MODELAGEM E PREVISÃO POR MEIO DE METODOLOGIA BOX & JENKINS: UMA FERRAMENTA DE GESTÃO
|
|
- Rafael Olivares Meneses
- 8 Há anos
- Visualizações:
Transcrição
1 UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO MODELAGEM E PREVISÃO POR MEIO DE METODOLOGIA BOX & JENKINS: UMA FERRAMENTA DE GESTÃO DISSERTAÇÃO DE MESTRADO Rosane Maria Kirchner Sana Maria- RS Brasil 006
2 MODELAGEM E PREVISÃO POR MEIO DE METODOLOGIA BOX & JENKINS: UMA FERRAMENTA DE GESTÃO por Rosane Maria Kirchner Disseração apresenada ao Curso de Mesrado do Programa de Pós- Graduação em Engenharia de Produção, Área de Concenração Qualidade e Produividade, na Universidade Federal de Sana Maria (UFSM-RS), como requisio parcial para obenção do grau de Mesre em Engenharia da Produção. Orienador: Adriano Mendonça Souza Sana Maria, RS, Brasil 006
3 3 Universidade Federal de Sana Maria Cenro de Tecnologia Programa de Pós-Graduação em Engenharia de Produção A Comissão Examinadora, abaixo assinada, aprova a Disseração de Mesrado MODELAGEM E PREVISÃO POR MEIO DE METODOLOGIA BOX & JENKINS: UMA FERRAMENTA DE GESTÃO Elaborada por Rosane Maria Kirchner Como requisio parcial para obenção do grau de Mesre em Engenharia de Produção COMISSÃO EXAMINADORA: Adriano Mendonça Souza (Presidene/Orienador) Luis Felipe Dias Lopes/UFSM Wesley Vieira da Silva/PUCPR Sana Maria, de dezembro de 006.
4 4 AGRADECIMENTOS A Deus, por er me iluminado e me dado força e inspiração para conseguir erminar ese rabalho. Ao meu orienador, Prof. Dr. Adriano Mendonça Souza pelo apoio, amizade, paciência e confiança. Aos professores do PPGEP pela aceiabilidade e vaga concedida. Em especial, a minha família, pelo incenivo, carinho e dedicação em odos os momenos, sempre sem medir esforços para me ajudar. A empresa pela disponibilidade e cadência dos dados. Aos professores que pariciparam da Comissão Examinadora.
5 5 RESUMO Disseração de Mesrado Programa de Pós-Graduação em Engenharia de Produção Universidade Federal de Sana Maria MODELAGEM E PREVISÃO POR MEIO DE METODOLOGIA BOX&JENKINS: UMA FERRAMENTA DE GESTÃO AUTORA: Rosane Maria Kirchner ORIENTADOR: Adriano Mendonça Souza Daa e Local de Defesa: Sana Maria, de dezembro de 006 Independenemene do amanho da empresa é necessário esabelecer meas, parâmeros e esraégias. É imporane er um guia, um plano que direcione as ações do presene como meio de aingir as meas para o fuuro. Além disso, o planejameno da empresa requer organização, conroles, ferramenas que auxilie e favoreça a omada de decisões e redirecionamenos necessários. A modelagem e consequenemene a previsão são ferramenas indispensáveis à gesão, para al, evidencia-se a conribuição da meodologia Box & Jenins. O mercado é alamene compeiivo e seleivo, exigindo não somene eficiência, mas principalmene eficácia. Ações direcionadas à ampliação da qualidade de uma organização são ão imporanes quano a capacidade de prever, conhecer, medir e analisar a resoluividade das meodologias uilizadas. Nese conexo é que a presene invesigação é realizada, buscando conhecer o comporameno do faurameno de uma empresa do ramo agrícola e de suas duas filiais, modelando e, realizando previsões. Para ano, a meodologia empregada consise em uilizar dados hisóricos do faurameno das mesmas. Para a Mariz da Empresa Bea foi enconrado um modelo ARMA (,), sendo ese o mais parcimonioso. Na Filial CB o modelo que melhor descreveu os dados foi o SARIMA (,0,0)*(,0,0) e na Filial SL o modelo SARIMA (,0,0)*(,0,0). Realizando a previsão e comparando com os dados reais disponibilizados pela empresa, verificou-se a eficiência do modelo, sendo que odos os valores enconram-se no inervalo de confiança de 95%. Tomando-se por base os resulados obidos nessa pesquisa, pode-se afirmar que a meodologia uilizada se consiui em uma imporane ferramena, podendo ser uilizada pelos gesores das respecivas empresas, fornecendo subsídios para o planejameno dos meses seguines. Palavras-chaves: Gesão, séries emporais, modelagem, Box-Jenins.
6 ABSTRACT Disseração de Mesrado Programa de Pós-Graduação em Engenharia de Produção Universidade Federal de Sana Maria MODELING AND FORECAST BY MEANS OF BOX & JENKINS METHODOLOGY: A MANAGEMENT TOOL AUTHOR: Rosane Maria Kirchner ADVISOR: Adriano Mendonça Souza Dae and place of defense: Sana Maria, of december of 006 Independenly of he company size i is necessary o esablish goals, parameers and sraegies. I is imporan o have guidance, a plan ha conducs he acions for he presen as a way o reach he goals for he fuure. Moreover, he planning of he company requires organizaion, conrols, ools which assis helpful favor he decisionmaing and he necessary reconducs. The modeling and consequenly he forecas are indispensable ools for he managemen, such, proves i conribuion of he Box & Jenins mehodology. The mare is highly compeiive and selecive, demanding no only efficiency, bu mainly effeciveness. Acions direced o he magnifying of he qualiy of an organizaion are as imporan as he capaciy o foresee, o now, o measure and o analyze he resoluiviy of he used mehodologies. In his conex his presen research is realized, searching o now he behavior of he company invoicing from an agriculural company and is wo branch offices, molding and, in such a way, allowing puing ino pracice forecass. Thus, he mehodology applied consiss of he use of hisorical daa from he invoicing of he same ones. For he Main company, of Bea Company was found an ARMA(,) model, being his he mos parsimonious. In CB Branch office he SARIMA (,0,0) * (,0,0) was he model ha beer described he daa and in SL Branch office, he model SARIMA (,0,0) * (,0,0). Realizing he forecas and comparing wih he real daa placed by he company, i was verified he efficiency of he model, being ha all he values mee up wih he confidence inerval of 95%. Taing ino base he resuls gained in his research, i is possible o affirm ha he mehodology used consiues of an imporan ool, being able o be used by he managers of he respecive companies, supplying subsidies o he planning of he following monhs. Key words: Managemen, imes series, modeling, Box-Jenins
7 7 LISTA DE FIGURAS Figura - Processo de omada de decisão... 5 Figura - Fluxograma do ciclo ieraivo de Box & Jenins... 4 Figura 3 - Faurameno mensal da Mariz nos anos de 00 a Figura 4 - Faurameno Mariz da Empresa Bea, de janeiro/00 a maio/ Figura 5 Função de auocorrelação e Função de auocorrelação parcial, respecivamene, da serie de faurameno da Mariz da Empresa Bea Figura 6 Análise de Resíduos: Função de auocorrelação(a); Função de auocorrelação parcial(b) e Gráfico da disribuição normal Figura 7 - Faurameno e valores esimados a parir do modelo da mariz com as previsões do período de junho a seembro de Figura 8 - Faurameno mensal Filial SL da Empresa Bea nos anos de 00 a Figura 9 - Faurameno Filial SL da Empresa Bea, de janeiro/00 a maio/ Figura 0 - Função de auocorrelação e Função de auocorrelação Parcial respecivamene da serie de faurameno da Filial SL da Empresa Bea Figura - Análise de Resíduos: Função de auocorrelação(a); Função de auocorrelação parcial(b) e Gráfico da disribuição normal Figura - Faurameno e valores esimados a parir do modelo da Filial SL da Empresa Bea com as previsões do período de junho a seembro de Figura 3 - Faurameno mensal FilialCB da Empresa parcial, respecivamene, da serie de faurameno da Filial CB da Empresa Bea Figura 6 - Análise de Resíduos:Função de auocorrelação(a); Função de auocorrelação parcial(b) e Gráfico da disribuição normal Figura 7 - Faurameno e valores esimados a parir do modelo da Filial CB com as previsões do período de junho a seembro de
8 8 LISTA DE TABELAS Tabela - Medidas descriivas do faurameno da Mariz, por ano Tabela - Modelos proposos para o faurameno da Mariz da Empresa Bea Tabela 3 - Previsões para o faurameno da Mariz da Empresa Bea Tabela 4 - Medidas descriivas do faurameno da Filial SL, por ano... 5 Tabela 5 - Modelos proposos para o faurameno da Filial SL da Empresa Bea.. 53 Tabela 6 - Previsões para o faurameno da Filial SL da Empresa Bea Tabela 7: Medidas descriivas do faurameno da Filial CB, por ano Tabela 8: Modelos proposos para o faurameno da Filial CB da Empresa Bea.. 59 Tabela 9: Previsões para o faurameno da Filial SB da Empresa Bea... 60
9 9 SUMÁRIO INTRODUÇÃO.... Tema da Pesquisa.... Jusificaiva e relevância da pesquisa....3 Objeivos Objeivo geral Objeivos específicos Delimiação da pesquisa Eapas da pesquisa... 3 REVISAO DE LITERATURA A modelagem na gesão de negócios Séries emporais Análise no domínio do empo Análise no domínio da freqüência Processo Esocásico e Séries Temporais Ruído branco Componenes de uma série emporal Meodologia Box & Jenins Modelos esacionários Idenificação da esruura Função de auocorrelação (FAC) Função de auocorrelação parcial (FACP) Modelos Não-Esacionários Modelo Sazonal Muliplicaivo Geral Esimação Verificação do modelo Previsão METODOLOGIA Caracerização da pesquisa... 40
10 0 3. Locais da Pesquisa A Empresa Bea Os dados Análise dos Resulados Esaísica descriiva Modelagem das séries por meio da meodologia Box & Jenins Aspecos Éicos APRESENTAÇÃO, ANALISE E DISCUSSÃO DOS DADOS Modelagem do faurameno da Empresa Bea Modelagem da série do faurameno da Mariz Empresa Bea Modelagem da série do faurameno da Filial SL da Empresa Bea Modelagem da série do faurameno da Filial CB da Empresa Bea CONCLUSÃO REFERÊNCIAS BIBLIOGRÁFICAS... 63
11 INTRODUÇÃO As mudanças que esão ocorrendo no conexo mundial são uma consane e inerferem direamene nas organizações, daí a necessidade das empresas esarem preparadas para sobreviverem e crescerem no referido ambiene. Conforme Mileer apu Hesselbein (997) a organização do fuuro esá ajusada na premissa da flexibilidade, devendo a mesma compromeer-se em avançar, adapar-se e mudar de acordo com as exigências do conexo em que esá inserida. Os gesores necessiam dispor de conhecimenos e habilidades para alcançar novas formas de vanagem compeiiva, iso é, a capacidade de adaparem-se, inegrarem-se e reconfigurar habilidades, recursos e meodologias de análise para auxiliar na omada de decisões, frene às novas exigências do mercado. Dessa forma, favorecendo uma renovação conínua das compeências organizacionais, à medida que mudam as caracerísicas do ambiene de negócios. Os méodos esaísicos são imporanes recursos para analisar e prever comporamenos e siuações que podem ocorrer na gesão empresarial, no inuio de reconfigurar a ação das compeências organizacionais. O moniorameno do êxio da gesão de uma empresa esá direamene relacionado aos insrumenos uilizados, denre eles, a previsão de faurameno. Esa pode ser realizada e aprimorada com o uso de meodologias esaísicas, denre elas, a análise de séries emporais por meio da meodologia Box & Jenins. Na descrição da meodologia, essa écnica será expliciada, se consiuindo no objeo dessa pesquisa. O faurameno bruo igualmene se consiui em um indicador imporane para verificar como esá a aceiação e a confiabilidade de uma empresa. Verificar o comporameno hisórico de faurameno da empresa possibilia a criação de um
12 modelo capaz de realizar previsões fuuras, para a melhor organização da empresa, o qual se consiui essência dessa invesigação.. Tema da pesquisa Esudo do faurameno obido por uma empresa do ramo agrícola, bem como de suas duas filiais, por meio da meodologia de séries emporais Box & Jenins, possibiliando fazer previsões para o auxilio na omada de decisões, subsidiando a gesão.. Jusificaiva e relevância da pesquisa Na gesão de uma empresa o gesor se defrona com inúmeros problemas, exigindo dele a uilização de mecanismos eficienes e eficazes visando solucionálos. Um problema em uma empresa ocorre quando o esado aual de uma siuação é diferene do esado desejado e das meas proposas. Para faciliar e apoiar o processo de omada de decisão nese conexo pode-se fazer uso de meodologias maemáicas e esaísicas, as quais darão supore para ransformar dados bruos reais em processos de modelagem, favorecendo o processo decisório..3 Objeivos.3. Geral Realizar modelagem e previsão a parir da meodologia de Box-Jenins, como auxiliar no processo decisório e consequenemene como ferramena de gesão..3. Específicos
13 3 - Esudar o comporameno das séries de faurameno da referida empresa e de suas filiais, suas especificidades e implicações; - Verificar a esruura das séries de faurameno, modelando e fazendo previsões; - Tesar a eficácia do proposo; - Avaliar os resulados da pesquisa para a empresa, auxiliando dessa forma no processo decisório..3 Delimiação da pesquisa Esa pesquisa delimia-se ao esudo de séries de faurameno de uma empresa do ramo agrícola e de suas filiais, não se esendendo as ouras empresas concorrenes dese seor, não incluindo esudo comparaivo com ouras écnicas de previsão..4 Eapas da pesquisa A presene pesquisa esá esruurada da seguine forma: no capíulo apresena a fundamenação eórica sobre gesão de negócios e meodologia de séries emporais, em especial, a de Box & Jenins. No capíulo 3, é apresenada a meodologia uilizada, onde são analisadas as séries de faurameno das referira empresa e de suas filiais sendo esimado um modelo que descreve o comporameno do faurameno das mesmas. Para finalizar, no capíulo 4, são conemplados os principais resulados obidos.
14 4 FUNDAMENTAÇÃO TEÓRICA O presene capíulo esá esruurado da seguine forma: inicialmene são ecidas considerações relacionadas à modelagem na gesão de negócios e sobre a meodologia Box & Jenins uilizada na realização da pesquisa.. A modelagem na gesão de negócios No aual conexo mundial em que as organizações esão inseridas, um plano de negócios é fundamenal no senido de favorecer o esabelecimeno de esraégias compaíveis e direcionadas à realidade do mercado compeiivo e seleivo, onde só as melhores sobrevivem e conseguem se maner e crescer. Considerando que as mudanças são uma consane no meio empresarial, repora-se a Albrech(99) ao afirmar que as organizações reagem de forma diferenciada às mudanças, ais como: rigidez, inflexibilidade e incapacidade, ao passo que ouras reagem de forma inversa, apas e disposas a aceiar a mudança como inerene à gesão. As empresas muias vezes necessiam do esudo do comporameno de deerminadas variáveis que são relevanes para a gesão, descrevendo-as, realizando previsões e conseqüenemene dando condições para a omada de decisões. A esaísica e a economeria em um papel imporane nese conexo, o uso de meodologias desa área darão condições e fundamenação para a análise dos fenômenos econômicos e consequenemene a geração de modelos, sendo eses, uma represenação simplificada de um processo no mundo real.
15 5 Segundo Braga (000,p.4), Um modelo economérico é descrio por um conjuno de equações comporamenais derivadas do modelo econômico, as quais envolvem variáveis observáveis e um ermo aleaório ou erráico, que coném odos os faores que não foram incorporados ao modelo em análise. Além disso, coném afirmações sobre a exisência de erros de observações em variáveis do modelo sobre a especificação da disribuição de probabilidades do ermo aleaório. O objeivo dessa formulação é prover uma forma represenaiva passível de ese empírico, por meio de esimação, ese e checagem do diagnósico produzido. Na gesão de uma empresa o gesor, muias vezes, se depara com siuações as quais precisa omar uma decisão enre uma série de opções inconciliáveis. Ele pode ano usar sua inuição gerencial, que seria muio arriscado, quano realizar um processo de modelagem da siuação, fazendo varias simulações, esudando com maior profundidade a quesão para só enão decidir. Aualmene, cada vez mais as empresas esão opando pela segunda maneira para a omada de decisão, pois a mesma fornece subsídios e segurança no processo, sem deixar de uilizar a primeira, a inuição para ajudá-lo na seleção das informações relevanas, na validação do modelo e na análise de resulados. Segundo Lachermacher (004) a omada de decisão em uma gesão segue o processo, represenado na Figura. Para ele a omada de decisão é um processo de idenificar uma siuação problema ou uma maneira de selecionar uma linha de ação para solucioná-lo. Figura : Processo de omada de decisão- Lachermacher (004) Para o auor, exisem várias vanagens do gesor uilizar um processo de modelagem na omada de decisão. Os modelos, segundo ele, induzem os decisores
16 6 a ornarem explícios seus objeivos, a idenificarem e armazenarem as diferenes decisões que influenciam os objeivos, os relacionamenos enre as decisões, idenificarem as variáveis a serem incluídas e em que ermos elas serão quanificáveis, a reconhecerem limiações, permiindo a comunicação de suas idéias e seu enendimeno para faciliar o rabalho de grupo. Considerando esas caracerísicas, um modelo pode servir de ferramena eficiene e eficaz para a avaliação e divulgação de diferenes políicas empresariais. Independenemene do amanho da empresa é necessário esabelecer meas, parâmeros e esraégias. A modelagem pode ser um insrumeno imporane nesa conjecura, pois, para propor direrizes, deve-se esudar o comporameno dos dados hisóricos e as ações do presene para uma poserior omada de decisão e, conseqüenemene, se consiuir em subsídios para aingir as meas raçadas para o fuuro. Nese cenário, pensou-se ser de fundamenal imporância que o gesor disponha de meodologias capazes de auxiliá-lo nos processos decisórios, daí a relevância da presene pesquisa.. Séries emporais Esa meodologia compreende a idenificação da esruura de uma série emporal, bem como a criação de um modelo que permia realizar projeções. Podese definir uma série emporal como um conjuno de observações de uma dada variável, ordenadas segundo o empo, geralmene em inervalos eqüidisanes (Gujarai, 000). Represenando o valor de uma variável aleaória qualquer no insane por Z, a série emporal é denoada por Z, Z,...,Z N, onde N é o amanho da série ou número de observações da variável. Uma enorme quanidade de fenômenos de naureza física, biológica, econômica, social, denre ouras, esão enquadrados nesa caegoria e êm suas caracerísicas esudadas aravés desa meodologia. Na análise de séries emporais, basicamene, exisem dois enfoques básicos que o analisa pode seguir: a análise no domínio do empo e a análise no
17 7 domínio da freqüência. Ambos êm como objeivo consruir modelos para as séries com os propósios deerminados... Análise no domínio do empo Na análise no domínio do empo, considera-se a evolução emporal do processo, ou seja, mede-se a magniude do eveno que ocorre em deerminado insane de empo. Quando esa análise é baseada em um modelo paramérico, uiliza as funções de auocovariância e auocorrelação(souza e Camargo,996). A função de auocovariância é a covariância enre Z, o valor da variável no insane, e Z +, o seu valor separado por inervalos de empo, definida por: γ [ Z, Z ] = E {[ Z µ ][ Z µ ]} = cov + +, onde µ é a média do processo. A auocorrelação ( ) é a auocovariância padronizada que serve para medir o comprimeno e a memória de um processo, ou seja, a exensão para qual o valor omado no empo, depende daquele omado no empo -. A auocorrelação de defasagem é definida como: γ [ Z, Z + ] ( Z ) Var( Z ) Cov = = (.) γ 0 Var + onde: coeficiene de auocorrelação na defasagem γ coeficiene de auocovariância na defasagem γ 0 variância do processo Como na práica se em somene uma amosra de observações, o coeficiene de auocorrelação é obido por meio de sua esimaiva, que é dada por:
18 8. = = = n ˆ0 γ n ( Z Z )( Z + Z ) ˆ γ ˆ (.) ( Z Z ) = A seguir define-se o correlograma, que é o gráfico dos coeficienes de auocorrelação versus K. A função de auocorrelação parcial (φ ) é a correlação enre duas observações seriais, eliminando-se a dependência dos ermos inermediários, ou seja, a medida da correlação enre duas observações seriais Z e Z +, não considerando a dependência dos ermos inermediários Z +, Z +, Z +-. A auocorrelação parcial é represenada por: ( Z Z / Z Z ) cor. (.3),, A função de auocorrelação parcial pode ser obida, considerando-se um modelo de regressão para um processo esacionário com média zero. A variável dependene Z + depende das variáveis Z +-, Z +-,... Pode ser represenada desa forma: = φ φ... φ (.4) Z + Z + + Z Z + a+ onde: φ i - i-ésimo parâmero da regressão; a + - é o ermo de erro descorrelaado com Z +-j para j. Muliplicando-se por Z +-j ambos os lados da equação anerior (3.4) e aplicando a esperança, em-se: γ = φ... γ j γ j + φ γ j + + φ j, (.5) logo: = φ φ... φ j j + j + + j. (.6)
19 9 Para j=,,,, em-se o seguine sisema de equações: = φ φ φ ; = φ φ φ ; M 0... φ φ φ =. Usando a regra de Cramer para =,,, em-se: φ = φ = ; 3 33 φ = ; φ L M M L M M M L L L M M L M M M L L =. (.7)
20 0 A função de auocorrelação parcial amosral φˆ é obida subsiuíndo i por ˆ i em (.7). Sugerido por Durbin em 960, ao invés de se calcular os deerminanes para valores grandes de em (3.7), usa-se um méodo recursivo com ˆ φ ˆ = para ober φˆ, como segue: ˆ φ e ˆ + j= +, + = j= ˆ φ ˆ j ˆ φ ˆ j + j j ˆ φ ˆ φ ˆ φ ˆ, comj,...,. (.8) +, j = j +, + φ, + j = Pode-se ober ambém, o valor eórico de φˆ, com o méodo descrio acima, sob a hipóese de um processo de ruído branco, a variância de aproximada por: φˆ pode ser Var( ˆ φ ) n logo, ± pode ser usado como limies críicos de φ para o ese de hipóese de n um processo de ruído branco... Análise no domínio da freqüência Na análise do domínio da freqüência, procura-se idenificar periodicidades exisenes em uma série emporal. Esa forma de procedimeno é empregada quando os componenes harmônicos da série êm um significado físico ou os efeios
21 práicos do processo são analisados por suas componenes de freqüência, logo, os mesmos são mais convenienes para sua represenação. A função empregada nesse caso é a densidade especral, sendo que a mesma visa esabelecer as propriedades de um processo esocásico em ermos de freqüência. Logo, a verificação das periodicidades que por acaso exisirem em uma série emporal, pode ser realizada com o auxilio da análise especral. Para uma série Z ( = 0, ±, ±,...) represenando um processo esacionário com função de auocovariância finia, e seu especro é definido por: f π jw ( w) = e π w π =, (.9) = = jw ( w) e, = 0, ±, ±,... f, (.0) onde, - auocorrelação; f(w) densidade especral; w freqüência em radianos. A função de densidade normalizada é a ransformada de Fourier da função de auocorrelação. A variância de Z é uma medida da poência oal do processo, e a função de densidade especral represena a conribuição para a poência oal de odos os componenes de freqüência presenes no processo...3 Processo esocásico e séries emporais Um modelo que descreve a esruura de probabilidade de uma seqüência de observações é chamado de processo esocásico. O propósio da eoria dos processos esocásicos é o esudo daqueles mecanismos dinâmicos que proporcionam meios de análise de uma seqüência de observações, visas conjuna e
22 inerdependenemene em uma sucessão de momenos de empo, as quais são influenciadas por faores aleaórios. Ao se observar o comporameno de uma série emporal, verifica-se que esa pode ser considerada como uma paricular realização de uma seqüência de observações produzidas por um mecanismo probabilísico. Dessa maneira, uma série emporal pode ser visa como uma realização de um processo esocásico. Segundo Souza & Camargo(996), esudar modelos de séries emporais significa buscar ober meios capazes de inferir as caracerísicas de seu projeo gerador, bem como buscar modelos esocásicos que sejam capazes de descrever as siuações pariculares que ocorrem na realidade. Um processo esocásico pode ser caracerizado como uma família Z={Z(), є N} al que para cada є R, Z() é uma variável aleaória. Se N Z={,..., }, diz-se que o processo é de parâmero discreo, denoando-se por Z. Se N R, diz-se que o processo é de parâmero conínuo, denoando-se por Z(). Considerando que Z origina-se de um experimeno que pode ser repeido sob condições idênicas; a cada experimeno obém-se um regisro de valores de Z no empo, sendo que cada um deles é uma realização do processo. Assim, uma série emporal pode ser observada como uma pare da rajeória ou de uma realização parcial do processo esocásico, iso é, uma amosra finia de observações no empo. Uma série emporal pode ser visa como sendo gerada por um conjuno de variáveis aleaórias conjunamene disribuídas. A série Z, porano, represena um específico resulado da função de probabilidade conjuna P(z i,..., z N ). A série enão observada como uma realização amosral denre odas as séries possíveis de amanho n, que poderiam er sido geradas por um mesmo mecanismo subjacene, denominado processo esocásico. Pode-se dizer que um processo esocásico esá esaisicamene deerminado quando se conhecem suas funções de disribuição aé a n-ésima ordem. Na práica, ocorrem siuações problemáicas por não se conhecerem odas as funções de disribuição aé a n-ésima ordem e por er-se apenas uma realização do processo esocásico, a parir da qual se deseja inferir caracerísicas do mecanismo gerador da série. Para superar essas dificuldades assumem-se duas resrições: ª) Esacionariedade: se o processo esocásico que gerou a série de observações é invariane com respeio ao empo, diz-se que ele é esacionário.a imporância do conhecimeno de a série ser ou não esacionária reside no fao de que, quando se
23 3 rabalha com uma série esacionária, se esá em presença de uma função amosral do processo que em a mesma forma em odos os insanes de empo T, o que acarrea possibilidades de obenção de esimaivas das caracerísicas do processo de forma basane simples. Embora a eoria mosre conveniência práica do uso de séries esacionárias, no mundo real, nem odas as séries enconradas podem ser classificadas como esacionárias. Porano, a esacionariedade é uma condição basane resriiva, imposa à série emporal. Felizmene, séries não esacionárias homogeneas são aquelas que se caracerizam por apresenarem propriedades ais que, diferenciando-as uma ou mais vezes, resulam em séries esacionárias. O número de vezes que a série original deve ser diferenciada para se ornar uma série esacionária é chamada de ordem de inegração. Um processo esacionário saisfaz as seguines condições: i) E[Z ]= E[Z + ]= µ(), ; ii) E[(Z -µ) ]= σ ()= σ, σ <, ; iii) Cov[Z,Z + ]= Cov[Z +m,z ++m ], m. (.) ª) Ergodicidade: um processo esocásico é considerado ergódico se apenas uma realização é suficiene para ober odas as suas caracerísicas. Logo, odo processo ergóico é ambém esacionário, já que apenas uma realização de um processo não esacionário não poderá coner odas as informações necessárias para a especificação do processo. A mea, de forma geral, do esudo de uma série emporal consise em: dada uma realidade (processo esocásico), reira-se uma amosra finia de observações eqüidisanes no empo (série emporal) e por meio do esudo desa amosra (análise de séries emporais) idenifica-se um modelo cujo objeivo é inferir sobre o comporameno da realidade (modelo esocásico)...4 Ruído branco É uma seqüência de variáveis aleaórias independenes e idenicamene disribuídas, não necessariamene, mas usualmene com disribuição Normal de
24 4 média zero e variância consane branco se: [, σ ] a N 0 a, com média: E[a ]=0 σ a. Logo, o processo a, =0,,,... é um ruído Auocovariância: [, ] = = 0 E a a + γ ; Para = ±, ±,... e γ = σ a para =0 Auocorrelação: =, = 0, = 0 = ±, ±,... Auocorrelação parcial: φ φ =, = 0, = 0 = 0..5 Componenes de uma série emporal Segundo Moreine & Toloi (987) uma série emporal geralmene é, composas por quaro componenes: a) Tendência (T ): verifica o senido de deslocameno da série, ao longo de vários anos, podendo aumenar, diminuir ou permanecer consane; b) Cido (C ): movimeno ondulaório que, ao longo de vários anos, ende à periodicidade, ou seja, é o movimeno da série que se repee ao longo dos períodos de empo, endo uma longa duração, a qual varia de ciclo para ciclo ou se repee, em períodos muio longos; c) Sazonalidade ou Faor Sazonal (S): relaa as fluuações periódicas de comprimeno consane, repeindo em períodos fixos, o comprimeno do período é denoado por "S", associado, na maioria dos casos, a mudanças climáicas; d) Ruído aleaório ou erro (a): é udo aquilo que não é explicado pelas ouras componenes da série ou seja, é o que o modelo esimado não consegue capar. Um erro é dio ruído branco quando possui disribuição normal, a média de seus componenes é zero e a variância consane, a esses, são não-correlacionados indicando, assim, que o modelo elaborado conseguiu explicar o máximo de série de dados.
25 5..6 Meodologia Box & Jenins Com base em pesquisas aneriores, Box & Jenins apresenaram em 970 uma meodologia geral para o desenvolvimeno de modelos de previsão em séries emporais e conrole. Yule inroduziu os modelos auoregressivos (AR) em 96, enquano que os modelos médias móveis (MA) surgiram com Sluzy em 937. Em 938, Wold mosrou que qualquer processo esocásico esacionário discreo pode ser represenado por modelos auoregressivos e médias móveis. A parir desses esudos, Box & Jenins consruíram uma écnica de idenificação do modelo, esimação de parâmeros e verificação da validade do modelo. Para o uso dessa écnica é necessária a experiência do analisa no rao com a meodologia na fase da idenificação da esruura do modelo (Mongomery, 976). O raameno desenvolvido por Box & Jenins para a análise de séries esocásicas de empo se fundamena no fao de que, embora seus respecivos valores no empo, z, apresenem correlação serial, cada um deles pode ser considerado como gerado por uma seqüência de choques a, Є T, aleaórios e independenes enre si. Cada um possui uma deerminada disribuição, com média zero e variância consane σ a, sendo que a seqüência de choques aleaórios a, ЄT, com as caracerísicas acima mencionadas é denominada de processo de ruído branco. O fundameno da meodologia Box & Jenins, na busca de uma classe geral de modelos capazes de represenar o processo gerador da série esocásica, esá baseado no eorema da decomposição de Wold para séries esacionárias, demonsrando que odo processo esocásico esacionário pode ser decomposo em um modelo linear de ipo média móvel. Os modelos de Box-Jenins, conhecidos por ARIMA (Auo Regressive Inegraed Moving Averages) ou por Auo-regressivos Inegrados de Médias Móveis, são modelos que visam capar o comporameno da correlação seriada ou auocorrelação enre os valores da série emporal, e com base nesse comporameno realizar previsões fuuras.
26 6 Esses modelos são resulanes da combinação de rês componenes, chamados de filros: o componene auo-regressivo (AR), o filro de inegração (I) e o componene de médias móveis (MA). A consrução dos modelos Box-Jenins é baseada em um ciclo ieraivo, na qual a esruura do modelo é escolhida baseando-se nos próprios dados e é composa de quaro eapas(morein etoloi,987): -Idenificação: Consise em descobrir qual modelo descreve o comporameno da série, aravés da análise dos gráficos das funções de auocorrelações (FAC) e das funções de auocorrelações parciais (FACP); -Esimação: Consise em fazer a esimaiva dos parâmeros do componene auo-regressivo, do componene de médias móveis e da variância; -Verificação: Consise em analisar se o modelo escolhido descreve adequadamene o comporameno da série; -Previsão: É a úlima eapa da meodologia e o objeivo principal. É realizada somene quando a eapa anerior foi saisfaória. Caso o modelo escolhido não seja adequado, vola-se novamene à eapa da idenificação, repeindo-se os procedimenos aneriores para ouros modelos. Esa meodologia pode ser aplicada para modelos esacionários, nãoesacionários e sazonais:..6. Modelos esacionários Conforme Morein e Toloi(987) modelos esacionários são modelos simples, que descrevem a série que não possui endência e nem sazonalidade. Esa série é conseqüência da variação aleaória do ruído branco ao redor de uma grande média, ao longo do empo. Aqui em-se os modelos Auo-regressivo (AR), de Médias Móveis (MA) e Auo-regressivos de médias móveis (ARMA).
27 7 a)modelo Auo-regressivo (AR) Ese modelo pressupõe que seja o resulado da soma ponderada de seus p valores passados, além do ruído branco a. A equação () descreve um modelo AR(p): = φ w + φw + φ3w 3 + K+ φ p w p a, (.) w + onde para φ i é o parâmero que descreve como w i =,, K, p. w se relaciona com o valor A condição de esacionaridade do AR(p) esabelece que odas as p raízes da equação caracerísica φ( B) = 0caem fora do círculo uniário. b)modelo de Médias Móveis (MA) Ese é um modelo em que a série w é resulane da combinação dos ruídos brancos e do período aual com aqueles ocorridos em períodos aneriores. Ele é expresso pela equação (): w = ε θ a θ a θ a K θ a 3 3 q q (.3) onde θ i é o parâmero que descreve como w se relaciona com o valor a i para i =,,..., q. A condição de inveribilidade requer que odas as raízes da equação caracerísica θ(b)=0 caem fora do círculo uniário. c)modelo Auo-regressivo de Médias Móveis (ARMA) É a combinação dos componenes do modelo AR(p) com os do modelo MA(q). O modelo ARMA(p,q) pode ser expresso pela equação (.4): w w + Kφ pw p + a θa K qa q. (.4) = φ θ
28 8 A condição de esacionariedade e de inveribilidade de um ARMA(p,q) requerem, respecivamene, que odas as p raízes de φ ( B) = 0 e odas as q raízes de θ(b)=0 caiem fora do círculo uniário..6.. Idenificação da esruura A idenificação da esruura do processo é a eapa inicial dessa meodologia, sendo esa uma fase crucial do méodo, pois, se nesse momeno ocorrer um erro, pode-se conduzir a resulados desasrosos. O analisa de séries emporais idenifica a esruura comparando o correlograma amosral da função de auocorrelação e o da função de auocorrelação parcial com os correlogramas eóricos das diversas esruuras ARMA (p, q). A écnica, em geral, funciona bem, mas exige uma razoável experiência do analisa no discernimeno das várias esruuras. Para o uso dessa meodologia, é necessário que a série emporal seja uma realização de um processo esocásico esacionário, sendo que esa condição permie esimar a média e as funções de auocorrelação e auocorrelação parcial do processo, pois com esacionariedade no senido amplo a função média µ ( ) = E[ Z( )] = µ é consane, e função de auocovariância cov( Z. Z ) = γ (. ) dependene apenas da diferença ( ). Como freqüenemene ocorrem séries não-esacionárias, usam-se os recursos da diferenciação e da ransformação da variável, conforme o caso, para alcançar-se esa condição. Todo processo esocásico ergódico dependene do empo (série emporal) em uma função de auocorrelação e uma função de auocorrelação parcial (FACP) associadas à esruura do processo gerador. As ferramenas fundamenais da idenificação da esruura são, porano, a função de auocorrelação e a função de auocorrelação parcial. Essas funções são descrias resumidamene a seguir (Mongomery, 976).
29 Função de auocorrelação (FAC) Como viso aneriormene, por definição, a auocorrelação de defasagem da série emporal { w ; =,,..., n} é dada por: γ φ = = 0,,,... (.5) γ 0 onde γ é a covariância da defasagem, definida por: γ E[ w E( w )][ w E( w )], com = + E ( w ) E( w + ) =. (.6) as seguines: A função de auocorrelação das cinco principais esruuras ARMA (p, q) são a) Esruura AR () Quando o modelo é do ipo parâmero auoregressivo e N( 0, ) ~ a w = φ. w + a =,,3,..., n, onde φ é o a σ o ruído branco, em-se que a função de auocorrelação é dada por equação de diferenças da ª ordem com solução: K = φ = 0,,,... (.7) Logo, a FAC em decaimeno exponencial e, se φ > 0, é sempre posiiva. Já se φ < 0, alerna o sinal, começando no lado negaivo.
30 30 b) Esruura AR () Sendo o modelo do ipo w = φ. w + φ. w + a =,,3,... n, onde φ e φ são os parâmeros auoregressivos, a FAC verifica uma equação de diferenças de ª ordem: φ + φ.,,... (.8) =. = E no caso das raízes do polinômio caracerísico φ ( B) = 0 serem reais, a FAC consisirá de uma misura de decaimenos exponenciais e/ou senóides amorecidas. c) Esruura MA () Nesa esruura com modelos definidos por W θ a + a,,..., n, com θ sendo o parâmero de médias móveis, corresponde a FAC: =. = θ = ( + θ = ) = 0 K =,3,4,... (.9) Observa-se claramene um pico na defasagem e a seguir core brusco, zerando as auorrelações nas defasagens seguines. O pico será posiivo se θ < 0 e negaivo se θ > 0. d) Esruura MA () No caso de modelos do ipo parâmeros médias móveis θ e θ, em-se a FAC: W θ a θ. a + a,,..., n, com os =. = θ ( θ ) = ( + θ + θ ) =
31 3 θ = ( + θ + θ = ) = 0 = 3,4,... (.0) Nese caso, ambém de forma clara, a FAC consiui-se de dois picos nas defasagens e e um brusco nivelameno em zero nas demais defasagens. Se o processo gerador for realmene um MA(), esas caracerísicas devem esar esaisicamene presenes na FAC amosral. e) Esruura ARMA (,) Esa esruura de modelos do ipo = φ. w θ. a a, onde W + φ é o parâmero auoregressivo e θ o parâmero de médias móveis, possui FAC com expressão: ( φθ ).( φ θ ) = ( φ θ + θ ) = = φ. =,3,4,... (.) Na idenificação desa esruura, não exise caracerísica decisiva. A FAC em decaimeno exponencial a parir da defasagem. A auocorrelação nesa defasagem em o sinal de φ ) e se φ 0 odas as auocorrelações erão mesmo sinal. Os ( θ > sinais serão alernados em caso conrário Função de auocorrelação parcial (FACP) Na análise de séries emporais, o coeficiene de auocorrelação parcial é usado para medir o grau de associação enre a observação w e a observação W
32 3 quando os efeios das ouras defasagens,, 3..., - são reirados, ou melhor, fixados. O coeficiene de auocorrelação parcial, φ, de ordem é definido como o úlimo coeficiene auoregressivo do modelo AR (): AR() = φ W a φ = φ W + AR () = φ W + φ W a φ = φ W + AR () W φ W... φ W + a = + + φ φ = (.) A forma freqüenemene usada para se esimar os coeficienes de auocorrelação parcial é calculá-los em função dos coeficienes de auocorrelação. De modo que se em as conhecidas equações de Yule-Waler... = φ φ φ (.3) a parir das quais obém-se ˆ φ ˆ φ,..., ˆ, φ, subsiuíndo-se j j =,,..., por ˆ j esimado do modo usual. seguines: A função de auocorrelação parcial das cinco principais esruuras são as a) Esruura AR () Para modelos do ipo W = φ. W + a =,,3,..., n, em-se FACP: φ = = = φ φ = 0 =,3,4,... (.4)
33 33 Percebe-se, enão, um pico na primeira defasagem e uma queda brusca para zero nas demais defasagens. b) Esruura AR () FACP é: Nesa esruura, modelos do ipo W = φ W + φ W + a, =,,3,..., n, a φ φ = = = φ ) ( ( ) φ = ( ) = φ = φ = o = 3,4,5,... (.5) Das expressões êm-se picos nas defasagens um e dois e core brusco, zerando os valores após a segunda defasagem. c) Esruura MA () Nesses modelos, W = θ. a + a =,,..., n, em-se FACP do ipo: θ φ = = = ( + θ ) θ.( θ ) φ = =, 3,... (.6) ( + ) ( θ ) O padrão nese caso é um decaimeno exponencial alernando o sinal e começando no lado posiivo se θ < 0, e se θ > 0 oda a FAC será negaiva.
34 34 d) Esruura MA () Já para esa esruura com modelos do ipo a W = θ. a θ + a =,,..., n, a FACP em uma forma sem padrão algébrico definido. Pode-se salienar, apenas, que se raa de uma misura de decaimeno exponencial e (ou) senóide amorecida. e) Esruura ARMA (,) Da mesma forma que na esruura MA(), os modelos W = φ. w θ. a + a =,,..., n, não êm FACP com expressão algébrica generalizada. Sabe-se que a parir da defasagem ocorre um decaimeno exponencial com mesmo sinal se θ > 0 e alernando o sinal se θ < 0. Essas caracerísicas da FAC e FACP, nos diversos processos, são usadas no eságio de idenificação da esruura. Procuram-se essas propriedades no correlograma amosral. Dada a presença de aleaoriedade nas esimaivas dos valores da FAC e FACP, ese processo muias vezes não é suficienemene claro. Os correlogramas amosrais são consruídos com as esimaivas dos parâmeros e φ, K =,,3,..., dadas por: ˆ γ ˆ = com γ ˆ0 n ( W W )( W + W ) = ˆ γ = (.7) n onde, W n = = W n e φ obido das equações de Yule-Waler com subsiuído por ˆ. As disribuições de probabilidade das variáveis aleaórias ˆ e φˆ são complicadas.
35 35 Anderson, em 94, mosrou que se o parâmero esimado é nulo e o amanho da série é de moderado para grande, enão o esimador ˆ em disribuição gaussiana: ˆ ~ N [ 0, V ( ˆ )] Barle (946) propôs uma expressão aproximada para a variância de ˆ : q ( ˆ ) [ v + v+ v 4 v v + v ] V (.8) n v= Como v é desconhecida, usa-se um esimador com ˆ v subsiuindo v em (.8). Barle mosrou que quando as correlações eóricas v são nulas para defasagens maiores do que um valor fixo q, v > q, em-se: q V + ( ˆ ) v > q (.9) n v= Da mesma forma, com v desconhecida, usa-se a esimaiva desa expressão aproximada com ˆ v subsiuindo v. Para as auocorrelações parciais amosrais exise o resulado provado por Quenouille em 948. Quenouille mosrou que na hipóese de um processo auoregressivo de ordem p, a variância aproximada da esimaiva φˆ é e ainda, para n grande, pode-se supor disribuição Gaussiana para φˆ. V ( ˆ φ ) / n..6. Modelos não-esacionários Conforme Fava (000) quando o processo é não esacionário, ou seja, possui endência, uma das maneiras de analisá-lo é incorporando um processo de diferenças (D d Z ) no modelo ARMA. Ese é o modelo conhecido como ARIMA
36 36 (modelo auo-regressivo inegrado de médias móveis), onde d é a ordem das diferenças necessárias para irar a endência da série. Para verificar a não-esacionariedade de uma série, o comporameno emporal pode ser analisado graficamene pelo comporameno da FAC e FACP, onde é evidenciando um decaimeno muio leno, quando o número de defazagens aumena, ou, enão, aplicando os eses esaísicos de raiz uniária. O ese de raiz uniária mais usado é o de Dicey-Fuller. O modelo ARIMA(p,d,q) pode ser descrio conforme a equação (4): w = φ w + φ ε θ ε K θ ε (.30) K+ p w p + q q onde: w = d w. Alernaivamene, fazendo uso do operador de defasagem, obem-se: p p ( φ... φ pb ) w = ( θb... θqb ) B ε (.3) ou d ( ) ( B) y = B φ θ ( B) ε (.3) Nesse caso, ( B) d φ ( B) = 0 apresena d raízes sobre o circulo uniário (d raízes uniárias) e p raízes fora do circulo uniário Modelo sazonal muliplicaivo geral Segundo Fava (000) a incorporação, neses modelos, da correlação enre insanes de empo sucessivos resula no modelo sazonal muliplicaivo geral ARIMA (p,d,q) x (P,D,Q) s. Sendo ese é represenado pela equação:
37 37 p s ( φ... φ B )( Φ B... Φ ( B) d ( Θ B s d φ( b) Φ( B ) s p s ( B ) D... Θ D s Q B Qs s y = θ ( B) Θ( B ) ε P B q Ps q y = ( θ, B... θ B ) ) ε ) (.33) Assim, em-se a combinação de modelos ARIMA sazonal e não sazonal. A eapa da idenificação da esruura do modelo é a mais difícil da meodologia de Box & Jenins. Muias vezes são idenificados mais de um modelo gerador da série em esudo. Isso pode ocorrer quando é rabalhado com a FAC e a FACP amosrais, ficando difícil, muias vezes, decidir se elas são decrescene ou se são runcadas. Para resolver ese impasse faz-se uso de criérios de seleção de modelos consruídos com base na variância esimada ε, no amanho da amosra e nos valores de p e q. O criério uiizado em nosso esudo é o AIC (Aaie s Informaion Crieria). AIC ( p + q) ln ˆ σ + (.34) n = ε Em vez de esabelecer p e q precisamene, esima-se os modelos correspondenes a vários pares (p, q) e escolhe-se aquela especificação que apresenar o menor valor para AIC. A presença de p e q, na fórmula do criério AIC, em por objeivo penalizar os modelos com muios parâmeros, endo em visa que modelos mais parcinomiosos devem ser privilegiados, por apresenarem menor número de parâmeros a serem esimados Esimação Quando deerminado os valores de p, d e q, esima-se os p parâmeros φ, dos q parâmeros θ e da variância σ ε do modelo:
38 38 w = φ ε w + K+ φ p w p + ε θε K θ q q (.35) onde d d w = y ( B) y A esimação pode ser por mínimos quadrados e por máxima verossimilhança. A esimação por mínimos quadrados requer a minimização de: n S( ˆ φ, K, ˆ φ ˆ ˆ p, θ, K, θq) = ˆ ε (.36) = onde: ˆ ε = θ ( B ) φ( B) w S( ˆ, φ ˆ) θ depende de valores de w e de ε, ou seja, valores aneriores ao período amosrado. Para a esimação da máxima verossimilhança, é necessário admiir, inicialmene, que os ruídos brancos conseqüência, w = w,..., w ) é: w ~ N(0; Ω) ( n ε êm a disribuição Normal. Como w ambém erá disribuição Normal e a disribuição conjuna de σ ε A função de verossimilhança a ser maximizada pode enão ser definida: n, L( φ, θ, σ / ) [ ] ε w = πσ ε Ω exp[ w Ω w/ σ ε ) (.37) A maximização de L é complexa, paricularmene em virude da presença da mariz Ω. Qualquer que seja o méodo adoado, o processo de esimação é exremamene rabalhoso e requer o uso do compuador.
39 Verificação do modelo Esa eapa da modelagem aravés da meodologia de Box & Jenins consise em averiguar se o modelo selecionado é adequado e consequenemene pode ser uilizado na previsão. Essa consaação pode ser realizada pela análise de resíduos e pela avaliação da ordem do modelo. Na análise de resíduos, seus coeficienes de auocorrelação devem ser, esaisicamene iguais a zero, iso é comporar-se como ruído branco. Os resíduos devem se disribuir como uma Normal de media zero e variância /n. A avaliação da ordem do modelo em como objeivo verificar se o mesmo esá superespecificado (p ou q maiores do que o devido), nem subespecificado (p e q menores do que devidos). O modelo não deve razer parâmeros em excesso Previsão Uma das formas de uilização do modelo ajusado é para fazer previsões de valores fuuros. Esa é a úlima eapa da meodologia de Box & Jenins, que consise na realização de previsões da série Z em insanes de empo poseriores a n, iso é, os valores prováveis Z +, Z +,... Z + onde é o horizone de previsão. A previsão de Z +, para =,,... será denoada por ˆ ( ) e é definida como esperança condicional de Z + dados odos os valores passados, iso é: z ˆ = + z ( ) E( Z z, z,...). (.38) A diferença enre e será denoado por e +. ˆ é chamado de erro de previsão passos à frene z ( ) z +
40 40 3 METODOLOGIA Esse capíulo inicialmene caraceriza a pesquisa realizada, descreve sucinamene o local da mesma, incluindo as cidades e as empresas; na seqüência raz informações sobre os dados coleados e especifica as meodologias uilizadas na análise dos mesmos. 3. Caracerização da pesquisa A presene invesigação se caraceriza como um esudo quaniaivo, descriivo, documenal e inferencial. Conforme Pádua (004) a pesquisa documenal é aquela que é realizada a parir de documenos conemporâneos ou rerospecivos, considerados cienificamene auênicos (não-fraudados); em sido largamene uilizada nas ciências sociais, na invesigação hisórica, a fim de descrever/comparar faos sociais, esabelecendo suas caracerísicas ou endências; além das fones primárias, os documenos propriamene dios, uilizam-se as fones chamadas secundárias, como dados esaísicos, elaborados por insiuos especializados e considerados confiáveis para a realização da pesquisa.
41 4 3. Locais da Pesquisa A mariz da Empresa Bea se localiza na cidade de Ijuí, uma das filiais na cidade de São Luiz e a oura na cidade de Coronel Barros. 3.3 A Empresa Bea A empresa esudada é do ramo agrícola, mais especificamene, especializada em insumos para o planio de diversas culuras, além disso, comercializa produos agrícolas, resulanes desses insumos. A Empresa Bea foi fundada no ano de 985. A equipe de profissionais que a inegra compreende um oal de 08 rabalhadores na Mariz, 5 rabalhadores na Filial SL e 0 rabalhadores na Filial CB, disribuídos nos diferenes seores. 3.4 Os dados Inicialmene, recorrendo ao cadasro da empresa pesquisada, foram obidas rês séries de faurameno da Empresa Bea, uma da mariz, uma da filial e uma da filial. Ambas foram coleadas no período de janeiro/00 a maio/006, oalizando em cada série 65 observações. 3.5 Análise dos resulados Inicialmene, de posse dos dados, os mesmos foram disposos em um banco de dados, sendo uilizados os sofwares Excel e SPSS/7.5 (UNIJUI). Os dados de faurameno da empresa foram analisados uilizando a esaísica descriiva e o
42 4 méodo de séries emporais Box & Jenins, com sua represenação gráfica, eses de significância, modelagem e previsões Esaísica descriiva Para a Empresa mariz e cada uma das filiais realizou-se a análise descriiva dos dados de faurameno, por ano. Para al, foram uilizadas as medidas descriivas: limie inferior, limie superior, média, desvio padrão e coeficiene de variação, bem como a represenação gráfica dos mesmos. Esa invesigação permiiu a verificação do comporameno dos dados, mosrando endências e siuações relevanes Modelagem das séries por meio da meodologia Box & Jenins A esraégia uilizada para a modelagem da série de faurameno da Empresa mariz e de cada uma de suas filiais, foi aravés da meodologia Box & Jenins, baseada no ciclo ieraivo, conforme Figura (Souza, 996), na qual a esruura do modelo é formada pelos próprios elemenos da série. Figura : Fluxograma do ciclo ieraivo de Box & Jenins
43 43 Foram seguidas as seguines eapas (descrias no referencial eórico): - o processo de idenificação, iso é, deerminar quais dos filros AR, MA, ARMA, ARIMA ou SARIMA, compõem a série, bem como quais são suas respecivas ordens e diferenciações. Uilização da função de auocorrelação e auocorrelação parcial; -quando deerminados os valores de p, d e q, passou-se para a esimação dos p parâmeros φ, dos q parâmeros θ e da variância σ ε do modelo; -verificação da adequação do modelo uilizando o criério AIC e significância dos parâmeros esimados; -análise dos resíduos e avaliação da ordem do modelo; - previsão de rês meses poseriores para o faurameno da Empresa Bea. Seleção de vários modelos que poderiam descrever o comporameno das séries esudadas, deses foi selecionado o modelo cuja FAC dos resíduos se comporou como um ruído branco, o criério AIC era de menor valor e os parâmeros eram significaivos. Usou-se ambém o princípio da parcimônia. Desa forma, ao desenvolver esa pesquisa, preende-se mosrar a imporância da meodologia Box & Jenins na modelagem do faurameno de uma empresa do ramo agrícola, bem como a previsão como insrumeno auxiliar para a omada de decisões na gesão. 3.6 Aspecos Éicos Por se raar de uma pesquisa envolvendo dados sigilosos e para maner o anonimao da empresa, por soliciação da mesma, opou-se por uilizar um codinome: Empresa Bea.
TOMADA DE DECISÃO EM FUTUROS AGROPECUÁRIOS COM MODELOS DE PREVISÃO DE SÉRIES TEMPORAIS
ARTIGO: TOMADA DE DECISÃO EM FUTUROS AGROPECUÁRIOS COM MODELOS DE PREVISÃO DE SÉRIES TEMPORAIS REVISTA: RAE-elerônica Revisa de Adminisração de Empresas FGV EASP/SP, v. 3, n. 1, Ar. 9, jan./jun. 2004 1
Leia maisCAPÍTULO 9. y(t). y Medidor. Figura 9.1: Controlador Analógico
146 CAPÍULO 9 Inrodução ao Conrole Discreo 9.1 Inrodução Os sisemas de conrole esudados aé ese pono envolvem conroladores analógicos, que produzem sinais de conrole conínuos no empo a parir de sinais da
Leia maisCentro Federal de EducaçãoTecnológica 28/11/2012
Análise da Dinâmica da Volailidade dos Preços a visa do Café Arábica: Aplicação dos Modelos Heeroscedásicos Carlos Albero Gonçalves da Silva Luciano Moraes Cenro Federal de EducaçãoTecnológica 8//0 Objevos
Leia maisO Fluxo de Caixa Livre para a Empresa e o Fluxo de Caixa Livre para os Sócios
O Fluxo de Caixa Livre para a Empresa e o Fluxo de Caixa Livre para os Sócios! Principais diferenças! Como uilizar! Vanagens e desvanagens Francisco Cavalcane (francisco@fcavalcane.com.br) Sócio-Direor
Leia maisAÇÕES DO MERCADO FINACEIRO: UM ESTUDO VIA MODELOS DE SÉRIES TEMPORAIS
AÇÕES DO MERCADO FINACEIRO: UM ESTUDO VIA MODELOS DE SÉRIES TEMPORAIS Caroline Poli Espanhol; Célia Mendes Carvalho Lopes Engenharia de Produção, Escola de Engenharia, Universidade Presbieriana Mackenzie
Leia mais4 Cenários de estresse
4 Cenários de esresse Os cenários de esresse são simulações para avaliar a adequação de capial ao limie de Basiléia numa deerminada daa. Sua finalidade é medir a capacidade de o PR das insiuições bancárias
Leia maisFunção definida por várias sentenças
Ese caderno didáico em por objeivo o esudo de função definida por várias senenças. Nese maerial você erá disponível: Uma siuação que descreve várias senenças maemáicas que compõem a função. Diversas aividades
Leia maisEquações Diferenciais Ordinárias Lineares
Equações Diferenciais Ordinárias Lineares 67 Noções gerais Equações diferenciais são equações que envolvem uma função incógnia e suas derivadas, além de variáveis independenes Aravés de equações diferenciais
Leia maisexercício e o preço do ativo são iguais, é dito que a opção está no dinheiro (at-themoney).
4. Mercado de Opções O mercado de opções é um mercado no qual o iular (comprador) de uma opção em o direio de exercer a mesma, mas não a obrigação, mediane o pagameno de um prêmio ao lançador da opção
Leia mais12 Integral Indefinida
Inegral Indefinida Em muios problemas, a derivada de uma função é conhecida e o objeivo é enconrar a própria função. Por eemplo, se a aa de crescimeno de uma deerminada população é conhecida, pode-se desejar
Leia maisValor do Trabalho Realizado 16.
Anonio Vicorino Avila Anonio Edésio Jungles Planejameno e Conrole de Obras 16.2 Definições. 16.1 Objeivo. Valor do Trabalho Realizado 16. Parindo do conceio de Curva S, foi desenvolvida pelo Deparameno
Leia maisPREVISÃO DE DEMANDA: UMA APLICAÇÃO DOS MODELOS BOX- JENKINS NA ÁREA DE ASSISTÊNCIA TÉCNICA DE COMPUTADORES PESSOAIS
PREVISÃO DE DEMANDA: UMA APLICAÇÃO DOS MODELOS BOX- JENKINS NA ÁREA DE ASSISTÊNCIA TÉCNICA DE COMPUTADORES PESSOAIS Liane Werner Deparameno de Esaísica, Universidade Federal do Rio Grande do Sul, Rua Beno
Leia maisPalavras-chave: Análise de Séries Temporais; HIV; AIDS; HUJBB.
Análise de Séries Temporais de Pacienes com HIV/AIDS Inernados no Hospial Universiário João de Barros Barreo (HUJBB), da Região Meropoliana de Belém, Esado do Pará Gilzibene Marques da Silva ¹ Adrilayne
Leia maisMETODOLOGIA PROJEÇÃO DE DEMANDA POR TRANSPORTE AÉREO NO BRASIL
METODOLOGIA PROJEÇÃO DE DEMANDA POR TRANSPORTE AÉREO NO BRASIL 1. Inrodução O presene documeno visa apresenar dealhes da meodologia uilizada nos desenvolvimenos de previsão de demanda aeroporuária no Brasil
Leia maisInstituto de Tecnologia de Massachusetts Departamento de Engenharia Elétrica e Ciência da Computação. Tarefa 5 Introdução aos Modelos Ocultos Markov
Insiuo de Tecnologia de Massachuses Deparameno de Engenharia Elérica e Ciência da Compuação 6.345 Reconhecimeno Auomáico da Voz Primavera, 23 Publicado: 7/3/3 Devolução: 9/3/3 Tarefa 5 Inrodução aos Modelos
Leia maisPrevisão de Demanda. Métodos de Previsão. Demanda: disposição ao consumo Demanda versus Vendas Fatores que afetam a Demanda (Vendas)
2.1 Previsão de emanda Conceios básicos Méodos de Previsão iscussão Formulação do Problema emanda: disposição ao consumo emanda versus Vendas Faores que afeam a emanda (Vendas) Economia, Mercado, Preços,
Leia maisAula - 2 Movimento em uma dimensão
Aula - Moimeno em uma dimensão Física Geral I - F- 18 o semesre, 1 Ilusração dos Principia de Newon mosrando a ideia de inegral Moimeno 1-D Conceios: posição, moimeno, rajeória Velocidade média Velocidade
Leia maisEscola E.B. 2,3 / S do Pinheiro
Escola E.B. 2,3 / S do Pinheiro Ciências Físico Químicas 9º ano Movimenos e Forças 1.º Período 1.º Unidade 2010 / 2011 Massa, Força Gravíica e Força de Ario 1 - A bordo de um vaivém espacial, segue um
Leia maisPREÇOS DE PRODUTO E INSUMO NO MERCADO DE LEITE: UM TESTE DE CAUSALIDADE
PREÇOS DE PRODUTO E INSUMO NO MERCADO DE LEITE: UM TESTE DE CAUSALIDADE Luiz Carlos Takao Yamaguchi Pesquisador Embrapa Gado de Leie e Professor Adjuno da Faculdade de Economia do Insiuo Vianna Júnior.
Leia maisMÉTODO MARSHALL. Os corpos de prova deverão ter a seguinte composição em peso:
TEXTO COMPLEMENTAR MÉTODO MARSHALL ROTINA DE EXECUÇÃO (PROCEDIMENTOS) Suponhamos que se deseje dosar um concreo asfálico com os seguines maeriais: 1. Pedra 2. Areia 3. Cimeno Porland 4. CAP 85 100 amos
Leia maisEquações Simultâneas. Aula 16. Gujarati, 2011 Capítulos 18 a 20 Wooldridge, 2011 Capítulo 16
Equações Simulâneas Aula 16 Gujarai, 011 Capíulos 18 a 0 Wooldridge, 011 Capíulo 16 Inrodução Durane boa pare do desenvolvimeno dos coneúdos desa disciplina, nós nos preocupamos apenas com modelos de regressão
Leia mais2. Referencial Teórico
15 2. Referencial Teórico Se os mercados fossem eficienes e não houvesse imperfeições, iso é, se os mercados fossem eficienes na hora de difundir informações novas e fossem livres de impedimenos, índices
Leia maisUNIVERSIDADE DE CAXIAS DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO PPGA CURSO DE MESTRADO
UNIVERSIDADE DE CAXIAS DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO PPGA CURSO DE MESTRADO MODELO INTEGRADO PARA PREVISÃO DE VENDAS COMO UMA FERRAMENTA DE COMPETITIVIDADE: UM ESTUDO DE CASO EM UMA
Leia maisModelo ARX para Previsão do Consumo de Energia Elétrica: Aplicação para o Caso Residencial no Brasil
Modelo ARX para Previsão do Consumo de Energia Elérica: Aplicação para o Caso Residencial no Brasil Resumo Ese rabalho propõe a aplicação do modelo ARX para projear o consumo residencial de energia elérica
Leia maisCapítulo 5: Introdução às Séries Temporais e aos Modelos ARIMA
0 Capíulo 5: Inrodução às Séries emporais e aos odelos ARIA Nese capíulo faremos uma inrodução às séries emporais. O nosso objeivo aqui é puramene operacional e esaremos mais preocupados com as definições
Leia maisUniversidade Federal de Pelotas UFPEL Departamento de Economia - DECON. Economia Ecológica. Professor Rodrigo Nobre Fernandez
Universidade Federal de Peloas UFPEL Deparameno de Economia - DECON Economia Ecológica Professor Rodrigo Nobre Fernandez Capíulo 6 Conabilidade Ambienal Nacional Peloas, 2010 6.1 Inrodução O lado moneário
Leia maisModelos de Previsão. 1. Introdução. 2. Séries Temporais. Modelagem e Simulação - Modelos de Previsão
Modelos de Previsão Inrodução Em omada de decisão é basane comum raar problemas cujas decisões a serem omadas são funções de faos fuuros Assim, os dados descrevendo a siuação de decisão precisam ser represenaivos
Leia maisAPLICAÇÃO DE SÉRIES TEMPORAIS NA PREVISÃO DA MÉDIA MENSAL DA TAXA DE CÂMBIO DO REAL PARA O DÓLAR COMERCIAL DE COMPRA USANDO O MODELO DE HOLT
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Mauridade e desafios da Engenharia de Produção: compeiividade das empresas, condições de rabalho, meio ambiene. São Carlos, SP, Brasil, 12 a15 de ouubro
Leia maisEstudo comparativo de processo produtivo com esteira alimentadora em uma indústria de embalagens
Esudo comparaivo de processo produivo com eseira alimenadora em uma indúsria de embalagens Ana Paula Aparecida Barboza (IMIH) anapbarboza@yahoo.com.br Leicia Neves de Almeida Gomes (IMIH) leyneves@homail.com
Leia maisAPLICAÇÃO DO MODELO ARIMA À PREVISÃO DO PREÇO DAS COMMODITIES AGRÍCOLAS BRASILEIRAS
APLICAÇÃO DO MODELO ARIMA À PREVISÃO DO PREÇO DAS COMMODITIES AGRÍCOLAS BRASILEIRAS PABLO AURÉLIO LACERDA DE ALMEIDA PINTO; ELENILDES SANTANA PEREIRA; MARIANNE COSTA OLIVEIRA; JOSÉ MÁRCIO DOS SANTOS; SINÉZIO
Leia maisExperimento. Guia do professor. O método de Monte Carlo. Governo Federal. Ministério da Educação. Secretaria de Educação a Distância
Análise de dados e probabilidade Guia do professor Experimeno O méodo de Mone Carlo Objeivos da unidade 1. Apresenar um méodo ineressane e simples que permie esimar a área de uma figura plana qualquer;.
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Paricia Maria Borolon, D. Sc. Séries Temporais Fone: GUJARATI; D. N. Economeria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Processos Esocásicos É um conjuno de variáveis
Leia maisSistemas não-lineares de 2ª ordem Plano de Fase
EA93 - Pro. Von Zuben Sisemas não-lineares de ª ordem Plano de Fase Inrodução o esudo de sisemas dinâmicos não-lineares de a ordem baseia-se principalmene na deerminação de rajeórias no plano de esados,
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Deparameno de Ciências Exaas Prof. Daniel Furado Ferreira 8 a Lisa de Exercícios Disribuição de Amosragem 1) O empo de vida de uma lâmpada possui disribuição normal com média
Leia maisAplicações à Teoria da Confiabilidade
Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI
Leia maisPROJEÇÃO DO PREÇO FUTURO DE UMA AÇÃO DA USIMINAS: UMA ABORDAGEM ECONOMÉTRICA
3 PROJEÇÃO DO PREÇO FUTURO DE UMA AÇÃO DA USIMINAS: UMA ABORDAGEM ECONOMÉTRICA PROJEÇÃO DO PREÇO FUTURO DE UMA AÇÃO DA USIMINAS: UMA ABORDAGEM ECONOMÉTRICA Felipe Lacerda Diniz Leroy 1 RESUMO Nese arigo,
Leia maisMecânica dos Fluidos. Aula 8 Introdução a Cinemática dos Fluidos. Prof. MSc. Luiz Eduardo Miranda J. Rodrigues
Aula 8 Inrodução a Cinemáica dos Fluidos Tópicos Abordados Nesa Aula Cinemáica dos Fluidos. Definição de Vazão Volumérica. Vazão em Massa e Vazão em Peso. Definição A cinemáica dos fluidos é a ramificação
Leia maisUMA ANÁLISE ECONOMÉTRICA DOS COMPONENTES QUE AFETAM O INVESTIMENTO PRIVADO NO BRASIL, FAZENDO-SE APLICAÇÃO DO TESTE DE RAIZ UNITÁRIA.
UMA ANÁLISE ECONOMÉTRICA DOS COMPONENTES QUE AFETAM O INVESTIMENTO PRIVADO NO BRASIL, FAZENDO-SE APLICAÇÃO DO TESTE DE RAIZ UNITÁRIA Área: ECONOMIA COELHO JUNIOR, Juarez da Silva PONTILI, Rosangela Maria
Leia maisMATEMATICA Vestibular UFU 2ª Fase 17 de Janeiro de 2011
Vesibular UFU ª Fase 17 de Janeiro de 011 PRIMEIRA QUESTÃO A realidade mosra que as favelas já fazem pare do cenário urbano de muias cidades brasileiras. Suponha que se deseja realizar uma esimaiva quano
Leia maisRisco no mercado de arroz em casca
RISCO NO MERCADO DE ARROZ EM CASCA ANDRÉIA CRISTINA DE OLIVEIRA ADAMI; GERALDO SANT ANA DE CAMARGO BARROS; ESALQ/USP PIRACICABA - SP - BRASIL adami@esalq.usp.br APRESENTAÇÃO ORAL Comercialização, Mercados
Leia maisMETODOLOGIAS ALTERNATIVAS DE GERAÇÃO DE CENÁRIOS NA APURAÇÃO DO V@R DE INSTRUMETOS NACIONAIS. Alexandre Jorge Chaia 1 Fábio da Paz Ferreira 2
IV SEMEAD METODOLOGIAS ALTERNATIVAS DE GERAÇÃO DE CENÁRIOS NA APURAÇÃO DO V@R DE INSTRUMETOS NACIONAIS Alexandre Jorge Chaia 1 Fábio da Paz Ferreira 2 RESUMO Uma das ferramenas de gesão do risco de mercado
Leia maisALBINO MILESKI JUNIOR ANÁLISE DE MÉTODOS DE PREVISÃO DE DEMANDA BASEADOS EM SÉRIES TEMPORAIS EM UMA EMPRESA DO SETOR DE PERFUMES E COSMÉTICOS
ALBINO MILESKI JUNIOR ANÁLISE DE MÉTODOS DE PREVISÃO DE DEMANDA BASEADOS EM SÉRIES TEMPORAIS EM UMA EMPRESA DO SETOR DE PERFUMES E COSMÉTICOS Disseração apresenada ao Programa de Pós- Graduação em Engenharia
Leia maisMODELOS DE SUAVIZAÇÃO EXPONENCIAL, ARIMA E REDES NEURAIS ARTIFICIAIS: UM ESTUDO COMPARATIVO PARA A PREVISÃO DE DEMANDA DE PRODUTOS
CENTRO UNIVERSITÁRIO UNIVATES CURSO DE ENGENHARIA DE PRODUÇÃO MODELOS DE SUAVIZAÇÃO EXPONENCIAL, ARIMA E REDES NEURAIS ARTIFICIAIS: UM ESTUDO COMPARATIVO PARA A PREVISÃO DE DEMANDA DE PRODUTOS William
Leia maisCurso de preparação para a prova de matemática do ENEM Professor Renato Tião
Porcenagem As quaro primeiras noções que devem ser assimiladas a respeio do assuno são: I. Que porcenagem é fração e fração é a pare sobre o odo. II. Que o símbolo % indica que o denominador desa fração
Leia maisDeteção e Previsão de Falhas em Equipamentos de Produção Industrial
ASSOCIAÇÃO DE POLITÉCNICOS DO NORTE (APNOR) INSTITUTO POLITÉCNICO DO PORTO Deeção e Previsão de Falhas em Equipamenos de Produção Indusrial Daniel Filipe Ferreira da Silva Disseração apresenada ao Insiuo
Leia maisEspaço SENAI. Missão do Sistema SENAI
Sumário Inrodução 5 Gerador de funções 6 Caracerísicas de geradores de funções 6 Tipos de sinal fornecidos 6 Faixa de freqüência 7 Tensão máxima de pico a pico na saída 7 Impedância de saída 7 Disposiivos
Leia maisDEMANDA BRASILEIRA DE CANA DE AÇÚCAR, AÇÚCAR E ETANOL REVISITADA
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Mauridade e desafios da Engenharia de Produção: compeiividade das empresas, condições de rabalho, meio ambiene. São Carlos, SP, Brasil, 12 a15 de ouubro
Leia maisUNIVERSIDADE DE CAXIAS DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO PPGA CURSO DE MESTRADO ANDRÉ MAURO SANTOS DE ESPÍNDOLA
UNIVERSIDADE DE CAXIAS DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO PPGA CURSO DE MESTRADO ANDRÉ MAURO SANTOS DE ESPÍNDOLA INTELIGÊNCIA COMPETITIVA E MODELOS DE SÉRIES TEMPORAIS PARA PREVISÃO DE CONSUMO:
Leia maisCAPÍTULO III TORÇÃO PROBLEMAS ESTATICAMENTE INDETERMINADOS TORÇÃO - PEÇAS DE SEÇÃO VAZADA DE PAREDES FINAS
APÍTULO III TORÇÃO PROBLEMAS ESTATIAMENTE INDETERMINADOS TORÇÃO - PEÇAS DE SEÇÃO VAZADA DE PAREDES FINAS A- TORÇÃO PROBLEMAS ESTATIAMENTE INDETERMINADOS Vimos aé aqui que para calcularmos as ensões em
Leia maisSusan Schommer Risco de Crédito 1 RISCO DE CRÉDITO
Susan Schommer Risco de Crédio 1 RISCO DE CRÉDITO Definição: Risco de crédio é o risco de defaul ou de reduções no valor de mercado causada por rocas na qualidade do crédio do emissor ou conrapare. Modelagem:
Leia maisCom base no enunciado e no gráfico, assinale V (verdadeira) ou F (falsa) nas afirmações a seguir.
PROVA DE FÍSICA 2º ANO - 1ª MENSAL - 2º TRIMESTRE TIPO A 01) O gráico a seguir represena a curva de aquecimeno de 10 g de uma subsância à pressão de 1 am. Analise as seguines airmações. I. O pono de ebulição
Leia maisMÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA
MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesa abordagem paramérica, para esimar as funções básicas da análise de sobrevida, assume-se que o empo de falha T segue uma disribuição conhecida
Leia maisANÁLISE ECONOMÉTRICA DA PRODUÇÃO DE MADEIRA SERRADA NO BRASIL
ANÁLISE ECONOMÉTRICA DA PRODUÇÃO DE MADEIRA SERRADA NO BRASIL Renao Vinícius Oliveira Casro 1, Ana Flávia Neves Mendes 2, Glauciana da Maa Aaíde 1, Carlos Albero Araújo Júnior 1, Gusavo Eduardo Marcai
Leia maisPREVISÃO DO VOLUME DE VENDAS DE UM BEM DE CONSUMO
ARNAUD FRANCIS JEAN GUÉRIN PREVISÃO DO VOLUME DE VENDAS DE UM BEM DE CONSUMO Trabalho de formaura apresenado À Escola Poliécnica da Universidade de São Paulo para a obenção do Diploma de Engenheiro de
Leia maisSILVA, W. V. TARDELLI, M. ROCHA, D. T. da MAIA, M.
APLICAÇÃO DA MÉTRICA VALUE AT RISK A ÍNDICES DE BOLSAS DE VALORES DE PAÍSES LATINO-AMERICANOS: UM ESTUDO UTILIZANDO OS MODELOS DE PREVISÃO DE VOLATILIDADE EWMA, EQMA E GARCH APLICAÇÃO DA MÉTRICA VALUE
Leia maisMODELOS DE PREVISÃO PARA ÍNDICES CRIMINAIS EM TRÊS CIDADES DO SUL DE MINAS GERAIS JOSIANE MAGALHÃES TEIXEIRA
MODELOS DE PREVISÃO PARA ÍNDICES CRIMINAIS EM TRÊS CIDADES DO SUL DE MINAS GERAIS JOSIANE MAGALHÃES TEIXEIRA 006 JOSIANE MAGALHÃES TEIXEIRA MODELOS DE PREVISÃO PARA ÍNDICES CRIMINAIS EM TRÊS CIDADES DO
Leia maisANÁLISE DE ESTRUTURAS VIA ANSYS
2 ANÁLISE DE ESTRUTURAS VIA ANSYS A Análise de esruuras provavelmene é a aplicação mais comum do méodo dos elemenos finios. O ermo esruura não só diz respeio as esruuras de engenharia civil como pones
Leia maisResumo. Sistemas e Sinais Definição de Sinais e de Sistemas (1) Definição de Funções. Nesta Aula
Resumo Sisemas e Sinais Definição de Sinais e de Sisemas () lco@is.ul.p Insiuo Superior Técnico Definição de funções. Composição. Definição declaraiva e imperaiva. Definição de sinais. Energia e poência
Leia maisESTUDO DE MODELOS DE SÉRIES TEMPORAIS PARA A DEMANDA DE PRODUÇÃO DE CIMENTO
ESTUDO DE MODELOS DE SÉRIES TEMPORAIS PARA A DEMANDA DE PRODUÇÃO DE CIMENTO Nagila Raquel Marins Gomes; Célia Mendes Carvalho Lopes Engenharia de Produção, Escola de Engenharia, Universidade Presbieriana
Leia maisGuia de Recursos e Atividades
Guia de Recursos e Aividades girls worldwide say World Associaion of Girl Guides and Girl Scous Associaion mondiale des Guides e des Eclaireuses Asociación Mundial de las Guías Scous Unir as Forças conra
Leia maisPessoal Ocupado, Horas Trabalhadas, Jornada de Trabalho e Produtividade no Brasil
Pessoal Ocupado, Horas Trabalhadas, Jornada de Trabalho e Produividade no Brasil Fernando de Holanda Barbosa Filho Samuel de Abreu Pessôa Resumo Esse arigo consrói uma série de horas rabalhadas para a
Leia maisOBJETIVOS. Ao final desse grupo de slides os alunos deverão ser capazes de: Explicar a diferença entre regressão espúria e cointegração.
Ao final desse grupo de slides os alunos deverão ser capazes de: OBJETIVOS Explicar a diferença enre regressão espúria e coinegração. Jusificar, por meio de ese de hipóeses, se um conjuno de séries emporais
Leia maisANÁLISE DE UMA EQUAÇÃO DIFERENCIAL LINEAR QUE CARACTERIZA A QUANTIDADE DE SAL EM UM RESERVATÓRIO USANDO DILUIÇÃO DE SOLUÇÃO
ANÁLSE DE UMA EQUAÇÃO DFERENCAL LNEAR QUE CARACTERZA A QUANTDADE DE SAL EM UM RESERATÓRO USANDO DLUÇÃO DE SOLUÇÃO Alessandro de Melo Omena Ricardo Ferreira Carlos de Amorim 2 RESUMO O presene arigo em
Leia maisVALOR DA PRODUÇÃO DE CACAU E ANÁLISE DOS FATORES RESPONSÁVEIS PELA SUA VARIAÇÃO NO ESTADO DA BAHIA. Antônio Carlos de Araújo
1 VALOR DA PRODUÇÃO DE CACAU E ANÁLISE DOS FATORES RESPONSÁVEIS PELA SUA VARIAÇÃO NO ESTADO DA BAHIA Anônio Carlos de Araújo CPF: 003.261.865-49 Cenro de Pesquisas do Cacau CEPLAC/CEPEC Faculdade de Tecnologia
Leia maisENGENHARIA ECONÔMICA AVANÇADA
ENGENHARIA ECONÔMICA AVANÇADA TÓPICOS AVANÇADOS MATERIAL DE APOIO ÁLVARO GEHLEN DE LEÃO gehleao@pucrs.br 55 5 Avaliação Econômica de Projeos de Invesimeno Nas próximas seções serão apresenados os principais
Leia mais3 O impacto de choques externos sobre a inflação e o produto dos países em desenvolvimento: o grau de abertura comercial importa?
3 O impaco de choques exernos sobre a inflação e o produo dos países em desenvolvimeno: o grau de aberura comercial impora? 3.1.Inrodução Todas as economias esão sujeias a choques exernos. Enreano, a presença
Leia maisOTIMIZAÇÃO ENERGÉTICA NA CETREL: DIAGNÓSTICO, IMPLEMENTAÇÃO E AVALIAÇÃO DE GANHOS
STC/ 08 17 à 22 de ouubro de 1999 Foz do Iguaçu Paraná - Brasil SESSÃO TÉCNICA ESPECIAL CONSERVAÇÃO DE ENERGIA ELÉTRICA (STC) OTIMIZAÇÃO ENERGÉTICA NA CETREL: DIAGNÓSTICO, IMPLEMENTAÇÃO E AVALIAÇÃO DE
Leia maisPOSSIBILIDADE DE OBTER LUCROS COM ARBITRAGEM NO MERCADO DE CÂMBIO NO BRASIL
POSSIBILIDADE DE OBTER LUCROS COM ARBITRAGEM NO MERCADO DE CÂMBIO NO BRASIL FRANCISCO CARLOS CUNHA CASSUCE; CARLOS ANDRÉ DA SILVA MÜLLER; ANTÔNIO CARVALHO CAMPOS; UNIVERSIDADE FEDERAL DE VIÇOSA VIÇOSA
Leia maisLuciano Jorge de Carvalho Junior. Rosemarie Bröker Bone. Eduardo Pontual Ribeiro. Universidade Federal do Rio de Janeiro
Análise do preço e produção de peróleo sobre a lucraividade das empresas perolíferas Luciano Jorge de Carvalho Junior Rosemarie Bröker Bone Eduardo Ponual Ribeiro Universidade Federal do Rio de Janeiro
Leia maisMODELAGEM E PREVISÃO POR MEIO DE METODOLOGIA BOX & JENKINS: UMA FERRAMENTA DE GESTÃO
UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO MODELAGEM E PREVISÃO POR MEIO DE METODOLOGIA BOX & JENKINS: UMA FERRAMENTA DE GESTÃO DISSERTAÇÃO
Leia mais1 Introdução. Onésio Assis Lobo 1 Waldemiro Alcântara da Silva Neto 2
Transmissão de preços enre o produor e varejo: evidências empíricas para o seor de carne bovina em Goiás Resumo: A economia goiana vem se desacado no conexo nacional. Seu PIB aingiu R$ 75 bilhões no ano
Leia maisFigura 1 Carga de um circuito RC série
ASSOIAÇÃO EDUAIONAL DOM BOSO FAULDADE DE ENGENHAIA DE ESENDE ENGENHAIA ELÉTIA ELETÔNIA Disciplina: Laboraório de ircuios Eléricos orrene onínua 1. Objeivo Sempre que um capacior é carregado ou descarregado
Leia maisSistema Computacional para Previsão de Demanda em Pontos de Suprimento e Subestação da COELBA
1 Sisema Compuacional para Previsão de Demanda em Ponos de Suprimeno e Subesação da COELBA P M Ribeiro e D A Garrido, COELBA, R G M Velásquez, CELPE, D M Falcão e A P A da Silva, COPPE Resumo O conhecimeno
Leia maisModelos Matemáticos na Tomada de Decisão em Marketing
Universidade dos Açores Deparameno de Maemáica Monografia Modelos Maemáicos na Tomada de Decisão em Markeing Pona delgada, 3 de Maio de Orienador: Eng. Armado B. Mendes Orienanda: Marla Silva Modelos Maemáicos
Leia maisModelos de séries temporais aplicados a índices de preços hospitalares do Hospital da Universidade Federal de Santa Catarina
Modelos de séries emporais aplicados a índices de preços hospialares do Hospial da Universidade Federal de Sana Caarina Marcelo Angelo Cirillo Thelma Sáfadi Resumo O princípio básico da adminisração de
Leia maisRAIZ UNITÁRIA E COINTEGRAÇÃO: TR S
RAIZ UNITÁRIA E COINTEGRAÇÃO: TR S APLICA ES Marina Silva Cunha 1. INTRODUÇÃO Segundo Fava & Cai (1995) a origem da discussão sobre a exisência de raiz uniária nas séries econômicas esá no debae sobre
Leia maisTaxa de Câmbio e Taxa de Juros no Brasil, Chile e México
Taxa de Câmbio e Taxa de Juros no Brasil, Chile e México A axa de câmbio consiui variável fundamenal em economias aberas, pois represena imporane componene do preço relaivo de bens, serviços e aivos, ou
Leia maisCOMPORTAMENTO DOS PREÇOS DO ETANOL BRASILEIRO: DETERMINAÇÃO DE VARIÁVEIS CAUSAIS
Naal/RN COMPORTAMENTO DOS PREÇOS DO ETANOL BRASILEIRO: DETERMINAÇÃO DE VARIÁVEIS CAUSAIS André Assis de Salles Escola Poliécnica - Universidade Federal do Rio de Janeiro Cenro de Tecnologia Bloco F sala
Leia maisComportamento Assintótico de Convoluções e Aplicações em EDP
Comporameno Assinóico de Convoluções e Aplicações em EDP José A. Barrionuevo Paulo Sérgio Cosa Lino Deparameno de Maemáica UFRGS Av. Beno Gonçalves 9500, 9509-900 Poro Alegre, RS, Brasil. 2008 Resumo Nese
Leia maisO objectivo deste estudo é a obtenção de estimativas para o número de nados vivos (de cada um dos sexos) ocorrido por mês em Portugal.
REVISTA DE ESTATÍSTICA 8ª PAGINA NADOS VIVOS: ANÁLISE E ESTIMAÇÃO LIVE BIRTHS: ANALYSIS AND ESTIMATION Auora: Teresa Bago d Uva -Gabinee de Esudos e Conjunura do Insiuo Nacional de Esaísica Resumo: O objecivo
Leia maisTEXTO PARA DISCUSSÃO N 171 DESIGUALDADES SOCIAIS EM SAÚDE: EVIDÊNCIAS EMPÍRICAS SOBRE O CASO BRASILEIRO
TEXTO PARA DISCUSSÃO N 171 DESIGUALDADES SOCIAIS EM SAÚDE: EVIDÊNCIAS EMPÍRAS SOBRE O CASO BRASILEIRO Kenya Valeria Micaela de Souza Noronha Mônica Viegas Andrade Junho de 2002 1 Ficha caalográfica 33:614(81)
Leia mais= + 3. h t t. h t t. h t t. h t t MATEMÁTICA
MAEMÁICA 01 Um ourives possui uma esfera de ouro maciça que vai ser fundida para ser dividida em 8 (oio) esferas menores e de igual amanho. Seu objeivo é acondicionar cada esfera obida em uma caixa cúbica.
Leia maisFUNÇÕES CONVEXAS EM TEORIA DE APREÇAMENTO DE OPÇÕES POR ARBITRAGEM UTILIZANDO O MODELO BINOMIAL
FUNÇÕES CONVEAS EM EORIA DE APREÇAMENO DE OPÇÕES POR ARBIRAGEM UILIZANDO O MODELO BINOMIAL Devanil Jaques de SOUZA Lucas Moneiro CHAVES RESUMO: Nese rabalho uilizam-se écnicas maemáicas elemenares, baseadas
Leia maisModelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indústria de Óleos Vegetais
XI SIMPEP - Bauru, SP, Brasil, 8 a 1 de novembro de 24 Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indúsria de Óleos Vegeais Regiane Klidzio (URI) gep@urisan.che.br
Leia maisTESTE DA HIPÓTESE DO CAMINHO ALEATÓRIO NO BRASIL E NOS ESTADOS UNIDOS. Ana Ester Farias
TESTE DA HIPÓTESE DO CAMINHO ALEATÓRIO NO BRASIL E NOS ESTADOS UNIDOS por Ana Eser Farias Disseração apresenada ao Curso de Mesrado do Programa de Pós-Graduação em Adminisração, Área de Concenração em
Leia mais2 Conceitos de transmissão de dados
2 Conceios de ransmissão de dados 2 Conceios de ransmissão de dados 1/23 2.2.1 Fones de aenuação e disorção de sinal 2.2.1 Fones de aenuação e disorção do sinal (coninuação) 2/23 Imperfeições do canal
Leia maisTaxa de Juros e Desempenho da Agricultura Uma Análise Macroeconômica
Taxa de Juros e Desempenho da Agriculura Uma Análise Macroeconômica Humbero Francisco Silva Spolador Geraldo San Ana de Camargo Barros Resumo: Ese rabalho em como obeivo mensurar os efeios das axas de
Leia maisOs Sete Hábitos das Pessoas Altamente Eficazes
Os See Hábios das Pessoas Alamene Eficazes Sephen Covey baseou seus fundamenos para o sucesso na Éica do Caráer aribuos como inegridade, humildade, fidelidade, emperança, coragem, jusiça, paciência, diligência,
Leia maisCOINTEGRAÇÃO E CAUSALIDADE ENTRE AS TAXAS DE JURO E A INFLAÇÃO EM PORTUGAL
COINTEGRAÇÃO E CAUSALIDADE ENTRE AS TAAS DE JURO E A INFLAÇÃO EM PORTUGAL JORGE CAIADO 1 Deparameno de Maemáica e Informáica Escola Superior de Gesão Insiuo Poliécnico de Caselo Branco Resumo No presene
Leia maisUma análise de indicadores de sustentabilidade fiscal para o Brasil. Tema: Ajuste Fiscal e Equilíbrio Macroeconômico
Uma análise de indicadores de susenabilidade fiscal para o rasil Tema: Ajuse Fiscal e Equilíbrio Macroeconômico . INTRODUÇÃO Parece pouco discuível nos dias de hoje o fao de que o crescimeno econômico
Leia maisRISCO DE PERDA ADICIONAL, TEORIA DOS VALORES EXTREMOS E GESTÃO DO RISCO: APLICAÇÃO AO MERCADO FINANCEIRO PORTUGUÊS
RISCO DE PERDA ADICIONAL, TEORIA DOS VALORES EXTREMOS E GESTÃO DO RISCO: APLICAÇÃO AO MERCADO FINANCEIRO PORTUGUÊS João Dionísio Moneiro * ; Pedro Marques Silva ** Deparameno de Gesão e Economia, Universidade
Leia maisDados do Plano. Resultado da Avaliação Atuarial. Data da Avaliação: 31/12/2010
AVALIAÇÃO ATUARIAL Daa da Avaliação: 3/2/200 Dados do Plano Nome do Plano: CEEEPREV CNPB: 20.020.04-56 Parocinadoras: Companhia Esadual de Geração e Transmissão de Energia Elérica CEEE-GT Companhia Esadual
Leia maisO IMPACTO DOS INVESTIMENTOS NO ESTADO DO CEARÁ NO PERÍODO DE 1970-2001
O IMPACTO DOS INVESTIMENTOS NO ESTADO DO CEARÁ NO PERÍODO DE 970-200 Ricardo Candéa Sá Barreo * Ahmad Saeed Khan ** SINOPSE Ese rabalho em como objeivo analisar o impaco dos invesimenos na economia cearense
Leia maisO mercado brasileiro da soja: um estudo de transmissão, causalidade e cointegração de preços entre 2001 e 2009
Sinop, MT, Brasil, 18 a 22 de ouubro de 2010. O mercado brasileiro da soja: um esudo de ransmissão, causalidade e coinegração de preços enre 2001 e 2009 Gilbero Siso Fernández (UNEMAT) gilbsis@gmail.com
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL Ano lectivo 2015/16-1ª Época (V1) 18 de Janeiro de 2016
Nome: Aluno nº: Duração: h:30 m MESTRADO INTEGRADO EM ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL Ano lecivo 05/6 - ª Época (V) 8 de Janeiro de 06 I (7 valores) No quadro de dados seguine (Tabela
Leia maisDETERMINAÇÃO DO ESTOQUE DE SEGURANÇA EM UM SISTEMA DE ESTOQUE DE REVISÃO PERIÓDICA, COM DEMANDA CORRELACIONADA EM SÉRIE
DETERMINAÇÃO DO ESTOQUE DE SEGURANÇA EM UM SISTEMA DE ESTOQUE DE REVISÃO PERIÓDICA, COM DEMANDA CORRELACIONADA EM SÉRIE Ese arigo foi publicado originalmene no Journal of he Operaional Research Sociey
Leia mais2 Relação entre câmbio real e preços de commodities
18 2 Relação enre câmbio real e preços de commodiies Na exensa lieraura sobre o cálculo da axa de câmbio de longo prazo, grande pare dos modelos economéricos esimados incluem os ermos de roca como um dos
Leia maisCURVA DE KUZNETS AMBIENTAL ESTIMATIVA ECONOMÉTRICA USANDO CO2 E PIB PER CAPITA
CURVA DE KUZNETS AMBIENTAL ESTIMATIVA ECONOMÉTRICA USANDO CO E PIB PER CAPITA CLEYZER ADRIAN CUNHA; UNIVERSIDADE FEDERAL DE GOIÁS GOIANIA - GO - BRASIL cleyzer@uai.com.br APRESENTAÇÃO ORAL Agropecuária,
Leia maisANÁLISE ESTRUTURAL DA SÉRIE DE PREÇOS DO SUÍNO NO ESTADO DO PARANÁ, 1994 A 2007
ANÁLISE ESTRUTURAL DA SÉRIE DE PREÇOS DO SUÍNO NO ESTADO DO PARANÁ, 994 A 7 ALAN FIGUEIREDO DE ARÊDES; MATHEUS WEMERSON GOMES PEREIRA; MAURINHO LUIZ DOS SANTOS; UNIVERSIDADE FEDERAL DE VIÇOSA VIÇOSA -
Leia maisMODELOS PARA PREVISÃO DE RECEITAS TRIBUTÁRIAS: O ICMS DO ESTADO DO ESPÍRITO SANTO
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS JURÍDICAS E ECONÔMICAS MESTRADO EM ECONOMIA BERNARDINO JOSAFAT DA SILVA CASTANHO MODELOS PARA PREVISÃO DE RECEITAS TRIBUTÁRIAS: O ICMS DO ESTADO
Leia mais