Escolar Documentos
Profissional Documentos
Cultura Documentos
Rio de Janeiro
2018
Gabriela Rodrigues Silveira
Juliana de Carvalhosa Barbosa Couto
Rio de Janeiro
2018
CATALOGAÇÃO NA FONTE
UERJ / REDE SIRIUS / BIBLIOTECA CTC-A
______________________________ ________________________
Assinatura Data
Gabriela Rodrigues Silveira
Juliana de Carvalhosa Barbosa Couto
Banca Examinadora:
_____________________________________________
Prof. Marcello Montilo Provenza - Orientador
Instituto de Matemática e Estatística - UERJ
_____________________________________________
Prof. Dr. (Prof.ª Dra.)
Afiliação Ex. Universidade Federal do Rio de Janeiro
_____________________________________________
Prof. Dr. (Prof.ª Dra.)
Afiliação
_____________________________________________
Prof. Dr. (Prof.ª Dra.)
Afiliação
_____________________________________________
Prof. Dr. (Prof.ª Dra.)
Afiliação
Rio de Janeiro
2018
AGRADECIMENTOS
É notável uma ciência que começou com jogos de azar tenha se tornado o mais
importante objeto do conhecimento humano.
1 INTRODUÇÃO.............................................................................................. 1
1.1 Objetivo........................................................................................................ 1
1.2 Estrutura do Trabalho................................................................................. 1
2 METODOLOGIA........................................................................................... 2
2.1 Séries Temporais........................................................................................ 2
2.1.1 Elementos de uma Série Temporal............................................................... 2
2.2 Testes de Tendência................................................................................... 3
2.2.1 Teste de Tendência pelo Coeficiente de Spearman..................................... 3
2.3 Teste de Sazonalidade................................................................................ 3
2.3.1 Teste de Kruskal-Wallis................................................................................. 4
2.4 Modelos de Alisamento Exponencial........................................................ 4
2.4.1 Médias Móveis.............................................................................................. 5
2.4.2 Alisamento Exponencial Simples (AES)........................................................ 6
2.4.3 Alisamento Exponencial de Holt (AEH)......................................................... 7
2.4.4 Alisamento Exponencial Linear de Brown (AELB)........................................ 8
2.4.5 Alisamento Exponencial Sazonal de Holt-Winters (AESHW)........................ 9
2.5 Medidas de Análise de Desempenho........................................................ 11
2.5.1 Erro Médio Absoluto...................................................................................... 11
2.5.2 Erro Médio Relativo....................................................................................... 11
2.5.3 Erro Médio Percentual................................................................................... 12
2.5.4 Erro Médio Absoluto Percentual.................................................................... 12
2.5.5 Erro Médio Quadrático.................................................................................. 13
3 APLICAÇÃO................................................................................................. 13
3.1 Dados Utilizados.........................................................................................
3.2 Software Utilizados.....................................................................................
DISCUSSÃO.................................................................................................
..
CONCLUSÃO...............................................................................................
.
REFERÊNCIAS.............................................................................................
ANEXO - Comitê de ética em pesquisa...............................
1
1 INTRODUÇÃO
1.1 Objetivo
2 METODOLOGIA
Uma série temporal pode ser definida como uma sequência de observações de
uma variável ao longo do tempo.
As variáveis podem ser classificadas entre discretas e contínuas. Chamamos
as variáveis discretas quando cada observação se refere a um instante e contínuas
quando cada observação se refere a um período.
No estudo das séries temporais temos a análise e a modelagem, onde o
objetivo da análise é identificar quais são as suas propriedades e características,
enquanto que o objetivo da modelagem é fazer previsões para os tempos futuros da
variável em questão.
Morettin e Toloi (2006) descrevem que uma série temporal é composta por
quatro elementos. São eles:
i. Tendência (T): Representa o comportamento de longo prazo da Série
Temporal e pode ser crescente, descrescente ou constante.
ii. Ciclo (C): Movimento oscilatório em relação a Tendência. Tem
periodicidade superior a um ano e são típicos de séries econômicas e
industriais, além de fenômenos climáticos. A junção entre a Tendência e
o Ciclo formam o componente Extra-estacional, também chamado
Conjuntural.
iii. Sazonalidade (St): Movimento regular e oscilatório que se sobrepõe a
Tendência, com periodicidade anual. Também conhecida como
componente Estacional.
iv. Residual (Zt): Flutuações aleatórias que se sobrepõem a Tendência,
causadas por eventos casuais. É chamada de erro do modelo, pois é a
diferença entre o valor observado e a combinação dos três primeiros
elementos.
3
Ao realizar a análise de uma série temporal, a primeira coisa que deve ser feita
é a construção de um gráfico para auxiliar na identificação visual de características
importantes da série como a exisência de tendência, sazonalidade e outliers.
Alguns modelos de previsão de séries temporais exigem que a série analisada
seja estacionária, ou seja, não apresente a componente Tendência e por isso é
importante antes de iniciar a modelagem de uma série temporal determinar se trata-
se de uma série estacionária. Em muitos casos, apenas a análise visual não é
suficiente para determinar tal comportamento. A fim de realizar tal verificação com
segurança, existem diversos testes estatísticos, sendo os três mais utilizados
(Morettin, 2004):
i. Teste de sequencias de Wald-Wolfowitz;
ii. Teste do sinal de Cox-Stuart;
iii. Teste baseado no coeficiente de correlação de Spearman.
𝑘
12 𝑅𝑗2
𝑇= ∗∑ − 3(𝑁 + 1)
𝑁(𝑁 + 1) 𝑛𝑗
𝑖=1
Onde:
𝑁: tamanho da amostra
𝑘: número de grupos sazonais
𝑅𝑗 : somatório dos postos de cada grupo
𝑛𝑗 : número de postos em cada grupo
𝑍̂𝑇+ℎ = 𝑍̅𝑇
Onde:
𝑇: último período observado
ℎ: quantidade de períodos a serem previstos, ℎ = 1,2, …
𝑍𝑡 = 𝜇 + 𝑇𝑡 + 𝑎𝑡 , 𝑡 = 1, … , 𝑁
Onde:
𝑇𝑡 : tendência no instante t
Onde:
𝑍𝑡 : valor observado no instante t
𝛼: constante de alisamento do nível, 0 < 𝛼 < 1
𝛽: constante de alisamento da tendência, 0 < 𝛽 < 1
𝑍̂𝑇+ℎ = 𝘢̂ 𝑇 + 𝑏̂𝑇 ℎ
Onde:
𝑇: último período observado
ℎ: quantidade de períodos a serem previstos, ℎ = 1,2, …
𝛼
𝑏̂2,𝑡 = (1−𝛼) (𝑍𝑡̅ − 𝑍̿𝑡 )
Onde:
𝐹𝑚(𝑡) : fator sazonal do período m correspondente ao estágio t
Modelo aditivo:
10
Onde:
𝑍𝑡 : valor observado no instante t
𝑚: período sazonal
𝛼: constante de alisamento do nível, 0 < 𝛼 < 1
𝛽: constante de alisamento da tendência, 0 < 𝛽 < 1
𝛾: constante de alisamento sazonal, 0 < 𝛾 < 1
O erro absoluto é uma das medidas mais comuns e usuais para a medição da
precisão. É resultado da diferença entre os valores observados e os valores previstos.
𝐸𝐴 = 𝑍𝑡 − 𝑍̂𝑡
∑ 𝐸𝐴
𝐸𝑀𝐴 =
𝑛
Onde:
𝑛: quantidade de pares 𝑍𝑡 − 𝑍̂𝑡
Por não haver comparação do erro com o valor observado, o erro médio
absoluto muitas das vezes não é indicado para medir a acuracidade das previsões
obtidas por diferentes modelos.
Fazendo essa relação, o erro relativo é determinado pelo erro absoluto dividido
pelo valor observado.
(𝑍𝑡 − 𝑍̂𝑡 )
𝐸𝑅 =
𝑍𝑡
∑ 𝐸𝑅
𝐸𝑀𝑅 =
𝑛
∑ 𝐸𝑃𝐸
𝐸𝑀𝑃 =
𝑛
(|𝑍𝑡 − 𝑍̂𝑡 |)
𝐴𝑃𝐸 = ∗ 100
𝑍𝑡
13
∑ 𝐴𝑃𝐸
𝐸𝑀𝑃 =
𝑛
(∑ 𝐸𝐴2 )
𝐸𝑄𝑀 =
𝑛
3 APLICAÇÃO
Em construção