Escolar Documentos
Profissional Documentos
Cultura Documentos
Banca Examinadora
Orientadora
i
Sumário
Resumo iv
1 Introdução 1
1.1 Caracterização do Mercado [1980 a 1995] . . . . . . . . . . . . . . . . 3
2 Objetivos 5
2.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Objetivos Especı́ficos . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 Revisão Teórica 6
3.1 O Conceito de Série Temporal . . . . . . . . . . . . . . . . . . . . . . 6
3.1.1 Modelos de Séries Temporais . . . . . . . . . . . . . . . . . . . 8
3.2 Importância dos Modelos para Séries Temporais . . . . . . . . . . . . 8
3.3 O Significado da Análise de Séries Temporais . . . . . . . . . . . . . . 9
3.4 Modelos de Suavização Exponencial . . . . . . . . . . . . . . . . . . . 10
3.4.1 Modelos para Séries Localmente Constantes . . . . . . . . . . 10
3.4.2 Média Simples (MS) . . . . . . . . . . . . . . . . . . . . . . . 11
3.4.3 Média Móvel Simples (MMS) . . . . . . . . . . . . . . . . . . 11
3.4.4 Média Móvel Ponderada (MMP) . . . . . . . . . . . . . . . . . 14
3.4.5 Suavização Exponencial Simples (SES) . . . . . . . . . . . . . 14
3.4.6 Suavização Exponencial Simples: Taxa de Resposta Adapta-
tiva (SES:TRA) . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.4.7 Suavização Exponencial de Holt (SEH) . . . . . . . . . . . . . 17
3.4.8 Suavização Exponencial Sazonal de Holt Winter (SEHW) . . . 18
3.4.9 Uma Comparação entre Métodos . . . . . . . . . . . . . . . . 19
3.5 Intervalo de Predição . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4 Metodologia 22
ii
5.4 Suavização Exponencial de Holt (SEH) . . . . . . . . . . . . . . . . . 30
5.5 Suavização Exponencial de Holt-Winters (SEHW) . . . . . . . . . . . 33
6 Conclusões 38
7 Referências Bibliográficas 39
Anexos 41
iii
Resumo
iv
1 Introdução
O Álcool Hidratado atua no mercado brasileiro como uma alternativa aos com-
bustı́veis derivados do petróleo, cujas importações tornaram-se extremamente one-
rosas a partir do primeiro choque de oferta no inı́cio da década de setenta. A sua
colocação no mercado foi amparada por fortes doses de subsı́dios e incentivos go-
vernamentais do Programa Nacional do Álcool, PROÁLCOOL, de modo a torná-lo
competitivo com os combustı́veis derivados do petróleo. A superação das princi-
pais dificuldades cambiais da década de setenta, produziram argumentos para ques-
tionar polı́tica e estrategicamente a manutenção dos subsı́dios ainda persistentes na
produção do produto, especificamente o custo de transporte. Com isso, o governo
manifestou a intenção de eliminar este último subsı́dio, liberando totalmente os
preços dos combustivéis, ou seja, para que o mercado busque seu equilı́brio (Sordi,
1997 ).
A elevação dos preços do petróleo e a insegurnaça do abastecimento provocados
pelos choques da década de setenta, motivou um grande número de pesquisadores
à investigarem as funções da demanda de petróleo, combustı́veis ou mais especifica-
mente de gasolina, a fim de conhecer suas elasticidades de demanda para traçarem
as perspectivas de consumo, em razão principalmente, das polı́ticas de preços ado-
tadas. Também a preocupação com o meio ambiente incentivou estudos no sentido
de vislumbrar alternativas para o consumo, com o proprósito de minimizar seus
efeitos na natureza. Em qualquer dos casos mencionados, o foco das análises foi a
determinação da elasticidade de demanda.
Em 1975, criou o PROÁLCOOL, com a finalidade de produzir alcóol carburante,
substituto de combustı́veis derivados do petróleo, a partir de biomassa agrı́colas.
Inicialmente o PROÁLCOOL incentivou a produção do álcool anidro para ser mis-
turado com à gasolina. Já em 1978, começou a conversão de motores para o consumo
de alcóol, assim incentivando a produção de automóveis com este tipo de motor.
Em 1979, o álcool hidratado passou a ser produzido em larga escala, devido
a produção de automovéis equipados com motores configurados para este tipo de
consumo.
No inı́cio da produção do álcool carburante, principalmente do álcool hidratado, o
programa proporcionava fortes subsı́dios e incentivos fiscais e financeiros, de maneira
1
a torná-lo competitivo com relação à gasolina, no entanto, com a estabilização e
queda dos preços do petróleo, o mercado internacional e a superação das dificul-
dades maiores na área cambial do Brasil, começou a surgir o desinteresse oficial pela
manuntenção dos subsı́dios e incentivos fiscais (Sordi, 1997 ).
A falta de interesse oficial pela manutenção dos subsı́dios do custo de transporte
está refletida em anunciada medida de liberação dos preços do álcool hidratado, a
qual ocorreu em duas etapas: a primeira no mês de março de 1996, de fato já se
concretizou, de liberação dos preços de comercialização no varejo, ou seja, nos postos
de serviços1 ; e a segunda que ocorreu em 1o de janeiro de 1997, seria a liberação total
dos preços desde os produtores até os varejistas, ocorrendo com isso, a eliminação
total dos subsı́dios2 .
A questão dos subsı́dios ao álcool, principalmente ao álcool hidratado, sempre
foi assunto polêmico. Interesses politicamente conflitantes ou questões estratégicas,
acabaram atraindo a atenção de vários pesquisadores, para a realização de avaliações
econômicas sobre o PROÁLCOOL.
Araújo e Ghirardi (1986) sugerem mudanças estruturais ao crédito e propõem
uma polı́tica de redução de subsı́dios de forma seletiva e gradual, para não penalizar
nenhum seguimento social e de forma que pudessem ser traduzidos por ganhos de
produtividade.
As propostas de Ferreira e Motta (1987), se efetivamente consideradas na ocasião,
provavelmente tivessem evitado a crise de abastecimento de 1989, uma vez que
esses autores discutiram duas propostas de ajuste do programa, uma de controle
de oferta e outra de controle de demanda3 . Já alertando para as consequências da
crise, Motta (1989), discute algumas propostas de reformulação do programa em
razão da alteração da matriz energética, sendo que a reformulação deveria dar-se
de maneira compatı́vel com essa matriz, evitando desequilı́brio no setor e descrédito
em programas de fontes alternativas.
Sob a óptica do governo, o ato adotado em abril de 1996, de liberação dos preços
1
Ver FOLHA DE SÃO PAULO (1996, 25/04/96: 2-3)
2
Na mesma medida, foram liberados também os preços da gasolina.
3
A crise de abastecimento de 1989 é caracterizada não pela sub-oferta praticada como o poder de
monopólio da indústria, mas pela falta de capacidade em elevá-la ao nı́vel da demanda que crescia
em taxa mais acelerada puxada pelo rápido aumento da frota de veı́culos a álcool hidratado.
2
no varejo, representa uma estratégica de redução da intervenção da PETROBRÁS
na fixação de preços. E, a anunciada polı́tica de liberação total dos preços, uma
estratégica de eleminação da intervação, devendo, assim o álcool ser livremente
comercializado e sem o subsı́dio do custo do transporte. No entanto, a medida em
que a liberação dos preços pode representar uma ameaça à sobreviência ou ao seu
comportamento tradicional de monopólio, a indústria buscará formas organizadas
que lhe possibilitem algum poder sobre o mercado.
3
produtores, distribuidores e aos consumidores e até mesmo dos preços das matérias-
primas, pode-se atribuir à indústria um caractér de monopólio, ou de oligopólio com
coordenação táctica equivalente a monopólio.
A partir de 1990 passaram a ser adotadas diretrizes polı́ticas orientadas para
uma menor intervenção estatal e, neste sentido, vários setores produtivos viram-
se inseridos em contextos tendentes ao livre mercado. Dentre os setores pode-se
destacar o setor de sucroalcooleiro e o setor de combustı́veis, passaram por mudanças
nas suas atividades produtivas e comerciais devido ao afastamento do governo que
antes coordenava essas atividades.
O setor petrolı́fero no Brasil, assim como o sucroalcooleiro, caracteriza-se pelo
elevado grau de intervenção governamental, sendo que o controle dos preços dos
combústiveis estava diretamente ligado às questões de caráter econômico, energético,
social e tributário. Nesse sentido, eram mantidos complexos sistemas de adminis-
tração de preço e de produção. A partir de 2002, esses sistemas entraram em uma
fase de transição para que operarem em um mercado totalmente desregulamentado
(Maistro, 2002 ).
4
2 Objetivos
5
3 Revisão Teórica
Y = f (T empo) (1)
A série será dita estocástica quando seus futuros valores só podem ser expostos
em termos probabilı́sticos, uma vez que a série está descrita por meio de uma relação
funcional que envolve não só o tempo, mas também uma variável aleatória do tipo:
Y = f (T empo, a) (2)
Onde a é o termo aleatório residual cuja inclusão se torna necessária quando não
se consegue explicar completamente algum movimento irregular da série através
unicamente da relação matemática (Fischer, 1982 ).
Os valores das séries são desmembráveis em componentes sistemáticos e não
sistemáticos e movimentos irregulares dı́spares. Uma das componentes sistemáticas é
a tendência, dita às vezes como componente secular irregular, segundo Fischer,1982.
As outras são a sazonalidade e ciclo. A diferença entre uma e outra é o perı́odo de
6
A definição dada aqui é de série temporal univariada. A generalização da definição tem em
vista os objetivos especı́ficos do trabalho.
7
Um conjunto é dito enumerável quando é possı́vel existir uma bijeção entre o conjunto de
números naturais.
6
avaliação (curto e longo), a semelhança é que ambas definem oscilações relativamente
regulares em torno da tendência. Quanto à componente não sistemática, também
denominada variação residual, pode-se dizer que é o resumo do que é irregular.
As variações cı́clicas são aquelas que se referem às oscilações de longo prazo
e em torno da curva de tendência (Fischer, 1982 ). Essas variações podem ser
explicadas pelos fenômenos naturais, socioculturais ou variações climáticas, entre
outras (Milone, 2004 ). O estudo do ciclo visa antecipar seus pontos de reversão:
sabendo quando muda o sentido de seu crescimento, pode-se controlar suas causas
e efeitos.
7
funcionais exclusivamente matemáticas (Fischer, 1982 ). Variações aleatórias, esta-
tisticamente, é tudo que não se atribui à tendência, aos ciclos e a sazonalidade
(Milone, 2004 ).
Com base nos componentes de uma série temporal pode-se citar dois modelos
para análise:
Baseado nas Equações (4) e (5) é possı́vel uma variação, definida por:
Y =T ×S+A (5)
8
assumem elevada importância com o passar do tempo. A análise das séries temporais
permite que tanto os objetivos de previsão do futuro, baseados nos dados passados,
como os de controle do processo que gera a série, possam ser conhecidos indepen-
dentes do comportamento de outras variáveis.
Por outro lado, a análise de séries temporais pode-se tornar o único meio de
tratamento estatı́stico disponı́vel. É o caso em que se apresenta difı́cil (ou até
mesmo impossı́vel) a explicação do comportamento de uma variável através de um
modelo casual que busca explicar esses movimentos através de outras variáveis em
estudo.
Assim, a análise de séries temporais, ao se caracterizar como estudo da variável
baseado unicamente no conhecimento dos seus valores passados, independentes do
comportamento das demais variáveis, proporciona um meio bastante útil para o
tratamento numérico dos dados (Fischer, 1982 ).
9
de ocorrência da observação. Assim, o que se busca é descrever os mecanismos
do processo e as caracterı́sticas de sua aleatoriedade, porquanto isso irá fornecer os
meios para que se chegue a conclusões sobre as probabilidades associadas aos valores
futuros alternativos da série.
Em sı́ntese, uma série temporal significa um conjunto de variáveis aleatórias
conjuntamente distribuı́das no tempo. Sua análise baseia-se na suposição conjunta-
mente distribuı́das no tempo e da existência de alguma função que assume proba-
bilidades para todas as possı́veis combinações dos valores da variável.
Conseqüentemente, se é possı́vel descrever numericamente como é a estrutura
probabilı́stica da variável no tempo, então pode-se inferir sobre a probabilidade de
ocorrência de um outro valor.
Z t = µ t + at (6)
10
Onde Zt representa uma série temporal, µt é a parte sistemática ou determinı́stica
e at é uma sequência aleatória independente de µt , além disso supõe-se que a
variável aleatória at seja não correlacionada, tenha média zero e variância constante
e V ar(at ) = σ 2a e µt é um parâmetro desconhecido, que pode variar lentamente com
o tempo (Morettin, 2004 ).
Portanto,
E (at ) = 0
E (at as ) = 0
V ar (at ) = σ 2a
para t = 1, . . . , N , s = 1, . . . , N e s 6= t.
Pt
i=1 Zi
Mt+1 = (7)
t
Zt + Zt−1 + . . . + Zt−r+1
Mt =
r
t
1 X
= Zi (8)
r i=t−r+1
ou
Zt − Zt−r
Mt = Mt−1 + (9)
r
11
Então, Mt é uma estimativa do nı́vel µt que não pondera as observações an-
teriores, o que é razoável devido ao fato do parâmetro variar suavemente com o
tempo(Morettin, 1987 ).
A previsão de todos os valores futuros é dada pela última média móvel calculada,
isto é:
Pr−1
k=0 Zt−k
E(Ẑt (h)) = E( )
r
r−1
1 X
= E( Zt−k )
r k=0
r−1
1X
= E(Zt−k )
r k=0
r−1
1X
= µ (12)
r k=0 t−k
2
EQM Ẑt (h) = E Zt+h − Ẑt (h)
r−1
!2
X Zt−k
= E Zt+h −
k=0
r
r−h−1
!2
X Zt−h−k
= E Zt −
k=0
r
r−h−1
2 X
= E Zt2 − E (Zt Zt−h−k ) + (13)
r k=0
r−h−1 r−h−1
1 X X
+ E (Zt−h−k Zt−h−j )
r2 k=0 j=0
12
Para o caso particular em que o modelo tem a média globamente constante, como
definido pela Equação (6), tem-se:
r−1
1X
E Ẑt (h) = µ
r k=0
= µ (14)
r−1
!
1 X Zt−k
V ar Ẑt (h) = V ar
r k=0 r
σ 2a
= (15)
r
σ 2a
Assumindo que at ∼ N (0, σ 2a ), pode-se afirmar que Ẑt (h) ∼ N µ, r
σa σa
Ẑ (h) − zλ √ ; Ẑ (h) − zλ √ (16)
r r
(i) se r = 1, então o valor mais recente da série é utilizado como previsão de todos
os valores (este é o tipo de previsão mais simples que existe e é denominado
“método ingênuo”);
13
Consequentemente, o valor de r deve ser proporcional à aleatoriedade de at .
Uma das vantagens de utilizar o método da média móvel simples é sua fácil
aplicação, também pode ser utilizado quando se tem um pequeno número de ob-
servações, uma outra vantagem é que permite uma grande flexibilidade devido à
variação de r de acordo com o padrão da série. Morettin, (1987) afirma que este
método deve ser aplicado para prever séries estacionárias, pois caso contrário a pre-
cisão das previsões obtidas será muito pequena, já que os pesos atribuı́dos às r
observações são todos iguais e nenhum peso é dado às observações anteriores a esse
perı́odo, também há a necessidade de trabalhar com pelo menos (r − 1) observações,
e por fim, dificuldade na determinação do valor de r.
Em geral, a média móvel no k-ésimo ponto ponderado, pode ser descrito pela
equação:
m
X
Mt = aj Zt+j (17)
j=−m
(k−1)
onde m = 2
.
14
a previsão da variável Y para o próximo perı́odo.
Se Ft+1 = Z̄t , a Equação (18) quando expandida, assume a forma:
15
onde E (Zt Zt−h−k ) = cov (Zt , Zt−h−k ) + µt µt−h−k e E (Zt − Zt−h ) = γ t (h), ∀ h,
tem-se então:
t−h−1
X
EQM Ẑt (h) = γ t (0) − 2α (1 − α) γ t (h + k) +
k=0
t−h−1
X t−h−1
X
+α2 (1 − α)k+j γ t−h−j (j − k) (25)
k=0 j=0
t−1
!
X
V ar Ẑt (h) = V ar α (1 − α)k Zt−k (26)
k=0
t−1
!
X
= V ar α (1 − α)k µt−k (27)
k=0
t−1
!
X
= V ar α (1 − α)k (µ + at−k ) (28)
k=0
t−1
!
X
= α2 V ar (1 − α)k (µ + at−k ) (29)
k=0
t−1
X
2 k
= α V ar (1 − α) (µ + at−k ) (30)
k=0
t−1
X
= α2 (1 − α)2k V ar (µ + at−k ) (31)
k=0
t−1
X
= α2 (1 − α)2k σ 2a (32)
k=0
− (1 − α)2t
ασ 2a 1
= (33)
2−α
e quando t → ∞,
α
V ar Ẑt (h) = σ 2a (34)
2−α
16
Ft+1 = Ft + αt (Zt − Ft ) (35)
= Ft + αt (εt ) (36)
At−1
αt = (37)
Mt−1
O valor de At é uma média exponencial dos erros passados e pode assumir valores
negativos ou positivos, descrito pela equação:
Ft+m = Lt + bt m (42)
17
Onde Lt descrito em (40), representa a estimativa do nı́vel da série média no
momento t, bt mostrado em (41) representa a estimativa da inclinação da série no
momento t, β a constante de suavização a ser calculada, m representa os números
de perı́odos que consiste a previsão e Ft+m representa a previsão para m perı́odos
Os demais termos são mostrados na Equação (18).
Zt
Lt = α + (1 − α)(Lt−1 − bt−1 ) (43)
St−s
bt = β(Lt − Lt−1 ) + (1 − β)bt−1 (44)
Zt
St = γ + (1 − γ)St−s (45)
Lt
Ft+m = (Lt + bt m)St−s+m (46)
18
3.4.9 Uma Comparação entre Métodos
A escolha do melhor método de suavização depende da disposição dos erros. O
critério segundo Makridakis (1998), é verificar quais métodos produzem os resultados
com valores mais próximos de 0, para o erro médio, erro absoluto médio, quadrado
médio do erro, a porcentagem absouta do erro médio e a estatı́stica teste U Theil’s.
εt = Zt − Ft (51)
Erro Médio: O valor do erro médio pode assumir tanto valores negativos quanto
positivos, porém o critério de avaliação é quanto mais próximo do valor 0, melhor
será o método de suavização exponencial escolhido e é mostrado a seguir:
n
1X
EM = εt (52)
n t=1
Erro Médio Absoluto: Quanto mais próximo do valor 0, melhor será a escolha
do método de suavização exponencial, tal que:
n
1X
EM A = |εt | (53)
n t=1
Zt − Ft
P Et = × 100 (54)
Zt
Quadrado Médio do Erro: É definido como soma dos quadrados dos desvios,
dividida pelo números de tempos observados, conforme a seguir:
n
1X 2
QM E = ε (55)
n t=1 t
19
Erro em Percentagem Absoluto Médio: É outro indicador de grande im-
portância, que verifica a relação entre o valor observado e o valor de previsão, de
forma que esse resultado será sempre visto positivo. Avalia-se que quanto mais
próximo do valor 0, o método o método de suavização exponencial utilizado será o
mais adequado. Algebricamente, esta medida assume expressão:
n
1X
M AP E = |P Et | (56)
n t=1
v
u n−1 Ft+1 −Zt+1 2
uP
u t=1 Zt
U =u
t Pn−1 Z −Z 2 (57)
t+1 t
t=1 Zt
20
Quando se busca determinar intervalos de confiança para previsão considerando
h passos a frente, tem-se então:
p p
Fn+h − z α2 QM Eh ; Fn+h + z α2 QM Eh (59)
onde,
n
1 X 2
(h)
QM Eh = e (60)
n − h t=h+1 t
21
4 Metodologia
A estratégia metodológica proposta pelo presente trabalho, consiste em determi-
nar procedimentos para descrever, prever e analisar a demanda do álcool.
A série histórica em estudo consta de 192 observações, correspondentes a janeiro
de 1980 a dezembro de 1995, coletada mensalmente. Estes dados fazem parte da
dissertação de mestrado de João Celso Sordi8 (1997).
A pesquisa pautou-se em um processo de informações teóricas baseada na bibli-
ografia apresentada.
Na análise aplicou-se a metodologia de suavização exponencial, verificando-se os
efeitos de sazonalidade, tendência e o valor da constante de suavização da série.
Primeiramente foi aplicado o método da média simples, construindo-se o algo-
ritmo no System Analysis Statistical (SAS), o qual pode ser utilizado para qualquer
seqüência de dados temporais. Para os métodos suavização exponencial simples,
suavização exponencial de Holt e suavização exponencial de Holt-Winters, foi apli-
cado a linguagem de programação R. Para a análise da série em função da média
móvel simples, foi trabalhado com o Excel.
Como critério de escolha do melhor método de suavização exponencial, escolheu-
se o que apresentou as menores medidas dos erros, ou seja, a menor diferença entre
valores observados e previstos pelo modelo determinado. Portanto, várias medidas
de erros serão destacadas:
• Erro médio
• Porcentagem do erro
8
Os dados foram gentilmente cedidos pelo mestre João Celso Sordi, do qual esses fazem parte de
sua dissertação de mestrado. O tema de seu trabalho foi analisar os efeitos dos custos de transporte
na liberação dos preços: o caso do álcool hidratado no Brasil.
22
5 Aplicação dos Métodos de Suavização Exponencial
4 e+05
2 e+05
Observado
Previsao
0 e+00
Tempo (meses)
Pela Figura 1, observa-se que o método da média simples não está descrevendo
a demanda do álcool e que a partir do instante 100, que corresponde o perı́odo de
abril de 1988 a dezembro 1995, os dados tem um comportamento estacionário.
Nota-se também pela Figura 1 que as previsões estão subestimando os ver-
dadeiros valores da demanda do álcool.
Uma consideração feita neste método é de não descrever adequadamente dados
com tendência, seja ela positiva ou negativa, outra caraterı́stica importante que
pode ser observada pela Figura 1 é que no ı́nicio da série, os valores observados e
as previsões estão bem próximos, baixo erro, e esses vão se distanciando ao longo
do tempo e se aproximando novamente, já não mais tão próximos no final da série
temporal.
As estatı́sticas dos erros estão dispostas na Tabela 1.
23
Tabela 1: Estatı́sticas dos Erros.
Erro Médio 265130,9
Erro Absoluto Médio 265130,9
Quadrado Médio do Erro 9,1536E10
Porcentagem do Erro Médio 46,251
Porcentagem do Erro Absoluto Médio 46,251
850000
750000
Observado
650000
Previsao
0 20 40 60 80 100 120
Tempo (meses)
24
Tabela 2: Estatı́sticas dos Erros.
Erro Médio -7325,763
Erro Absoluto Médio 49174,068
Quadrado Médio do Erro 3,881
Porcentagem do Erro Médio -1,393
Porcentagem do Erro Absoluto Médio 6,012
menores valores em relação a Tabela 1, e isto indica que, de fato o método se ajusta
aos dados que não apresentam tendência e nem sazonalidade.
Pela porcentagem do erro absoluto médio, observa-se que do primeiro para o
segundo exemplo houve um descréscimo de 40,239 % (46,251 - 6,012), um resultado
é significativo considerando uma escala de 0% a 100%.
Outra medida de grande importância é o quadrado médio do erro em que nas
Tabela 1 e 2 correspondem aos valores de 9,1536E10 e 3,881 respectivamente, as
distâncias desses valores com o zero é exorbitande, considerando todos os dados
da demanda do álcool, entretanto se considerarmos somente o último perı́odo em
questão está atendendo as expectativas do próprio método.
Zt + Zt−1 + . . . + Zt−3+1
Mt =
3
onde Zt é a observação no momento t, Zt−1 é a observação no momento t − 1 e
Zt−2 é a observação no momento t − 2.
25
Tabela 3: Estatı́stica das Medidas dos Erros.
r EM EMA MAPE QME U
26
As Figuras 3, 4, 5, 6 e 7 mostram que conforme o tamanho r aumenta, os valores
das medidas erros também aumentam. O critério de escolha do r, deve ser o que
produz o menor valor residual, ou seja, o mais próximo do valor zero.
70000
80000
50000
EMA
EM
60000
30000
10000
40000
0 5 10 15 20 25 30 0 5 10 15 20 25 30
r r
1.0 e+10
15
MAPE
QME
6.0 e+09
10
2.0 e+09
5
0 5 10 15 20 25 30 0 5 10 15 20 25 30
r r
27
2.0
1.8
1.6
U
1.4
1.2
1.0
0 5 10 15 20 25 30
8 e+05
6 e+05
6 e+05
Demanda do alcool
Demanda do alcool
4 e+05
4 e+05
2 e+05
2 e+05
Observado Observado
Previsao Previsao
0 e+00
0 e+00
Uma consideração a ser feita é que r grande modela dados que tem uma esta-
cionariedade. Para a demanda do álcool total deve-se utilizar o r pequeno, devido
a sua tendência positiva.
A Tabela 3 confirma os resultados, que o melhor r = 3, outra maneira subjetiva
é através das Figuras 3, 4, 5, 6 e 7, nota-se que conforme os resı́duos aumentam,
o valor de r também aumenta, indicando assim que, quanto menor o r, melhor o
método se ajusta aos dados.
28
entre 0 e 1. O método de SES é uma generalidade do SEHW, onde fixa-se β = 0 e
γ = 0. O critério de encontrar o melhor α consiste na determinação de α que produz
o menor valor do quadrado médio do erro. No caso, tem-se o valor de 544007624833,
encontrando assim α = 0, 4128433.
O modelo da SES é dado a seguir:
8 e+05
6 e+05
Demanda do alcool
Demanda do álcool
6 e+05
4 e+05
4 e+05
2 e+05
2 e+05
Observado Observado
Previsao Previsao
0 e+00
0 e+00
IC 95%
Figura 10: Valores observados e pre- Figura 11: Valores observados, previs-
vistos para a demanda do álcool, pelo tos e intervalos de confiança para a de-
método suavização exponencial simples manda do álcool, pelo método método
suavização exponencial simples
29
O modelo para este exemplo didático é:
Pela Figura 12, nota-se que a demanda do álcool seguem dentro dos intervalos de
confiança, essa informação é de suma importância, pois o método está se ajustando
aos dados.
30
9 e+05
Demanda do alcool
7 e+05
Observado
5 e+05
Previsao
IC 95%
0 5 10 15
Tempo (meses)
Ft+m = Lt + bt m
31
1 e+06
8 e+05
8 e+05
6 e+05
Demanda do alcool
Demanda do alcool
6 e+05
4 e+05
4 e+05
2 e+05
2 e+05
Observado Observado
Previsao Previsao
0 e+00
0 e+00
IC 95%
Figura 13: Demanda observada e pre- Figura 14: Demanda observada, pre-
vista do álcool em 1000 litros, pelo vista e intervalos de confiança do álcool
método suavização exponencial de Holt em 1000 litros, pelo método suavização
exponencial de Holt
32
Considerando os dados da demanda do álcool no perı́odo de janeiro de 1980
a abril de 1988, aplica-se o método de suavização de Holt, onde encontra α =
0, 3404614 e β = 0, 05490627, o quadrado médio do erro produzido neste tem valor
igual a 201266913909.
O modelo para este exemplo didático é dado a seguir:
Ft+m = Lt + bt m
4 e+05
2 e+05
Observado
Previsao
0 e+00
0 20 40 60 80 100 120
Tempo (meses)
Figura 15: Demanda observada e prevista do álcool, em 1000 litros, pelo método
suavização exponencial de Holt
Este método não considera o efeito de sazonalidade, uma vez que temos então
fixado γ = 0.
33
O método SEHW, além da constante α que suzaviza a série temporal, β que
suaviza a tendência da série, tem uma outra denotada como γ cuja função é de
suavizar os efeitos de sazonalidade.
Observa-se pelas Equações (43)até (50), se γ = 0, este método se resume-se a
um SEH e se forem fixadas γ = 0 e β = 0, tem-se o método de SES.
O efeito de sazonalidade pode ser constante ou com variações ao longo do tempo,
assim o método de suavização exponencial de Holt-Winters propõe o modelo aditivo
para o efeito de sazonalidade constante e outro multiplicativo que considera o efeito
de sazonalidade com certas variações.
Aplicando o método de Holt-Winters, considerando o modelo aditivo aos dados
da demanda do álcool no perı́odo de janeiro de 1980 a dezembro de 1995, fornece
um α = 0, 311292, β = 0, 04451380 e γ = 0, o quadrado médio do erro é igual a
514461654342 e esse QME foi o menor encontrado. Como γ = 0 pode-se concluir
que não existe esse efeito constante de sazonalidade nos dados da demanda do álcool.
O modelo aditivo de suavização exponencial de Holt-Winters tem-se:
St = 0 (Zt − Lt ) + (1 − 0) St−s
Ft+m = Lt + bt m + St−s+m
34
8 e+05
Demanda do alcool
4 e+05
Observado
Previsao
0 e+00
Tempo (mes/ano)
4 e+05
Observado
Previsao
0 e+00
IC 95%
Tempo (mes/ano)
Zt
Lt = 0, 2859177 + (1 − 0, 2859177) (Lt−1 − bt−1 )
St−s
bt = 0, 0005863332 (Lt − Lt−1 ) + (1 − 0, 0005863332) bt−1
Zt
St = 0, 3532557 + (1 − 0, 3532557) St−s
Lt
Ft+m = (Lt + bt m) St−s+m
35
a estimativa da inclinação da série no momento t, St a estimativa da sazonalidade
da série no momento t, Ft+m representa a previsão para m perı́odos futuros.
8 e+05
Demanda do alcool
4 e+05
Observado
Previsao
0 e+00
Tempo (mes/ano)
Pela Figura 18 observa-se que o método está se ajustando bem aos dados.
8 e+05
Demanda do alcool
4 e+05
Observado
Previsao
0 e+00
IC 95%
Tempo (mes/ano)
36
Winters está se ajuntando bem aos dados.
37
6 Conclusões
Neste estudo foi analisado o comportamento da demanda do álcool ao longo do
tempo, aplicando-se técnicas de suavização exponencial.
Observou-se que dentre todos os métodos apresentado, somente o da média sim-
ples não mostrou um bom ajuste dos dados da demanda do álcool. Os método da
média móvel simples apresentou o menor quadrado médio dos erros, o que é um re-
sultado esperado, já que o número de perı́odos é bastante pequeno, r = 3, o menor
valor sugerido por Makridakis.
Pindyck (2004) afirma que o processo de suavização é bastante útil quando se
deseja remover ou pelo menos reduzir flutuações de curto-prazo de uma série tem-
poral.
Isto significa que métodos de suavização exponencial é indicado quando se tem
o objetivo e facilitar a interpretação e a análise dos dados. Entretanto quando o
interesse do pesquisador recai sobre prever resultados, estes métodos apresentam al-
gumas desvantagens, pois os mesmos não estão baseados em modelos probabilı́sticos
e freqüentemente, os erros que resultam das previsões são correlacionados, gerando
intervalos de predição não válidos para longos perı́odos de tempo (Makridakis, 1998).
Uma sugestão de continuidade desse trabalho, seria investigar outros métodos
de previsão para um seqüência de dados posterior a 1995.
38
7 Referências Bibliográficas
[1] Araújo, J. L. de e Guirardi, A. (1986). Substituição de derivados do petróleo
no Brasil: questões urgentes. Pesquisa e planejamento econômico. IPEA. Rio de
Janeiro. Vol.16, no 3: 745-772.
[2] Ferreira, L. da R. e Motta, R. S. da. (1987). Revaliação econômica e novos
ajustamentos do PROÁLCOOL. Resvista brasileira de economia. FGV. Rio de
Janeiro. Vol. 41, no 1 jan/mar 1987:117-133.
[3] Fischer, S. (1982). Séries univariantes de tempo - metodologia de Box e Jenkins.
Porto Alegre: FEE.
[4] FOLHA DE S. PAULO. (1996). Folha Dinheiro. São Paulo. 25/04/96. Cad. 2:1
e 6.
[5] Maistro, Marta C. M. (2002). Tese de tı́tulo de doutorado. Tema: Ajustes nos
mercados de álcool e gasolina no processo de desregulamentação.
[6] Makridakis, S.; Wheelwright, S.; Hyndan, R. J. Forecasting: methods and appli-
cations, 3.ed., New York: John Wiley and Sons, 1998.
[7] Milone, Giuseppe. Estatı́stica: geral e aplicada / Giuseppe Milone. São Paulo:
Pioneira Thomson Learning, 2004.
[8] Morettin, Pedro A. (1987). Previsão de séries temporais / Pedro A. Morettin,
Cléia M. C. Toloi. - 2. ed. - São Paulo: Atual, 1987.
[9] Morettin, Pedro A. (2004). Análise de séries temporais / Pedro A. Morettin,
Cléia M. C. Toloi. - São Paulo: Edgard Blücher, 2004.
[10] Motta, R. S. da (1989). O programa nacional do álcool: Realizações e refor-
mulações. Estudos Econômicos. São Paulo. Vol. 19, no 1. jan/abr 1989: 63-74
[11] Sordi, João C. (1997). Os efeitos dos custos de transporte na liberação dos
preços: O caso do álcool hidratado no Brasil, Dissertação de Mestrado, Maringá,
Departamento de Economia - UEM, 1997.
[12] Pellegrini, F. R.; Fogliatto, F. Estudo comparativo entre modelos de Winters e
de Box-Jenkins para a previsão de demanda sazonal. Revista Produto e Produção,
v. 4, número especial, p. 72-85, abr. 2000.
[13] Pellegrini, F. R. Metodologia para implementação de sistemas de previsão de
demanda. Porto Alegre, 2000. 146 f., Dissertação de Mestrado em Engenharia de
Produção, Escola de Engenharia, Universidade Federal do Rio Grande do Sul.
39
[14] Pindyck, R.; Rubinfeld, D. Econometric models and economic forecasts. New
York: McGraw-Hill, 1998.
[15] ——- (1996). Consumo por veı́culos em 1995 é de 194,5litros por mês: 5,4 mas
do que o ano anterior. Informativo DATAGRO. São Paulo. no 1/96: 10. p.
40
Anexos
41
30 780673.74 775100.79 812344.30 866939.92 789599.92 794778.31
31 810361.92 720486.28 768184.11 824821.32 685640.99 805355.15
32 719029.11 834308.49 820613.24 872340.46 784065.52 816158.09
33 847579.76 749778.38 836300.44 820572.34 764982.29 872021.65
34 8 8 3 0 5 2 . 7 9 NA
35
36 mm<−scan ( )
37 NA NA 3 4 3 8 . 9 2 0 0 4 6 0 2 . 2 8 0 0 7 3 3 3 . 7 4 0 0 9 6 9 1 . 8 1 4 0 1 1 2 1 2 . 2 6 8
38 13795.101 17071.913 21819.111 26173.411 30567.081 35230.695
39 40814.028 45098.544 49741.045 54263.083 57976.584 61421.288
40 64517.354 66947.842 69341.270 71448.760 73316.917 75537.617
41 77324.738 78903.857 80532.892 82298.333 83924.442 85054.368
42 86794.980 88633.728 90209.404 91834.393 94598.862 96810.024
43 98896.852 102078.70 104556.15 107440.52 111278.44 113413.88
44 116609.37 119976.51 123399.42 127517.51 129884.99 133818.04
45 137904.27 141635.73 146870.46 149784.18 153471.54 157823.69
46 161471.55 166197.10 169644.84 175171.91 178407.48 181449.67
47 184867.72 190377.76 192596.31 196564.50 200677.08 204693.14
48 209418.62 214929.24 218347.76 223176.13 228122.99 233371.26
49 239120.76 242905.12 246907.87 252406.00 257814.41 262826.30
50 269177.53 274477.39 280479.79 286401.03 291890.91 297597.81
51 303150.78 308197.76 312207.35 317295.16 321430.38 325332.20
52 329836.04 334368.03 339165.90 343246.70 347288.11 351239.57
53 355011.26 359169.20 364148.96 367953.86 372035.17 376781.03
54 381602.38 384727.06 389062.53 392326.48 397622.73 401548.55
55 404756.34 408691.96 413659.37 418388.83 422625.79 427257.12
56 431817.88 435835.10 440040.21 444174.75 447902.65 451373.09
57 454269.21 457081.57 459740.23 462198.23 465485.67 469016.71
58 472379.10 475995.86 478975.49 481631.10 484188.49 487018.16
59 489830.90 491983.85 494339.37 497224.58 500100.19 502572.71
60 505466.28 507960.12 510579.27 513328.68 515689.95 518211.49
61 520236.28 522283.62 523947.52 526249.24 527455.77 529681.78
42
62 531750.93 533456.44 535089.99 536645.97 538495.43 540549.56
63 542420.64 544181.35 546245.25 547794.12 549460.98 551301.22
64 552518.87 554249.25 555863.33 557123.08 559008.70 560328.13
65 561598.98 563073.95 564850.94 566157.62 567479.13 568875.01
66 569741.36 570868.87 572303.63 572940.36 574238.77 575043.16
67 576475.56 577816.98 579426.40 580538.57 581812.19 583241.04
68 584131.62 585472.94 586716.85 587655.09 589143.92 590674.70
69
1 QD<−scan ( ) 7 4 4 6 3 9 . 4 1 7 8 0 1 6 5 . 5 3 8 5 6 1 1 3 . 1 3 8 7 3 3 7 9 . 8 1 7 0 6 5 6 9 . 3 5
2 839951.86 735040.69 959025.40 821611.86 751197.68 837674.46
3 960073.80 943358.77 897165.85 950597.09 951744.89 897815.19
4 927833.31 927915.30 887795.42 864354.67 801804.26 797376.49
5 784097.63 764531.64 873127.98 910397.71 896040.26 935324.18
6 860367.71 824204.89 816648.77 857705.79 861111.97 778326.54
7 809979.48 886726.80 891183.43 841308.24 904778.24 854604.83
8 877260.02 900995.93 850989.96 878792.25 811805.56 819147.86
9 766877.03 864601.76 706022.84 861356.52 842122.95 790989.58
10 783389.61 774711.04 823311.45 858940.58 834308.49 820613.24
11 872340.46 794065.52 816158.09 847579.76 749778.37 836300.44
12 820572.34 764982.29 872021.65 780673.74 775100.79 812344.30
13 866939.92 789599.92 794778.31 810361.92 720486.28 768184.11
14 824821.32 685640.99 805355.15 719029.11 834308.49 820613.24
15 872340.46 784065.52 816158.09 847579.76 749778.38 836300.44
16 8 2 0 5 7 2 . 3 4 7 6 4 9 8 2 . 2 9 8 7 2 0 2 1 . 6 5 8 8 3 0 5 2 . 7 9 NA
17
43
18 mm<−scan ( ) NA NA 7 6 2 4 0 2 . 4 7 7 9 3 6 3 9 . 3 6 8 1 3 5 7 4 . 4 7 7 9 2 1 7 3 . 4 5 8 0 0 1 3 6 . 5 2
19 790837.11 811860.65 812944.12 806769.47 809579.02 822120.25
20 831446.29 836140.54 843770.98 850519.35 853301.46 857442.12
21 861151.23 862483.44 862572.55 859810.35 857095.84 854054.24
22 850473.34 851344.67 853531.82 855049.98 857818.06 857903.04
23 856816.01 855560.78 855625.78 855787.14 853573.98 852363.02
24 853291.77 854288.92 853956.08 855226.64 855211.47 855736.44
25 856788.98 856657.19 857149.08 856163.35 855375.78 853532.06
26 853757.97 850803.27 851010.20 850839.29 849710.05 848481.89
27 847140.60 846715.08 846929.57 846711.96 846269.61 846704.12
28 845841.20 845362.44 845397.63 843903.58 843786.61 843434.88
29 842263.94 842701.56 841802.60 840849.72 840448.24 840816.18
30 840114.58 839501.93 839113.40 837552.51 836651.63 836499.96
31 834590.35 834224.91 832802.74 832821.10 832674.02 833146.24
32 832568.82 832377.99 832552.73 831612.11 831664.79 831541.54
33 830810.12 831258.07 831815.00
34
1 r<−scan ( )
2 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21
3 22 23 24 25 26 27 28 29 30
4
5 EM<−scan ( )
6 9041.519683 11176.93916 13354.40343 15501.96045
7 17659.79213 19796.05967 21843.43703 23939.21506 26025.76333
8 28092.91798 30038.64338 32068.58716 34013.43773 35969.03360
44
9 37982.49699 39994.74977 42048.83613 44180.93395 46321.64777
10 48524.72580 50771.85807 52972.69317 55242.05926 57572.93345
11 59900.98831 62223.98564 64592.19348 67055.83876
12
13 EMA<−scan ( )
14 40866.45905 42342.16549 43232.61195 44336.03681
15 46055.76161 47315.08230 48469.49531 50055.54470 51480.88743
16 52993.95542 54850.11743 56481.47675 57979.06673 59684.94274
17 61595.93425 63588.52930 65666.21891 67764.64782 69871.12689
18 72051.18248 74259.96918 76432.16935 78747.90204 81028.85757
19 83361.96681 85799.16960 88072.77587 90491.43433
20
21 MAPE<−scan ( )
22 9.041925991 9.393476525 9.611870550 9.223859411
23 9.520967420 9.662351313 9.873671334 10.11157343 10.33133040
24 10.61475204 10.93087443 11.23353514 11.51095572 11.85185590
25 12.16790495 12.54712987 12.91145224 13.28111179 13.68898928
26 14.06174577 14.43499980 14.80504779 15.21347084 15.60506188
27 15.98323155 16.35817963 16.73294129 17.15991071
28
29 QME<−scan ( )
30 2799464562 2850337139 3008547989 3148007895 3437115821
31 3646494194 3831705534 4096156343 4332907317 4578409023 4891339375
32 5173870270 5474180034 5856616129 6236619186 6653983957 7084972274
33 7539027724 8002367011 8492857090 8991646719 9513741926 10058346474
34 10593077856 11178604244 11796751904 12428018173 13088661052
35
36 U<−scan ( )
37 1.139612940 1.204345592 1.260835651 1.341917833
38 1.400792847 1.422032593 1.424805165 1.439742895 1.450458809
39 1.457059506 1.451944467 1.480391611 1.489748266 1.504959331
40 1.534427440 1.562011784 1.592202014 1.632678992 1.666842421
45
41 1.704565141 1.743705688 1.777243950 1.817692224 1.856480826
42 1.893569214 1.929203086 1.965547986 2.010751498
43
1 demanda<−scan ( )
2 2900.3800 3977.4600 6929.0000 15528.120 19124.110
3 18814.540 29292.100 40009.590 59796.700 65362.110 74503.780
4 86530.450 107814.02 100797.26 114736.05 122093.66 117392.60
5 119981.26 120246.54 113127.11 117209.82 115706.05 114416.39
6 126613.71 120215.63 118381.83 122887.82 129965.23 129455.50
7 117822.22 139013.34 145634.91 140631.05 145459.03 188590.80
8 174200.71 174022.63 219807.12 198699.20 219930.98 264795.34
9 200966.90 250819.78 264763.46 274007.74 312831.38 238789.09
10 318671.42 334043.44 324477.17 408607.08 298383.52 345214.67
11 388487.69 358455.82 426102.13 362718.26 490214.84 366070.52
12 360939.31 389950.59 526490.38 330146.37 446560.37 463882.21
13 465737.06 521300.20 584141.01 450806.98 556333.58 574403.34
14 605998.11 653084.92 519163.48 543111.16 664766.00 668853.42
15 648741.90 764573.36 693166.14 760672.01 766021.28 742061.66
16 771270.32 769600.07 737191.20 657032.04 759934.73 685329.57
17 672594.22 735181.97 746778.99 780569.70 722761.38 727180.74
18 726627.83 717093.25 762490.04 852164.85 744639.41 780165.53
19 856113.13 873379.81 706569.35 839951.86 735040.69 959025.40
20 821611.86 751197.68 837674.46 960073.80 943358.77 897165.85
21 950597.09 951744.89 897815.19 927833.31 927915.30 887795.42
22 864354.67 801804.26 797376.49 784097.63 764531.64 873127.98
46
23 910397.71 896040.26 935324.18 860367.71 824204.89 816648.77
24 857705.79 861111.97 778326.54 809979.48 886726.80 891183.43
25 841308.24 904778.24 854604.83 877260.02 900995.93 850989.96
26 878792.25 811805.56 819147.86 766877.03 864601.76 706022.84
27 861356.52 842122.95 790989.58 783389.61 774711.04 823311.45
28 858940.58 834308.49 820613.24 872340.46 794065.52 816158.09
29 847579.76 749778.37 836300.44 820572.34 764982.29 872021.65
30 780673.74 775100.79 812344.30 866939.92 789599.92 794778.31
31 810361.92 720486.28 768184.11 824821.32 685640.99 805355.15
32 719029.11 834308.49 820613.24 872340.46 784065.52 816158.09
33 847579.76 749778.38 836300.44 820572.34 764982.29 872021.65
34 883052.79
35
36 r3<−scan ( )
37 NA NA NA 4 6 0 2 . 2 8 0 0 0 0 8 8 1 1 . 5 2 6 6 6 7 1 3 8 6 0 . 4 1 0 0 0
38 17822.25667 22410.25000 29372.07667 43032.79667 55056.13333
39 66554.19667 75465.44667 89616.08333 98380.57667 107782.4433
40 112542.3233 118074.1033 119822.5067 119206.8000 117784.9700
41 116861.1567 115347.6600 115777.4200 118912.0500 120415.2433
42 121737.0567 120495.0933 123744.9600 127436.1833 125747.6500
43 128763.6867 134156.8233 141759.7667 143908.3300 158226.9600
44 169416.8467 178938.0467 189343.4867 197509.6500 212812.4333
45 227808.5067 228564.4067 238860.6733 238850.0467 263196.9933
46 283867.5267 275209.4033 290097.2967 297167.9833 325730.6767
47 355709.2300 343822.5900 350735.0900 344028.6267 364052.7267
48 391015.2133 382425.4033 426345.0767 406334.5400 405741.5567
49 372320.1400 425793.4267 415529.1133 434399.0400 413529.6500
50 458726.5467 483639.8233 523726.0900 518749.3967 530427.1900
51 527181.3000 578911.6767 611162.1233 592748.8367 571786.5200
52 575680.2133 625576.8600 660787.1067 694056.2267 702160.4667
53 739470.5033 739953.1433 756251.6500 759784.4200 760977.3500
54 759353.8633 721274.4367 718052.6567 700765.4467 705952.8400
47
55 697701.9200 718185.0600 754176.8867 750036.6900 743503.9400
56 725523.3167 723633.9400 735403.7067 777249.3800 786431.4333
57 792323.2633 793639.3567 836552.8233 812020.7633 806633.6733
58 760520.6333 844672.6500 838559.3167 843944.9800 803494.6667
59 849648.6467 913702.3433 933532.8067 930373.9033 933169.2767
60 933385.7233 925797.7967 917854.6000 914514.6767 893355.1300
61 851318.1167 821178.4733 794426.1267 782001.9200 807252.4167
62 849352.4433 893188.6500 913920.7167 897244.0500 873298.9267
63 833740.4567 832853.1500 845155.5100 832381.4333 816472.6633
64 825010.9400 862629.9033 873072.8233 879089.9700 866897.1033
65 878881.0300 877620.2600 876415.3033 876926.0467 847195.9233
66 836581.8900 799276.8167 816875.5500 779167.2100 810660.3733
67 803167.4367 831489.6833 805500.7133 783030.0767 793804.0333
68 818987.6900 838853.5067 837954.1033 842420.7300 829006.4067
69 827521.3567 819267.7900 804505.4067 811219.5233 802217.0500
70 807285.0233 819192.0933 805892.5600 809265.3933 789372.9433
71 818128.3367 822961.3800 817106.0500 798246.7167 775208.8367
72 766344.1033 771163.9033 759548.8067 771939.1533 736675.0833
73 786230.9167 791316.9467 842420.7300 825673.0733 824188.0233
74 815934.4567 804505.4100 811219.5267 802217.0533 807285.0233
75 819192.0933
76
77 r30<−scan ( )
78 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
79 NA NA NA NA NA NA NA NA NA NA NA NA 8 5 0 5 4 . 3 6 8 0 0 8 9 5 9 1 . 4 6 6 6 7
80 94313.38167 98770.11667 103101.1470 108750.0367 113929.5757
81 118753.9267 124747.1777 129377.2610 134529.5567 140872.6087
82 144687.1570 149454.0157 154919.5557 160228.6120 166586.5360
83 170633.0857 177256.0910 184382.6543 191427.6563 201140.8983
84 207230.1473 214923.4233 223652.5560 231593.8957 241851.2390
85 249845.5870 261853.9073 269741.0747 277844.9777 286209.5527
86 298904.7350 305221.9123 315258.6237 324435.0040 334152.8823
48
87 345728.8013 357873.2643 366276.8570 377490.2770 387810.5437
88 401311.5840 414720.4220 423200.4227 432170.5367 443901.6907
89 458237.1683 469239.5177 483590.5150 495880.1473 507615.6450
90 523203.5703 536431.8033 549191.2243 562896.0327 573265.6683
91 583076.1277 592066.7907 602708.7590 613097.2560 624604.9687
92 631947.9223 646962.0333 656168.7337 664945.3513 673641.7103
93 680168.1453 686113.1130 699491.7087 705768.5697 712627.3093
94 720964.4767 728307.6397 734554.5020 744449.1920 746791.6817
95 756464.0810 762226.4130 761780.5570 766597.5010 773244.2273
96 779155.4770 784325.6167 790303.1757 796374.6697 801728.8027
97 810755.5117 816354.8640 823103.7257 829495.7407 831716.4837
98 833403.0670 833520.6647 834913.0067 839777.9147 845903.5773
99 851868.4777 857629.6157 857903.0443 860555.2270 861771.3350
100 861824.4237 861415.4957 863807.4020 862808.3227 867864.5263
101 865603.1273 866259.6733 871379.0253 871943.3710 869182.9117
102 867770.8170 866231.6207 863838.1260 859173.4817 856551.2373
103 851186.0280 849075.5767 843016.4907 842916.5523 844260.5087
104 844047.6117 844024.0110 844363.3243 842702.7733 840987.5357
105 838929.8100 835106.1120 835505.2037 834500.5580 834484.2020
106 834146.6677 830435.5477 832368.0110 832721.1063 828662.9560
107 828024.2300 826003.0800 821680.4983 820271.8140 819927.8107
108 816214.6103 814340.8887 812059.8777 809015.9017 807317.1100
109 809248.5863 803283.2273 806594.3043 801850.0573 801589.5753
110 802577.0307 805542.0590 805853.8750 805615.4297 805236.7357
111 802419.0653 802941.9720 801216.3680 800246.9270 802109.0457
112
49
119 ( meses ) ” , y l a b=”Demanda do a l c o o l ” , bty=”n ” )
120 l i n e s ( r30 , type=” l ” , c o l =”r e d ” )
121 l e g e n d ( 1 3 0 , 1 9 0 0 0 0 , c ( ” Observado ” , ” P r e v i s a o ” ) , l t y =1, c o l=c ( 1 , 2 ) , bty=”n ” )
1 QD<−scan ( )
2 2900.3800 3977.4600 6929.0000 15528.120 19124.110
3 18814.540 29292.100 40009.590 59796.700 65362.110 74503.780
4 86530.450 107814.02 100797.26 114736.05 122093.66 117392.60
5 119981.26 120246.54 113127.11 117209.82 115706.05 114416.39
6 126613.71 120215.63 118381.83 122887.82 129965.23 129455.50
7 117822.22 139013.34 145634.91 140631.05 145459.03 188590.80
8 174200.71 174022.63 219807.12 198699.20 219930.98 264795.34
9 200966.90 250819.78 264763.46 274007.74 312831.38 238789.09
10 318671.42 334043.44 324477.17 408607.08 298383.52 345214.67
11 388487.69 358455.82 426102.13 362718.26 490214.84 366070.52
12 360939.31 389950.59 526490.38 330146.37 446560.37 463882.21
13 465737.06 521300.20 584141.01 450806.98 556333.58 574403.34
14 605998.11 653084.92 519163.48 543111.16 664766.00 668853.42
15 648741.90 764573.36 693166.14 760672.01 766021.28 742061.66
16 771270.32 769600.07 737191.20 657032.04 759934.73 685329.57
17 672594.22 735181.97 746778.99 780569.70 722761.38 727180.74
18 726627.83 717093.25 762490.04 852164.85 744639.41 780165.53
19 856113.13 873379.81 706569.35 839951.86 735040.69 959025.40
20 821611.86 751197.68 837674.46 960073.80 943358.77 897165.85
21 950597.09 951744.89 897815.19 927833.31 927915.30 887795.42
22 864354.67 801804.26 797376.49 784097.63 764531.64 873127.98
23 910397.71 896040.26 935324.18 860367.71 824204.89 816648.77
24 857705.79 861111.97 778326.54 809979.48 886726.80 891183.43
25 841308.24 904778.24 854604.83 877260.02 900995.93 850989.96
26 878792.25 811805.56 819147.86 766877.03 864601.76 706022.84
27 861356.52 842122.95 790989.58 783389.61 774711.04 823311.45
50
28 858940.58 834308.49 820613.24 872340.46 794065.52 816158.09
29 847579.76 749778.37 836300.44 820572.34 764982.29 872021.65
30 780673.74 775100.79 812344.30 866939.92 789599.92 794778.31
31 810361.92 720486.28 768184.11 824821.32 685640.99 805355.15
32 719029.11 834308.49 820613.24 872340.46 784065.52 816158.09
33 847579.76 749778.38 836300.44 820572.34 764982.29 872021.65
34 883052.79
35
36 # Suavizacao Exponencial
37
1 QD<−scan ( )
2 2900.3800 3977.4600 6929.0000 15528.120 19124.110
3 18814.540 29292.100 40009.590 59796.700 65362.110 74503.780
4 86530.450 107814.02 100797.26 114736.05 122093.66 117392.60
5 119981.26 120246.54 113127.11 117209.82 115706.05 114416.39
6 126613.71 120215.63 118381.83 122887.82 129965.23 129455.50
7 117822.22 139013.34 145634.91 140631.05 145459.03 188590.80
51
8 174200.71 174022.63 219807.12 198699.20 219930.98 264795.34
9 200966.90 250819.78 264763.46 274007.74 312831.38 238789.09
10 318671.42 334043.44 324477.17 408607.08 298383.52 345214.67
11 388487.69 358455.82 426102.13 362718.26 490214.84 366070.52
12 360939.31 389950.59 526490.38 330146.37 446560.37 463882.21
13 465737.06 521300.20 584141.01 450806.98 556333.58 574403.34
14 605998.11 653084.92 519163.48 543111.16 664766.00 668853.42
15 648741.90 764573.36 693166.14 760672.01 766021.28 742061.66
16 771270.32 769600.07 737191.20 657032.04 759934.73 685329.57
17 672594.22 735181.97 746778.99 780569.70 722761.38 727180.74
18 726627.83 717093.25 762490.04 852164.85 744639.41 780165.53
19 856113.13 873379.81 706569.35 839951.86 735040.69 959025.40
20 821611.86 751197.68 837674.46 960073.80 943358.77 897165.85
21 950597.09 951744.89 897815.19 927833.31 927915.30 887795.42
22 864354.67 801804.26 797376.49 784097.63 764531.64 873127.98
23 910397.71 896040.26 935324.18 860367.71 824204.89 816648.77
24 857705.79 861111.97 778326.54 809979.48 886726.80 891183.43
25 841308.24 904778.24 854604.83 877260.02 900995.93 850989.96
26 878792.25 811805.56 819147.86 766877.03 864601.76 706022.84
27 861356.52 842122.95 790989.58 783389.61 774711.04 823311.45
28 858940.58 834308.49 820613.24 872340.46 794065.52 816158.09
29 847579.76 749778.37 836300.44 820572.34 764982.29 872021.65
30 780673.74 775100.79 812344.30 866939.92 789599.92 794778.31
31 810361.92 720486.28 768184.11 824821.32 685640.99 805355.15
32 719029.11
33
34 #S u a v i z a c a o E x p o n e n c i a l S i m p l e s
35
52
40 obs<−scan ( )
41 834308.49 820613.24 872340.46 784065.52 816158.09
42 847579.76 749778.38 836300.44 820572.34 764982.29 872021.65
43 883052.79
44
45 pre<−scan ( )
46 749746 749746 749746 749746 749746 749746 749746
47 749746 749746 749746 749746 749746
48
49 l i <−scan ( )
50 852563.9 861264.8 869334.4 876892.9 884026.5 890799.9
51 897262.6 903453.7 909405.0 915142.3 920687.2 926057.7
52
53 l s <−scan ( ) 6 4 6 9 2 8 . 0 6 3 8 2 2 7 . 0 6 3 0 1 5 7 . 4 6 2 2 5 9 9 . 0 6 1 5 4 6 5 . 3 6 0 8 6 9 2 . 0
54 602229.3 596038.1 590086.8 584349.5 578804.7 573434.1
55
1 QD<−scan ( )
2 2900.3800 3977.4600 6929.0000 15528.120 19124.110
3 18814.540 29292.100 40009.590 59796.700 65362.110 74503.780
4 86530.450 107814.02 100797.26 114736.05 122093.66 117392.60
5 119981.26 120246.54 113127.11 117209.82 115706.05 114416.39
6 126613.71 120215.63 118381.83 122887.82 129965.23 129455.50
7 117822.22 139013.34 145634.91 140631.05 145459.03 188590.80
8 174200.71 174022.63 219807.12 198699.20 219930.98 264795.34
53
9 200966.90 250819.78 264763.46 274007.74 312831.38 238789.09
10 318671.42 334043.44 324477.17 408607.08 298383.52 345214.67
11 388487.69 358455.82 426102.13 362718.26 490214.84 366070.52
12 360939.31 389950.59 526490.38 330146.37 446560.37 463882.21
13 465737.06 521300.20 584141.01 450806.98 556333.58 574403.34
14 605998.11 653084.92 519163.48 543111.16 664766.00 668853.42
15 648741.90 764573.36 693166.14 760672.01 766021.28 742061.66
16 771270.32 769600.07 737191.20 657032.04 759934.73 685329.57
17 672594.22 735181.97 746778.99 780569.70 722761.38 727180.74
18 726627.83 717093.25 762490.04 852164.85 744639.41 780165.53
19 856113.13 873379.81 706569.35 839951.86 735040.69 959025.40
20 821611.86 751197.68 837674.46 960073.80 943358.77 897165.85
21 950597.09 951744.89 897815.19 927833.31 927915.30 887795.42
22 864354.67 801804.26 797376.49 784097.63 764531.64 873127.98
23 910397.71 896040.26 935324.18 860367.71 824204.89 816648.77
24 857705.79 861111.97 778326.54 809979.48 886726.80 891183.43
25 841308.24 904778.24 854604.83 877260.02 900995.93 850989.96
26 878792.25 811805.56 819147.86 766877.03 864601.76 706022.84
27 861356.52 842122.95 790989.58 783389.61 774711.04 823311.45
28 858940.58 834308.49 820613.24 872340.46 794065.52 816158.09
29 847579.76 749778.37 836300.44 820572.34 764982.29 872021.65
30 780673.74 775100.79 812344.30 866939.92 789599.92 794778.31
31 810361.92 720486.28 768184.11 824821.32 685640.99 805355.15
32 719029.11 834308.49 820613.24 872340.46 784065.52 816158.09
33 847579.76 749778.38 836300.44 820572.34 764982.29 872021.65
34 883052.79
35
36 # S u a v i z a c a o E x p o n e n c i a l de Holt
37
54
41
1 QD<−scan ( )
2 2900.3800 3977.4600 6929.0000 15528.120 19124.110
3 18814.540 29292.100 40009.590 59796.700 65362.110 74503.780
4 86530.450 107814.02 100797.26 114736.05 122093.66 117392.60
5 119981.26 120246.54 113127.11 117209.82 115706.05 114416.39
6 126613.71 120215.63 118381.83 122887.82 129965.23 129455.50
7 117822.22 139013.34 145634.91 140631.05 145459.03 188590.80
8 174200.71 174022.63 219807.12 198699.20 219930.98 264795.34
9 200966.90 250819.78 264763.46 274007.74 312831.38 238789.09
10 318671.42 334043.44 324477.17 408607.08 298383.52 345214.67
11 388487.69 358455.82 426102.13 362718.26 490214.84 366070.52
12 360939.31 389950.59 526490.38 330146.37 446560.37 463882.21
13 465737.06 521300.20 584141.01 450806.98 556333.58 574403.34
14 605998.11 653084.92 519163.48 543111.16 664766.00 668853.42
15 648741.90 764573.36 693166.14 760672.01 766021.28 742061.66
16 771270.32 769600.07 737191.20 657032.04 759934.73 685329.57
17 672594.22 735181.97 746778.99 780569.70 722761.38 727180.74
18 726627.83 717093.25 762490.04 852164.85 744639.41
19
20 # S u a v i z a c a o E x p o n e n c i a l de Holt
55
21
1 QD<−scan ( )
2 2900.3800 3977.4600 6929.0000 15528.120 19124.110
3 18814.540 29292.100 40009.590 59796.700 65362.110 74503.780
4 86530.450 107814.02 100797.26 114736.05 122093.66 117392.60
5 119981.26 120246.54 113127.11 117209.82 115706.05 114416.39
6 126613.71 120215.63 118381.83 122887.82 129965.23 129455.50
7 117822.22 139013.34 145634.91 140631.05 145459.03 188590.80
8 174200.71 174022.63 219807.12 198699.20 219930.98 264795.34
9 200966.90 250819.78 264763.46 274007.74 312831.38 238789.09
10 318671.42 334043.44 324477.17 408607.08 298383.52 345214.67
11 388487.69 358455.82 426102.13 362718.26 490214.84 366070.52
12 360939.31 389950.59 526490.38 330146.37 446560.37 463882.21
13 465737.06 521300.20 584141.01 450806.98 556333.58 574403.34
14 605998.11 653084.92 519163.48 543111.16 664766.00 668853.42
15 648741.90 764573.36 693166.14 760672.01 766021.28 742061.66
16 771270.32 769600.07 737191.20 657032.04 759934.73 685329.57
17 672594.22 735181.97 746778.99 780569.70 722761.38 727180.74
18 726627.83 717093.25 762490.04 852164.85 744639.41 780165.53
19 856113.13 873379.81 706569.35 839951.86 735040.69 959025.40
20 821611.86 751197.68 837674.46 960073.80 943358.77 897165.85
21 950597.09 951744.89 897815.19 927833.31 927915.30 887795.42
22 864354.67 801804.26 797376.49 784097.63 764531.64 873127.98
56
23 910397.71 896040.26 935324.18 860367.71 824204.89 816648.77
24 857705.79 861111.97 778326.54 809979.48 886726.80 891183.43
25 841308.24 904778.24 854604.83 877260.02 900995.93 850989.96
26 878792.25 811805.56 819147.86 766877.03 864601.76 706022.84
27 861356.52 842122.95 790989.58 783389.61 774711.04 823311.45
28 858940.58 834308.49 820613.24 872340.46 794065.52 816158.09
29 847579.76 749778.37 836300.44 820572.34 764982.29 872021.65
30 780673.74 775100.79 812344.30 866939.92 789599.92 794778.31
31 810361.92 720486.28 768184.11 824821.32 685640.99 805355.15
32 719029.11 834308.49 820613.24 872340.46 784065.52 816158.09
33 847579.76 749778.38 836300.44 820572.34 764982.29 872021.65
34 883052.79
35
36 # S u a v i z a c a o E x p o n e n c i a l de Holt−Winters
37 #Modelo A d i t i v o
38
39 a<−t s (QD, f r e q u e n c y = 1 2 , s t a r t = c ( 1 9 8 0 , 1 ) )
40
41 m <−HoltWinters ( a , s e a s o n a l=c ( ” a d d i t i v e ” ) )
42 m
43 m$SSE
44
57
1 QD<−scan ( ) 2 9 0 0 . 3 8 0 0 3 9 7 7 . 4 6 0 0 6 9 2 9 . 0 0 0 0 1 5 5 2 8 . 1 2 0 1 9 1 2 4 . 1 1 0
2 18814.540 29292.100 40009.590 59796.700 65362.110 74503.780
3 86530.450 107814.02 100797.26 114736.05 122093.66 117392.60
4 119981.26 120246.54 113127.11 117209.82 115706.05 114416.39
5 126613.71 120215.63 118381.83 122887.82 129965.23 129455.50
6 117822.22 139013.34 145634.91 140631.05 145459.03 188590.80
7 174200.71 174022.63 219807.12 198699.20 219930.98 264795.34
8 200966.90 250819.78 264763.46 274007.74 312831.38 238789.09
9 318671.42 334043.44 324477.17 408607.08 298383.52 345214.67
10 388487.69 358455.82 426102.13 362718.26 490214.84 366070.52
11 360939.31 389950.59 526490.38 330146.37 446560.37 463882.21
12 465737.06 521300.20 584141.01 450806.98 556333.58 574403.34
13 605998.11 653084.92 519163.48 543111.16 664766.00 668853.42
14 648741.90 764573.36 693166.14 760672.01 766021.28 742061.66
15 771270.32 769600.07 737191.20 657032.04 759934.73 685329.57
16 672594.22 735181.97 746778.99 780569.70 722761.38 727180.74
17 726627.83 717093.25 762490.04 852164.85 744639.41 780165.53
18 856113.13 873379.81 706569.35 839951.86 735040.69 959025.40
19 821611.86 751197.68 837674.46 960073.80 943358.77 897165.85
20 950597.09 951744.89 897815.19 927833.31 927915.30 887795.42
21 864354.67 801804.26 797376.49 784097.63 764531.64 873127.98
22 910397.71 896040.26 935324.18 860367.71 824204.89 816648.77
23 857705.79 861111.97 778326.54 809979.48 886726.80 891183.43
24 841308.24 904778.24 854604.83 877260.02 900995.93 850989.96
25 878792.25 811805.56 819147.86 766877.03 864601.76 706022.84
26 861356.52 842122.95 790989.58 783389.61 774711.04 823311.45
27 858940.58 834308.49 820613.24 872340.46 794065.52 816158.09
28 847579.76 749778.37 836300.44 820572.34 764982.29 872021.65
29 780673.74 775100.79 812344.30 866939.92 789599.92 794778.31
30 810361.92 720486.28 768184.11 824821.32 685640.99 805355.15
31 719029.11 834308.49 820613.24 872340.46 784065.52 816158.09
32 847579.76 749778.38 836300.44 820572.34 764982.29 872021.65
58
33 883052.79
34
35 #S u a v i z a c a o E x p o n e n c i a l de Holt−Winters
36 #Modelo M u l t i p l i c a t i v o
37
38 a<−t s (QD, f r e q u e n c y = 1 2 , s t a r t = c ( 1 9 8 0 , 1 ) )
39
44 a<−t s (QD, f r e q u e n c y = 1 2 , s t a r t = c ( 1 9 8 0 , 1 ) )
45
2 data m o n o g r a f i a ;
3 i n p u t ordem QD;
4 cards ;
5
59
9 100797.26 015 114736.05 016 122093.66 017 117392.60 018 119981.26
10 019 120246.54 020 113127.11 021 117209.82 022 115706.05 023
11 114416.39 024 126613.71 025 120215.63 026 118381.83 027 122887.82
12 028 129965.23 029 129455.50 030 117822.22 031 139013.34 032
13 145634.91 033 140631.05 034 145459.03 035 188590.80 036 174200.71
14 037 174022.63 038 219807.12 039 198699.20 040 219930.98 041
15 264795.34 042 200966.90 043 250819.78 044 264763.46 045 274007.74
16 046 312831.38 047 238789.09 048 318671.42 049 334043.44 050
17 324477.17 051 408607.08 052 298383.52 053 345214.67 054 388487.69
18 055 358455.82 056 426102.13 057 362718.26 058 490214.84 059
19 366070.52 060 360939.31 061 389950.59 062 526490.38 063 330146.37
20 064 446560.37 065 463882.21 066 465737.06 067 521300.20 068
21 584141.01 069 450806.98 070 556333.58 071 574403.34 072 605998.11
22 073 653084.92 074 519163.48 075 543111.16 076 664766.00 077
23 668853.42 078 648741.90 079 764573.36 080 693166.14 081 760672.01
24 082 766021.28 083 742061.66 084 771270.32 085 769600.07 086
25 737191.20 087 657032.04 088 759934.73 089 685329.57 090 672594.22
26 091 735181.97 092 746778.99 093 780569.70 094 722761.38 095
27 727180.74 096 726627.83 097 717093.25 098 762490.04 099 852164.85
28 100 744639.41 101 780165.53 102 856113.13 103 873379.81 104
29 706569.35 105 839951.86 106 735040.69 107 959025.40 108 821611.86
30 109 751197.68 110 837674.46 111 960073.80 112 943358.77 113
31 897165.85 114 950597.09 115 951744.89 116 897815.19 117 927833.31
32 118 927915.30 119 887795.42 120 864354.67 121 801804.26 122
33 797376.49 123 784097.63 124 764531.64 125 873127.98 126 910397.71
34 127 896040.26 128 935324.18 129 860367.71 130 824204.89 131
35 816648.77 132 857705.79 133 861111.97 134 778326.54 135 809979.48
36 136 886726.80 137 891183.43 138 841308.24 139 904778.24 140
37 854604.83 141 877260.02 142 900995.93 143 850989.96 144 878792.25
38 145 811805.56 146 819147.86 147 766877.03 148 864601.76 149
39 706022.84 150 861356.52 151 842122.95 152 790989.58 153 783389.61
40 154 774711.04 155 823311.45 156 858940.58 157 834308.49 158
60
41 820613.24 159 872340.46 160 794065.52 161 816158.09 162 847579.76
42 163 749778.37 164 836300.44 165 820572.34 166 764982.29 167
43 872021.65 168 780673.74 169 775100.79 170 812344.30 171 866939.92
44 172 789599.92 173 794778.31 174 810361.92 175 720486.28 176
45 768184.11 177 824821.32 178 685640.99 179 805355.15 180 719029.11
46 181 834308.49 182 820613.24 183 872340.46 184 784065.52 185
47 816158.09 186 847579.76 187 749778.38 188 836300.44 189 820572.34
48 190 764982.29 191 872021.65
49 ;
50 run ;
51
57 s t a r t fn (x , n ) ;
58 saida = j (n+1 ,1 ,0);
59 do i = 2 t o n ;
60
61 s a i d a [ i +1] = x [ 1 : i ] [ : ] ;
62 end ; s a i d a [ 1 ] = x [ 1 ] ;
63 saida [2] = x [ 1 ] ;
64 return ( saida ) ; f i n i s h fn ;
65
66 n=nrow ( ordem ) ;
67 p r e v i s a o=f n (QD, n ) ;
68 QDcomp = QD// p r e v i s a o [ n + 1 ] ;
69
70 e r r o = QDcomp − p r e v i s a o ;
71 print QD QDcomp p r e v i s a o e r r o ;
72
61
73 c r e a t e mono1 ; append ; q u i t ;
74
75 g o p t i o n s cback=w hi t e c t i t l e =b l c t e x t=b l b o r d e r
76 f t i t l e =c e n t x f t e x t=c e n t x ;
77
83 a x i s 1 o f f s e t =(1 cm)
84 minor=none
85 o r d e r =(1 t o 2 3 0 by 1 5 0 ) ;
86 a x i s 2 l a b e l =( a n g l e =90 ’QD’ )
87 o r d e r = ( 2 8 0 0 . 3 8 t o 9 7 0 0 7 3 . 8 0 by 1 5 0 0 0 0 ) ;
88
89
90 l e g e n d 1 a c r o s s =1
91 c b o r d e r=b l a c k
92 p o s i t i o n =( o u t s i d e r i g h t )
93 o f f s e t =( −2 ,0)
94 v a l u e =( t i c k =1 ’ Atual ’
95 t i c k =2 ’ P r e v i s a o ’ )
96 shape=symbol ( 2 , . 2 5 )
97 mode=s h a r e
98 l a b e l=none ;
99 proc g p l o t data=mono1 ; format ordem ; p l o t qd∗ordem = 1
100 p r e v i s a o ∗ordem =2 / o v e r l a y
101 h r e f =100
102 c h r e f=r ed
103 v a x i s=a x i s 2
104 vminor=1
62
105 h a x i s=a x i s 1
106 l e g e n d=l e g e n d 1 ;
107 run ;
108
109
112 proc i m l ;
113 use m o n o g r a f i a ;
114 read a l l ;
115 n = nrow ( ordem ) ;
116
126 e r r o a b s = abs ( e r r o ) ;
127 p e r r o =100∗ e r r o / o b s e r v a d o ;
128
129 p r i n t QD o b s e r v a d o p r e v i s a o 1 e r r o e r r o a b s p e r r o ; c r e a t e mono2 ;
130 append ;
131 quit ;
132
133 proc i m l ;
134 use mono2 ;
135 read a l l ;
136 ME=sum ( e r r o ) / ( nrow ( e r r o ) −1);
63
137 MAE=sum ( e r r o a b s ) / ( nrow ( e r r o ) −1);
138 QME=sum ( e r r o ##2)/(nrow ( e r r o ) −1);
139 MPE=sum ( p e r r o ) / ( nrow ( e r r o ) −1);
140 MAPE=sum ( abs ( p e r r o ) ) / ( nrow ( e r r o ) −1);
141 p r i n t ME MAE QME MPE MAPE;
142 quit ;
64