Universidade Federal de Santa Catarina

Centro Sócio-Econômico
Curso de Ciências Econômicas
Econometria
Prof.: Gueibi Peres Souza

LISTA DE EXERCÍCIOS – 4
1) Explique e exemplifique em que tipo de situações a utilização do método ingênuo simples é
mais indicada para a construção das previsões e em que tipo de situações a utilização do
método ingênuo sazonal é a mais indicada.
R.: Método ingênuo simples: situações em que a série histórica não apresenta
nem tendência nem sazonalidade (séries de caminhada aleatória) como, por
exemplo, série de taxa de câmbio e preços de papel em mercado financeiro.
Método ingênuo sazonal: situações em que a série temporal não apresente
tendência, mas apresente sazonalidade como, por exemplo, série de vendas de
sorvete.
2) Explique o que é a Medida U de Theil, qual sua principal utilidade e como a devemos
interpretá-la.
R.: Se trata de uma medida relativa entre o comportamento temporal da
discrepância e da variável analisa. É útil para avaliarmos a heurística/
metodologia de previsão de previsão utilizada na medida em que o parâmetro de
avaliação é o método ingênuo. Quanto a sua interpretação, devemos admitir
como válidas, apenas as heurísticas que geram U de Theil abaixo de 1, pois este
é o resultado da medida para aplicações do método ingênuo e zero é o resultado
pra previsões perfeitas.
3) Segundo a metodologia “Decomposição Clássica”, como diferenciamos entre o método
aditivo e o multiplicativo aquele que se mostra o mais adequado para decompor a série
histórica?
R.: Sempre podemos observar as medidas de erro para tomar tal decisão, porém,
a literatura específica nos sugere que apliquemos o método aditivo quando a
série apresenta uma variabilidade relativamente constante com a mudança do
nível e o método multiplicativo quando a variabilidade muda com a mudança de
nível.
4) Imagine que estivéssemos no início do ano de 2010 e que você pertencesse à composição da equipe
de governo do Estado. Sabendo do consenso existente no governo estadual com relação ao interesse
em planejar o orçamento do corrente ano de modo a possibilitar uma redução da dívida pública
flutuante, por entender que seria importante para o pleito eleitoral de outubro, qual dos métodos
disponíveis de decomposição você sugeriria para embasar o processo decisório entendendo que este
é o que mais se adequou ao comportamento dos dados do segundo semestre do ano passado?
Justifique sua resposta.

Predições da Dívida Pública Predições da Dívida Pública

Valores Observados da
Flutuante de Santa Flutuante de Santa
Período Dívida Pública Flutuante
Catarina baseadas no Catarina baseadas no
de Santa Catarina (R$)
Método Aditivo (R$) Método Multiplicativo (R$)
Julho/2009 4.613.111.509,00 4.594.133.838,05 4.592.246.826,83
Agosto/2009 4.458.992.008,00 4.775.241.266,25 4.737.889.419,86
Setembro/2009 4.475.334.967,00 4.982.196.307,63 4.961.928.173,73
Outubro/2009 4.561.751.998,00 5.199.456.829,98 5.176.451.899,86
Novembro/2009 4.624.637.419,00 5.348.102.856,44 5.214.143.898,70
Desembro/2009 4.729.920.250,00 5.370.008.142,26 4.709.352.105,69
R.: Método multiplicativo menor erro (DAM = 335.188.304,44); Método aditivo (DAM =
473.891.071,92).
5) Com base no gráfico do componente aleatório obtido com a decomposição clássica da série histórica
da dívida pública flutuante do Estado (jan.98 a dez.09) feita a partir de ambos os métodos (aditivo e
multiplicativo), defina qual deles se mostra o mais adequado para embasar o processo decisório para
o ano de 2010. Justifique sua resposta.
 Comp. Irregular: Método Aditivo Comp. Irregular: Multiplicativo

509092279,92 1,42
409092279,92
1,32
309092279,92
209092279,92 1,22
109092279,92 1,12
9092279,92
-90907720,08 1,02

-190907720,08 0,92
-290907720,08
0,82
-390907720,08
-490907720,08 0,72
1
9

1
8
17
25
33
41
49
57
65
73
81
89
97

15
22
29
36
43
50
57
64
71
78
85
92
99
105
113
121
129
137

106
113
120
127
134
141
R.: Método multiplicativo; menor erro nos dados mais recentes.
6) Construa um breve comentário (máximo 7 linhas) acerca dos pontos que mais lhe chamaram a
atenção observando a decomposição multiplicativa da série histórica da dívida pública flutuante do
Estado (jan.98 a dez.09).

Série: Tendência:

5242978800 4488553981,93
4742978800
3988553981,93
4242978800
3488553981,93
3742978800
3242978800 2988553981,93

2742978800 2488553981,93
2242978800
1988553981,93
1742978800
1488553981,93
1242978800
742978799,5 988553981,93
0 20 40 60 80 100 120 140 160 0 20 40 60 80 100 120 140 160

Comp. Irregular: Índices Sazonais:

1,42 1,08
1,05
1,03 1,04
1,32 1,03
1,03 1,01
1,22
0,98 1,00 0,99 1,00
1,12 0,99
0,98
0,97
1,02
0,93
0,92
0,88
0,82

0,72 0,83 0,84

1
8
15
22
29
36
43
50
57
64
71
78
85
92
99
106
113
120
127
134
141

Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

R.: O comentário deve conter uma referência a “explosão” da dívida a partir de 2008 (com
base no componente tendência), o crescimento histórico da dívida no primeiro semestre
de cada ano e a enorme redução em dezembro (com base no componente sazonal) e o
aumento da imprecisão a partir do ano 2000 (com base na série dos dados e no
componente irregular).
7) Qual a importância de se realizar previsões em empresas com o maior nível de precisão
possível?
R.: Aumento de eficiência e eficácia no planejamento estratégico, contribuindo
positivamente para que se atinjam os objetivos traçados tanto para o curto
quanto médio e longo prazos.
8) Explique a metodologia de análise de séries temporais conhecida como Suavização Exponencial
(porque recebe este nome e no que é baseada) e porque, em situações práticas, no momento de se
estimar/prever demanda, acaba sendo priorizada em relação a metodologias causais como a análise
de regressão, por exemplo.
R.: Recebe este nome porque a curva de pesos dados às observações passadas,
em termos de seus componentes, suaviza exponencialmente, ou seja, se reduz
cada vez mais a cada período defasado considerado. É baseada na estimativa de
parâmetros chamados de constantes de suavização (α, β, γ e φ) que
representam cada um dos componentes (nível, crescimento, sazonalidade e
amortecimento da tendência) considerados segundo suas significâncias
determinadas a partir de seu padrão histórico. Em situações práticas acaba
sendo priorizada em relação à análise de regressão, por exemplo, por não exigir
que o erro apresente determinadas características (o que maioria dos casos
acaba exigindo a aplicação de transformações que levam a perda de
informações) e também não requerer a necessidade de consideração de
variáveis explicativas (o que envolve dificuldades como coleta, alimentação de
 banco de dados, monitoramento, tratamento, etc., além de previsões delas para
que se possa realizar previsões do Y).
9) Explique a metodologia de análise de séries temporais conhecida como Decomposição Clássica
(porque recebe este nome, no que é baseada, em que tipo de situações é mais indicada do que as
metodologias ingênuas - “tradicional” e sazonal) e porque acaba sendo considerada menos robusta do
que a metodologia conhecida como Suavização Exponencial).
R.: Recebe este nome porque identifica e explora o comportamento dos
componentes de uma série individualmente. É baseada na tendência,
sazonalidade e aleatoriedade determinadas a partir de uma média móvel, cálculo
de índices sazonais e a subtração ou divisão dos valores encontrados da série
original. Em situações práticas em que a série apresenta padrões de
comportamento temporal como tendência é mais indicada do que os métodos
ingênuos (tradicional e sazonal), porém, se a série não apresentar tendência,
mas possui um padrão sazonal, pode ser considerada como uma metodologia
alternativa ao método ingênuo sazonal. Acaba sendo considerada menos robusta
do que suavização exponencial porque gera maiores erros, oriundos da
imposição metodológica de não considerar a tendência como dois componentes
(nível e crescimento), de calculá-la através de uma média móvel, do componente
sazonal ser considerado fixo a partir de um índice, de não mesclar as
características aditiva e multiplicativa dos componentes no mesmo “modelo” de
decomposição e de não considerar a possibilidade de amortecimento da
tendência, por exemplo.
10) Comente brevemente o comportamento de cada um dos componentes de uma série histórica
baseando-se em um modelo de suavização exponencial que produziu as seguintes estimativas: α=
0,33; β = 0,01; γ = 0,01 e φ = 0.
R.: Nível com relativa estabilidade permitindo que se considere aproximadamente 1/3 de
um ciclo sazonal defasado (suavização relativamente alta). Crescimento e sazonalidade
extremamente marcantes e repetitivos (utilização de praticamente todo o ciclo sazonal
defasado) e ausência de amortecimento na tendência (comportamento linear deste
componente).
11) Cite três vantagens e duas desvantagens em se realizar previsões através do método ingênuo.
R.: Vantagens: servir de parâmetro de avaliação para o desempenho de métodos de
previsão, principalmente os não estruturados; simplicidade, praticidade e baixo custo na
realização de previsões; e necessidade de pouca informação e dados (útil em casos onde
o produto ou serviço, por exemplo, é novo e não possui histórico). Desvantagens: não
produzir bons resultados para dados que apresentem padrões de tendência/ciclo e
sazonalidade significativos; utilizar apenas a última informação disponível; e não ser útil
para fazer previsões de mais de um passo à frente.
12) Qual a avaliação que você faria de um método não estruturado de previsão que resulte em uma
medida do U de Theil igual a um?
R.: Trata-se de um método em que sua utilidade é pouco vantajosa, pois seu desempenho
não se mostra superior ao do método ingênuo de previsão, cujas previsões são obtidas
com menor esforço e custo.
13) Porque razão o método de média simples não é o mais aconselhado para se realizarem previsões de
vários passos à frente? Em que tipo de situações poderia ser?
R.: Devido ao fato de seu desempenho se deteriorar extremamente rápido com o aumento
do horizonte de previsão. Uma das principais causas desta perda de qualidade nas
previsões é o fato de se ponderar da mesma forma tanto os dados mais antigos quanto os
mais recentes. As situações em que seria indicada seriam aquelas em que a série de
interesse não apresenta tendência e também possui uma pequena variabilidade.
14) Quais as semelhanças intuitivamente perceptíveis entre os componentes ciclo e tendência em uma
série temporal?
R.: Apresentarem um comportamento bastante parecido ao longo do tempo, ao ponto de
ser bastante difícil definir se, por exemplo, a queda em um determinado período
representa uma tendência de baixa, ou se representa o fim de um ciclo de alta e início de
um ciclo de baixa.
15) Quais as diferenças conceituais existentes entre os componentes ciclo e sazonalidade em uma série
temporal?
R.: Enquanto o ciclo representa um comportamento ascendente ou descendente sem
duração ou intensidade pré-determinada, a sazonalidade representa um comportamento
característico de um período definido e com uma intensidade pré-estimada.
16) Qual a razão para não se incluir o componente aleatório na intenção em se realizar previsões por
decomposição clássica, se ela exprime um comportamento intrínseco às séries temporais?
R.: Pelo fato de que este procedimento acarretaria em uma discrepância maior do que
aquela obtida sem a inclusão deste componente.
17) A utilização dos métodos aditivo e multiplicativo de decomposição de uma série de dados ao longo do
tempo são mutuamente excludentes?
R.: De fato apenas um dos métodos pode ser considerado o mais adequado a uma
determinada série de dados tendo em vista o percentual de discrepância atingido, porém,
isto não impede que hajam situações caracterizadas pela combinação de componentes
aditivos e multiplicativos em uma mesma série temporal. É possível, por exemplo, casos
onde a sazonalidade seja multiplicativa e a tendência aditiva. Portanto, em termos gerais
é correto admitir que ambos os métodos sejam mutuamente excludentes, porém não se
trata de uma regra sem exceções.
18) Porque razão a soma dos índices sazonais multiplicativos de dados mensais deve ser 12?
R.: Por que os índices sazonais multiplicativos representam incrementos ou supressões
percentuais dos dados estudados, ou seja, um incremento de 10% significa um índice
sazonal de 1,1 e um decréscimo de 10% significa um índice sazonal de 0,9.
19) Qual a importância e as vantagens em se observar/monitorar o comportamento das discrepâncias de
previsão ao longo do tempo?
R.: A importância é mesma de se monitorar a qualidade de qualquer processo, como, por
exemplo, a satisfação dos clientes com um produto ou serviço ofertado por alguma
determinada organização. Já as vantagens são aquelas relacionadas à toda e qualquer
atividade proativa, pois esta prática permite saber exatamente (ou mesmo até antever) o
momento em que as discrepâncias atingiram o limite tolerado e que, portanto, existe a
necessidade de intervir no processo de geração das previsões.
20) Com relação à decomposição clássica explique de uma forma intuitiva qual a lógica quantitativa que
faz com que devemos somar os componentes de uma série no momento de se realizar uma previsão
pelo método aditivo e multiplica-los no momento de se realizar uma previsão pelo método
multiplicativo?
R.: O fato dos incrementos da variável analisada se darem a partir de um montante e de
uma razão, respectivamente.
21) Imagine que o ministério da previdência quisesse fazer a previsão anual do número de beneficiários
da previdência social para o ano de 2006 e a ele tenha sido recomendado que se utilizasse o método
de suavização exponencial simples para esta tarefa. Para um α = 0.99 e a previsão P 1978 = 6.570.822
(valor para a inicialização da SES) encontre os valores do método ajustado (1978 a 2005) e faça a
previsão do número de beneficiários da previdência para o ano de 2006.

Ano N° Beneficiários Ano N° Beneficiários Ano N° Beneficiários

1978 7.230.088 1988 11.519.400 1998 11.631.121
1979 7.396.662 1989 12.130.500 1999 11.943.378
1980 7.850.223 1990 11.824.950 2000 12.274.130
1981 8.541.900 1991 11.977.725 2001 12.721.349
1982 9.019.300 1992 11.901.337 2002 13.096.630
1983 9.804.600 1993 11.483.950 2003 13.744.079
1984 10.148.000 1994 11.872.437 2004 14.063.281
1985 10.626.500 1995 11.816.586 2005 14.383.533
1986 10.943.700 1996 11.754.857
1987 11.385.800 1997 11.685.318
 N° de beneficiários

15157787,12
14157787,12
13157787,12
12157787,12
11157787,12
10157787,12
9157787,12
8157787,12
7157787,12
1976 1981 1986 1991 1996 2001 2006

R.: Para um α = 0.99 os valores ajustado do método e a previsão para 2006 são:

Ano Modelo ajustado Ano Modelo ajustado Ano Modelo ajustado

1978 6.570.822 1988 11381346 1998 11686020
1979 7.223.495 1989 11.518.019 1999 11.631.670
1980 7.394.930 1990 12.124.375 2000 11.940.261
1981 7.845.670 1991 11.827.944 2001 12.270.791
1982 8.534.937 1992 11.976.227 2002 12.716.843
1983 9.014.456 1993 11.902.086 2003 13.092.832
1984 9.796.698 1994 11.488.131 2004 13.737.566
1985 10.144.486 1995 11.868.594 2005 14.060.024
1986 10..621.679 1996 11817..106 2006 14.380.298
1987 10.940.479 1997 11.755.479

22) Com base nos valores do método ajustado encontrado na questão anterior, calcule as discrepâncias
de ajustamento e verifique se este método é adequado para esta série de dados.
R.: Considerando a discrepância como previsto menos observado, as discrepâncias da
figura abaixo mostram que este método não é adequado para prever o número de
beneficiários da previdência, pois existe um viés nas discrepâncias. O fato da maioria das
discrepâncias serem negativas indica que as previsões do método estão subestimadas,
isto é, se está sempre prevendo um número menor de beneficiários do que realmente
acontece.

Discrepâncias de ajustamento

601954,94

401954,94

201954,94

1954,94

-198045,06

-398045,06

-598045,06

-798045,06
1 3 5 7 9 11 13 15 17 19 21 23 25 27

23) Caso o método de suavização exponencial simples não seja considerado adequado para prever o
número de beneficiários da previdência, qual seria o método mais indicado observando a tabela
abaixo?

Ano N° Beneficiários Ano N° Beneficiários Ano N° Beneficiários

1978 7.230.088 1988 11.519.400 1998 11.631.121
1979 7.396.662 1989 12.130.500 1999 11.943.378
1980 7.850.223 1990 11.824.950 2000 12.274.130
 1981 8.541.900 1991 11.977.725 2001 12.721.349
1982 9.019.300 1992 11.901.337 2002 13.096.630
1983 9.804.600 1993 11.483.950 2003 13.744.079
1984 10.148.000 1994 11.872.437 2004 14.063.281
1985 10.626.500 1995 11.816.586 2005 14.383.533
1986 10.943.700 1996 11.754.857
1987 11.385.800 1997 11.685.318

N° de beneficiários

15157787,12
14157787,12
13157787,12
12157787,12
11157787,12
10157787,12
9157787,12
8157787,12
7157787,12
1976 1981 1986 1991 1996 2001 2006

R.: Observando a tabela acima, tendo em vista a evidente ausência apenas da

sazonalidade, existem dois métodos candidatos para se fazer as previsões, o método AN
(Holt – tendência linear) ou o método AaN (tendência amortecida). Ambos os métodos
levam em consideração a tendência da série, fato este que é ignorado pela suavização
exponencial simples.
24) Faça a previsão e o cálculo das discrepâncias de ajustamento com o método escolhido na questão
anterior e compare o resultado com a previsão da suavização exponencial simples construída na
questão 20.
R.: Utilizando, por exemplo, o método de Holt com valores de α = 0.69, β = 0.72, n0 =
6.570.822 e c0 = 495.246,25, os valores ajustados e a previsão para 2006 são:

Ano Modelo ajustado Ano Modelo ajustado Ano Modelo ajustado

1978 7.230.088 1988 11.519.400 1998 11.631.121
1979 7.396.662 1989 12.130.500 1999 11.943.378
1980 7.850.223 1990 11.824.950 2000 12.274.130
1981 8.541.900 1991 11.977.725 2001 12.721.349
1982 9.019.300 1992 11.901.337 2002 13.096.630
1983 9.804.600 1993 11.483.950 2003 13.744.079
1984 10.148.000 1994 11.872.437 2004 14.063.281
1985 10.626.500 1995 11.816.586 2005 14.383.533
1986 10.943.700 1996 11.754.857 2006 14.815.024
1987 11.385.800 1997 11.685.318

R.: As discrepâncias do método de Holt não apresentam nenhuma tendência, ao contrário

da suavização exponencial simples. A previsão do método de Holt foi de 14.815.024
enquanto a da SES foi de 14.380.298, ou seja, uma diferença de aproximadamente
430.000 novos beneficiários da previdência para 2006.
 Discrepâcias de ajustamento

683888,90

483888,90

283888,90

83888,90

-116111,10

-316111,10

-516111,10
1 3 5 7 9 11 13 15 17 19 21 23 25 27

25) Como você fundamentaria sua resposta ao ser questionado acerca do nível de confiabilidade que se
pode ter nas previsões de um determinado indicador econômico do Estado que é frequentemente
divulgado pela imprensa?

26) Quais as características necessárias a determinadas séries temporais para que, teoricamente, gerem
menores erros de previsão ao aplicarmos os métodos: a) ingênuo; b) ingênuo sazonal; c) de
decomposição clássica aditiva e d) de decomposição clássica multiplicativa?

27) Com base no comportamento de tendência e sazonalidade de cada uma das séries abaixo, sugira um
modelo/método de previsão de série temporal para cada uma delas.

AM AdM
Previsão

Previsão

Horizonte Horizonte

(a) (b)
NA AA
Previsão
Previsão

Horizonte Horizonte

(c) (d)
Fonte: SAMOHYL et al., 2008.

28) Em uma análise de séries temporais através da decomposição clássica e/ou suavização exponencial,
explique qual a relação existente entre a discrepância de ajuste (componente irregular, aleatoriedade)
e os erros de predição e previsão?

29) Interprete e comente brevemente os índices sazonais construídos para os dados de Arrecadação de
ICMS (Fluxos) - Setor terciário - Santa Catarina - u.m.c. (mil) de janeiro de 1997 a janeiro de 2012
retirados do sitio do Banco Central do Brasil.
 Índices Sazonais Multiplicativos:
1,14

1,12 1,11

1,10
1,08
1,08

1,06

1,04

1,02 1,01

1,00
1,00
0,98 0,99
0,98
0,97
0,96 0,97 0,97
0,96
0,96
0,94 0,95
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

Fonte: NNQ-Stat, com dados do Bacen.

Índices Sazonais Aditivos:

29999,11
26784,80

24999,11

19999,11

14999,11

9458,63
9999,11
5977,63
4176,56
4999,11
2215,84

-0,89

-5000,89 -3059,20 -2969,34

-6849,13
-10000,89
-9951,57 -10309,07
-11318,00
-12130,59
-15000,89
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez

Fonte: NNQ-Stat, com dados do Bacen.

30) Explique o que é a medida conhecida como U de Theil, qual a utilidade prática de sua aplicação em
resultados de modelos de análise de regressão e qual sua interpretação.
R.: é uma medida de erro relativa, ou seja, pondera a evolução dos dados com a dos
erros. Sua utilidade prática consiste em permitir que avaliemos se a heurística da análise
de regressão é adequada para se construir previsões dos dados que estamos trabalhando.
Sua interpretação é de que se assumir valores acima de um os resultados são menos
precisos do que aqueles obtidos com o método ingênuo e valores abaixo de um mais
precisos do que o ingênuo.
31) Na situação abaixo uma determinada empresa precisa gerar projeções para o próximo ano. Sabendo
que existem dois modelos qualificados para tal (um apoiado em dados passados de vendas e outro
embasado em dados passados de produção da empresa), com base nos dados disponíveis na tabela
abaixo, faça uma sugestão acerca de qual modelo deveria ser aplicado pela organização no
desempenho desta atividade. Fundamente sua resposta.

Informação 1° Trimestre 2° Trimestre 3° Trimestre 4° Trimestre

Predito Dados de Vendas 32 29 23 30
Predito Dados de Produção 8 43 43 18
Valor Ocorrido 20 36 33 24
Fonte: Fictícia.
R.: O aluno deve ter a intenção de calcular medidas de erro. Como ambas são similares,
diferenciando-se apenas em relação ao seu sinal (um modelo gera mais super projeções e
o outro sub projeções) a fundamentação passaria pelo conceito da função de perda, ou
seja, de que uma delas seria menos custosa para a empresa.
32) Comente, com suas palavras, a relevância de se ajustar julgamentalmente (com base em informações
contextuais) o comportamento futuro esperado da variável dependente de uma análise de regressão
por MQO.

33) Comente brevemente as diferenças acerca do coeficiente de determinação (R 2) e sua forma ajustada
(R2ajustado), complementando com a questão de o porquê se sugere sua consideração em conjunto
com medidas como o erro percentual absoluto médio (MAPE) e o U de Theil, por exemplo.
34) Comente brevemente as características comportamentais de uma série histórica cujos componentes
geraram as seguintes estimativas para as constantes de suavização: α= 0,33; β = 0,00; γ = 0,01 e φ
= 0,00 e também as características comportamentais de outra série histórica que gerou um modelo
Box-Jenkins com a seguinte estrutura (1,1,0)(1,0,1)12.

35) Explique 1) o que é a medida U de Theil e 2) como se interpreta seu resultado.

36) Mencione duas vantagens na utilização da Metodologia de Suavização Exponencial em relação à

Decomposição Clássica quando da análise do comportamento de uma série temporal.

37) Explique em que sentido as medidas U de Theil e Erro Percentual Absoluto Médio (MAPE) podem ser
consideradas complementares ao Coeficiente de Determinação Ajustado em uma análise de regressão
por MQO.

38) Explique no que a Metodologia de Suavização Exponencial se baseia para estimar os valores de suas
constantes de suavização (alfa, beta e gamma) e porque ela recebe este nome.

39) Trace um paralelo entre o conteúdo programático da disciplina (conceitos e ferramentais) e a

capacidade necessária exigida no mercado de trabalho para se desenvolver algoritmos de soluções
automatizadas de problemas (empresariais, sociais, jurídicos e financeiros), de modo que revele sua
importância para a formação de um Bacharel em Ciências Econômicas deste século.

40)