Estatística e Modelos de Previsão

Modelos de Previsão

EPS 7000
Prof. Eduardo Ferreira da Silva
Prof. Lynceo Braghirolli

Engenharia de Produção
EPS CTC UFSC
Prof. Eduardo F. Silva
 Previsão de Séries Estacionárias
Média Móvel

Prof. Eduardo F. Silva

 Média Móvel
Dados sem tendência e sazonalidade

Prof. Eduardo F. Silva

 Média Móvel

Prof. Eduardo F. Silva

 Média Móvel

Prof. Eduardo F. Silva 5

 Previsão de Séries Estacionárias
Com amortecimento Exponencial Simples

Prof. Eduardo F. Silva

 Amortecimento Exponential Simples
Dados ainda sem tendência e sazonalidade

Ŷt 1  Ŷt   (Yt  Ŷt )

ou
Ŷt 1  Yt  (1  )Ŷt
onde 0    1

• A equação acima é equivalente a:

Ŷt 1   Yt   (1   ) Yt 1   (1   ) 2 Yt  2     (1   ) n Yt  n  

Diminui a influência no valor previsto

Prof. Eduardo F. Silva
 Exemplo
Exemplos de duas funções de suavização exponenciais

42

40

38
Units Sold

36

34

32
Number of VCRs Sold
30 Exp. Smoothing alpha=0.1
Exp. Smoothing alpha=0.9

28
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Time Period

11-8
Prof. Eduardo F. Silva
 Implementando o modelo

C3 = B3
C4 = C3+$F$3*(B3-C3)
F5 = SOMAXMY2(B4:B26;C4:C26)/CONT.NUM(C4:C26)
Prof. Eduardo F. Silva
 Usando o Solver para encontrar os valores
Configurações do Solver
Objetivo: F5 (Minimizar)
Células Variáveis: F3
Restrições:
F3 ≤ 1
F3 ≥ 0
Opções do Solver: GRG Não Linear

alpha=0.268

11-10
Prof. Eduardo F. Silva
 Uso do modelo na previsão
Modelo de Suavização Exponencial Simples

Previsão para os meses 25 e 26 no mês 24:

Ŷ25  Ŷ24   ( Y24  Ŷ24 )  35 .74  0.268 (36  35 .74 )  35 .81

Ŷ26  Ŷ25   ( Y25  Ŷ25 )  Ŷ25   ( Ŷ25  Ŷ25 )  Ŷ25  35 .81

Note que:
Ŷt  35 .81, for t = 25, 26, 27, 

Prof. Eduardo F. Silva

 Exemplo

Prof. Eduardo F. Silva 12

Prof. Eduardo F. Silva 13
 Incluindo Tendência
Série não estacionária
Método de Holt (Exponencial duplo)

Baseado no Livro Modelagem e Análise de Decisão – Cliff Ragsdale

Prof. Eduardo F. Silva

 Método de Amortecimento Exponencial Duplo
Método de Amortecimento Exponencial Duplo
(Método de Holt)
Et é o nível base esperado no período de tempo t.
Tt é a tendência esperada no período de tempo t.
Previsãot+1 = Valor médio baset + n . tendênciat
n =1 no ajuste da série
Assim: Ŷt  n  E t  nTt n ≥ 1 na previsão

Onde: Et = Yt + (1-)(Et-1+ Tt-1) 0    1

Previsão da nova tendência para o período t

Tt = b(Et Et-1) + (1-b) Tt-1 0  b  1

Prof. Eduardo F. Silva
 Otimize Modelo de Holt (Exponencial dupla)...

Parâmetros não otimizados

E3 = D3
F3 =0 //Inicialização
G4 = E3 + F3 //Valor previsto
E4 = $J$3*D4 + (1-$J$3)*(E3+F3) //Previsão sem tendência

Prof. Eduardo F. Silva

 Otimize Modelo de Holt (Exponencial dupla)...

Et = Yt + (1-)(Et-1+ Tt-1)

Tt = b(Et Et-1) + (1-b) Tt-1

E3 = D3
F3 =0 //Inicialização
G4 = E3 + F3 //Valor previsto
E4 = $J$3*D4 + (1-$J$3)*(E3+F3) //Previsão sem tendência
F4 = $J$4*(E4-E3)+(1-$J$4)*F3
Prof. Eduardo F. Silva
 Otimize Modelo de Holt (Exponencial dupla)...

Et = Yt + (1-)(Et-1+ Tt-1)

Tt = b(Et Et-1) + (1-b) Tt-1

E3 = D3
F3 =0 //Inicialização
G4 = E3 + F3 //Valor previsto
E4 = $J$3*D4 + (1-$J$3)*(E3+F3) //Previsão sem tendência
F4 = $J$4*(E4-E3)+(1-$J$4)*F3
Prof. Eduardo F. Silva
 Otimize Modelo de Holt (Exponencial dupla)...
Parâmetros não otimizados

Prof. Eduardo F. Silva

 Previsão com o Modelo de Holt
Previsão para os períodos 21 à 24, baseado no período 20:

Ŷ20  n  E 20  nT20

Ŷ21  E 20  1T20  2336 .8 +11*208.0

2447.1  152 .1 =2488
2655.1
.9
Ŷ22  E 20  2 T20  2336 .8 +22*208.0
2447.1  152 .1 = 2641 .0
2863.1
Ŷ23  E 20  3T20  2336 .8 +33*208.0
2447.1  152 .1 =2793 .1
3071.1
Ŷ24  E 20  4 T20  2447.1
2336 .8 + 44*208.0
 152 .1 
= 2945 .2
3279.1
Atividade: Otimize o modelo e informe os valores da
previsão (e os coeficientes otimizados) para o próximo ano
usando o Modelo de Holt (no Excel/Gsheets)
Prof. Eduardo F. Silva 11-21