. Modelos Automticos

Previso de Sries Localmente Constantes

Z t = t + at , t = 1, K , N
1

t o nvel da srie

0,9

08
0,8

0,7

at um rudo branco

0,6

0,5

0,4

0,3

0,2

0,1

0
0

10

20

30

40

50

60

70

80

90

100

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Mdias Mveis Simples (MMS)

Clculo da mdia
aritmtica das r ltimas
observaes
Previso
Vantagens:

Simples Utilizao

Aplicvel para N
pequeno

flexibilidade
variao de r de acordo
com o padro da srie

Z t + Z t 1 + L + Z t r +1
Mt =
r

)
Z t (h ) = M t
Desvantagens:
Determinao de r
Necessidade de
armazenar pelo
l menos r-1
1
observaes
adequado para sries
estacionrias

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Vamos discutir um pouco mais o mtodo

A tcnica consiste em calcular a mdia aritmtica
das r observaes mais recentes,
recentes isto e:

Z t + Z t 1 + ... + Z t r +1
Z t Z t r
Mt =
= M t 1 +
r
r
Mt uma estimativa
ti ti
d t que no
de
leva
l
em
considerao as observaes mais antiga.
A previso de todos os valores futuros da srie ,
a partir da origem t, dada pela ultima mdia
calculada.
Para todo horizonte de previso (h), com h = 1, 2,
3, ... tem-se:

Z t Z t r
Z (h) = M t = Z t 1 (h + 1) +
r

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Esta equao pode ser interpretada como um

mecanismo de atualizao de previso.
previso
A cada instante ((ou nova observao)
) corrigeg
se a estimativa prvia de Zt+h
depende do nmero r de observaes
utilizadas na mdia valor grande de r faz
com que a previso acompanhe lentamente as
mudanas de t valor pequeno implica em
reao mais rpida.
rpida

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Se r =1 valor mais recente da srie

utilizado como previso de todos os valores
futuros mtodo ingnuo ou mtodo de
Nai e
Naive
se r = N previso igual a mdia aritmtica
de todos os dados observados indicado para
srie estritamente estacionria
Valor de r deve
aleatoriedade de at

ser

proporcional

Mtodo objetivo selecionar r que fornea a

melhor
melhor previso
previso a um passo das observaes
j obtidas, ou seja, encontrar r que minimize:

S=

2
(
X

X
(
r
))
t t 1

t = l +1

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Exemplo de Aplicao: Aplicar o mtodo de

Mdias Mveis Simples (MMS) seguinte
srie e em seguida fazer uma previso para
mais 6 perodos.
t
X
t
X

1
2
3
4
5
6
7
8
9
10
11
12
1095 1067 1364 1510 1260 1229 1205 1237 1414 1299 1420 1360
13
14
15
16
17
18
19
20
21
22
23
24
1304 1213 1360 1587 1431 1267 1429 1517 1506 1627 1650 1606

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Alisamento exponencial simples (AES)

J descrevemos esta tcnica anteriormente
vamos us-la
l para fazer
f
previses
i
O AES pode ser descrito por:

Z t = Z t + (1 ) Z t 1
Zt

Z o = Z1

o valor alisado e a constante de

alisamento, com 0 < < 1

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Utilizando
a
equao
recursivamente, tem-se:

do

AES

Z t = Z t + (1 )Z t 1 + (1 ) Z t 2 + ...
2

AES uma medida ponderada que d pesos

maiores s observaes

mais recentes
vantagem sobre o MMS
A previso de valores futuros dada pelo
ltimo valor exponencialmente alisado
^

Z t ( h) = Z t = Z t + (1 ) Z t 1 ( h + 1)

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

essa a equao
de
d atualizao
t li
da
d previso,
i
dado que temos uma nova observao
Necessidade de conhecer apenas o valor mais
recente (Zt), a previso imediatamente anterior
( Z t 1 ) e o valor de
Para processo estacionrio, tem-se:

E Z t ( h)

Var[ Z t (h)]

2
a

Supondo
p
at ~N(0,
( , a2) o IC de 95% p
para Zt+h
ser dado por:

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Z t (h) 1,96

2
a

Lembrando:
Quanto menor for o valor de mais
estveis as previses, pois baixo implica que
pesos maiores so dados s observaes
p

passadas flutuaes aleatrias do presente

exercer menor p
peso no clculo da p
previso.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Vantagens: facilidade de aplicao e

entendimento; flexibilidade permitida pela
variao de ; necessidade de armazenar
apenas Zt, Z t 1 e
Desvantagem:
D
t
difi ld d em determinar
dificuldade
d t
i
o
valor apropriado da constante de alisamento
Pode-se tambm utilizar o EQM para decidir o
a o de
valor

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Exemplo: Usar o AES para a srie abaixo com

= 0,1;0,3 e 0,5. Determinar o melhor valor da
constante de alisamento.
alisamento Suponha que se
queira fazer uma previso a partir do t= 6,
usando como origem t = 5.
5
t
X
t
X

1
47
9
59

2
64
10
48

3
23
11
71

4
71
12
35

5
38
13
57

6
64
14
40

7
55
15
58

8
41
16
44

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Previso de Sries com Tendncia

Z t = t + T1 + at t = 1, K, N
t o nvel
ld
da srie
i
T1 a tendncia ((linear
em t)
At um rudo branco

0,3
0,25
0,2
0,15
0,1
0,05
0
-0,05

20

40

60

80

100

MMS e AES no so adequados quando existe

tendncia

120

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Alisamento Exponencial Linear de Brown (AELB)

Srie com tendncia linear
Calcular um segundo valor exponencialmente
alisado

Z t = Z t + (1 )Z t 1 , Z 1 = Z 1
A equao
d
de previso
i fifica:
^

Z t ( h ) = b1 + b 2 ( t + h )
b1 e b2 so as estimativas dos parmetros da
equao linear simples, tendo como origem o
instante correspondente primeira observao.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Mudando a origem
g
para um tempo
p
p t q
qualquer,
q
temos:
^

X t ( h ) = a1 , t + b 2 , t h
Em que:
^

a1,t = 2 X t X t

b 2 ,t =

(X t X t)

A constante de alisamento pode ser

determinada de modo que minimize o EQM
O AELB possui todas as vantagens do AES,
alem de ser adequado
q
s sries q
que
apresentam tendncia linear.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Exemplo: Usar o AELB com = 0,2, para

ajustar a srie abaixo e para fazer previses
at t = 30 usando com referncia t = 24
t
X
t
X

1
238
13
329

2
251
14
343

3
256
15
359

4
263
16
375

5
270
17
383

6
275
18
393

7
280
19
400

8
290
20
407

9
298
21
415

10
305
22
424

11
310
23
436

12
318
24
449

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

ALISAMENTO EXPONENCIAL DE HOLT

(AEH) 2 parmetros
AES para sries com tendncia subestimam ou
superestimam os valores reais
difere
dif
d AELB por alisar
do
li
di t
diretamente
t a srie
i
utiliza uma nova constante de suavizao para
modelar a tendncia da srie
Os
O valores
l
d nvel
do
l e da
d tendncia
t d i da
d srie,
i no
instante t, sero estimados por:
^

Z t = AZ t + (1 A)( Z t 1 + T t 1 ), 0 < A < 1 e t = 2,...., N

^

Tt = C ( Z t Z t 1 ) + (1 C ) T t 1 , 0 < C < 1 e t = 2,..., N

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

A previso para um valor Zt+h, com origem em t

dada por:
^

Z t ( h) = Z t + h T t
Portanto,
Portanto a previso feita adicionando-se
adicionando se ao
valor bsico a tendncia multiplicada pelo
nmero de passos a frente que se deseja
prever.
A atualizao da previso tendo-se uma nova
observao
ser dada p
por:
^

Z t +1 = AZ t +1 + (1 A)( Z t + T t ), 0 < A < 1 e t = 2,...., N

^

Tt +1 = C ( Z t +1 Z t ) + (1 C ) T t , 0 < C < 1 e t = 2,..., N

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Z t +1 (h 1) = Z t +1 + (h 1) T t +1
deve-se fazer hipteses sobre os valores
iniciais
^

T 2 = Z 2 Z1

Z 2 = Z2

A seleo dos valores de A e C so feitas

f
de tal
forma que o EQM seja mnimo

Exemplo:
Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

ano

ms
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3

z
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4

71.6
72.5
73.5
74 5
74.5
75.2
76.3
76.9
78.1
80
80.9
81.7
82.9
84 7
84.7
86.3
88.8
90.9
91.5
93.4
94.6
95.9
96.7
97 8
97.8
99.1
100
102.2
103.7
104.7
106

3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
5
5
5
5
5
5
5
5
5
5

5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10

106.7
106
7
107.9
110.4
112.3
114.1
116.1
117.1
117.5
118.9
120.2
122.1
124.2
125.2
126.2
127 6
127.6
128.9
130.5
132
133.2
133 9
133.9
183.1
187.5
189.9
194.1
197.8
204
208
215
219
223

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

5
5
6
6
6
6
6
6
6
6
6
6
6
6
7
7
7
7
7
7
7
7
7
7
7
7
8
8
8
8

11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4

227
230
238
251
256
263
270
275
280
290
298
305
310
318
329
343
359
375
383
393
400
407
415
424
436
449
456
474
486
495

8
8
8
8
8
8
8
8
9
9
9
9
9
9
9
9
9
9
9
9
10
10
10
10
10
10

5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6

510
535
558
572
586
602
617
628
653
667
707
731
746
778
812
840
849
936
980
1049
1096
1133
1182
1237
1309
1374

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Previso de Sries Sazonais

Sazonalidade
M ltiplicati a
Multiplicativa

Z t = t Ft + Tt + at , t = 1, K , N

Sazonalidade
Aditiva

Z t = t + Tt + Ft + at

Gera-se
Gera se trs equaes
eq aes de alisamento,
alisamento uma
ma para a
sazonalidade, uma para a tendncia e outra para a srie
Este mtodo chamado de Alisamento Exponencial
Sazonal de Holt-Winters (HW)
Tem grande aplicabilidade por considerar as trs
componentes do modelo

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Mtodo HW Multiplicativo
Equaes de Alisamento:
)
)
Zt
Ft = D + (1 D)Ft s , 0 < D < 1, t = s + 1,K, N
Zt
)
Zt
Z t = A ) + (1 A) Z t 1 + Tt 1
Ft s

0 < A < 1, t = s + 1,K, N

)
)
Tt = C (Z t Z t 1 ) + (1 C )Tt 1 , 0 < C < 1, t = s + 1, K , N

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Previso de srie sazonal multiplicativa

p
^

Z t (h) = ( Z t + h T t ) F t + h s , h = 1,2,...., s
Z t (h) = ( Z t + h T t ) F t + h 2 s , h = s + 1,...,2 s
M

Atualizaes das previses

^
Z t +1
F t +1 = D
+ (1 D ) F t +1 s
Z t +1
Z

^
^
Z t +1 = A ^ t +1 + (1 A )( Z t + T t )

F t +1 s
^

T t +1 = C ( Z t +1 Z t ) + (1 C ) T t

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Nova previso
^

Z t +1 (h 1) = ( Z t +1 + (h 1) T t +1 ) F t +1+ h s , h = 1,2,...., s + 1
^

Z t +1 (h 1) = ( Z t +1 + (h 1) T t +1 ) F t +1+ h 2 s , h = s + 2,...,2 s + 1
M
M

Valores iniciais das equaes:

^

Fj=

Zj
s

1
Zk

s k =1

Ts = 0

, j = 1, 2 ,..., s

1 s
Z s = Zk
s k =1

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Mtodo HW Aditivo
Equaes de Alisamento:
^

F t = D ( Z t Z t ) + (1 D ) F t s , 0 < D < 1, t = s + 1,..., N

^

Z t = A ( Z t F t s ) + (1 A )( Z t 1 + T t 1 ), 0 < A < 1, t = s + 1,..., N

^

T t = C ( Z t Z t 1 ) + (1 C ) T t 1 , 0 < C < 1, t = s + 1,..., N

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Previso de srie sazonal aditiva

^

F t +1 = D( Z t +1 Z t +1 ) + (1 D) F t +1 s
^

Z t +1 = A( Z t +1 F t +1 s ) + (1 A)( Z t + T t )
^

T t +1 = C ( Z t +1 Z t ) + (1 C ) T t
Atualizaes:
^

Z t ( h ) = Z t + h T t + F t + h s , h = 1, 2 ,...., s
Z t ( h ) = Z t + h T t + F t + h 2 s , h = s + 1,..., 2 s
M
M

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Exemplo:
ano

ms
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2

Z
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7

143
138
195
225
175
389
454
618
770
564
327
235
189
326
289
293
279
552
664

2
2
2
2
3
3
3
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4

9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12

1000
502
512
300
359
264
315
361
414
647
836
901
1104
874
683
352
332
244
320
437
544
830
1011
1081
1400
1123
713
487

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

5.2. Modelos
M d l No
N Automticos
A t ti
A obteno dos parmetros dos modelos exigem
e igem
um conhecimento mais apurado e exige programas
computacionais mais especficos
Nesta classe os modelos mais utilizados so os
modelos de BOX-JENKINS
Vamos abordar este tpico de forma sucinta e
discutir resultados de modelos gerados por
programas computacionais.
computacionais

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Modelos de Box & Jenkins

Box & Jenkins propuseram um mtodo
it ti
iterativo
para a identificao
id tifi
do
d modelo
d l de
d
uma srie temporal Modelo ARIMA.
Este mtodo envolve investigaes sobre os
dados da srie, sem a necessidade de se ter
i f
informaes
prvias
i sobre
b a srie
i
Este um p
procedimento muito p
poderoso,,
porm necessita de um conhecimento muito
apurado

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Procedimentos de determinao do modelo

Estagio 1: Identificao

Escolhe um ou mais modelos candidatos

ARIMA

Estgio 2: Estimao

Estima os parmetros dos modelos

escolhidos

Estgio 3: Verificao

Checagem dos modelos quando

adequao

Sim
Previso

Modelo
satisfatrio?
ti f t i ?

No

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Modelo de Mdia Mvel (MA(q))

Seja et um processo puramente aleatrio com mdia
zero e varincia 2e. Um processo Zt chamado de
processo de
d mdias
di mveis
i de
d ordem
d
q, ou MA(q),
MA( )
se:
Zt = et +1et-1+ ... + qet-q
Com:
E(Zt) = 0 e Var(Zt) = (1+12 + .... + q2) 2e
Para q = 1, temos MA(1) e a funo autocorrelao
fica:
1
k =0

(k ) = 0
(1 + 2 )
1
1

k >1
K = 1

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

O processo MA(1) pode

d ser reescrito
it como
uma regresso de ordem infinita nos seus
prprios valores
alores defasados.
defasados
Para um p
processo MA(q)
(q) esta condio
p
pode
ser expressa usando-se o operador de
translao

para o p
p
passado B,, q
que definido
como:
BjZt = Zt-j, para todo j.
j
Desta forma,, a equao
q da MA(q)
(q) fica:
Zt = (1 + 1B + 2B2 + ... + qBq)et

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Modelo autoregressivo (AR(p))

Considerando et um processo puramente aleatrio,
pode-se
pode
se definir o processo autoregressivo de
ordem p (AR(p)), como:
Zt = 1Zt-1+....+
+ + pZt-p + et
similaridade com a regresso mltipla valores
passados so as regressoras
O processo AR(1) pode ser escrito como:
Zt = Zt-1 + et
Usando o operador de translao para o passado
a equao
q acima fica:
(1-B)Zt = et

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Ou equivalentemente:
1
Zt = (
)et = et (1 + B + 2 B 2 + ...) = et + et 1 + 2 et 2 + ....
1 B

E(Xt) = 0

Var(Xt) = e2/(1-2)

r(k) = k

O modelo AR(p) usando operador de translao

para o passado :
Zt = (

1
1 1 B 2 B ... p B
2

) et

A autocorrelao ser dada pela equao de YuleYule

Walker

r ( k ) = 1r ( k 1) + ... + p r ( k p )

,Para k>0

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Autocorrelaes parciais
No processo AR(p), o ltimo coef. p mede o
excesso
excesso de correlao
correlao na defasagem p que no
levado em conta no modelo AR(p-1).
Este
E t
chamado
h
d
autocorrelao parcial.

d
de

p-simo
i

coef.
f

d
de

Para k = 1, 2, ... Temos a funo autocorrelao

parcial
observaes:
No modelo AR(p) os r(k) so nulos para k > p
O fato de r(k) = 0 para k>p sugerido como uma
ferramenta para a determinao da ordem p do
processo

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Modelos Mistos (ARMA(p,q))

Combinao dos modelos AR e MA objetivo a
representao da srie com um nmero menor de
parmetros.
O modelo ARMA(p,q) dado por:
Zt = 1Zt-1+ ... +pZt-p+et-1 + 1et-1+ ... +qet-q
se p=0 ou q=0 o modelo passa a ser um MA(q) ou
AR(p).
Para operador de translao para o passado,
passado temtem
se:
(1-1B - 2B2 - ... - pBp)Zt = (1+ 1B + 2B2 +qBq)et

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Modelos ARMA Integrados (ARIMA (p,d,q))

Modelo ARMA (p,d,q) no qual Zt substitudo
pela d
d-esima
esima diferena.
diferena
Denotando a srie diferenciada por:

Wt = d Z t = (1 B ) d Z t
ARIMA(p, d, q) dado por

Wt = 1Wt 1 + ... + pWt p + et + 1et 1 + ... + q et q

Na prtica

se utiliza d=1
1 e excepcionalmente d =2
2
Passeio aleatrio ARIMA(0,1,0)
( , , )

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Relacionando a fac com o modelo das sries

fac com queda lenta de r(k) no
estacionaridade srie precisa ser diferenciada
ARIMA(p,d,q)
Se r(1) significativamente diferente de zero e
demais r esto prximos de zero usar MA(1)
Se r(1), r(2), r(3), ... Parecem estar decaindo
exponencialmente
p
AR(1)
( )
ARMA (p, q) fac com decaimento exponencial
ou oscilatrio aps q e facp com mesmo
comportamento aps p.

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Observao:

Utiliza-se mtodos iterativos p

para
minimizar a soma de quadrados de resduos e obter as
estimativas dos parmetros dos modelos de BoxJ ki
Jenkins

Adequao do Modelo
a) Anlise dos resduos
distribuio aleatria em torno de zero com
varincia constante e no correlacionados
Se a varincia dos resduos for crescente
transformao logartmica pode resolver
fenmeno de no constncia chamado de
volatilidade
l tilid d

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

correlao serial de resduos uma ou mais

caracterstica da srie no foi adequadamente
descrita pelo modelo
representar graficamente os resduos e sua
autocorrelograma
t
l
e
existem
ste testes estat
estatstico
st co pa
para
a verificar
e ca a
significncia do resduos, mas podemos usar a
fac dos resduos com os respectivos
p
intervalos
de confiana. Se a autocorrelaes dos
resduos estiverem dentro do IC,, o modelo
adequado.
Outros
O t
t t
testes
veremos e discutiremos
di
ti
quando da utilizao do softwares

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Previso usando modelos ARMA e ARIMA

As previses podem ser obtidas usando
usando-se
se
diretamente a equao do modelo
Exemplo
E
l modelo
d l SARIMA(1,0,0)
SARIMA(1 0 0) x ((0,1,1)
((0 1 1)12
Equao do modelo:
(1-B)(1-B12)Zt = (1+B12)et
ou equivalentemente:
i l t
t
Zt = Zt-12
et-12
t 12 + (Zt-1
t 1 Zt-13
t 13) + et +e
t 12

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Nesse caso, as previses 1 e 2 passos frente

ficam:
^

Z n (1) = Z n 11 + ( Z n Z n 12 ) + en 11
^

Z n (2) = Z n 10 + ( Z n (1) Z n 11 ) + en 10

Previses para horizontes maiores podem ser

obtidas recursivamente

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Modelos autoregressivos (AR(p)) Funo

de previso
^

Z t (1) = 1 Z t + ... + p Z t p +1
^

Z t (2) = 1 Z t (1) + ... + p Z t p + 2

M
^

Z t ( p + 1) = 1 Z t ( p) + ... + p Z t (1)

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Modelos mdias mveis (MA(q)) Funo

de previso
^

Z t (1) = 1 t + ... + q t q +1
^

Z t (2) = 2 t + ... + q Z t q + 2
M
^

Z t (q) = q t
^

Z (q + j ) = 0, j = 1,2,....

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

TRANSFORMAES

Existe situaes em que necessrio fazer a

transformao dos dados antes da anlise da
srie temporal
Transformao logartmica a mais usual
Previses so obtidas para srie transformada
necessidade de ser transformada novamente
para a escala original

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Abordagem
g
mais simples
p
transformao

inversa, por exemplo:

Yt = log(
l (Z
Zt )
^

Z n (k ) = exp(Y n (k ))
p
previses
via
transformaes

geralmente so viesadas

inversas

alternativa usar intervalos de previso

boas propriedades estatsticas

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

PERFORMANCE PREDITIVA
Comparao de dois ou mais modelos
baseado em erros de predio
Comparar erros de previso com os erros do
passeio aleatrio estatstica U de Theil
n 1

( Z t +1 Z (t ))

U=

t =1
n 1

2
(
Z

Z
)
t +1 t

t =1

valores maiores do que 1 erros de previso

g
grandes
ideal valores de U menores que 1

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Outras forma:
- comparar o erro quadrtico mdio ou o erro
absoluto mdio (modulo dos erros) para diferentes
modelos
estimar
ti
o modelo
d l
excluindo
l i d
algumas
l
observaes finais e depois usar o modelo para
prev las comparar valores previstos com
prev-las
valores reais

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

CRITRIOS DE INFORMAO

forma de
competidores

discriminar

entre

modelos

considera a qualidade do ajuste e penalizam a

incluso de parmetros extras
regra bsica selecionar o modelo cujo
critrio de informao calculado seja mnimo.
Os mais famosos e utilizados so: o AIC (
Critrio de Informao de Akaike) e o BIC
(Critrio de Informao Bayesiano)

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

a)Critrio de Informao de Akaike (AIC)

AIC = -2logverossimilhana maximizada + 2m
m o nmero de parmetros Ex.: modelo
ARMA(p,q) m = p+q+1
Para dados normalmente distribudos e usando-se
estimativas de mxima verossimilhana para os
parmetros, tem-se:
^ 2

AIC = n log( ) + 2m
^ 2

1
2
= t
n

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

b) Critrio de Informao Baysiano (BIC)

BIC = -2 log verossimilhana maximizada + m +mlogn

O BIC penaliza mais a incluso de novos

parmetros do que o AIC
Tanto o AIC quanto o BIC no devem ser
analisados considerando apenas um modelo
Estes critrios podem assumir valores
negativos dependem da forma da funo de
verossimilhana

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Exemplo 1: Aplicar os modelos de Box-Jenkins aos

dados de vendas do produto X.
ms
jan
fev
mar
abr
mai
jun
jul
ago
set
out
nov
dez

1999
346 456.91
373 658
658.42
42
521 747.80
406 768.37
408 681
681.13
13
401 295.02
437 569.24
417 755
755.25
25
498 464.86
491 050.72
485 456
456.17
17
500 989.96

2000
582 889.53
553 508
508.05
05
538 282.97
436 758.55
571 327
327.25
25
659 906.87
647 799.85
656 213
213.85
85
593 066.11
596 377.40
637 569
569.78
78
676 565.00

Ano
2001
691 436.94
568 375
375.61
61
700 132.33
692 094.73
809 750
750.86
86
799 857.16
877 810.23
743 052
052.29
29
675 614.61
675 354.57
680 250
250.00
00
606 311.87

2002
658 077.62
645 680
680.37
37
739 147.07
833 610.48
806 457
457.72
72
742 798.54
851 623.08
722 818
818.62
62
780 708.07
842 930.23
856 114
114.67
67
858 120.06

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Legend

VENDAS

12

10

4 X 1E+005

1999
2000
2001
2002
2003

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Legend

VENDAS

12

10

4
X 1E+005

1999
2000
2001
2002
2003

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Exemplo 2 serie de produo

ms
Jan-80
Feb-80
Mar-80
Apr-80
May-80
Jun-80
Jul-80
Aug-80
Sep-80
Oct-80
Nov-80
Dec-80
Jan-81
Feb-81
Mar-81
Apr-81
May-81
Jun-81
Jul-81
Aug-81
Sep-81
Oct-81
Nov-81
Dec-81

Total
694.84
645.52
690.91
661.98
706.46
690.49
732.28
701.09
702.20
739.23
685.82
658.69
683.07
653.32
669.68
602.19
598.35
580.33
618.56
623.57
637.14
701.52
670.74
650.05

Jan-82
Feb-82
Mar-82
Apr-82
May-82
Jun-82
Jul-82
Aug-82
Sep-82
Oct-82
Nov-82
Dec-82
Jan-83
Feb-83
Mar-83
Apr-83
May-83
Jun-83
Jul-83
Aug-83
Sep-83
Oct-83
Nov-83
Dec-83

630.69
614.96
712.64
660.96
692.24
694.92
724.06
707.78
669.95
648.34
647.38
610.27
610.13
588.31
713.22
661.11
681.53
686.28
674.23
668.02
678.86
689.28
669.46
591.90

Jan-84
Feb-84
Mar-84
Apr-84
May-84
Jun-84
Jul-84
Aug-84
Sep-84
Oct-84
Nov-84
Dec-84
Jan-85
Feb-85
Mar-85
Apr-85
May-85
Jun-85
Jun
85
Jul-85
Aug-85
Sep-85
Oct-85
Oct
85
Nov-85
Dec-85

623.97
635.52
663.39
626.80
692.86
670.10
674.18
711.67
677.40
750.17
732.46
651.57
733.41
665.38
707.37
652.84
702.31
629.32
690.21
749.78
736.48
809.87
754.58
730.05

Jan-86
Feb-86
Feb
86
Mar-86
Apr-86
May-86
Jun-86
Jun
86
Jul-86
Aug-86
Sep-86
Oct-86
Oct
86
Nov-86
Dec-86
Jan-87
Feb-87
Feb
87
Mar-87
Apr-87
May-87
Jun-87
Jun
87
Jul-87
Aug-87
Sep-87
Oct-87
Oct
87
Nov-87
Dec-87

803.48
749.18
693.17
705.40
775.32
808.29
920.49
892.34
898.36
941.78
854.26
829.94
888.97
873 68
873.68
921.70
905.08
903.18
782 22
782.22
722.22
743.15
807.50
832 39
832.39
784.81
725.91

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Jan-88
Feb-88
Mar-88
Apr-88
May-88
Jun-88
Jul-88
Aug-88
Sep 88
Sep-88
Oct-88
Nov-88
Dec-88
Jan-89
Feb-89
Mar-89
Apr 89
Apr-89
May-89
Jun-89
Jul-89
Aug-89
Sep-89
Oct-89
N 89
Nov-89
Dec-89

725.75
681 29
681.29
752.05
701.25
723.03
764.76
781.99
828.26
818 28
818.28
769.29
784.71
741.17
706.62
623.63
741.16
791 76
791.76
887.02
941.18
950.64
1,056.02
988.58
1,013.05
953 25
953.25
806.00

Jan-90
F b 90
Feb-90
Mar-90
Apr-90
y
May-90
Jun-90
Jul-90
Aug-90
Sep 90
Sep-90
Oct-90
Nov-90
Dec-90
Jan-91
Feb-91
Mar-91
Apr 91
Apr-91
May-91
Jun-91
Jul-91
Aug-91
Sep-91
Oct-91
Nov-91
Dec-91

824.01
789 16
789.16
579.64
413.55
726.72
802.06
976.00
997.74
902 16
902.16
887.30
739.38
516.47
659.39
644.79
812.79
927 66
927.66
972.76
943.17
1,031.75
1,046.58
955.25
929.97
758 36
758.36
553.00

Jan-92
F b 92
Feb-92
Mar-92
Apr-92
y
May-92
Jun-92
Jul-92
Aug-92
Sep 92
Sep-92
Oct-92
Nov-92
Dec-92
Jan-93
Feb-93
Mar-93
Apr 93
Apr-93
May-93
Jun-93
Jul-93
Aug-93
Sep-93
Oct-93
Nov-93
Dec-93

704.80
748 29
748.29
824.88
766.13
782.28
796.57
847.99
836.79
893 24
893.24
912.22
878.34
786.39
898.39
903.81
1,045.07
979 01
979.01
1,028.44
990.85
993.11
979.69
969.98
1,036.92
1 020 34
1,020.34
930.43

Jan-94
F b 94
Feb-94
Mar-94
Apr-94
y
May-94
Jun-94
Jul-94
Aug-94
Sep 94
Sep-94
Oct-94
Nov-94
Dec-94
Jan-95
Feb-95
Mar-95
Apr-95
May-95
Jun-95
Jul-95
A
Aug-95
95
Sep-95
Oct-95
Nov-95
Dec-95

975.38
885 01
885.01
1,041.93
941.75
1,038.71
,
1,031.95
1,022.46
1,117.57
1 170 06
1,170.06
1,211.33
1,257.07
1,259.43
1,285.61
1,167.61
1,360.50
1 218 13
1,218.13
1,229.34
997.36
929.16
1 040 64
1,040.64
1,052.90
1,121.30
,
1,127.47
1,008.03

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Jan-96
Feb-96
Feb
96
Mar-96
Apr-96
May-96
Jun-96
Jul-96
Aug-96
Sep-96
Oct-96
Nov-96
Dec-96
Jan-97
Feb-97
Mar-97
A 97
Apr-97
May-97
Jun-97
Jul-97
Jul
97
Aug-97
Sep-97
Oct-97
Nov-97
Dec-97

1,118.19
1,090.69
1,194.22
1,189.41
1,238.15
1,185.92
1,235.04
1,276.58
1 274 41
1,274.41
1,363.45
1,390.11
1,192.12
1,269.28
1,175.03
1,262.55
1 309 72
1,309.72
1,334.01
1,365.03
1 386 43
1,386.43
1,373.10
1,402.51
1,499.04
1,363.59
1,153.26

Jan-98
Feb-98
Feb
98
Mar-98
Apr-98
May-98
Jun-98
Jul-98
Aug-98
Sep-98
Oct-98
Nov-98
Dec-98
Jan-99
Feb-99
Mar-99
A 99
Apr-99
May-99
Jun-99
Jul-99
Jul
99
Aug-99
Sep-99
Oct-99
Nov-99
Dec-99

1,251.28
1,278.20
1,421.28
1,337.01
1,351.62
1,318.39
1,326.12
1,365.14
1 397 88
1,397.88
1,435.41
1,388.55
1,287.85
1,291.39
1,251.49
1,431.23
1 342 69
1,342.69
1,445.69
1,436.36
1 368 50
1,368.50
1,452.12
1,454.85
1,457.14
1,467.55
1,362.81

Jan-00
Feb-00
Feb
00
Mar-00
Apr-00
May-00
Jun-00
Jul-00
Aug-00
Sep-00
Oct-00
Nov-00
Dec-00
Jan-01
Feb-01
Mar-01
A 01
Apr-01
May-01
Jun-01
Jul-01
Jul
01
Aug-01
Sep-01
Oct-01
Nov-01
Dec-01

1,511.50
1,565.79
1,705.45
1,649.72
1,726.68
1,678.34
1,708.03
1,837.70
1 744 04
1,744.04
1,829.56
1,830.55
1,702.01
1,731.94
1,573.83
1,797.19
1 728 25
1,728.25
1,753.86
1,664.08
1 690 34
1,690.34
1,740.12
1,657.58
1,847.96
1,812.10
1,612.97

Jan-02
Feb-02
Mar-02
Apr-02
May-02
J
Jun-02
02
Jul-02
Aug-02
Sep-02
Sep
02
Oct-02
Nov-02
Dec-02
Jan-03
Feb-03
Mar-03
Apr 03
Apr-03
May-03
Jun-03
Jul-03
Aug-03
Sep-03
Oct-03
N 03
Nov-03
Dec-03

1,740.41
1,612.15
1,825.50
1,891.19
1,857.21
1 657 38
1,657.38
1,767.28
1,933.37
1 829 91
1,829.91
1,925.58
1,858.13
1,543.02
1,541.24
1,510.27
1,590.06
1 581 39
1,581.39
1,534.92
1,440.34
,
1,499.09
1,548.85
1,650.27
1,770.80
1 712 82
1,712.82
1,479.11

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Jan-04
Feb-04
Mar-04
Apr-04
May-04
J
Jun-04
04
Jul-04
Aug-04
Sep-04
Sep
04
Oct-04
Nov-04
Dec-04
Jan-05
Feb-05
Mar-05
A 05
Apr-05
May-05
Jun-05
Jul-05
Aug-05
Sep-05
Oct-05
Nov-05
Dec-05

1,576.08
1,540.61
1,798.57
1,715.38
1,772.13
1 789 16
1,789.16
1,892.56
1,862.69
1 795 85
1,795.85
1,831.56
1,808.20
1,685.53
1,614.20
1,548.39
1,808.66
1,805.94
1,835.95
1,868.66
1 808 87
1,808.87
1,890.06
1,892.07
1,841.45
,
1,877.75
1,772.29

Jan-06
Feb-06
Feb
06
Mar-06
Apr-06
May-06
Jun-06
Jul-06
Aug-06
Sep 06
Sep-06
Oct-06
Nov-06
Dec-06
Jan-07
Feb-07
Mar-07
Apr-07
May-07
Jun-07
Jul 07
Jul-07
Aug-07
Sep-07
Oct-07
Oct
07
Nov-07
Dec-07

1,740.15
1,648.34
1,874.96
1,742.12
1,887.56
1,785.32
1,767.01
1,886.49
1 852 94
1,852.94
1,958.64
1,933.91
, 09 3
1,709.73
1,766.14
1,702.68
1,860.30
1,801.64
1,873.88
1,824.11
1 839 44
1,839.44
1,908.10
1,904.07
1,952.20
1,917.00
1,768.04

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Legend

PRODUCAO

2000

1500

1000

500

80
85
90
95
0
5

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Universid
idade Fede
eral de Ub
berlndia
Fac
culdade de
e Matemt
tica
Curso de
d Especia
ializao e
em Estats
stica Emprresarial

Todos os modelos so errados mas alguns so teis

George Box