Escolar Documentos
Profissional Documentos
Cultura Documentos
Tcnicas de Previso
Tcnicas de Previso
Tcnicas de Previso
Vendas
Sero de x
milhes!
Srie cronolgica
Componentes e exemplos
Outliers
Identificao e tratamento
Processo de previso
Identificao de algumas ferramentas estatsticas para reviso
Ajustamento versus Previso
Medidas do erro de previso
Absolutas e relativas
2015-16
2015-16
2015-16
Srie Cronolgica
Tcnicas de Previso
Tcnicas de Previso
2015-16
Conjunto de valores
Relativo a um acontecimento (varivel resposta)
Obtido atravs da observao da varivel
resposta em perodos de tempo regulares
Exemplo
Ano:
Vendas:
1998
78.7
1999
63.5
2000
89.7
2001
93.2
2002
92.1
milhares
Aleatoriedade
Tendncia
Ciclicidade
Sazonalidade
Tcnicas de Previso
Tendncia
Tempo
2015-16
2015-16
Tcnicas de Previso
Sazonalidade
Padro regular de flutuaes
Recorrente, perodos de tempo constantes
Devido a hbitos, clima,...
Vero
Varivel
Resposta
Ciclicidade
Padro de flutuaes de mdio a longo prazo
Recorrente, no peridicas
Devido a interaes com fatores econmicos
Expanso e recesso econmicas
Tempo
2015-16
2015-16
1000
800
600
400
200
46
43
40
37
34
31
28
25
22
19
16
13
10
0
1
No sistemtica
Flutuaes residuais
Componente com um comportamento aleatrio sem
correlaes temporais
1200
Aleatoriedade
Vendas
Tcnicas de Previso
Tcnicas de Previso
Meses
2015-16
1400
Procura (unidades)
1200
1000
800
600
400
200
0
Elemanha
200
100
50
0
1
Ms
E. U.A
250
150
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
2015-16
10
Tcnicas de Previso
Indice
2015-16
11
2015-16
12
800
700
600
500
400
300
1200000
Nmero de nascimentos
Tcnicas de Previso
900
1100000
1000000
900000
800000
700000
1
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
11 13 15 17 19 21 23 25 27 29 31
Trimestres
Ms
13
2015-16
1500
1000
500
0
27
40
53
66
79
92
105 118 131 144 157 170 183 196 209 222 235
An o 1
2000
1500
1000
500
Observe-se
a srie
cronolgica...
850
750
650
550
14
27
40
53
66
79
92
105 118 131 144 157 170 183 196 209 222 235
46
43
40
37
34
31
28
25
22
19
16
13
350
1
950
450
2015-16
1050
Tcnicas de Previso
An o 2
14
14
2000
Procura(unidades)
2015-16
10
Procura(unidades)
Tcnicas de Previso
Ms
15
2015-16
16
2015-16
Tcnicas de Previso
17
Tcnicas de Previso
Outliers
90
80
70
Unidades
60
50
40
30
20
10
0
1
11
13
Trimestre
2015-16
15
17
19
21
23
Trim estre
Procura
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
MDIA
DPADRO
31
40
58
42
32
41
65
44
34
45
67
49
36
53
37
51
39
58
74
52
42
60
78
53
49,21
12,76
19
2015-16
Trim estre
Procura
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
MDIA
DPADRO
31
40
58
42
32
41
65
44
34
45
67
49
36
53
37
51
39
58
74
52
42
60
78
53
49,21
12,76
18
Tcnicas de Previso
2015-16
20
31
40
58
42
32
41
65
44
34
45
67
49
36
53
37
51
39
58
74
52
42
60
78
53
49,21
12,76
Diferenas
Sazonais
1,0
1,0
7,0
2,0
2,0
4,0
2,0
5,0
2,0
8,0
-30,0
2,0
3,0
5,0
37,0
1,0
3,0
2,0
4,0
1,0
3,10
10,77
Valores t
Sazonais
-0,20
-0,20
0,36
-0,10
-0,10
0,08
-0,10
0,18
-0,10
0,46
-3,07
-0,10
-0,01
0,18
3,15
-0,20
-0,01
-0,10
0,08
-0,20
0,00
1,00
Procura
Ajustada
31,0
40,0
58,0
42,0
32,0
41,0
65,0
44,0
34,0
45,0
67,0
49,0
36,0
53,0
70,5
51,0
39,0
58,0
74,0
52,0
42,0
60,0
78,0
53,0
50,60
13,17
Diferenas
Sazonais
1,0
1,0
7,0
2,0
2,0
4,0
2,0
5,0
2,0
8,0
3,5
2,0
3,0
5,0
3,5
1,0
3,0
2,0
4,0
1,0
3,10
1,91
30,00
20,00
10,00
23
21
19
17
15
13
11
0,00
-10,00
-20,00
-30,00
2015-16
22
Valores t
Sazonais
Tcnicas de Previso
Tcnicas de Previso
2015-16
Procura
40,00
Ms
50,00
-40,00
21
Trimestre
-0,20
-0,20
0,36
-0,10
-0,10
0,08
-0,10
0,18
-0,10
0,46
-3,07
-0,10
-0,01
0,18
3,15
-0,20
-0,01
-0,10
0,08
-0,20
0,00
1,00
1,0
1,0
7,0
2,0
2,0
4,0
2,0
5,0
2,0
8,0
-30,0
2,0
3,0
5,0
37,0
1,0
3,0
2,0
4,0
1,0
3,10
10,77
31
40
58
42
32
41
65
44
34
45
67
49
36
53
37
51
39
58
74
52
42
60
78
53
49,21
12,76
Unidades
Procura
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
MDIA
DPADRO
Valores t
Sazonais
-1,10
-1,10
2,04
-0,57
-0,57
0,47
-0,57
0,99
-0,57
2,56
0,21
-0,57
-0,05
0,99
0,21
-1,10
-0,05
-0,57
0,47
-1,10
0,00
1,00
Procura Ajustada
90,0
80,0
70,0
60,0
Unidades
2015-16
K=?
Trimestre
Dif erenas
Sazonais
Tcnicas de Previso
Tcnicas de Previso
50,0
40,0
30,0
20,0
10,0
0,0
1
11
13
15
17
19
21
23
Trimestre
23
2015-16
24
Identificar a causa
Registar a causa
Tcnicas de Previso
Tcnicas de Previso
Outliers
Vendas atuais
Variao
aleatria
Ano
2
Ano
1
2015-16
25
2015-16
26
91
121
151
181
211
241
271
301
331
361
391
421
451
481
511
541
571
601
631
661
691
721
751
D ias
2015-16
27
2015-16
Declnio
Maturidade
Custos muito baixos
Pico no volume de vendas
Preos tendem a descer
(concorrncia)
Muito Lucro
Produto obsoleto?
Declnio das vendas
Declnio do preo
Declnio do lucro
Vendas
Decises
61
Crescimento
Custos baixos
(economias de escala)
Esforo de desenvolvimento
Conceo do produto
Estratgias de negcio
Tamanho timo da fbrica
Estratgia de marketing
incluindo distribuio e preo
Capacidade/Expanso
da fbrica
Estratgias de marketing
Planeamento da produo
Promoes, preo
Planeamento da produo
Controlo de stocks
Previso
Tcnicas de Previso
Euros
Tcnicas de Previso
No h lucro
31
Ano
4
Ano
3
Mtodo Delphi
Anlise histrica de
produtos comparveis
Anlise input-output
Testes de mercado
Questionrio consumidores
Previso crtica
Tcnicas estatsticas para
ident. pontos de inverso
Questionrio intenes
de compra
Retirar do mercado
Reduzir capacidade
28
2015-16
1. Especificar
objetivos
4. Analisar dados
Especificar objetivos
Tcnicas de Previso
Tcnicas de Previso
Processo de Previso
7. Preparar
previso
2. Determinar o
que prever
5. Selecionar
modelo
8. Apresentar
previso
3. Ident. horizonte
temporal (dados e
previso)
6. Avaliar modelo
9. Monitorar
previso
29
2015-16
30
Tcnicas de Previso
Objetivos claros
Da previso
Passo e periodicidade da previso
Ex: numa base anual, mensal ou diria?
Dos dados
Que quantidade de dados existe?
31
2015-16
32
2015-16
Selecionar modelo
Tcnicas de Previso
Tcnicas de Previso
Analisar os dados
Quais so as caratersticas dos dados?
So obtidos interna ou externamente Organizao?
Internamente: so mais fceis de obter
Esto mais agregados do que iremos necessitar?
Esto em formato digital ou em papel?
33
2015-16
2015-16
Preparar previso
Tcnicas de Previso
Tcnicas de Previso
Avaliar modelo
Processo de ajustamento / amostra de ajustamento
Envolve a utilizao de dados histricos para determinar os
coeficientes do modelo
34
35
2015-16
36
2015-16
Monitorar previso
Tcnicas de Previso
Tcnicas de Previso
Apresentar previso
Apresentao dos resultados de previso a quem
toma decises
crtica uma comunicao clara
37
2015-16
2015-16
38
Testes de hipteses
Dep. Eng. Mecnica e Industrial
Gesto Industrial
APB
Tcnicas de Previso
Tcnicas de Previso
Moda?
Mediana?
Mdia?
Qual o objetivo?
39
2015-16
40
Vendas
Tcnicas de Previso
Tcnicas de Previso
8
6
4
2
0
1
17
25
Ms
Tendncia?
2015-16
41
2015-16
Medidas de disperso
Considerar o exemplo
Tcnicas de Previso
Tcnicas de Previso
Medidas de disperso
Mdia
A
18
19
20
21
22
10
20
30
40
42
20
Mdia?
20
amostra (S) e
populao ()
S=
(X t X)
n1
(X t )2
n
2015-16
43
2015-16
44
A Distribuio Normal
Tcnicas de Previso
Tcnicas de Previso
Medidas de disperso
Amplitude = ?
Desvio Padro:
2,582
[DESVPAD(B6:B30)]
Varincia:
6,667
[VAR(B6:B30)]
V. a. N(mdia, varincia)
Mdia = Mediana
Simtrica (mdia)
50% dos valores esto
acima da mdia e 50% abaixo
rea sombreada = 68% da
rea abaixo da curva
2015-16
45
2015-16
A Distribuio Normal
Distribuies normais
Tcnicas de Previso
Tcnicas de Previso
A Distribuio Normal
46
1
68% da rea abaixo da curva
2
95% da rea abaixo da curva
3
99% da rea abaixo da curva
transformadas
Z =
= 50 e = 10
X = 40 Z = -1
X = 65 Z = 1,5
2015-16
47
2015-16
48
A Distribuio t Student
Tcnicas de Previso
Tcnicas de Previso
A Distribuio t Student
: desconhecido
n : reduzido
Quando n elevado, t Student Normal
t Student = f(gl)
Inferncia
estatstica
Amostra
Populao
Estimativa por
Intervalo
2015-16
49
2015-16
= X t s
Testes de Hipteses
Tcnicas de Previso
Tcnicas de Previso
Inferncia Estatstica
gl = n-1
IC (95%)
50
: nvel de significncia
= 1 nvel de confiana
Nvel de confiana mais usado: 95%
Erro do tipo I
Erro do tipo II
Erro do tipo I
Erro do tipo II
24 020 25 980
: associado ao erro do tipo I
2015-16
51
2015-16
52
2015-16
Testes de Hipteses
Tcnicas de Previso
Tcnicas de Previso
Testes de Hipteses
Bilaterais e Unilaterais
53
2015-16
Unilaterais e Bilaterais
t calc =
= o ; H 1 : o
t calc = 1,67
IC (=220; 95%)
tT = 1,96
1200
1000
800
Vendas
n = 49
X = 200
s = 84
54
Exemplo
Tcnicas de Previso
Tcnicas de Previso
Caso I:
Ho :
tT = tabela
Valor Crtico
Testes de Hipteses
Exemplo
X
s
n
600
400
200
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Meses
2015-16
55
2015-16
56
Modelo
de
previso?
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Meses
57
2015-16
200
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
Meses
2015-16
59
2015-16
1200
Soluo 1
1000
850
800
A partir dos
dados (do
grfico)
600
400
200
46
43
40
37
34
31
0
28
Freq.
Acumul.
0,00
2,08
10,41
35,41
64,58
89,58
97,91
100,00
25
Freq.
%
0,00
2,08
8,33
25,00
29,17
25,00
8,33
2,08
0,00
100,00
22
*
****
************
**************
************
****
*
Distribuio
Frequncia
0
1
4
12
14
12
4
1
0
48
19
700
750
800
850
900
950
1000
Distribuio
Frequncia
P. Mdio
Intervalo
Tcnicas de Previso
Tcnicas de Previso
58
16
400
200
600
13
400
850 ?
800
600
1000
10
800
1200
Vendas
Tcnicas de Previso
1000
Vendas
2015-16
Exemplo
1200
Vendas
Tcnicas de Previso
Exemplo
Mes es
Intervalo
Procura
<=674
675 a 724
725 a 774
775 a 824
825 a 874
875 a 924
925 a 974
975 a 1024
>=1025
Total
P. Mdio
Intervalo
700
750
800
850
900
950
1000
Distribuio
Frequncia
*
****
************
**************
************
****
*
Distribuio
Frequncia
0
1
4
12
14
12
4
1
0
48
Freq.
%
0,00
2,08
8,33
25,00
29,17
25,00
8,33
2,08
0,00
100,00
Freq.
Acumul.
0,00
2,08
10,41
35,41
64,58
89,58
97,91
100,00
Soluo 2
A partir dos
dados
trabalhados
(histograma)
60
Dados do grfico:
N(850, 64.5)
Exemplo - Soluo 1
Tcnicas de Previso
Tcnicas de Previso
Exemplo - Soluo 1
61
2015-16
Erro
P M dio
Distribuio
(em unid.) Intervalo
Frequncia
-175 a -126
-150
*
-125 a -76
-100
****
-75 a -26
-50
************
-25 a 24
0
**************
25 a 74
50
************
75 a 124
100
****
125 a 174
150
*
Total
Ajustamento
1000
800
600
400
200
0
1
9 10 11 12 13 14 15 16 17 18 19 20
Anos
Previso
700
817
884
362
1209
764
862
809
1299
223
467
1066
734
546
516
901
754
729
877
825
nvel do stock for igual a 974, s em 2.08% do tempo que ser insuficiente.
2015-16
DADOS
1200
Concluso: 2.08% do tempo a procura excede 850 em mais de 125 unidades. Isto , se o
Dep. Eng. Mecnica e Industrial
Gesto Industrial
APB
1400
N de mortes
Considerando o
histograma:
Tcnicas de Previso
Exemplo - Soluo 2
62
63
2015-16
64
N de mortes
1100
1000
900
PREVIS O
800
700
600
500
400
1
10
Anos
Modelo:
2015-16
Tcnicas de Previso
Tcnicas de Previso
Amostra de
ajustamento
65
2015-16
Objetivo: EM = 0
Erros centrados em zero
et
DMA =
e 2t
n
DPE =
2015-16
EQM =
Erro
|Erro|
830,2
-130,2
130,2
1971
884
830,2
53,8
53,8
2894,4
1972
1209
830,2
378,8
378,8
143489,4
1973
862
830,2
31,8
31,8
1011,2
1974
1299
830,2
468,8
468,8
219773,4
1975
467
830,2
-363,2
363,2
131914,2
1976
734
830,2
-96,2
96,2
9254,4
1977
516
830,2
-314,2
314,2
98721,6
1978
754
830,2
-76,2
76,2
5806,4
1979
877
830,2
46,8
46,8
2190,2
e 2t
( n 1)
16952,4
Total
8302
8302
0,0
1960
632008
Mdia
830,2
830,2
0,0
196,0
63200,8
DMA
SQE
EQM
66
Tcnicas de Previso
M odelo
700
EM
M ortes
1970
Yt = Yt + et = 830 . 2 + et
Erro2
Data
Mede a disperso
em torno da mdia
do erro
Ajustamento
Previso
-126
DMA
196
187
EQM
63200
74456
DPE
256
287
EM
Nota:
Maior disperso
do erro de previso;
usado no intervalo de
previso
67
2015-16
68
Critrio:
Minimizao do EQM
Minimizao do DPE
Medidas absolutas
Tcnicas de Previso
Tcnicas de Previso
da complexidade do modelo
Medidas relativas
Soluo:
Princpio da parcimnia
2015-16
69
2015-16
2015-16
Valor previsto
Erro Percentual
EPt =
$
Yt Y
t
Yt
Tcnicas de Previso
Tcnicas de Previso
Valor real
EPt
EMP =
t =1
n
n
EPt
EMPA = t =1
70
Cuidado com as
percentagens!
71
2015-16
Amostra de Ajustamento
Data
M ortes
M odelo
Erro
EP t
|EP t|
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
817
362
764
809
223
1066
546
901
729
825
830,2
830,2
830,2
830,2
830,2
830,2
830,2
830,2
830,2
830,2
-13,2
-468,2
-66,2
-21,2
-607,2
235,8
-284,2
70,8
-101,2
-5,2
-1,62
-129,34
-8,66
-2,62
-272,29
22,12
-52,05
7,86
-13,88
-0,63
1,62
129,34
8,66
2,62
272,29
22,12
52,05
7,86
13,88
0,63
M dia
704,2
830,2
-126,0
-45,11
51,11
Data
Mortes
Modelo
Erro
EP t
|EP t|
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
700
884
1209
862
1299
467
734
516
754
877
830,2
830,2
830,2
830,2
830,2
830,2
830,2
830,2
830,2
830,2
-130,2
53,8
378,8
31,8
468,8
-363,2
-96,2
-314,2
-76,2
46,8
-18,60
6,09
31,33
3,69
36,09
-77,77
-13,11
-60,89
-10,11
5,34
18,60
6,09
31,33
3,69
36,09
77,77
13,11
60,89
10,11
5,34
M dia
830,2
830,2
0,0
-9,79
26,30
Amostra de Previso
72
Tcnicas de Previso
Outras Medidas
2015-16
Autocorrelaes (ACFs)
Detetar padres na srie de erros
Correlaes cruzadas (CCFs)
Detetar correlaes entre sries de dados ao longo do tempo
Estatstica Durbin Watson (DW)
Detetar padres na srie de erros
Coeficiente de determinao (R2)
Medir a preciso do modelo
Filtro da procura
Detetar outliers
Sinal Trigg and Leach (TST)
Detetar se os erros esto fora de controlo
73