Escolar Documentos
Profissional Documentos
Cultura Documentos
A suposio bsica que norteia a anlise de sries temporais que h um sistema causal
mais ou menos constante, relacionado com o tempo, que exerceu influncia sobre os dados no
passado e pode continuar a faz-lo no futuro. Este sistema causal costuma atuar criando padres
no aleatrios que podem ser detectados em um grfico da srie temporal, ou mediante algum outro
processo estatstico.
Companhia area
700 700
600 600
500 500
Nmero de passageiros
400 400
300 300
200 200
100 100
0 0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150
Meses
.040157
.017467
0.00000
1 5 10 15 20 25
Amostras
Na figura 2 temos uma srie temporal particular, trata-se de um grfico de controle de frao
de defeituosos, bastante utilizado em Controle Estatstico da Qualidade para avaliar se um processo
produtivo est estvel, e, portanto, previsvel. Neste caso, no queremos que haja padres no
aleatrios, se eles existirem o processo est fora de controle estatstico, instvel e imprevisvel, e
no podemos garantir a qualidade dos produtos resultantes: precisamos atuar sobre o processo e
fazer as correes necessrias.
Outro exemplo:
Minrio de ferro
14000
13000
12000
11000
10000
9000
8000
jul/87
jul/91
mar/87
mar/90
mar/91
jan/87
jan/88
jul/90
set/88
jan/89
jul/89
set/89
jan/90
jan/91
set/91
jul/88
mar/89
mai/87
nov/87
mar/88
mai/88
nov/88
mai/89
nov/89
nov/90
mai/91
nov/91
mai/90
set/87
set/90
Meses
1
Veremos posteriormente que se trata de uma mdia mvel.
INE 7001 Anlise de Sries Temporais 3
que se situa entre 10000 e 12000 milhares de toneladas: neste caso no h tendncia crescente ou
decrescente, mas possvel identificar o comportamento de longo prazo da srie. Aparentemente
no h variaes regulares, como no caso da figura 1, que configurem sazonalidade.
Aqui importante salientar que nem sempre uma srie temporal, mesmo que o modelo
clssico seja considerado apropriado para analis-la, ir apresentar todos os componentes citados
acima:
- a srie pode apresentar apenas variaes irregulares: no se percebe comportamento crescente ou
decrescente de longo prazo (tendncia), ou flutuaes sazonais ou cclicas (como as sries das
figuras 2 e 3).
- a srie pode apresentar apenas tendncia e variaes irregulares 4: no so identificadas flutuaes
sazonais ou cclicas, apenas o comportamento crescente/decrescente de longo prazo e as variaes
aleatrias.
- a srie pode apresenta apenas variaes sazonais e irregulares: o comportamento de longo prazo
da srie aproximadamente constante, mas observam-se flutuaes dentro dos perodos de um ano,
que se repetem todos os anos.
- quaisquer outras combinaes possveis.
2
Alguns autores no incluem as variaes cclicas no modelo clssico da srie temporal.
3
Pois no ser possvel observar se as flutuaes se repetem sistematicamente dentro dos anos.
4
No h como se livrar das variaes irregulares...
INE 7001 Anlise de Sries Temporais 4
A questo crucial do modelo clssico decidir como ser a equao que relaciona as
componentes com a varivel. H duas opes: o modelo aditivo ou o modelo multiplicativo:
- No modelo aditivo o valor da srie (Y) ser o resultado da soma dos valores das componentes
(que apresentam a mesma unidade da varivel):
- Pode ser usado tambm o modelo multiplicativo, no qual o produto das componentes resultar na
varivel da srie:
1400
1200
1000
800
Vendas
Tendncia
600
400
200
0
janeiro-65 janeiro-70 janeiro-75 janeiro-80 janeiro-85 janeiro-90 janeiro-95 janeiro-00
Na figura 4 podemos observar uma srie temporal de vendas (em milhes de dlares), e a
tendncia, no caso uma reta (tendncia linear), que mostra um crescimento no longo prazo.
Na figura 5 podemos observar as trs outras componentes. Observe que a cada 5 ou 6 anos
ocorre um ciclo, uma mudana nos valores da varivel (a linha azul). H tambm variaes
sazonais, que se repetem todos os anos, devido provavelmente s estaes (a linha vermelha). Por
fim, h variaes errticas, que no apresentam regularidade, mas que talvez se relacionem com
eventos inesperados ocorridos no perodo, as variaes irregulares (linha verde).
INE 7001 Anlise de Sries Temporais 5
1.6
1.5
1.4
1.3
1.2 Ciclos
1.1 Sazonais
1 Irregulares
0.9
0.8
0.7
0.6
janeiro-65 janeiro-70 janeiro-75 janeiro-80 janeiro-85 janeiro-90 janeiro-95 janeiro-00
Qual o melhor modelo? Depender dos dados da prpria srie, das caractersticas
intrnsecas do problema. Apresentaremos posteriormente medidas que possibilitam avaliar a
adequao das previses feitas por um modelo.
Utiliza o mtodo dos mnimos quadrados para obter os coeficientes da reta que melhor se
ajusta aos dados (ver seo 3.2.4). A diferena aqui que a varivel independente ser sempre o
tempo (mensurado diretamente, por exemplo, anos de 1970, 1971, ou atravs de contagem de
perodos, 1, 2, 3). importante ressaltar que atravs de programas estatsticos, ou mesmo uma
planilha eletrnica como o Microsoft Excel possvel ajustar outros modelos que no o linear.
n n n n n
n t i y i t i y i yi b t i
b i 1 i 1 i 1
a i 1 i 1
2
n
n
n
n ti ti
2
i 1 i1
Exemplo 4.1 - Os dados a seguir apresentam o patrimnio lquido (em milhes de reais) de um
banco de 1985 a 1995. Supondo que o modelo linear seja apropriado para descrever a tendncia da
srie, encontre os coeficientes da reta de mnimos quadrados. Faa a previso de tendncia para os
anos de 1996 e 1997.
y b ti
n n n
n t i yi t i yi
11 2768 66 424
i
424 (1,76 66)
b i 1 i 1 i 1
1,76 a i 1 i 1
27,96
11 506 (66) 2
2
n
n n 11
n ti ti
2
i 1 i 1
O ano de 1996 corresponder ao perodo 12, e 1997 ao perodo 13 da srie temporal. Substituindo
estes valores na equao acima:
Podemos ento apresentar um grfico (feito no Microsoft Excel) da srie original, a reta de
tendncia e a projeo para os anos de 1996 e 1997.
55
50
patrimnio (US$1.000.000,00)
45
40
srie
35 projeo
tendncia
30
25
85 86 87 88 89 90 91 92 93 94 95 96 97
ano
As mdias mveis so uma forma alternativa de obteno da tendncia ou nvel de uma srie
temporal. Calcula-se a mdia dos primeiros n perodos da srie, colocando o resultado no perodo
exatamente no centro deles. Progressivamente, vamos acrescentando um perodo seguinte e
desprezando o primeiro da mdia imediatamente anterior, e calculando novas mdias, que vo se
movendo at o fim da srie. O nmero de perodos (n) chamado de ordem da srie.
Exemplo 4.2 - Os dados a seguir, que representam as vendas anuais das fbricas (em milhes de
unidades), em todo o mundo, de carros, caminhes e nibus fabricados pela General Motors
Corporation de 1970 a 1992. Obtenha a tendncia da srie por mdias mveis de 3, 5 e 7 perodos, e
plote-as em um grfico junto com os dados originais 5.
5
Adaptado de LEVINE, D. M., BERENSON, M. L. e STEPHAN, D. Estatstica: Teoria e Aplicaes usando o
Excel. Rio de Janeiro: LTC, 2000.
INE 7001 Anlise de Sries Temporais 8
Primeiramente vamos apresentar um grfico da srie original, para observar se no seria possvel
ajustar uma reta como tendncia da srie. Veja a figura 7.
10
Vendas (milhes de unidades)
4
1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992
Anos
1970 - 1971 - 1972 com resultado em 1971; 1971 - 1972 - 1973 com resultado em 1972;
1972 - 1973 - 1974 com resultado em 1973; 1973 - 1974 - 1975 com resultado em 1974;
1974 - 1975 - 1976 com resultado em 1975; 1975 - 1976 - 1977 com resultado em 1976;
1976 - 1977 - 1978 com resultado em 1977; e assim por diante, at chegar a
1990 - 1991 - 1992 com resultado em 1991.
Observe que ao calcularmos mdias mveis alguns perodos ficam sem tendncia, porque os
resultados das mdias so postos no centro dos perodos.
Novamente, alguns perodos ficam sem tendncia, porque os resultados das mdias so postos no
centro dos perodos. Aqui, como as mdias agrupam 5 perodos, dois ficam sem tendncia no incio
e dois ao final da srie.
1970 - 1971 - 1972 - 1973 - 1974 - 1975 - 1976 com resultado em 1973;
1971 - 1972 - 1973 - 1974 - 1975 - 1976 - 1977 com resultado em 1974;
1972 - 1973 - 1974 - 1975 - 1976 - 1977 - 1978 com resultado em 1975;
1973 - 1974 - 1975 - 1976 - 1977 - 1978 - 1979 com resultado em 1976;
1974 - 1975 - 1976 - 1977 - 1978 - 1979 - 1980 com resultado em 1977;
1975 - 1976 - 1977 - 1978 - 1979 - 1980 - 1981 com resultado em 1978;
e assim por diante, at chegar a
1986 - 1987 - 1988 - 1989 - 1990 - 1991 - 1992 com resultado em 1989.
Ano Vendas (Y) - em milhes Total Mvel 7 perodos Mdia Mvel 7 perodos
1970 5,3 - -
1971 7,8 - -
1972 7,8 - -
1973 8,7 51,5 7,36
1974 6,7 55,3 7,90
1975 6,6 57 8,14
1976 8,6 58,2 8,31
1977 9,1 56,6 8,09
1978 9,5 56,7 8,10
1979 9 56,3 8,04
1980 7,1 55,5 7,93
1981 6,8 54,7 7,81
1982 6,2 54,5 7,79
1983 7,8 54,1 7,73
1984 8,3 54,8 7,83
1985 9,3 56,1 8,01
1986 8,6 57,8 8,26
1987 7,8 57,5 8,21
1988 8,1 56,2 8,03
1989 7,9 54,1 7,73
1990 7,5 - -
1991 7 - -
1992 7,2 - -
Aqui, como as mdias agrupam 7 perodos, trs ficam sem tendncia no incio e trs ao final da
srie. Construindo o grfico da srie original com as mdias mveis:
Vendas (milhes de unidades)
10
4
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
Mas o que aconteceria se o nmero de perodos fosse par? Se possvel, devemos escolher um
nmero mpar de perodos, para que o resultado seja colocado em um perodo central que tem
correspondente na srie temporal. Contudo, se a srie temporal for registrada trimestralmente, e
queremos obter a sua tendncia por mdias mveis, devemos utilizar mdias mveis de 4 perodos
(porque h 4 trimestres no ano), para que possamos obter a tendncia sem influncia da
sazonalidade. Se a srie for registrada mensalmente, devemos utilizar mdias mveis de 12
perodos. Nestes dois casos os perodos "centrais" (que comeariam em 2,5 o e 6,5o respectivamente)
no tm correspondente na srie original, o que tornar impossvel remover a tendncia da srie
para observar outras componentes. As mdias mveis precisam ser centralizadas: calculam-se
novas mdias mveis, a partir das calculadas com 4 ou 12 perodos, mas agora de 2 perodos,
colocando seus resultados em perodos que tm correspondentes na srie.
Exemplo 4.3 - Uma corretora de seguros est avaliando os contratos obtidos ao longo de vrios
anos. A srie foi registrada trimestralmente. Obtenha a tendncia da srie utilizando mdias mveis.
Trimestre
Ano I II III IV
1993 24 21 11 9
1994 20 20 7 6
1995 15 14 5 6
1996 13 12 4 5
Como a srie registrada trimestralmente, e a tendncia deve ser obtida por mdias mveis,
preciso calcular mdias mveis de 4 perodos, pois h 4 trimestres no ano. Contudo, como este nmero de
perodos par, mdias mveis de 2 perodos, calculadas a partir daquelas de 4 perodos, precisam ser
obtidas para obter resultados centrados.
Trim. Con. Total mvel 4 per. Total mvel 2 per. (centrado) Mdia Mvel 2 per. (centrada)
1993 I 24
1993 II 21
65
1993 III 11 126 15,75
61
1993 IV 9 121 15,125
60
1994 I 20 116 14,5
56
1994 II 20 109 13,625
53
1994 III 7 101 12,625
48
1994 IV 6 90 11,25
42
1995 I 15 82 10,25
40
1995 II 14 80 10
40
1995 III 5 78 9,75
38
1995 IV 6 74 9,25
36
1996 I 13 71 8,875
35
1996 II 12 69 8,625
34
1996 III 4
1996 IV 5
INE 7001 Anlise de Sries Temporais 13
As linhas mais escuras na tabela acima indicam os perodos "centrais" das mdias mveis de
ordem 4, que no tm correspondente na srie original. Para facilitar o nosso trabalho calculamos
apenas os totais mveis de 4 perodos, acompanhe:
- os primeiros 4 perodos so os 4 trimestres de 1993: 1993 I, 1993 II, 1993 III, 1993 IV; o total
mvel deles (igual a 65) deve ficar no centro destes perodos, ou seja entre 1993 II e 1993 III, que
um perodo inexistente na srie original;
- em seguida desprezamos 1993 I e inclumos 1994 I: 1993 II, 1993 III, 1993 IV, 1994 I; o total
mvel (igual a 61) deve ficar entre 1993 III e 1993 IV, novamente inexistente na srie original;
- prosseguimos at os 4 ltimos perodos: 1996I, 1996II, 1996 III, 1996 IV; o total mvel (igual a
34) deve ficar entre 1996 II e 1996 III.
Dividimos os totais mveis de 2 perodos por oito (porque agrupamos dois conjuntos de 4
perodos), e obtemos as mdias mveis centradas. Repare que faltam mdias mveis para
exatamente 2 perodos no incio da srie e para exatamente 2 no final, porque as mdias mveis
iniciais envolvem 4 perodos (porque h 4 trimestres no ano). Se a srie fosse mensal faltariam 6
perodos no incio e 6 no final.
Vamos ver como ficam a srie original e a tendncia em um grfico:
30
25
20
15
10
5
0
III
III
III
III
I
I
96
93
94
95
96
93
94
95
19
19
19
19
19
19
19
19
O ajuste exponencial uma outra forma de obter a tendncia de uma srie temporal.
Apresenta algumas vantagens em relao s mdias mveis:
- permite realizar previses de curto prazo (para o perodo seguinte da srie), o que no possvel
por mdias mveis.
- leva em conta todos os valores previamente observados ao perodo sob anlise, e no somente os
"mais prximos" dele, como ocorre nas mdias mveis.
Para realizar o ajuste exponencial basta aplicar a seguinte frmula para um perodo de tempo
i qualquer:
Ei W Yi (1 W) Ei1
Onde:
i - um perodo de tempo qualquer;
Yi - valor da srie original no perodo i;
Ei - valor da srie exponencialmente ajustada no perodo i;
Ei-1 - valor da srie exponencialmente ajustada no perodo i - 1 (perodo anterior);
W - constante de regularizao ou coeficiente de ajuste (0 < W < 1);
Considera-se que o primeiro valor da srie original ser igual ao primeiro valor ajustado, isto
significa que o ajuste realmente comea a partir do segundo perodo da srie. Como cada valor
ajustado leva em conta o valor ajustado imediatamente anterior (multiplicado pela constante de
regularizao) teoricamente todos os valores prvios da srie contribuem para o valor ajustado.
Exemplo 4.4 - Faa o ajuste exponencial da srie de vendas do Exemplo 4.2 (usando W = 0,25; W =
0,5; W = 0,75 e W = 0,10). Construa um grfico conjunto da srie original com os quatro ajustes.
Ano Vendas (Y) Ano Vendas (Y) Ano Vendas (Y)
1970 5,3 1978 9,5 1986 8,6
1971 7,8 1979 9,0 1987 7,8
1972 7,8 1980 7,1 1988 8,1
1973 8,7 1981 6,8 1989 7,9
1974 6,7 1982 6,2 1990 7,5
1975 6,6 1983 7,8 1991 7,0
1976 8,6 1984 8,3 1992 7,2
1977 9,1 1985 9,3
Vamos considerar que o primeiro valor da srie, Y1970, ser igual ao primeiro valor ajustado, E1970.
Podemos ento realizar o ajuste para o ano de 1971:
E1971 W Y1971 (1 W) E1970 (0,25 7,8) (1 0,25) (5,3) 5,93 milhes
Para o ano de 1972:
E1972 W Y1972 (1 W) E1971 (0,25 7,8) (1 0,25) (5,93) 6,39 milhes
O processo segue at o final da srie. De maneira anloga podemos obter o ajuste para W = 0,5 e
W = 0,75. Os valores ajustados esto na tabela a seguir:
Ano Vendas (Y) - em milhes W = 0,25 W = 0,50 W = 0,75 W = 0,10
1970 5,3 5,3 5,3 5,3 5,3
1971 7,8 5,93 6,55 7,18 5,55
1972 7,8 6,39 7,18 7,64 5,78
1973 8,7 6,97 7,94 8,44 6,07
1974 6,7 6,90 7,32 7,13 6,13
1975 6,6 6,83 6,96 6,73 6,18
1976 8,6 7,27 7,78 8,13 6,42
1977 9,1 7,73 8,44 8,86 6,69
1978 9,5 8,17 8,97 9,34 6,97
1979 9 8,38 8,98 9,08 7,17
1980 7,1 8,06 8,04 7,60 7,16
1981 6,8 7,74 7,42 7,00 7,13
1982 6,2 7,36 6,81 6,40 7,04
1983 7,8 7,47 7,31 7,45 7,11
1984 8,3 7,68 7,80 8,09 7,23
1985 9,3 8,08 8,55 9,00 7,44
1986 8,6 8,21 8,58 8,70 7,55
1987 7,8 8,11 8,19 8,02 7,58
1988 8,1 8,11 8,14 8,08 7,63
1989 7,9 8,05 8,02 7,95 7,66
1990 7,5 7,92 7,76 7,61 7,64
1991 7 7,69 7,38 7,15 7,58
1992 7,2 7,57 7,29 7,19 7,54
E o grfico mostrado na figura 10:
10
Vendas (milhes de unidades)
4
70
72
74
76
78
80
82
84
86
88
90
92
19
19
19
19
19
19
19
19
19
19
19
19
Anos
Quanto menor o valor de W mais "alisada" a srie, com as variaes de curto prazo sendo
amortizadas, possibilitando visualizar o comportamento de longo prazo da srie, seja ele
crescente/decrescente ou estacionrio: para W = 0,1 fcil perceber uma tendncia crescente nas
vendas, mas que parece estar se estabilizando. medida que o valor de W aproxima-se de 1 o
ajuste exponencial torna-se mais prximo da srie original, o que pode ser til na previso para o
ano de 1993.
Por exemplo, se quisssemos realizar a previso para o ano de 1993, o valor previsto seria aquele
ajustado para o ano imediatamente anterior (1992): para W = 0,25 Vendas1993 = 7,57 milhes;
para W = 0,50 Vendas1993 = 7,29 milhes; para W = 0,75 Vendas1993 = 7,19 milhes; para W =
0,10 Vendas1993 = 7,59 milhes. Qual destas previses a mais apropriada? Como se trata de uma
previso de curto prazo recomendvel escolher as previses feitas para valores mais altos de W,
0,5 ou 0,75, que mostram melhor as flutuaes. Sendo assim, espera-se que as vendas em 1993
estejam entre em 7,29 e 7,19 milhes de unidades. Assim que os dados de 1993 estivessem
disponveis poderamos fazer a previso sobre 1994, e assim por diante.
Compare a curva para W = 0,10 da figura 10, que indica uma tendncia crescente de
vendas, com a mdia mvel de 7 perodos da figura 8, que indica estabilizao em torno de 8
milhes. Em qual das duas confiar? Lembre-se de que o ajuste exponencial leva em conta todos os
valores anteriores ao perodo, e que a mdia mvel apenas aqueles definidos no seu perodo (3, 5,
7), e que maior peso dado aos valores dos perodos mais prximos, o que pode representar maior
acuracidade, pois so mais recentes.
Uma vez identificada a tendncia, seja por equaes ou por mdias mveis, ela pode ser
removida da srie, para facilitar a visualizao das outras componentes:
Y T CS I para um modelo aditivo
Y
C S I para um modelo multiplicativo
T
Vejamos como ficaria a srie mostrada na figura 5 com a remoo da tendncia, pelos modelos
aditivo e multiplicativo (ambas supondo uma tendncia linear):
600
500
400
300
200
100
0
-100jan/65 jan/70 jan/75 jan/80 jan/85 jan/90 jan/95 jan/00
-200
-300
Figura 11- Srie temporal de vendas (figura 5) com tendncia removida modelo aditivo
INE 7001 Anlise de Sries Temporais 17
Observe a escala do grfico. Os valores oscilam em torno de zero: se maiores do que zero
indicam componentes que aumentam a tendncia, se menores que diminuem. A escala do grfico
semelhante a da figura 5 (milhes de dlares).
Figura 12 - Srie temporal de vendas (figura 5) com tendncia removida modelo multiplicativo
Observe a escala do grfico, com valores em torno de 1: a tendncia foi removida, restaram
apenas as componentes cclicas, sazonais e irregulares que modificam a tendncia em um modelo
multiplicativo.
Conforme visto na seo 4.1 as variaes sazonais so oscilaes de curto prazo, que
ocorrem sempre dentro do ano, e que se repetem sistematicamente ano aps ano. Obviamente uma
srie temporal registrada anualmente (ou seja, os valores dos dias, meses, trimestres, so resumidos
em um valor anual) no tem componente sazonal.
Quando se usa o modelo aditivo a soma de todos os ndices sazonais precisa ser igual, ou
INE 7001 Anlise de Sries Temporais 18
muito prxima, de zero. Quando se usa o modelo multiplicativo a soma precisa ser igual ao perodo
da sazonalidade: se a srie trimestral deve ser igual a 4 (4 trimestres no ano), se mensal deve ser
igual a 12, e assim por diante. Em alguns casos preciso fazer pequenas correes para garantir tal
comportamento.
Para obter as variaes sazonais recomenda-se que a srie temporal tenha, no mnimo,
quatro anos completos (16 trimestres, 48 meses, por exemplo). Caso contrrio, ser mais difcil
confirmar a existncia da regularidade inerente s variaes sazonais (alguns programas estatsticos
simplesmente no apresentam os resultados para sries menores).
H vrios mtodos para a obteno dos ndices sazonais, entre eles o mtodo da razo para a
mdia mvel (ou mtodo da mdia mvel percentual). Ele consiste em:
1) obter mdias mveis de ordem igual ao nmero de perodos sazonais (4 se a srie trimestral, 12
se mensal);
2) obter mdias mveis de 2 perodos, centradas, a partir das mdias mveis calculadas no passo 1;
3) obter os ndices sazonais para cada perodo:
- no modelo ADITIVO, subtraindo dos valores originais da srie as mdias mveis
centradas calculadas no passo 2;
- no modelo MULTIPLICATIVO, dividindo os valores originais da srie pelas mdias
mveis centradas calculadas no passo 2;
4) obter medidas de sntese dos ndices calculados no passo 3, que representaro cada perodo
sazonal (por exemplo, a mediana dos ndices sazonais de todos os janeiros existentes na srie).
- no modelo ADITIVO, calcular a mdia aritmtica simples dos valores correspondentes ao
perodo sazonal (mdia dos ndices obtidos em todos os janeiros da srie, por exemplo);
- no modelo MULTIPLICATIVO, calcular a mdia aritmtica simples dos valores
correspondentes ao perodo sazonal, sem incluir os valores mximo e mnimo6 (imagine
que h os ndices 1,05; 1,054; 1,061; 1,07; 1,072; 1,08, a mdia seria calculada excluindo os
valores 1,05 e 1,08, mnimo e mximo respectivamente); uma soluo alternativa seria
calcular a mediana dos ndices de cada perodo.
5) fazer as correes necessrias para que a soma dos ndices seja coerente (igual a zero para o
aditivo e igual ordem da sazonalidade no multiplicativo):
- no modelo ADITIVO, somar todos os ndices calculados no passo 4 e dividir a soma pela
ordem da sazonalidade (4 se trimestral, 12 se mensal, etc.); o resultado dever ser subtrado
de cada um dos ndices, garantindo que a soma deles seja igual a zero.
- no modelo MULTIPLICATIVO, somar todos os ndices calculados no passo 4, subtrair
da soma a ordem da sazonalidade (4 se trimestral, 12 se mensal, etc.), e dividir a subtrao
pela ordem da sazonalidade (novamente, 4 se trimestral, 12 se mensal, etc.); subtrair o
resultado de 1; o resultado dever ser multiplicado por cada um dos ndices, garantindo que
a soma deles seja igual ordem da sazonalidade.
Exemplo 4.5 - Obtenha os ndices sazonais, tanto pelo modelo aditivo quanto pelo multiplicativo,
para a srie de contratos de seguros apresentada no Exemplo 4.3. Interprete os resultados
encontrados.
H dados disponveis para quatro anos completos, de 1993 a 1996. Veja os resultados na
tabela abaixo:
6
Tambm chamada de mdia interna, ou medial average (em ingls).
INE 7001 Anlise de Sries Temporais 19
1993 II 21
65
1993 III 11 126 15,75 -4,750
61
1993 IV 9 121 15,125 -6,125
60
1994 I 20 116 14,5 5,500
56
1994 II 20 109 13,625 6,375
53
1994 III 7 101 12,625 -5,625
48
1994 IV 6 90 11,25 -5,250
42
1995 I 15 82 10,25 4,750
40
1995 II 14 80 10 4,000
40
1995 III 5 78 9,75 -4,75
38
1995 IV 6 74 9,25 -3,25
36
1996 I 13 71 8,875 4,125
35
1996 II 12 69 8,625 3,375
34
1996 III 4
1996 IV 5
Temos que encontrar 4 ndices sazonais, j que h 4 trimestres no ano. Como a srie
registrada trimestralmente, e a tendncia deve ser obtida por mdias mveis, preciso calcular
mdias mveis de 4 perodos, pois h 4 trimestres no ano. Contudo, como este nmero de perodos
par, mdias mveis de 2 perodos, calculadas a partir daquelas de 4 perodos, precisam ser
obtidas para obter resultados centrados. O procedimento inicial semelhante ao feito no Exemplo
4.3, at a obteno das mdias mveis de 2 perodos centradas.
Para obter os ndices sazonais devemos dividir os valores originais da srie pelas mdias
mveis centradas, a partir de 1993 III at 1996 II, cujos resultados esto na ltima coluna da
tabela acima. Os ndices para cada trimestre sero:
Observe que h uma diferena considervel entre os ndices. No primeiro trimestre do ano o
nmero de contratos aumenta em cerca de 5, no segundo aumenta outros 5, e no terceiro e quarto
trimestres sofre uma queda de 5. Estas oscilaes so grandes demais para ter ocorrido por acaso,
h influncia da sazonalidade na srie de contratos. Somando os ndices vamos obter -0,5417,
indicando que preciso realizar uma correo. Como a sazonalidade tem ordem 4, divide-se a
soma por 4 obtendo -0,135417. Subtraindo de cada ndice este valor:
Trimestre I = 4,792 (-0, 135417) = 4,9271
Trimestre II = 4,583 (-0, 135417) = 4,7188
Trimestre III = -5,042 (-0, 135417) = - 4,9063
Trimestre IV = -4,875 (-0, 135417) = -4,7396
E a soma dos quatro ndices virtualmente igual a zero.
1993 II 21
65
1993 III 11 126 15,75 0,698
61
1993 IV 9 121 15,125 0,595
60
1994 I 20 116 14,5 1,379
56
1994 II 20 109 13,625 1,468
53
1994 III 7 101 12,625 0,554
48
1994 IV 6 90 11,25 0,533
42
1995 I 15 82 10,25 1,463
40
1995 II 14 80 10 1,400
40
1995 III 5 78 9,75 0,513
38
1995 IV 6 74 9,25 0,649
36
1996 I 13 71 8,875 1,465
35
1996 II 12 69 8,625 1,391
34
1996 III 4
1996 IV 5
Temos que encontrar 4 ndices sazonais, j que h 4 trimestres no ano. Como a srie
registrada trimestralmente, e a tendncia deve ser obtida por mdias mveis, preciso calcular
mdias mveis de 4 perodos, pois h 4 trimestres no ano. Contudo, como este nmero de perodos
par, mdias mveis de 2 perodos, calculadas a partir daquelas de 4 perodos, precisam ser
obtidas para obter resultados centrados. O procedimento inicial semelhante ao feito no Exemplo
4.3, at a obteno das mdias mveis de 2 perodos centradas.
Para obter os ndices sazonais devemos dividir os valores originais da srie pelas mdias
mveis centradas, a partir de 1993 III at 1995 II, cujos resultados esto na ltima coluna da
tabela acima. Os ndices para cada trimestre sero:
INE 7001 Anlise de Sries Temporais 21
Observe que h uma diferena considervel entre os ndices. No primeiro trimestre do ano o
nmero de contratos aumenta cerca de 46,3% ([1,463 - 1] 100), no segundo aumenta 40%, no
terceiro trimestre sofre uma queda de 44,6% ([0,554 - 1] 100), e no quarto a queda de 40,5%.
Estas oscilaes so grandes demais para ter ocorrido por acaso, h influncia da sazonalidade na
srie de contratos. Somando os ndices vamos obter 4,013, indicando que preciso realizar uma
correo. Como a sazonalidade tem ordem 4, subtrai-se a soma de 4 e divide-se o resultado por 4
obtendo 0,0032. Subtraindo este valor de 1, teremos 0,9968, multiplicando este resultado pelos
ndices obtemos os ndices corrigidos:
Trimestre I = 1,463 0,9968 = 1,459
Trimestre II = 1,400 0,9968 = 1,395
Trimestre III = 0,554 0,9968 = 0,553
Trimestre IV = 0,595 0,9968 = 0,593
E a soma dos quatro ndices virtualmente igual a 4.
Podemos remover a sazonalidade da srie, dividindo os valores originais de cada perodo por seu
respectivo ndice sazonal, pelos modelos aditivo e multiplicativo, e podemos ver o resultado em
dois grficos:
Trimestre Y S (multiplicativo) T C I = Y/ S S (aditivo) T + C + I = Y - S
1993 I 24 1,459 16,453 4,927 19,073
1993 II 21 1,395 15,049 4,719 16,281
1993 III 11 0,553 19,904 -4,906 15,906
1993 IV 9 0,593 15,174 -4,740 13,740
1994 I 20 1,459 13,711 4,927 15,073
1994 II 20 1,395 14,332 4,719 15,281
1994 III 7 0,553 12,666 -4,906 11,906
1994 IV 6 0,593 10,116 -4,740 10,740
1995 I 15 1,459 10,283 4,927 10,073
1995 II 14 1,395 10,032 4,719 9,281
1995 III 5 0,553 9,047 -4,906 9,906
1995 IV 6 0,593 10,116 -4,740 10,740
1996 I 13 1,459 8,912 4,927 8,073
1996 II 12 1,395 8,599 4,719 7,281
1996 III 4 0,553 7,238 -4,906 8,906
1996 IV 5 0,593 8,430 -4,740 9,740
INE 7001 Anlise de Sries Temporais 22
30 6,000
25
20 4,000
15
10 2,000
5
0 0,000
1993 III
1994 III
1995 III
1996 III
1996 I
1993 I
1994 I
1995 I
III
III
III
III
I
I
-2,000
96
93
94
95
96
93
94
95
19
19
19
19
19
19
19
19
-4,000
Y T + C + I= Y- S -6,000
Figura 13 - Srie sem sazonalidade modelo aditivo Figura 14 - ndices Sazonais trim. modelo aditivo
Multiplicativo
30
25
20
15
10
5
0
III
III
III
III
I
I
96
93
94
95
96
93
94
95
19
19
19
19
19
19
19
19
Y T x C x I = Y/ S
2,000
1,500
1,000
0,500
0,000
II
II
II
II
I
I
I
I
96
93
94
95
96
93
94
95
19
19
19
19
19
19
19
19
Figura 15 Srie sem sazonalidade modelo multiplic. Figura 16 - ndices sazonais - modelo multiplicativo
7
Embora todos os autores concordem com a presena das componentes irregulares no modelo clssico das sries
temporais, no h unanimidade sobre as componentes cclicas. Assim, o leitor pode encontrar referncias sobre sries
temporais que desconsideram por completo os ciclos.
INE 7001 Anlise de Sries Temporais 23
Para identificar se h ciclos na srie os seguintes padres devem ser observados no grfico
das variaes cclicas e irregulares:
- no modelo aditivo, se h alternncias sistemticas entre valores maiores e menores do que zero ao
longo dos perodos, e se os valores permanecem predominantemente maiores/menores do que zero
durante pelo menos 1 ano (por exemplo: 2 anos acima de zero, seguido por 3 abaixo de zero, e
assim sucessivamente);
- no modelo multiplicativo, se h alternncias sistemticas entre valores maiores e menores do que
1 ao longo dos perodos, e se os valores permanecem predominantemente maiores/menores do que
1 durante pelo menos 1 ano (por exemplo: 2 anos acima de 1, seguido por 3 abaixo de 1, e assim
sucessivamente);
Os valores zero e 1 so os pontos neutros nos modelos aditivo e multiplicativo respectivamente, se
as variaes no se afastarem muito de zero (no modelo aditivo) ou de 1 (no modelo multiplicativo)
elas no causaro modificaes tangveis na tendncia, e portanto no influenciaro na srie. A
alternncia sistemtica precisa ser identificada, caso contrrio o efeito dos ciclos ou inexistente ou
inferior ao das componentes irregulares, podendo ento ser desprezado no processo de previso.
- calcula-se a mediana, ou a mdia sem os valores mximo e mnimo, apenas para o ltimo perodo
de alta (e baixa); este procedimento privilegia as informaes mais recentes, que podem ser mais
teis em previses.
500
400
300
200
100
0
-100jan/65 jan/69 jan/73 jan/77 jan/81 jan/85 jan/89 jan/93 jan/97
-200
-300
Figura 18 - Srie temporal de vendas - apenas variaes cclicas e irregulares - modelo aditivo
acima de zero, e em perodos de alta abaixo de zero. Isso ocorre devido influncia das variaes
irregulares. Contudo, se o efeito das variaes irregulares fosse suavizado a visualizao seria mais
fcil. Aplicando mdias mveis de 12 perodos, posteriormente centradas, temos a figura 19:
200
150
100
50
0
jan/65 jan/69 jan/73 jan/77 jan/81 jan/85 jan/89 jan/93 jan/97
-50
-100
-150
Figura 19 - Srie temporal de vendas - mdias mveis de 12 perodos das variaes cclicas e irregulares - modelo
aditivo
1,6
1,5
1,4
1,3
1,2
1,1
1
0,9
0,8
0,7
0,6
jan/65 jan/69 jan/73 jan/77 jan/81 jan/85 jan/89 jan/93 jan/97
Figura 20 - Srie temporal de vendas - apenas variaes cclicas e irregulares modelo multiplicativo
1,25
1,2
1,15
1,1
1,05
1
0,95
0,9
0,85
0,8
jan/65 jan/69 jan/73 jan/77 jan/81 jan/85 jan/89 jan/93 jan/97
Figura 21 - Srie temporal de vendas - mdias mveis de 12 perodos das variaes cclicas e irregulares modelo
multiplicativo.
Foi possvel verificar, tanto pelo modelo aditivo quanto pelo multiplicativo que as variaes
cclicas tm influncia sobre os valores da srie. Isso obriga a sua considerao ao realizar a
previso dos valores futuros da srie: necessrio identificar se os perodos para os quais se quer
fazer a previso sero de alta ou baixa, e obter ndices cclicos (semelhantes aos ndices sazonais)
para os perodos. Para o caso do exemplo acima a srie terminou em dezembro de 2000. Imagine-se
que h interesse em fazer a previso para os anos imediatamente seguintes, 2001 e 2002. Estes dois
anos, de acordo com as figuras 18 a 21, sero anos de alta ou baixa? Conforme visto anteriormente,
os perodos de alta e baixa costumam inverter-se a cada 7 anos, 84 meses: em 1993 iniciou-se um
perodo de baixa, que durou at fins de 1999, passando a haver um aumento nos ndices a partir de
2000, como o perodo de alta dura cerca de 7 anos espera-se que os anos de 2000 a 2006 sejam
perodos de alta.
Como obter os ndices cclicos? Vamos obter um valor apenas, que representar os perodos
de alta: podemos calcular a mediana dos valores de todos os perodos de alta (1972 a 1978; 1986 a
1992; 2000); ou obter a mediana dos valores do ltimo perodo completo de alta (1986 a 1992), que
seriam dados mais recentes e talvez com maior influncia sobre a srie.
Outra questo importante. Vamos utilizar os dados das variaes cclicas e irregulares
originais (figuras 18 e 20), ou aps a aplicao das mdias mveis (figuras 19 e 21). A primeira
opo permite incluir mais dados (no so excludos os 6 primeiros e 6 ltimos valores da srie
devido aos clculos das mdias mveis). Contudo, os valores esto bastante contaminados pelas
variaes irregulares. A utilizao da mediana para calcular o ndice pode minimizar este problema,
mas porque no usar os dados j depurados (aps a aplicao das mdias mveis)?
Exemplo 4.6 - Os dados a seguir representam as vendas lquidas (em bilhes de dlares), e a
tendncia (obtida por uma equao de reta) da Kodak. Remova a tendncia da srie usando os
modelos aditivo e multiplicativo. Voc identifica variaes cclicas?
Ano Vendas Tendncia CI = Vendas - CI = Como a srie anual NO
Tendncia Vendas/Tendncia H influncia da
1978 1,60 0,743587 0,85641 2,15173 sazonalidade. Podemos
1979 2,00 1,566462 0,43354 1,27676 simplesmente subtrair a
1980 2,70 2,389338 0,31066 1,13002 Tendncia das vendas
1981 3,70 3,212213 0,48779 1,15185 (modelo aditivo) ou dividir as
1982 4,60 4,035089 0,56491 1,14 Vendas pela Tendncia
1983 4,62 4,857964 -0,23796 0,95102 (modelo multiplicativo),
1984 5,00 5,68084 -0,68084 0,88015 obtendo as componentes CI.
1985 5,78 6,503715 -0,72372 0,88872 Os resultados ao lado
1986 6,30 7,326591 -1,02659 0,85988 permitem observar os valores
1987 8,00 8,149466 -0,14947 0,98166 da srie com a tendncia
1988 10,25 8,972342 1,27766 1,1424 linear removida. Observe que
1989 10,50 9,795217 0,70478 1,07195 h alternncia entre valores
1990 11,90 10,61809 1,28191 1,12073 maiores e menores do que
1991 10,20 11,44097 -1,24097 0,89153 zero no modelo aditivo, e 1
no modelo multiplicativo, ao
1992 10,60 12,26384 -1,66384 0,86433
longo dos anos. Contudo tal
1993 10,60 13,08672 -2,48672 0,80998
constatao pode se tornar
1994 11,50 13,90959 -2,40959 0,82677 difcil para sries maiores.
1995 13,30 14,73247 -1,43247 0,90277 preciso construir os grficos
1996 17,00 15,55535 1,44465 1,09287 das variaes cclicas e
1997 18,40 16,37822 2,02178 1,12344 irregulares.
1998 18,90 17,2011 1,69890 1,09877
1999 18,90 18,02397 0,87603 1,0486
2000 18,94 18,84685 0,09315 1,00494
CI Aditivo
2,50000
2,00000
1,50000
1,00000
0,50000
0,00000
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
-0,50000
-1,00000
-1,50000
-2,00000
-2,50000
-3,00000
valores tornando a ser maiores do que zero at o ano 2000. Conclui-se ento que H VARIAO
CCLICA nesta srie, pois se pode perceber uma alternncia entre valores maiores e menores do
que zero (das variaes CI) a cada 5 anos.
CI Multiplicativo
2,25
1,75
1,5
1,25
0,75
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
Figura 23 - Vendas lquidas da Kodak - variaes cclicas e irregulares modelo multiplicativo
Pelo modelo multiplicativo tambm possvel identificar uma variao sistemtica: nos anos de
1978 a 1982 (5 anos) tm valores MAIORES DO QUE 1 para as variaes CI. De 1983 a 1987
(outros 5 anos), os valores de CI so MENORES DO QUE 1. Em 1988 ocorre outra inverso,
valores maiores do que 1 at 1990. Em 1991, as variaes CI voltam a ficar menores do que 1,
permanecendo assim at 1995 (5 anos). No ano de 1996 ocorre a ltima inverso da srie, com os
valores tornando a ser maiores do que 1 at o ano 2000. Conclui-se ento que H VARIAO
CCLICA nesta srie, pois pode-se perceber uma alternncia entre valores maiores e menores do
que 1(das variaes CI) a cada 5 anos.
Como h variaes cclicas na srie elas devem ser levadas em conta na previso que ser
feita. Observando os grficos das variaes CI acima, o ano de 2000 parece ser o ltimo de um
ciclo de alta. razovel imaginar que os anos de 2001 a 2005 sero anos de baixa: a tendncia
precisar ser multiplicada pelos ndices de ciclos de baixa. Mas quais ndices de ciclos de baixa
escolher? Observe que tanto nos ciclos de alta, quanto nos de baixa NO H grande variao
entre os valores de CI: se calcularmos a mediana dos valores de CI para um grupo de cinco anos
(referente a um ciclo de baixa) teremos uma boa estimativa da componente CI para utilizar na
previso. Devemos utilizar o ltimo ciclo de baixa disponvel, que vai de 1991 a 1995, com os
seguintes valores:
- pelo modelo aditivo, -1,24097;-1,66384;-2,48672;-2,40959;-1,43247. Ordenando os 5 valores e
calculando a mediana obtemos -1,66384: este dever ser o valor de CI que ser somado
tendncia da srie, se o modelo aditivo for usado.
- pelo modelo multiplicativo, 0,8915; 0,8643; 0,8100; 0,8268; 0,9028. Ordenando os 5 valores e
calculando a mediana obtemos 0,8643: este dever ser o valor de CI que ser multiplicado pela
tendncia da srie, se o modelo multiplicativo for usado.
INE 7001 Anlise de Sries Temporais 29
4.5 - Recomposio
=T+C+S
Aditivo: Y Para fazer previses para perodos futuros
T C S Y basta obter os valores de tendncia, aplicar os
90 -22 -5 63 ndices sazonais apropriados (se houver influncia
94 -22 -4 68
da sazonalidade), e os ndices das variaes
98 -22 -4 72
102 -22 -6 74 cclicas (se houver influncia delas) identificando
106 -22 -7 77 se os perodos para os quais desejamos fazer as
110 -22 -3 85 previses sero de alta ou baixa.
114 -22 -1 91
118 -22 5 101
122 -22 5 105
=TxCxS
Multiplicativo: Y Novamente, para fazer previses para
T C S Y perodos futuros basta obter os valores de
tendncia, aplicar os ndices sazonais apropriados
(se houver influncia da sazonalidade), e os ndices
das variaes cclicas (se houver influncia delas)
identificando se os perodos para os quais
INE 7001 Anlise de Sries Temporais 30
Em vrias partes do texto mencionou-se que seriam apresentadas medidas para avaliar qual
modelo, aditivo ou multiplicativo, apresenta menores erros, ou seja, mais acurado: o resultado das
suas previses, feitas por recomposio, aproxima-se mais dos dados originais da srie. Sero
apresentadas quatro medidas que possibilitam avaliar os modelos.
1 n
Erro absoluto mdio (EAM):
EAM e t
n t 1
1 n 2
Erro quadrtico mdio (EQM):
EQM et
n t 1
1 n et
Erro percentual mdio (EPM):
EPM 100
n t 1 Yt
1 n et
Erro percentual absoluto mdio (EPAM):
EPAM 100
n t 1 Yt
Onde et o erro (diferena entre o valor da srie, Yt, e o valor previsto pela recomposio, Y
t
,obtido na recomposio em um perodo genrico t. As duas primeiras medidas dependem da escala
dos valores da srie, o que dificulta a comparao com outras sries ou mesmo diferentes intervalos
de tempo na mesma srie. As duas ltimas, EPM e EPAM, por serem relativas, no apresentam
aqueles problemas9. No obstante, por apresentarem diviso pelos valores da srie, podem ser
inapropriadas quando a srie tiver valores iguais ou prximos a zero. A segunda medida, EQM,
semelhante ao desvio padro, d maior nfase a grandes erros do que EAM 10. Pode-se usar todas, o
que fcil de implementar em uma planilha eletrnica, ou j faz parte dos programas estatsticos. O
melhor modelo ser o que apresentar os valores mais prximos de zero (j que o EPM pode assumir
valores negativos).
9
MAKRIDAKIS, S., WHEELWRIGHT, S.C., HYNDMAN, R.J. Forecasting: methods and applications . John Wiley
& Sons, 3rd edition, 1998, pginas 42-44.
10
CAMM, J. D., EVANS, J. R. Management Science and decision technology. South-Western College Publishing,
2000, pgina 103.
INE 7001 Anlise de Sries Temporais 31
Exemplo 4.9 Os dados abaixo contm os valores trimestrais de vendas (em milhes de reais) de um
fabricante de eletrodomsticos. Usando o modelo aditivo e o multiplicativo:
a) obtenha os componentes da srie b)interprete os resultados c) faa a recomposio da srie
d) avalie qual o melhor modelo e) faa a previso de vendas para os 4 trimestres seguintes.
Perodo Trimestre Vendas Perodo Trimestre Vendas
1 I 20 13 I 32
2 II 18 14 II 29
3 III 22 15 III 35
4 IV 24 16 IV 38
5 I 24 17 I 36
6 II 22 18 II 32
7 III 26 19 III 40
8 IV 29 20 IV 43
9 I 28 21 I 40
10 II 25 22 II 36
11 III 31 23 III 44
12 IV 34 24 IV 48
50
45
40
35
30
25
20
15
I II III I I II III I I II III I I II III I I II III I I II III I
plenamente vivel pensar em ajustar uma reta aos dados. Ento podemos obter os
coeficientes da reta de mnimos quadrados: T = a + b t.
Sabemos que n = 24 (h 24 perodos na srie).
Os somatrios necessrios:
24 24 24 24
n n n
n t i yi t i yi
24 10694 300 756
b i 1 i 1 i 1
1,082
24 4900 (300) 2
2
n
n
n ti ti
2
i 1 i1
n n
y i b ti
756 (1,082 300)
a i 1 i 1
17,978
n 24
Ento T = 17,978 + 1,082 t. A srie apresenta tendncia, e esta crescente.
Agora iremos obter os ndices sazonais. Como a srie trimestral teremos que calcular mdias
mveis de 4 perodos, e depois centr-las. Vamos apresentar apenas os totais mveis de 2 perodos
(calculados a partir dos de 4 perodos), as mdias mveis de 2 perodos, centradas, e os ndices
sazonais para os modelos aditivo e multiplicativo. O procedimento basicamente o mesmo visto no
Exemplo 4.5.
INE 7001 Anlise de Sries Temporais 33
Trimestre Vendas Totais mveis de 2 Mdias mveis de 2 ndices sazonais ndices Sazonais
perodos (centrados) perodos (centradas) (modelo aditivo) (modelo multiplicativo)
I 20
II 18
III 22 172 21,5 0,5 1,02326
IV 24 180 22,5 1,5 1,06667
I 24 188 23,5 0,5 1,02128
II 22 197 24,625 -2,625 0,8934
III 26 206 25,75 0,25 1,00971
IV 29 213 26,625 2,375 1,0892
I 28 221 27,625 0,375 1,01357
II 25 231 28,875 -3,875 0,8658
III 31 240 30 1 1,03333
IV 34 248 31 3 1,09677
I 32 256 32 0 1,00000
II 29 264 33 -4 0,87879
III 35 272 34 1 1,02941
IV 38 279 34,875 3,125 1,08961
I 36 287 35,875 0,125 1,00348
II 32 297 37,125 -5,125 0,86195
III 40 306 38,25 1,75 1,04575
IV 43 314 39,25 3,75 1,09554
I 40 322 40,25 -0,25 0,99379
II 36 331 41,375 -5,375 0,87009
III 44
IV 48
No modelo multiplicativo, os valores dos ndices e das mdias excluindo os valores mximo e
mnimo por trimestre:
Trimestre I => 0,994 1,000 1,003 1,013 1,021 e sua mdia sem os extremos 1,006.
Trimestre II => 0,862 0,866 0,870 0,879 0,893 e sua mdia sem os extremos 0,872.
Trimestre III => 1,010 1,023 1,029 1,033 1,046 e sua mdia sem os extremos 1,029.
Trimestre IV => 1,067 1,089 1,090 1,096 1,097 e sua mdia sem os extremos 1,091.
Somando os ndices vamos obter 3,997, indicando que preciso realizar uma correo. Como a
sazonalidade tem ordem 4, subtrai-se a soma de 4 e divide-se o resultado por 4 obtendo -0,0007.
Subtraindo este valor de 1, teremos 1,0007, multiplicando este resultado pelos ndices obtemos os
ndices corrigidos::
INE 7001 Anlise de Sries Temporais 34
Trimestre I = 1,006
Trimestre II = 0,872
Trimestre III = 1,029
Trimestre IV = 1,092
E a soma dos quatro ndices virtualmente igual a 4.
Como alguns dos ndices distanciam-se substancialmente de 1, H influncia da sazonalidade.
Interpretando os ndices sazonais: no trimestre I as vendas aumentam cerca de 0,6% em relao
mdia anual, no trimestre II as vendas caem 13%, no trimestre III as vendas aumentam 2,9%, e no
trimestre IV as vendas aumentam 9,2% em relao mdia anual.
O grfico das variaes cclicas e irregulares pelo modelo aditivo mostrado a seguir:
2,50
2,00
1,50
1,00
0,50
0,00
-0,50 I II III IV I II III IV I II III IV I II III IV I II III IV I II III IV
-1,00
-1,50
-2,00
1,050
1,040
1,030
1,020
1,010
1,000
0,990
0,980
0,970
I II III IV I II III IV I II III IV I II III IV I II III IV I II III IV
Antes de realizar as previses para os quatro trimestres seguintes devemos avaliar qual dos
dois modelos obteve melhores resultados. necessrio fazer a recomposio da srie, usando
tendncia e ndices sazonais (j que no h influncia de variaes cclicas), pelo modelo aditivo e
pelo multiplicativo, e calcular as medidas apresentadas na seo 4.5.1.
INE 7001 Anlise de Sries Temporais 36
T S , e os erros e t Vendas Y
Pelo modelo aditivo: Y
Tri. Vendas Y TS et Tri. Vendas Y TS et
(Y) (Y)
I 20 19,060 + 0,25 0,6900 I 32 32,041 + 0,25 -0,2909
II 18 20,142 + (- 4,1) 1,9583 II 29 33,123 +(- 4,1) -0,0226
III 22 21,223 + 1,00 -0,2235 III 35 34,204 + 1,00 -0,2043
IV 24 22,305 + 2,85 -1,1552 IV 38 35,286 + 2,85 -0,1361
I 24 23,387 + 0,25 0,3630 I 36 36,368 + 0,25 -0,6178
II 22 24,469 + (- 4,1) 1,6313 II 32 37,450 + (- 4,1) -1,3496
III 26 25,550 + 1,00 -0,5504 III 40 38,531 + 1,00 0,4687
IV 29 26,632 + 2,85 -0,4822 IV 43 39,613 + 2,85 0,5370
I 28 27,714 + 0,25 0,0361 I 40 40,695 + 0,25 -0,9448
II 25 28,796 + (- 4,1) 0,3043 II 36 41,777 + (- 4,1) -1,6765
III 31 29,877 + 1,00 0,1226 III 44 42,858 + 1,00 0,1417
IV 34 30,959 + 2,85 0,1909 IV 48 43,940 + 2,85 1,2100
preciso calcular tambm os valores absolutos dos erros, os quocientes et /Y, e os valores
absolutos destes quocientes:
Tri. |et| e t / Yt 100 e t / Yt 100 Tri. |et| e t / Yt 100 e t / Yt 100
Aps calcular os somatrios possvel substituir os valores nas expresses, sabendo-se que h 24
perodos:
1 n 1 24 1
EAM e t e t 15,3078 0,6378
n t 1 24 t 1 24
1 n 2 1
EQM e t 17,2131 0,7172
n t 1 24
1 n e t 1
EPM 100 6,3332 0,2639 %
n t 1 Yt 24
1 n et 1
EPAM 100 55,3139 2,3047 %
n t 1 Yt 24
T S , e os erros
Pelo modelo multiplicativo: Y
e t Vendas Y
Tri. Vendas T S
Y et Tri. Vendas T S
Y et
(Y) (Y)
I 20 19,060 1,006 0,8190 I 32 32,041 1,006 -0,2443
II 18 20,142 0,872 0,4337 II 29 33,123 0,872 0,1126
III 22 21,223 1,029 0,1537 III 35 34,204 1,029 -0,2081
IV 24 22,305 1,092 -0,3611 IV 38 35,286 1,092 -0,5384
I 24 23,387 1,006 0,4646 I 36 36,368 1,006 -0,5987
II 22 24,469 0,872 0,6600 II 32 37,450 0,872 -0,6611
III 26 25,550 1,029 -0,3002 III 40 38,531 1,029 0,3380
IV 29 26,632 1,092 -0,0868 IV 43 39,613 1,092 -0,2641
I 28 27,714 1,006 0,1101 I 40 40,695 1,006 -0,9532
II 25 28,796 0,872 -0,1137 II 36 41,777 0,872 -0,4347
III 31 29,877 1,029 0,2459 III 44 42,858 1,029 -0,1159
IV 34 30,959 1,092 0,1874 IV 48 43,940 1,092 0,0101
preciso calcular tambm os valores absolutos dos erros, os quocientes et /Y, e os valores
absolutos destes quocientes:
Tri. |et| e t / Yt 100 e t / Yt 100 Tri. |et| e t / Yt 100 e t / Yt 100
Aps calcular os somatrios possvel substituir os valores nas expresses, sabendo-se que h 24
perodos:
1 n 1 24 1
EAM e t e t 8,4154 0,3506
n t 1 24 t 1 24
n
1 1
EQM e t 4,3786 0,1824
2
n t 1 24
1 n e t 1
EPM 100 0,7451 0,0310 %
n t 1 Yt 24
1 n et 1
EPAM 100 29,5160 1,2298 %
n t 1 Yt 24
INE 7001 Anlise de Sries Temporais 38
A previso para os prximos 4 trimestres (25, 26, 27 e 28) incluir apenas a tendncia (por meio
da equao linear) e os ndices sazonais, resultando:
Y25 = [(1,082 x 25) + 17,978] 1,006 = 45,3076
Y26 = [(1,082 x 26) + 17,978] 0,872 = 39,2650
Y27 = [(1,082 x 27) + 17,978] 1,029 = 46,3429
Y28 = [(1,082 x 28) + 17,978] 1,092 = 49,1714
Alm do modelo clssico apresentado neste captulo podem ser usados os mtodos de Holt-
Winters para modelos multiplicativos e aditivos. Maiores detalhes em SOARES, J. F., FARIAS, A.
A., CESAR, C. C. Introduo Estatstica, LTC, Rio de Janeiro, 1991.
H tambm outras abordagens diferentes do modelo clssico. Entre estes modelos devem ser
citados os modelos Auto-Regressivos (AR), os modelos de Mdias Mveis Auto-Regressivos de
(ARMA) e os modelos de Mdias Mveis Integrados Auto-Regressivos (ARIMA). Tais tpicos
geralmente so vistos em cursos de ps-graduao.
11
Mais prximos de zero.