Escolar Documentos
Profissional Documentos
Cultura Documentos
RODOVIÁRIO DE BELÉM
RESUMO
ABSTRACT
The objective of this work is to present a forecasting model for Flow Landing of Passengers in
the Road Terminal of Belém, for this a it was used the statistics technique of Analise of Secular Series.
Three types of models are shown: the additive model of decomposition, additive and multiplicative of
Holt-Winters seazonal exponential smoothing model, which must have presented the smallest forecast
errors, amongst the diverse tested models. The additive decomposition model, presented an forecasating
mean percentage error of 16%, considers this very high error. The additive Holt-Winters exponential
model, got a smaller error (1,27%). However the model that presented the smallest forecasting mean
percentage error, was multiplicative Holt-Winters Exponential, with an error of 0,12% forecasting.
(*)
Doutor em Engenharia de Produção pela Universidade Federal de Santa Catarina (UFSC), Professor Adjunto da
Universidade Federal do Pará (UFPA). E-mail: edson@ufpa.br
(**)
Doutora em Engenharia de Produção pela UFSC, Professora Adjunto da UFPA. E-mail: salmeida@ufpa.br
(***)
Mestrando em Matemática Aplicada e Estatística pela UFPA, concentração-estatística.
E-mail: dennison.carvalho@gmail.com
Uma série temporal é um conjunto de ser um vetor Z(t), de ordem r x 1 onde, por sua
informações feitas seqüencialmente ao logo do vez, t é um vetor p x 1. Por exemplo:
tempo. A característica mais importante, deste
tipo de dados, é que as observações vizinhas são Z (t ) = Z 1 (t ), Z 2 (t ), Z 3 (t ) (2.1)
dependentes e fica-se interessado em analisar e
modelar esta dependência. Enquanto em modelos Onde três componentes denotam,
de regressão, por exemplo, a ordem das respectivamente, a altura, a temperatura e a
observações é irrelevante para a análise de séries pressão de um ponto do oceano e t = (tempo,
temporais a ordem dos dados é crucial. Referindo- latitude, longitude ). Diz-se que a série é
se ao parâmetro t como sendo o tempo, a série multivariada (r = 3) e multidimensional (p = 3).
Z(t) poderá ser função de algum outro parâmetro De um modo geral, pode-se considerar que uma
físico, como espaço ou volume. Morettin e Toloi série temporal é qualquer conjunto de
(2004) afirmam que, uma série temporal, pode observações ordenadas no tempo.
Morettin e Toloi (2004) afirmam que os fórmulas que serão mostradas a partir daqui,
modelos utilizados para descrever séries foram retiradas do trabalho desses autores.
temporais são processos estocásticos, isto é,
processos cuja evolução no tempo é gerada e Seja T um conjunto arbitrário. Um processo
controlada por leis probabilísticas. Todas as estocástico é uma família Z = {X(t), t Î T}, tal que,
para cada t Î T; Z(t) é uma variável aleatória.
Amazônia: Ci. & Desenv., Belém, v. 2, n. 3, jul./dez. 2006. 184
Sendo uma possibilidade de escrever uma Onde f(t) é chamado sinal e at o ruído
série temporal observada na forma (MORETTIN; TOLOI, 2004).
Z t = f (t ) + a t , t = 1,..., N , (2.2)
Para Morettin e Toloi (2004), dada uma Sendo que αj são as constantes sazonais
série temporal Zt, t = 1,...,N, um modelo de (médias mensais) e Djt são variáveis periódicas,
decomposição consiste em escrever Zt como uma neste caso dados por:
soma de três componentes não-observáveis,
⎧1, se o período t corresponde ao mês j , j = 1,...,12;
⎪
Z t = Tt + S t + a t , (2.3) D jt = ⎨− 1, se o período t corresponde ao mês 12;
(2.6)
⎪0, caso contrário.
⎩
Onde S t, corresponde á componente
sazonal para o período t; Tt é a componente de Assim, o modelo de decomposição aditivo
tendência no período t; a t é a componente pode ser escrito da seguinte forma:
aleatória, de média zero e variância constante m 12
sa2. Zt = ∑ β j t j + ∑ α j D jt + at .
j =0 j =1
(2.7)
Para Morettin e Toloi (2004) existem dois em três equações com constantes de suavização
tipos de procedimentos cuja utilização depende das diferentes, associadas a cada uma das componentes
características da série considerada e são baseados do padrão da série: nível, tendência e sazonalidade.
Zˆ t (h) = ( Z t + hTˆt ) Fˆt + h − s , h = 1,2,..., s, (2.16) E a nova previsão para a observação Zt+h
será:
Zˆ t (h) = ( Z t + hTˆt ) Fˆt + h − 2 s , h = s + 1,...,2s. (2.17)
Zˆ t +1 (h − 1) = ( Z t +1 + (h − 1)Tˆt +1 ) Fˆt +1+ h − s , h = 1,2,..., s + 1, (2.21)
Para fazer novas previsões quando se tem
uma nova observação Z t +1 , utilizam-se as
seguintes equações: Zˆ t +1 (h − 1) = ( Z t +1 + (h − 1)Tˆt +1 ) Fˆt +1+ h − 2 s , h = s + 2,...,2s + 1, (2.22)
∑
Z t +1 (2.19)
⎜ Fˆ ⎟ ⎜ ⎟ Zk (2.23)
⎝ t +1− s ⎠ ⎝ s ⎠ k =1
∑Z
1
Zs = ˆ = 0.
k ; Ts (2.24)
s k =1
Zˆ t (h) = Z t + hTˆt + Fˆt + h − s , h = 1,2,..., s, (2.25) Z t +1 = A( Z t +1 − Fˆt +1− s ) + (1 − A)( Zˆ t + Tˆt ), (2.28)
Para fazer novas previsões quando se tem E a nova previsão para a observação Zt+h
uma nova observação Z t+1 , utilizam-se as será:
seguintes equações:
Zˆ t +1 (h − 1) = ( Z t +1 + (h − 1)Tˆt +1 ) Fˆt +1+ h − s , h = 1,2,..., s + 1, (2.30)
Fˆt +1 = D ( Z t +1 − Z t −1 ) + (1 − D ) Fˆt +1− s , (2.27)
Zˆ t +1 (h − 1) = ( Z t +1 + (h − 1)Tˆt +1 ) Fˆt +1+ h − 2 s , h = s + 2,...,2s + 1, (2.31)
3 APLICAÇÃO
Estatísticas
Estatísticas Valores
Valores
Média 103.062,981
Mínimo 75.950
Máximo 167.263
A Tabela 2 mostra o fluxo médio anual de o maior fluxo foi no ano de 1999, com 118.453
passageiros no Terminal Rodoviário de Belém, no passageiros em média.
período de janeiro de 1999 a junho de 2003, onde
Tabela 2 - Fluxo médio anual da Série Fluxo de Desembarque de Passageiros no Terminal Rodoviário de Belém
(1999-2003).
Ano
Ano Média
Média
1999 118.453,08
2000 106.769,83
2001 96.002,17
2002 91.979,33
2003 105.466,92
O Gráfico 2 mostra o fluxo médio de Observa-se que nos anos de 2000, 2001 e 2002,
desembarque de passageiros no Terminal houve uma queda no fluxo e somente no ano de
Rodoviário de Belém, no período 1999 a 2003. 2003 é que voltou a aumentar.
140000
120000
100000
80000
60000
40000
1999 2000 2001 2002 2003
Ano
Gráfico 2 - Fluxo médio anual da série fluxo de desembarque de passageiros no Terminal Rodoviário de Belém
(1999-2003).
Fonte: elaborada a partir de dados da PARATUR.
Gráfico 4 - Gráfico da Série Ajustada por Decomposição e a Linha de Tendência (Modelo Aditivo) da Série Fluxo
de Desembarque de Passageiros no Terminal Rodoviário de Belém (1999-2003).
Amazônia: Ci. & Desenv., Belém, v. 2, n. 3, jul./dez. 2006. 190
A Tabela 3 mostra os valores de previsão sendo que aj são as constantes sazonais
da série Fluxo de Passageiros, a partir do modelo (médias mensais), conforme a Tabela 4 e Djt são
de decomposição aditivo para seis meses. Observa- variáveis periódicas, dados pela Equação 2.6 de
se que o da previsão (EPM) é grande (16,33%), onde encontram-se os valores de previsão para
conseqüentemente, este modelo não será usado. os meses de julho de 2003 a dezembro de 2003
conforme a Tabela 3.
A partir da Equação 2.3 encontra-se:
12
Z t = 118076 − 545,919t + ∑ α j + D jt + erro, (3.1)
j =1
Gráfico 5 - Modelo Exponencial de Winter Aditivo da Série Fluxo de Desembarque de Passageiros no Terminal
Rodoviário de Belém (1999-2003).
Fonte: dados da pesquisa.
Observa-se na Tabela 5, os valores das chegar a estes valores que se apresentaram com
constantes de alisamento do modelo de HW os menores Erros Percentuais Médios de
aditivo. Foram testadas várias constantes até Previsão (EPM).
O modelo de Holt Winters Aditivo é dado Verificam-se por meio da Tabela 6 os valores
pela Equação 2.12. Sendo que as estimativas das previsões obtidos a partir da Equação 2.12
destes fatores são dadas por: para a série Fluxo de Passageiros. Observe que,
este modelo apresenta melhores previsões que
aquelas obtidas pela Equação 2.3. O erro
percentual médio das previsões (EPM) foi (1,27
⎛Z ⎞
Fˆt = 0,002⎜⎜ t ⎟⎟ + (0,998) Fˆt − s , t = s + 1,..., N ; (3.2) %), ou seja, menor que o do modelo 2.3. Isto
⎝ Zt ⎠
implica que, utilizando-se o valor máximo da série
(167.263) e tirando este percentual (1,27 %), tem-
⎛ Z ⎞ se um erro de 2.124 pessoas para mais ou para
Z t = 0,46265⎜ t ⎟ + (0,53735)( Zˆ t −1 + Tˆt −1 ), t = s + 1,..., N ; (3.3)
⎜ Fˆ ⎟
⎝ t −s ⎠ menos. Considerando que este erro, ainda, seja
muito grande, mostra-se a seguir o mesmo método
Tˆt = 0,00735( Z t − Z t −1 ) + (0,99265)Tˆt −1 , t = s + 1,..., N ; (3.4) de “HW”, porém, para o modelo multiplicativo.
Tabela 6 - Previsão da Série Fluxo de Desembarque de Passageiros no Terminal Rodoviário de Belém (1999-
2003) a partir do Modelo de Holt-Winters Aditivo.
Tabela 10 - Valores das Previsões dos Modelos de Decomposição Aditivo, Holt-Winters Aditivo e Multiplicativo,
Ajustados para a Série Fluxo de Desembarque de Passageiros no Terminal Rodoviário de Belém
(1999-2003).
5 CONCLUSÃO
LAGE, Beatriz Helena G.; MILONE, Paulo César. Economia do turismo. 2 ed. São Paulo: Papires, 1996.
MAKRIDAKIS, Spyros; WHEELWRIGHT, Steven C. Forecasting methods for management. 4. ed. New
York: John Wiley; Sons Inc, 1985.
MORETTIN, Pedro A.; TOLOI, Clélia M. Séries temporais. 2 ed. São Paulo: Atual, 2004.
REJOWSKI, Mirian. Turismo e pesquisa científica: pensamento internacional x situação brasileira. 4. ed.
Campinas: Papirus, 2000. 167 p.