UNIVERSIDADE FEDERAL DO PIAUÍ – UFPI

CAMPUS MINISTRO PETRÔNIO PORTELA

CURSO DE BACHARELADO EM ECONOMIA
JOSÉ IAGO ROCHA DE OLIVEIRA
DISCIPLINA: INTRODUÇÃO À ECONOMETRIA
PROFESSOR: CAIO LOPES

PREVISÃO DE CONSUMO DE ENERGIA ELÉTRICA EM PETROLINA – PE

A análise feita no artigo tem como foco a previsão consumo de energia elétrica em

Petrolina – PE e a forma que esse consumo varia. Os autores chamam atenção para o ponto

forte produtivo da região, que é a agricultura de importação, ou seja, os períodos de safra e

entressafra irão influenciar diretamente no consumo de energia elétrica da cidade. Há também

outras questões que influenciam nessa oscilação do consumo, como o crescimento da cidade,

que traz pessoas em busca de melhoria de vida, justamente o que o artigo tenta prever: a

demanda energética na cidade, dado o crescimento populacional e industrial da mesma, e se a

produção energética atual seria suficiente, tendo em vista o quadro evolutivo do consumo.

Para estimar os resultados a partir do método dos mínimos quadrados ordinários com

uma regressão linear múltipla, as variáveis utilizadas foram: o nível de consumo mensal e o

numero de consumidores, a temperatura da média na cidade, totalizando 144 meses analisados

de janeiro de 1998 a dezembro de 2009. O numero de observações é grande, então, o nível de

dispersão ideal. Não obstante, a estatística teste tem distribuição aproximadamente normal

padronizada, o que faz que a analise dos dados tenha um nível maior de confiança.

Além da regressão linear múltipla e do MQO, foram utilizadas outras técnicas que

qualificam ainda mais o resultado da pesquisa; o Teste de Hipóteses para Regressão Linear

Múltipla, que determina a relação linear entre as variáveis dependentes e as variáveis

independentes, e o Teste F, que compara as variáveis dependentes e independentes. Havendo

variância igual ou bem próxima dentro das amostras é possível analisar a sua exclusão da

analise. As informações obtidas com a regressão linear múltipla agregam resultados

satisfatórios ao objetivo da pesquisa, contudo, a sua aplicação poderia ser mais direcionada a

determinado setor, seja o consumo residencial ou o consumo industrial, pois o nível de uso da
energia elétrica é diferente nesses dois modelos e as grandes indústrias e produtores agrícolas

têm capacidade de buscar outros caminhos energéticos que não seja a Companhia Energética

de Pernambuco (CELPE), como a utilização de fontes renováveis de energia.

Também deve ser analisado o comportamento no nível de consumo residencial, urbano

e rural, frente às alterações nos preços das tarifas médias, preço do eletrodoméstico e renda. O

acesso à energia elétrica nas zonas rurais foi intensificado através do programa luz para todos

e o Brasil, por se tratar de um país ainda em desenvolvimento, aumenta o consumo de energia

elétrico devido, principalmente, ao aumento do seu nível de industrialização. Ou seja, analisar

esses dois diferentes níveis de consumo em forma conjunta pode afetar os resultados quando

forem tratados pelas empresas que fornecem energia elétrica, pois uma indústria de grande

porte tem influencia muito maior no consumo que um determinado número de habitantes. Em

minha concepção, a regressão linear múltipla deveria focar, primeiramente, no consumo

industrial e na evolução desse campo na região, e depois no crescimento urbano, juntamente

com distribuição elétrica para as zonas rurais da cidade, assim o resultado conjunto daria uma

noção ampla da necessidade energética da região. O setor elétrico passa ainda por mudanças

estruturais, no que diz respeito à terceirização. Essas mudanças estruturais permitem, de certa

forma, que a expansão na oferta de energia elétrica ocorra, preços relativamente baixos e

melhoria na qualidade do serviço, pois agora existe maior concorrência devido à privatização

de alguns setores.

A economia mostra que, em um modelo de demanda, deve ser incluído o preço do

produto, os preços dos bens substitutos, nível de renda, população e outras variáveis. O

aumento da renda per capita na região teria influência também nessa analise, pois, com um

nível de renda maior, tende o aumento no nível de consumo. O artigo é positivo, mas creio

que poderia detalhar os níveis de consumo das diversas classes consumidoras da região, já que

o seu objetivo seria atender melhor a população consumidora.

 REFERÊNCIAS BIBLIOGRÁFICAS

Farias, Douglas Alexader, et Reinaldo Souza. Previsão da Carga de Energia em Patamares

Combinando Técnicas Estatísticas e de Inteligência Computacional. Rio de Janeiro, 2009.

Pompeu, Cid Tomanick Enciclopédia Saraiva do Direito. Volume 32, Editora Saraiva, São
Paulo, 1997.

Fogliatto, Flavio Sanson. Previsão de demanda por Energia Elétrica – Método e Aplicação.
XXV Congresso Nacional de Eng. de Produção. Porto Alegre,
RS, 2005.

Coellho-Barros, Emilio Augusto, et al. Métodos de estimação em regressão linear múltipla:

aplicação a dados clínicos. Revista Colombiana de Estatística,
junho de 2008. V. 31, n o1, p. 111 a 129.

Barbetta, Pedro Alberto, et al. Estatística para Cursos de Engenharia e Informática. Editora
ATLAS. São Paulo, 2004.

Devore, Jay L., Probabilidade e Estatística: Para Engenharia e Ciências. 6° Edição. Editora
Thomson. São Paulo, 2006.

Hollander, Myles et Douglas Wolfe. Nonparametric Statistical Methods. 2ª Edição. Editora

Wiley-Interscience. Toronto, 1999.

Montgomery, Douglas et al. Estatística Aplicada e Probabilidade para Engenheiros. 2a

Edição. Editora LTC. Rio de Janeiro, 2003.

Mingoti, Sueli Aparecida. Analise de dados através de Estatística Multivariada: uma

abordagem aplicada. Editora UFMG. Belo Horizonte, 2005.

Meyer, Paul. PROBABILIDADE: Aplicações a Estatística. 2a Edição. Editora LTC. Rio de

Janeiro, 1983.
Magalhaes, Marcos Nascimento. et Antônio Carlos Pedroso de Lima, Noções de
Probabilidade e Estatística. 6a Edicao. Editora Edusp. São Paulo, 2004.

Martins, Gilberto de Andrade. Estatística Geral e Aplicada. 3a Edição. Editora ATLAS. São
Paulo, 2005.

Farias, Alfredo Alves et al. Introdução a Estatística. 2a Edição. Editora LTC. Rio de Janeiro,
2003.

Bunchaft, Guenia et Sheila Rubino Kellner de Oliveira. Estatística sem Mistérios. 2a Edição
Revista, Volume II. Editora Vozes. São Paulo, 1998.

Hogg, Robert et Alen Craig. Introduction to Mathematical Statistics. 5a Edição. Editora

Pearson Educations. Dehli, 2004.

Holanda, Monica Calixto Ribeiro de. et. al. Natimortalidade e Mortalidade ate 21 dias de
Idade em Leitoes da Raca Large White. Revista Brasileira de Zootecnia. Recife. V.1. s.2,
2000.

Dias, J. L. G. et al. Metodologia para determinação de equações de regressão para avaliação

das torres de transmissão. XIII ERIAC, 28 de maio de 2009, Porto Iguazu, Argentina.

Santos, Eucymara Franca Nunes et Alexandre Alex Silva e Caldas. “Equações de Regressão
para Estimar o Consumo de Energia Elétrica na Cidade de Juazeiro- BA.” III SEMAEST,
UFS. Aracaju, 2010.