ANÁLISE DE DADOS

Acetatos de apoio às aulas teóricas

Sandra Nunes

Licenciatura em Marketing
Escola Superior de Ciências Empresariais do Instituto Politécnico de Setúbal

2o Semestre 2008/09
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO

• ENQUADRAMENTO

Em todos os domínios científicos surgem fenómenos onde a incerteza é

factor presente que impede o conhecimento exacto do comportamento
futuro e que leva à necessidade de proceder a previsões.

Em particular, no mundo empresarial e nas organizações, a previsão

desenpenha papel de relevo e constitui suporte indispensável para o
planeamento e tomada de decisões.

Sandra Nunes 1
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO

• ENQUADRAMENTO

Os métodos de previsão são utilizados para inferir o que poderá acon-

tecer no futuro - estimativas da ocorrência, de timings ou dimensões de
eventos.

A necessidade de prever está intimamente associada à necessidade de

planear e, consequentemente, à necessidade de trabalhar hoje sobre
actividades que só ocorrerão no futuro.

Sandra Nunes 2
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO

• ENQUADRAMENTO

Todos os métodos de previsão:

— assumem que o comportamento futuro não será radicalmente

diferente do comportamento no passado;

— os resultados obtidos nunca são perfeitos, devido à aleatoriedade

presente em todos os sistemas reais;

— as previsões obtidas são mais exactas quando feitas a conjuntos e não

a elementos individuais;

— a exactidão das previsões é tanto menor quanto maior for o horizonte

de previsão.
Sandra Nunes 3
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO

• IMPORTÂNCIA:

— enfrentar cenários de incerteza;

— conhecer a probabilidade de ocorrência de um evento;

— minimizar o risco de falha ou de obter um mau resultado;

— associação acção - resultado.

Sandra Nunes 4
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO

• EXEMPLOS DE PREVISÃO:

— Governos prevêem o desemprego, taxas de juro, receitas de impostos,

etc;

— Departamentos de Marketing prevêem a procura, vendas, preferências

dos consumidores, etc;

— Conselhos Directivos prevêem entradas de alunos para planear

instalações e recrutamento de docentes;

— Lojas prevêem vendas para controlar inventários, contratar

empregados, etc.

Sandra Nunes 5
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO

• APLICAÇÕES DE PREVISÕES:

— O BCE ajusta taxas de juro tendo em conta previsões do crescimento

económico e pressões inflaccionistas;

— Um Gestor de produção/operações define a produção prevendo as

vendas;

— Contratação do staff para call-centers fazendo a previsão da procura

do serviço.

Sandra Nunes 6
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO

• CLASSIFICAÇÃO

— Modelos Qualitativos
∗ Opinião de peritos

∗ Estudos de mercado

∗ Métodos de Delphi - respostas a uma sequência de questionários

efectuados por um painel de especialistas
— Modelos Quantitativos
∗ Séries Temporais

∗ Modelos causais - Regressão Linear

Sandra Nunes 7
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO

• SELECÇÃO DO MÉTODO DE PREVISÃO

— Existência de dados históricos

— Precisão pretendida
— Comportamento da variável a prever
— Horizonte temporal
— Custo
— Facilidade de aplicação
— Tempo disponível

• OBJECTIVO
Usar o modelo disponível mais simples que satisfaça as necessidades da
previsão.
Sandra Nunes 8
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO

• ETAPAS

As principais etapas de todos os modelos de previsão são:

— determinar o objectivo da previsão - deve existir uma relação entre

as previsões e as necessidades da organização e dos decisores
— estabelecer o horizonte temporal da previsão
— reunir e analisar os dados relevantes disponíveis
— seleccionar a técnica de previsão a utilizar - especificação do modelo
— ajustamento do modelo
— diagnóstico do modelo - monitorizar os resultados obtidos

Sandra Nunes 9
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO

• ERROS DE PREVISÃO

Os erros de previsão permitem "medir"a precisão das previsões

efectuadas.

O seu conhecimento é fundamental porque:

— permite aferir se o modelo de previsão escolhido é adequado aos dados

em análise - avaliar a qualidade do modelo utilizado;

— permite "afinar"os parâmetros do método de previsão utilizado.

Sandra Nunes 10
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO

• ERROS DE PREVISÃO

Para um determinado instante t o erro de previsão consiste na diferença

entre a observação realizada no instante t e a previsão feita para esse
mesmo instante

et = Yt − Pt
⎧
⎪
⎪
⎪
et - erro de previsão
⎨
com Yt - valor observado
⎪
⎪
⎪
⎩
Pt - previsão realizada

Sandra Nunes 11
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO

• MEDIDAS ESTATÍSTICAS DOS ERROS DE PREVISÃO

— Erro Quadrático Médio (EQM)

1X m 1 Xm
EQM = (Yt − Pt)2 = e2t
m t=1 m t=1

— Erro Absoluto Médio (EAM)

1X m 1X m
EAM = |Yt − Pt| = |et|
m t=1 m t=1

Sandra Nunes 12
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO

• MEDIDAS ESTATÍSTICAS DOS ERROS DE PREVISÃO

— Erro Percentual Absoluto Médio (EPAM)

m
¯ ¯
1 X ¯ Yt − Pt ¯¯
¯
EPAM = ¯ ¯ × 100
m t=1 ¯ Yt ¯

Sandra Nunes 13
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• CONCEITOS

— SÉRIE TEMPORAL (ou Cronológica) - consiste num conjunto

ordenado de observações de uma dada variável, obtidas a intervalos
regulares de tempo (horas, dias, meses, anos, etc).
— OBSERVAÇÕES:
∗ as séries temporais não satisfazem as propriedades i.id., isto é, na
maioria dos casos as observações não são independentes umas das
outras e não são identicamente distribuídas;
se as variáveis não são independentes então existem relações entre
elas e é essa relação que vamos tentar descrever;
∗ a sequência das observações é importante;
∗ 1o passo no estudo das séries temporais - gráfico ou cronograma.
Sandra Nunes 14
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• EXEMPLO

U.S. Inflation Rate

16.00
14.00
Inflation Rate (%)

12.00
10.00
8.00
6.00
4.00
2.00
0.00
1975
1977
1979
1981
1983
1985

1989
1991
1993
1995
1997
1999
2001
1987

Year

Sandra Nunes 15
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• COMPONENTES DE UMA SÉRIE

Na maioria das séries temporais que estudamos encontram-se presentes

as seguintes componentes:

— Tendência - indica a evolução global e estável da variável ao longo

do tempo;

— Sazonalidade - flutuação recorrente da variável em torno da tendên-

cia que se repete a intervalos regulares. Ao contrário da componente
cíclica esta flutuação é repetitiva e manifesta-se no curto prazo;

Sandra Nunes 16
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• COMPONENTES DE UMA SÉRIE

— Cíclica - variação oscilatória do valor da variável em torno da tendên-

cia. Não apresenta um carácter repetititvo e prolonga-se no mé-
dio prazo. É vulgar associar essas oscilações à evolução cíclica da
Economia.

— Irregular (ruído aleatório) - variação aleatória de carácter

imprevisível. É a "dor de cabeça"de qualquer pessoa que pretenda
fazer previsões. Trata-se de movimentos irregulares que não se sabe
ou se é incapaz de explicar e são descritos em termos probabilísticos.

Sandra Nunes 17
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• COMPONENTE TENDÊNCIA

te
Vendas cia crescen
n
Tendê

Tempo

Sandra Nunes 18
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• COMPONENTE TENDÊNCIA

Tendência decrescente Tendência não linear

Sandra Nunes 19
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• COMPONENTE SAZONAL

Vendas

Q3
Q1
Q3
Q1 Q2 Q4

Q2 Q4

Tempo (trimestral)

Sandra Nunes 20
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• COMPONENTE CÍCLICA

1 ciclo
Vendas

Sandra Nunes 21
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• OBJECTIVO
Na análise de séries temporais devemos ter em conta os objectivos:
— descrição - construção do cronograma e caracterização do seu
andamento geral;
— modelação - construção de modelos que permitam explicar o
comportamento da série no período observado;
— previsão - tentar prever a evolução futura da série com base no
passado;
— controlo - procurar modificar o comportamento futuro do processo
através de variáveis controláveis.
Tais objectivos podem ser alcançados através de uma metodologia de
trabalho em etapas.
Sandra Nunes 22
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• METODOLOGIA DE ANÁLISE

1a etapa - seleccionar o modelo

↓
2a etapa - estimar os parâmetros do modelo
↓
3a etapa - avaliação da qualidade e adequação do modelo
. &
se o modelo é bom −→ previsão se o modelo é mau −→ 1a etapa

Para uma série temporal é possível encontrar mais do que um modelo de

previsão que satisfaz os critérios. Qual o melhor?
Sandra Nunes 23
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• MODELOS DE DECOMPOSIÇÃO

Como o nome indica, os modelos de decomposição assumem que a série

temporal se estrutura em quatro componentes não observáveis: tendência
(Tt), sazonalidade (St), cíclica (Ct) e irregular (ruído) (Et) .

Estes modelos podem ser:

— aditivos - onde as diferentes componentes não são independentes e

se somam
ou

— multiplicativos - admite-se independência, sendo o valor observado

da série o produto das várias componentes.
Sandra Nunes 24
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• MODELOS DE DECOMPOSIÇÃO

A escolha entre modelos aditivos ou multiplicativos prende-se sobretudo

com a natureza da sazonalidade:

— o modelo multiplicativo é adequado quando a sazonalidade é

proporcional ao nível da tendência, isto é quando a amplitude da
componente sazonal aumenta ou diminui com a tendência da série;

— o modelo aditivo deve usar-se quando tal não sucede.

Sandra Nunes 25
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• MODELOS DE DECOMPOSIÇÃO
Um cronograma onde as oscilações periódicas em torno da tendência se
encontram estabilizadas sugere a modelização do tipo aditivo:

60

50 Tt
40 Et
30

20

10

0
0 10 20 30 40 50 60

Sandra Nunes 26
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• MODELOS DE DECOMPOSIÇÃO

O modelo multiplicativo é indicado para descrever séries cujo cronograma

apresenta oscilações periódicas em torno da tendência com aplitude a
aumentar ou a diminuir.

50
45
40
35
Et
30
25
20
15
10
5
0
0 10 20 30 40 50 60

Sandra Nunes 27
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• MODELOS DE DECOMPOSIÇÃO - TIPOS DE TENDÊN-

CIA

Os modelos de decomposição podem distinguir-se pela forma de

representação do tipo de tendência

Modelo de tendência linear Yt = b1 + b2t + εt

Modelo quadrático Yt = b1 + b2t + b3t2 + εt
Modelo de tendência exponencial Yt = b1bt2eεt
Modelo de tendência geométrica Yt = b1tb2 eεt
Modelo de tendência logarítmica Yt = b1 + b2 log t + εt

Sandra Nunes 28
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• MODELOS DE DECOMPOSIÇÃO - TENDÊNCIA LINEAR

Os estimadores dos parâmetros do modelo de tendência linear são dados

da seguinte forma:
P P
P Yt t
b
Yt t −
b2 = Pn 2
P 2 ( t)
t − n
e
P P
b Yt b t
b1 = − b2 .
n n
O tempo, t, é a variável explicativa.

Sandra Nunes 29
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• MODELOS DE DECOMPOSIÇÃO - TENDÊNCIA LINEAR

— Exemplo
yb = 12.333
| {z } + 9.5714
| {z } t
bb1 bb2

80
70
60
Vendas

50
40
30
20
10
0
0 1 2 3 4 5 6 7

Ano

Sandra Nunes 30
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• MODELOS DE DECOMPOSIÇÃO - TENDÊNCIA LINEAR

— Exemplo
yb7 = 12.333 + 9.5714 × 7 = 79.33

80
70
60
Vendas

50
40
30
20
10
0
0 1 2 3 4 5 6 7

Ano

Sandra Nunes 31
Análise de Dados 0809 Métodos de Previsão

MÉTODOS DE PREVISÃO DE SÉRIES TEMPORAIS

• MODELOS DE DECOMPOSIÇÃO - TENDÊNCIA NÃO

LINEAR
Quando a tendência não é linear podemos usar transformações de modo
a obter um modelo com essa propriedade.

— Tendência Exponencial

log Yt = β 1 + β 2t + εt

— Tendência Geométrica

log Yt = β 1 + b2 log t + εt
Sandra Nunes 32