Índice

Introdução........................................................................................................................................2

Objectivos........................................................................................................................................2

Séries Temporais.............................................................................................................................3

Componentes de uma Série Temporal.............................................................................................4

Componente de tendência................................................................................................................5

Ruído Aleatório...............................................................................................................................6

Componente de sazonal...................................................................................................................7

Obtenção dos factores sazonais.......................................................................................................7

Componente de ciclo.......................................................................................................................8

Modelos de composição de uma série temporal..............................................................................8

Exercício Resolvido.........................................................................................................................8

Conclusão......................................................................................................................................11

Referências Bibliográficas.............................................................................................................12
 2

Introdução

O presente trabalho intitulado Séries Temporais, surge no âmbito da cadeira de Inferência

Estatística cujo estudo será centrado exactamente na análise de fenômenos temporários e em
diferentes situações. Neste trabalho, iremos apresentar não só a definição de série temporal, mas
também algumas componentes mais importantes associadas a séries temporais, tais como:
tendência, cíclica, sazonal e aleatório. Informalmente, uma série temporal pode ser vista como
um conjunto de observações (X t ), cada uma observada num instante particular t .

As séries temporais são observadas em domínios variados na vida quotidiana, por exemplo:
agronomia (produções e áreas cultivadas anuais e produção média anual por hectare de um dado
produto agrícola), economia (rendimento anual per capita, vendas trimestrais de um dado
produto, taxa Euribor a 3 meses) engenharia (intensidade do som num determinado local,
intensidade da corrente eléctrica num dado ponto), medicina (registos de eletroencefalogramas e
eletrocardiogramas), meteorologia (velocidade média horária do vento e temperatura média
diária e pluviosidade anual num determinado local) e ciências sociais (taxas de mortalidade,
taxas de acidentes de viação, taxas de criminalidade ). Portanto todos esses exemplos envolvem
observações ordenadas no tempo, sendo que de alguma maneira valores que ocorreram em um
tempo passado, não muito distante, podem influenciar os valores presentes e futuros do processo.
Modelar essa dependência e utilizá-la para o cálculo de previsões de valores futuros pode trazer
grandes vantagens.

Objectivos

 Objectivo Geral
 Descrever o comportamento das componentes na série temporal.
 Objectivos específicos
 Identificar as componentes de uma série temporal;
 Determinar componentes de uma série temporal num período;
 Fazer previsões de valores futuros de uma série.
 3

1. Séries Temporais

Def. 1: Serie Temporal é uma série estatística e como tal é um conjunto de dados ordenados
segundo suas características comuns, as quais servirão futuramente para fazer análises e
inferências, mais especialmente uma serie cujos dados são dispostos em correspondência com o
tempo, isto significa que o tempo varia, no entanto o fato e local conservam-se constantes.
Morettin e Toloi (1987) definem série temporal como um conjunto
de observações ordenadas no tempo, de maneira que essas
observações são ordenadas em intervalos de tempo comumente
iguais. Em séries temporais a ordem dos dados é fundamental. De
maneira objetiva Silva et al. descrevem uma série temporal como
sendo um conjunto de observações discretas, realizadas em
períodos equidistantes e que apresentam uma dependência serial
entre essas observações.

Def.2: Pode-se definir uma série temporal como sendo um conjunto de dados observados e
ordenados segundo parâmetro de tempo e com dependência serial, sendo esse espaço de tempo
entre os dados disponíveis equidistantes (horários, diário, semanal, mensal, trimestral, anual,
etc.)

Para que uma determinada série seja classificada como uma série temporal, é necessário que ela
preencha outro pré-requisito: os dados também devem apresentar uma dependência serial entre
eles. Por exemplo: os dados de uma variável aleatória z (consumo de energia) no instante t , com
t variando de 1 até N , possa, de certa maneira, conter informações necessárias para que seja
determinado o valor dessa variável no instante t+ 1. Cabe mencionar que, N representa o número
de observações da série temporal em questão. As séries temporais podem ser classificadas como
discretas, contínuas, determinísticas, estocásticas, multivariadas e multidimensionais.

Séries temporais são compostas por quatro (04) elementos, denominados de componentes, a
saber: Tendência, Ciclo, Sazonalidade e o Ruído Aleatório.
 4

2. Componentes de uma Série Temporal

Uma serie temporal é descrita em função de suas componentes, sendo Z( t) o valor observado da
série no tempot , T t a componente tendência, St a componente sazonal é a t o erro aleatório. O
modelo e classificado como modelo aditivo, que pressupõe componentes não correlacionadas
actuando de modo absoluto e independente; sendo aplicado às series cujas taxas de variação são
constantes. Isto é, usam-se quando a componente sazonal (St ) não depende das outras
componentes, como por exemplo, a tendência (T t ).
Z( t)=f (T t , S t ,C t , ε t )
Onde:
Z(t ): é o valor da série temporal
T t : é a componente tendência no período t
C t : é a componente ciclo no período t
St : é a componente de sazonalidade no período t
ε t: é a componente de aleatório no período t

É comum incluir a componente Ciclo no modelo para representar movimentos com períodos
longos. Contudo, como em geral os períodos observados são pequenos quando comparados com
o tamanho do Ciclo, muitas vezes o que se observa ao analisar o efeito da Tendência é parte do
Ciclo. Este fato nos leva a confundir o efeito do componente Ciclo com a componente
Tendência. Por isto, autores como Makridakis (1998) e Morettin e Toloi (1987) utilizam para
representar, o modelo de Decomposição a seguinte expressão:

Z( t)=f (T t , S t , ε t )
Z(t ): é o valor da série temporal
T t : é a componente tendência no período t
St : é a componente de sazonalidade no período t
ε t: é a componente de aleatório no período t
 5

2.1. Componente de tendência

As componentes de tendência são frequentemente, aquelas que produzem mudanças graduais em

longo prazo. São normalmente provocadas, por exemplo, pelo crescimento constante na
população, no produto interno bruto, no efeito da competição, ou por outros fatores que falham
na tentativa de produzir mudanças repentinas, mas produzem variações graduais e regulares ao
longo do tempo. Em outras palavras, tendência (T), é o comportamento de longo prazo da série,
que pode ser causada pelo crescimento demográfico, ou mudança gradual de hábitos de
consumo, ou qualquer outro aspecto que afete a variável de interesse no longo prazo.

1.1.1. Obtenção de tendência por mínimos quadrados

A tendência descreve o comportamento da variável retratada na série temporal no longo prazo.

Há três objetivos básicos na sua identificação: avaliar o seu comportamento para utilizá-lo em
previsões, removê-la da série para facilitar a visualização das outras componentes, ou ainda
identificar o nível da série (o valor ou faixa típica de valores que a variável pode assumir, se não
for observado comportamento crescente ou decrescente no longo prazo). A obtenção da
tendência pode ser feita de três formas: através de um modelo de regressão (como o modelo
linear - reta), através de médias móveis, ou através de ajuste exponencial (que não deixa de ser
uma média móvel).

Para uma série registrada anualmente, por exemplo, de 2005 a 2014, a variável independente
assumiria os valores dos anos. Para uma série registrada mensalmente, por exemplo, com 60
meses, a variável independente poderia assumir os valores de 1 a 60.

O procedimento é semelhante ao usado na regressão linear simples, mas agora a variável

independente será sempre o tempo t .

T t=a ×t+ b

Onde:

T : É o valor da tendência;
 6

t : É o valor do tempo;

a : É o coeficiente angular linear da reta;

b : É o coeficiente linear da reta.

 Se a> 0 , indica a tendência crescente;

 Se a< 0, indica a tendência decrescente.

Os coeficientes a e b são determinados pelas seguintes expressões:

n
a=n ∑ ( t i ∙ Y i )−¿¿ ¿
i=1

n n

∑ Y i−a ∙ ∑ ti
b= i=1 i=1
n

Onde:

Y i É um valor qualquer da variável registrada na série temporal,

t i É o período associado a Y i ;

n : É o número de períodos da série.

2.2. Ruído Aleatório

A componente irregular ou aleatória relaciona-se com os movimentos imprevistos gerados

aleatoriamente dentro de uma série. Essa componente é uma mistura brusca de perturbações
irregulares e esporádicas nos movimentos das séries que tipificam os fenômenos, isto é, a
resultante dos efeitos de múltiplas causas (naturais, sociais, econômicas, etc.), as quais não há
como saber quando ocorrerão nem suas intensidades pois, são desconhecidas e imprevisíveis
(MILONE, 2006).

Reis (2005) se refere a aleatória como movimento de uma série temporal que se desloca
esporadicamente, provocados por eventos casuais. O autor ainda chama a atenção para os
movimentos dessa natureza, pois requerem atenção especial, tendo em vista que podem causar
novos movimentos cíclicos.
 7

A relevância da componente aleatória está directamente ligada ao poder de alterar a direcção da

tendência, assim como a amplitude dos ciclos existentes. Disso decorre a precisão nas
estimativas relativas a fenómenos em que a componente aleatória é irrelevante em relação as
componentes sistemáticas.

2.3. Componente de sazonal

As componentes sazonais em uma série são aquelas oscilações de subida e de queda que sempre
ocorrem em um determinado período do ano, do mês, da semana, do dia ou horário. A diferença
essencial entre as componentes sazonais e cíclicas é que a primeira possui movimentos
facilmente previsíveis, ocorrendo em intervalos regulares de tempo, por exemplo, ano a ano, mês
a mês, semana a semana, ou mesmo dia a dia. Em suma, variações sazonais ou sazonalidade (S),
flutuações nos valores da variável com duração inferior a um ano, e que se repetem todos os
anos, geralmente em função das estações do ano (ou em função de feriados ou festas populares).

Exemplos:

 As vendas de brinquedos aumentam muito no Natal e em junho;

 As vendas de sorvetes aumentam no verão.

A maneira de obtenção da componente sazonalidade depende do tipo de modelo, aditivo ou

multiplicativo.

2.3.1. Obtenção dos factores sazonais

Considerando o método multiplicativo, o fator sazonal mede a relação da média dos valores da
série temporal de um mesmo período com a média de todos os valores da série temporal. De
maneira formal fica:

μi
St =
μt

Onde:

St : é o factor da componente sazonal;

μi : é a média dos valores da série temporal para os períodos i ;

 8

μt : é a média dos valores da série temporal.

2.4. Componente de ciclo

As componentes cíclicas são aquelas que provocam oscilações de subida e de queda nas séries,
de forma suave e repetitiva, ao longo da componente de tendência. Ou seja, variações cíclicas ou
ciclos (C), flutuações nos valores da variável com duração superior a um ano, e que se repetem
com certa periodicidade, que podem ser resultado de variações da economia como períodos de
crescimento ou recessão, ou fenómenos climáticos.

3. Modelos de composição de uma série temporal

Aditivo Multiplicativo

Modelos de uma Y t =T t + St + ε t Y t =T t ∙ St ∙ ε t
série

Valore de ε t ε t=0 ε t=1

Onde:

Y t : é o valor da série temporal, no período t ; St : é a componente de sazonalidade no período t

T t : é a componente tendência no período t ; ε t: é a componente de erro ou Ruído Aleatório no

período t

Exercício Resolvido

1.Em uma empresa de determinado ramo de atividade, utilizando o método de regressão linear,
obteve-se a equação de tendência (T ) da série temporal abaixo. Os dados apresentam 10
observações da série temporal Y , que representa o faturamento de uma empresa, em milhões de
meticais.
t 1 2 3 4 5 6 7 8 9 10
Yt 6 5 6 8 8 7 8 10 10 11
a) encontra a equação de tendência.
b) qual é a estimativa da componente de tendência no sexto ano?
 9

c) qual é o factor da componente sazonal nos primeiros seis (06) períodos?

d) supondo que o modelo é aditivo, qual é o valor estimado no faturamento no sexto ano?

1. Primeiro constrói-se a tabela, como o que acontece na regressão linear.

t Yi t2 Y2 t i ×Y i
1 6 1 36 6
2 5 4 25 10
3 6 9 36 18
4 8 16 64 32
5 8 25 64 40
6 7 36 49 42
7 8 49 64 56
8 10 64 100 80
9 10 81 100 90
10 11 100 121 110
TOTAL 55 79 385 659 484

Resolução
a) A equação da tendência fica determinada, quando são conhecidos os coeficientes a e b :
n
a=n ∑ ( t i ∙ Y i )−¿¿ ¿
i=1

4840−4345 495
a= = =0,6
3850−3025 825

n n

∑ Y i−a ∙ ∑ ti 79−0,6∙ 55 79−33 46 Logo a equação da componente tendência

i=1 i=1
b= = = = =4,6
n 10 10 10
é T t=4,6+0,6 t

b) A estimativa da componente tendência no sexto ano é:

T t=4,6+0,6 t com t=6 T 6=4,6+0 , 6 ∙6=4,6+3,6=8 , 2

 10

c) Para calcularmos o factor da componente sazonal nos primeiros seis (06) período, é
necessário calcular a média dos valores da série temporal para os primeiros seis (06)
períodos. Assim, teremos:
6+ 5+6+8+ 8+7 40
μ6 = = =6,6
6 6
Como a média dos valores da série temporal é 79, então μ10=79 . Finalmente, calcula-se o
factor da componente sazonal:
μi 6.6
St = ⟹ S6 = =0,085
μt 79

d) Como o modelo é aditivo, usaremos a seguinte fórmula:

Y t =T t + St + ε t

Com

T 6=8,2

S6 =0,085

ε 6=0 (Porque o modelo é aditivo)

Substituindo os valores na fórmula, temos:

Y 6=T 6 + S6 + ε 6 ⟹ Y 6 =8,2+0,085+0=8,285
R: A previsão do faturamento no sexto ano é de 8,285 milhões de meticais.
 11

Conclusão

Conclui-se que as técnicas quantitativas e modelos de previsão podem alavancar as

possibilidades da análise estratégica de custos, melhorando o poder de explicação da posição
atual da estrutura de custos em relação às variáveis que a provocam ou influenciam e, ainda,
permitindo que, de forma mais objetiva e científica, se possa prever ou estimar o comportamento
futuro dos mesmos, alavancando as possibilidades de antecipação da empresa frente às
oportunidades e ameaças.
Justifica-se tal pensamento em razão de que, o contexto produtivo e competitivo atual
provocaram nas empresas a necessidade de que suas estruturas de controle serem mais rápidas e
ágeis que as estruturas controladas, ou seja, impuseram a instantaneidade. E, para que se possa
lidar com a instantaneidade, só mesmo a antecipação. O objetivo é possibilitar que a área de
gestão de custos tenha um tempo de resposta adequado às novas demandas informativas dos
gestores, permitindo a eles interagir nos acontecimentos presentes para moldar os futuros.
 12

Referências Bibliográficas

LAMOUNIER. Wagner Moura. Tendência, ciclos e sazonalidade nos preços spot do café
brasileiro na NYBOT Gest. Prod., São Carlos, v. 14, n. 1, p. 13-23, jan. -Abr. 2007.
MILONE, Giuseppe. Estatística Geral e Aplicada. 2.ed. Sao Paulo: Thomson Learning, 2006.
MORETTIN, Pedro A.; TOLOI, Clélia M. Séries Temporais: Métodos Quantitativos. 2. ed. São
Paulo: Atual,1987.
MORETTIN, Pedro Alberto; TOLOI, Clélia Maria Previsão de Séries Temporais. 2.ed. São
Paulo: Atual,1987.
13