Escolar Documentos
Profissional Documentos
Cultura Documentos
Setor de Tecnologia
Departamento de Engenharia Elétrica
Parte II
Objetivo do modelo
Monitoração do modelo
Objetivo do Modelo
8
Métodos Qualitativos mais comuns
• Análise de Cenários
• Pesquisas de mercado
9
Técnicas Quantitativos
• São aqueles que utilizam modelos matemáticos e
estatísticos ( Baseados em dados históricos : i) Modelos
causais e ii) series temporais )para que se cheguem aos
valores previstos
– Os métodos causais admitem que a demanda esteja relacionada
com algum fator fundamental ou fatores no meio ambiente, e
que ocorrem relacionamentos de causa e efeito.
– Séries temporais: São métodos estatísticos que utilizam dados
históricos para “prever” o futuro, ou seja, utilizam a premissa
que os padrões de demanda existentes continuem no futuro.
• Permitem controle do erro, mas exigem informações
quantitativas preliminares.
Modelos Quantitativos de Previsão
• Métodos Híbridos
Modelos estatísticos
Yi = β 0 + β1 X i + ε i
i = 1,2,..., n
15
Características do modelo:
constante
aleatório
1. Yi é uma v.a.(Yi = β0 + β1 X i + ε i )
2. E(Yi ) = E ( β0 + β1 X i + ε i ) = µi = β0 + β1 X i
3. σ 2 (Yi ) = σ 2 ( β0 + β1 X i + ε i ) = σ 2 (ε i ) = σ 2 (variânciaconstante)
4. Yi e Y j não são correlacionados
16
Observações:
• um modelo de regressão pode conter duas ou mais
variáveis (X1, X2,...,Xp-1);
• o modelo de regressão não precisa ser uma linha
reta:
2
Y = β 0 + β1 X + β 2 X + ε
Chama-se modelo quadrático ou de 20 grau, cuja
figura é uma parábola. Esse modelo, embora não
seja uma linha reta, continua sendo um modelo
linear nos parâmetros
17
MODELO AUTOREGRESIVO (AR)
• Um modelo AR expressa uma série temporal
como uma função linear dos seus valores
passados. A ordem do modelo AR diz quantos
valores atrasados (lags) no passado são
incluídos. O modelo AR mais simples é o
autoregressivo de primeira ordem, ou modelo
AR(1):
y(t) = a(1)*y(t-1) + e(t)
• onde y(t) é a série ajustada à media no período t, y(t-1)
é o valor do período anterior na série , a(t) é o
coeficiente auto-regressivo de lag-1, e e(t) é o ruído. O
ruído também é conhecido por vários outros nomes:
erro, choque aleatório e resíduo. Os resíduos e(t) são
assumidos serem aleatórios no tempo (não auto-
correlacionados), e normalmente distribuídos. Podemos
ver que o modelo AR(1) tem a forma de um modelo de
regressão em que y(t) é regredido ao seu valor anterior.
Desta forma, a(t) é análogo ao coeficiente de regressão,
e e(t) ao resíduo de regressão. O nome auto-regressivo
se refere à regressão em si mesmo (auto).
• Os modelos regressivos de ordem superior
incluem mais termos de defasagens em y(t)
como preditores.
• Por exemplo, o modelo auto-regressivo de
segunda ordem, AR(2), é dado por
y(t) = a(1)*y(t-1) + a(2)*y(t-2) (3)
• onde: a(1) , a(2), são os coeficientes auto-
regressivos sobre as defasagens 1 e 2. O
modelo autoregressivo de ordem p-ésima,
AR(p) inclui os termos de defasagens dos
períodos t −1 até t-p .