Mtodos Estatsticos de Previso 1

MTODOS ESTATSTICOS DE PREVISO

110

108

106

104

102

100

98

96

94

92

90
0 5 10 15 20

Anlise de Erros
Bernardo Almada Lobo

Bernardo Almada-Lobo (2007)

 Mtodos Estatsticos de Previso 2

Regresso Linear Mltipla

2
Coeficiente de Determinao (RXY )

VDR (variao de Y explicada pela regresso) B 2 . S XX

R 2
XY = =
VT (variao total de Y ) SYY
Y
yi y n = a + b.( x n x )
VR i
y i VT i
VDR i
y
SXY
B= (estimador de )
SXX
x X
(
SXX = X n X )
2

(Y Y ) = (Y Y )+ (Y Y ) n

( )
i i i i
SYY = Yn Y
2

(Y Y ) = {[A + B.(X )] } { [ ( )] }
2
+ Yn A + B. X n X
2 2
n X Y
n

n
n
n n
SXY = [(X X ). (Y
n n Y )]
n
VT = VDR + VR

Bernardo Almada-Lobo (2007)

 Mtodos Estatsticos de Previso 3

Regresso Linear Mltipla

Coeficiente de Determinao (Cont. )

O coeficiente de determinao ( RXY2 ), que traduz a proporo da variao total de Y

explicada pela regresso ajustada, corresponde ao coeficiente de correlao r elevado ao
quadrado;

Este coeficiente apresenta uma limitao: o denominador da expresso que lhe est
subjacente (ver pgina anterior) tem um valor fixo, enquanto que o numerador s pode
aumentar. Assim, ao adicionar-se uma nova varivel na equao da regresso, o
numerador aumentar, no mnimo, ligeiramente, resultando num aumento do coeficiente
de determinao, mesmo que a introduo da nova varivel resulte numa equao menos
eficiente;

Em teoria, usando um nmero infinito de variveis independentes para explicar a

2
variao da varivel dependente, resulta num RXY igual a 1. Por outras palavras, o
coeficiente de determinao pode ser manipulado, logo deve ser suspeitado;

Bernardo Almada-Lobo (2007)

 Mtodos Estatsticos de Previso 4

Regresso Linear Mltipla

2
Coeficiente de Determinao Ajustado ( R XY )
2

Dado que a introduo de um regressor irrelevante aumentar ligeiramente o RXY ,
desejvel tentar corrigi-lo, reduzindo-o de uma forma apropriada;
2 2

O coeficiente de determinao ajustado, R XY , uma tentativa de tentar corrigir o RXY ,
ajustando o numerador e o denominador da expresso da pgina 2, atravs dos
respectivos graus de liberdade; N : n. de observaes
K : grau da regresso
N 1
2
( )
R XY = 1 1 R 2 .

N -1 : n. total de graus de liberdade da VT
N K 1
N - K - 1 : n. de graus de liberdade da VR

Contrariamente ao coeficiente de determinao, o coeficiente de determinao ajustado

pode diminuir em valor se a contribuio da varivel adicional na explicao da VT, for
inferior ao impacto que essa adio acarreta nos graus de liberdade.

Bernardo Almada-Lobo (2007)

 Mtodos Estatsticos de Previso 5

Anlise de Erros
Measuring forecast accuracy

Medidas Estatsticas Padro

e t = Z t Z t
n

e t
EM = t =1
n
n EM : Erro Mdio
e t
EAM : Erro Absoluto Mdio
EAM = t =1
n
n EQM : Erro Quadrtico Mdio
e2t
EQM = t =1
n

Bernardo Almada-Lobo (2007)

 Mtodos Estatsticos de Previso 6

Anlise de Erros (cont.)

Measuring forecast accuracy

Medidas Relativas

Z t Z t
EPt = x 100

Z t
n

EP t EPt : Erro Percentual

EPM = t =1
n EPM : Erro Percentual Mdio
n

EP t
EPAM = t =1 EPAM : Erro Percentual Absoluto
n Mdio

Bernardo Almada-Lobo (2007)

 Mtodos Estatsticos de Previso 7

Anlise de Erros (cont.)

Validade da Decomposio

Teste ao valor esperado dos erros

N
1
X = Et =

N
E
t =1
t

1 N
( )
2
sX 1
s X = E = = .
N N 1 t =1
Et Et
t
N

Amostra de pequena dimenso, populao Normal (teste t):

H0 : = 0 E 0
ET = t

H1 : 0 Et

Se H 0 verd. ET t N 1 ( )

Bernardo Almada-Lobo (2007)

 Mtodos Estatsticos de Previso 8

Anlise de Erros (cont.)

Validade da Decomposio

Coeficiente de Autocorrelao dos Erros (lag 1)

(E )( )
N

t E t . E t 1 E t
r1 = t =2

(E )
N
E t
2
t
t =1

NOTA 1: Para testar se r1=0, preciso conhecer-se os parmetros da

distribuio dos coeficientes amostrais de autocorrelao;

NOTA 2: A distribuio dos coeficientes de autocorrelao de uma srie

de nmeros aleatrios, pode ser aproximada por uma distribuio normal de
1
mdia zero e desvio padro n

Bernardo Almada-Lobo (2007)

 Mtodos Estatsticos de Previso 9

Anlise de Erros (cont.)

Validade da Decomposio (cont.)

Coeficiente de Autocorrelao dos Erros - lag 1 (cont.)

LIMITES DO INTERVALO DE CONFIANA A 95 %

PARA UMA SRIE ALEATRIA:

1
1.96 valor crtico
n

Se r1 estiver dentro daquele intervalo, no h correlao

significativa entre erros sucessivos.

Bernardo Almada-Lobo (2007)

 Mtodos Estatsticos de Previso 10

Anlise de Erros (cont.)

Measuring forecast accuracy

Estatstica U (Theil)

t1

(VRP VRR )
2
t t VRPt : Variao relativa prevista
U=
to
t1

(VRR )
2
t VRRt : Variao relativa real
to

Z Z t 1 Z t 1 (1) Z t 1
VRR t = t ; VRPt =
Z t 1 Z t 1

U=1: O mtodo naive to eficiente quanto o mtodo em avaliao;

U<1: O mtodo naive menos eficiente que o mtodo em avaliao;
U>1: O mtodo naive mais eficiente que o mtodo em avaliao;
U=0: O mtodo em avaliao perfeito.

Nota: no mtodo naive as previses a um passo correspondem ao ltimo valor observado.

Bernardo Almada-Lobo (2007)

 Mtodos Estatsticos de Previso 11

Anlise de Erros (cont.)

Measuring forecast accuracy

Estatstica D-W (Durbin-Watson)

A estatstica D-W usada para testar a presena de autocorrelao de primeira ordem

(r1) nos erros de previso. O teste compara os erros do perodo t com os erros do
perodo t-1 e desenvolve uma estatstica que mede a significncia da correlao entre
estas duas sries.

N
0 < D-W < 4

(e e )
2
t t 1
D W = t =2
N

D-W 2 erros aleatrios

e
t =1
2
t
D-W >>2 erros negativamente
correlacionados

D-W <<2 erros positivamente

correlacionados

Bernardo Almada-Lobo (2007)