APLICAÇÃO DE MODELOS QUANTITATIVOS DE PREVISÃO EM UMA EMPRESA DE TRANSPORTE FERROVIÁRIO
|
|
- Júlia Leão Cortês
- 7 Há anos
- Visualizações:
Transcrição
1 XXIII ENEGEP - Ouro Preo, MG, Brasil, 22 a 24 de ouubro de 2003 APLICAÇÃO DE MODELOS QUANTITATIVOS DE PREVISÃO EM UMA EMPRESA DE TRANSPORTE FERROVIÁRIO Ricardo Ferrari Pacheco Universidade Caólica de Goiás UCG Deparameno de Engenharia de Produção Av. Universiária, 1069 CEP: Goiânia GO Alisson Vior Fori Silva Ponifícia Universidade Caólica do Paraná PUCPR Deparameno de Engenharia de Produção R. Imaculada Conceição CEP: Curiiba Paraná alifori@homail.com Absrac: Ese arigo relaa um esudo sobre a aplicabilidade de modelos quaniaivos de previsão em uma empresa brasileira de ranspore ferroviário. Denre os modelos quaniaivos exisenes, foram analisados o modelo de decomposição de séries emporais com endência e sazonalidade e o modelo de suavisameno exponencial de Winers. Foram analisados os 3 principais produos ransporados pela companhia: soja, farelo de soja e açucar, sendo geradas previsões para o período de 2002 e 2003 e comparados com os volumes efeivamene ransporados e com a previsão realizada pela companhia. Embora a empresa seja recene e os dados hisóricos escassos, o esudo demonsrou que a uilização de modelos quaniaivos de previsão propicipou resulados superiores às previsões realizadas pela companhia sem o uso de modelos formalizados. Keywords: previsão de demanda; logísica; ranspore ferroviário. 1- INTRODUÇÃO O desenvolvimeno de écnicas de previsão cada vez mais sofisicadas, paralelamene ao rápido desenvolvimeno de compuadores e ouras ecnologias de informação e manipulação de dados, em levado diversas empresas a se ineressarem cada vez mais pelo processo de previsão de demanda (MAKRIDAQUIS e all, 1983). O perfeio enendimeno das diversas écnicas quaniaivas de previsão permie aos profissionais uilizar efeivamene os valores previsos como pono de parida, a parir do qual deverão incorporar seu julgameno e sensibilidade a respeio do comporameno do mercado. Os resulados da previsão de demanda são uma enrada para o planejameno de capacidade, programação de parada de aivos para manuenção, definição de níveis de serviço, enre ouras. Conrariamene ao que ocorre com os produos, não é possível esocar serviços não presados durane os períodos de menor demanda para o aendimeno em períodos de ala demanda (CORREA & GIANESI, 1994). Percebe-se porano, que uma quesão crucial no seor de serviços é o dimensionameno da capacidade de seu sisema operacional, respondendo não apenas qual o volume de capacidade a ser adicionado, mas ambém em quando expandi-la. Capacidade ociosa pode implicar em elevados cusos uniários para o serviço presado, enquano fala de 1
2 capacidade pode implicar em deerioração dos níveis de serviço presados ao cliene. O presene arigo relaa um esudo de viabilidade da aplicação de modelos quaniaivos de previsão de demanda em uma empresa brasileira de ranspore ferroviário. O arigo esá dividido em 5 seções. Na Seção 2, é feia uma revisão sucina dos conceios de previsão. Na Seção 3, a descrição do problema de previsão da empresa é apresenado. Na Seção 4, são descrios os méodos e os dados uilizados na elaboração do modelo de previsão para os produos analisados. Finalmene, na seção 5, em-se as conclusões do esudo. 2 - REVISÃO BIBLIOGRÁFICA Técnicas de previsão consisem no cálculo maemáico ou esaísico empregado para converer dados hisóricos e parâmeros em quanidades fuuras (WHEELWRIGHT & MAKRIDAKIS, 1985). As écnicas de previsão geralmene se dividem em dois ipos principais (MORETTIN & TOLOI, 1981): i Técnicas qualiaivas. Esas dependem exclusivamene do experise ou feeling dos previsores, sendo geralmene mais caras e rabalhosas que os méodos quaniaivos de previsão. São ideais para siuações onde não há séries hisóricas disponíveis e/ou julgameno humano é imprescindível, sendo desenvolvidas por meio de pesquisas de mercado, painéis ou reuniões de especialisas no seor. ii Técnicas quaniaivas. Esas dividem-se em dois grupos principais: séries emporais e modelos causais. As écnicas de séries emporais uilizam dados hisóricos de demandas como base para deerminação de padrões que podem se repeir no fuuro. Exemplos de écnicas de séries emporais são as médias móveis, o alisameno exponencial e a decomposição de séries emporais. Já os modelos causais buscam relacionar as demandas (variável dependene) com ouros faores ais como PIB, inflação, clima, perfil de população, denominadas variáveis independenes. Para isso são uilizadas écnicas de regressão linear e não-linear. 2.1 SÉRIES TEMPORAIS Séries Temporais são observações ordenadas no empo, uma seqüência de valores que seguem uma ordem não aleaória (MORETTIN; TOLOI, 1981). A análise das séries emporais é baseada na suposição de que valores sucessivos dos dados represenam formas de medidas consecuivas omadas em inervalos de empos iguais, denominadas séries discreas. Exisem dois objeivos principais na análise de séries emporais: o primeiro consise em idenificar a naureza do fenômeno gerador da seqüência de observações, o segundo é fazer previsões de valores fuuros da série emporal. Uma vez idenificado o padrão de comporameno, é possível exrapolar o padrão idenificado e prever evenos fuuros. Os méodos de previsão de séries emporais dividem-se em duas caegorias: (i) méodos auomáicos, que são aqueles aplicados direamene com a uilização de um compuador (processos ieraivos), e (ii) méodos não auomáicos, aqueles que exigem a inervenção de um operador especializado na seleção do modelo devido à dificuldade de auomaização do méodo. A grande popularidade aribuída aos méodos auomáicos é devida à facilidade de implemenação, eficiência compuacional e sua boa previsão. Na escolha de modelos para previsão de séries emporais, deve-se levar em cona o comporameno dos dados e, basicamene quaro hipóeses podem ser levanadas: (i) hipóese de permanência (esacionariedade); (ii) hipóese de rajeória padrão (endência); (iii) hipóese sazonal com permanência (sazonalidade) e (iv) hipóese sazonal com rajeória (endência e sazonalidade). Assim, um modelo clássico para séries emporais supõe que a série emporal, = 1,..., N possa ser escria como a soma (modelo adiivo ) ou muliplicação (modelo muliplicaivo) de rês componenes: uma endência, uma componene sazonal e um ermo aleaório: 2
3 T T S S a a =, = 1,..., N. =. Algum auores propõem ainda incluir no modelo uma componene cíclica C, para represenar movimenos com períodos longos, geralmene maiores que um ano. Conudo, como desacam ouros auores (GRANGER & NEWBOLD, 1977), não há evidencias que as séries macroeconômicas modernas conenham componenes periódicas além de sazonal. Removendo-se as componenes T e S, o que sobra é a componene aleaória ou residual. A suposição normal é que a a seja um processo esocásico puramene aleaório, embora em alguns casos pode-se considerá-lo um processo esacionário, com média zero e variância consane (MORETTIN; TOLOI, 1981). 2.2 ALISAMENTO EXPONENCIAL DE WINTERS Ese modelo procura deerminar as rês componenes deerminísicas da decomposição da série: nível, endência e sazonalidade. Aravés de esudos empíricos demonsra-se que sua precisão é compaível com modelos mais complexos, como modelos ARIMA (MAKRIDAKIS; HIBON, 2000). Exisem duas formas de procedimeno que esão relacionadas com as relações enre as componenes: a forma muliplicaiva e a adiiva. As componenes são deerminadas com base em rês equações de alisameno. O modelo sazonal muliplicaivo, variane mais usual, em um período de sazonalidade s, considera um faor de sazonalidade F como muliplicaivo: = µ. F + T + a, = 1,..., N, onde µ é o nível da série e pode ser esimado por. As equações de alisameno são definidas em função das consanes de alisameno A, C e D e represenam, respecivamene, os faores de nível, de endência e de sazonalidade sendo: ( )( = A + 1 A + Tˆ ) 0 < A < 1 = s + 1,..., N, 1 1 Fˆ s = C + 1 C 0 < C < 1 = s+1,,n, T ( ) ( ) Tˆ 1 ˆ 1 Fˆ = D + ( 1 D ) Fˆ 0 < D < 1 = s+1,,n. s A previsão para ese procedimeno, muliplicaivo, observa as seguines equações em função do horizone: a) previsões denro do período sazonal s, ( + T ˆ ) F ( + T ˆ ) F ˆ = h ˆ + h s, h = 1,2,..., s. b) previsões enre o primeiro e o segundo período sazonal s, ˆ = h ˆ + h 2 s, h = s +1, s + 2,..., 2s. Ese procedimeno de previsão, por semelhança pode ser esendido aos demais horizones. Deve-se escolher os valores das consanes A, C e D, de forma a melhor ajusar o modelo aos valores da série emporal analisada. MORETTIN e TOLOI (1981) aribuem como vanagens dese méodo a adequação às séries com comporameno mais geral, a grande flexibilidade em função da escolha das consanes de alisameno e ser de fácil enendimeno e aplicação. São ciadas como desvanagens para ese méodo, a dificuldade de se deerminar os 3
4 melhores valores para as consanes de alisameno, no caso o veor [ A C D ], as dificuldades de esudo de propriedades esaísicas como média e variância de previsão que dificulam a consrução do inervalo de confiança para os valores previsos. 2.3 MEDIDAS DE PRECISÃO DOS MÉTODOS DE PREVISÃO E DESEMPENHO Exisem vários ipos de medidas do erro de previsão que podem mensurar o desvios enre os valores previsos e os observados xi xi ˆ, onde é o valor da observação no insane i; xi xi ˆ é o valor previso para o insane i e n o número de observações. Denre elas esão o erro médio, o erro médio absoluo, o erro quadráico médio (EQM), o erro percenual absoluo e o erro absoluo percenual médio (MAPE). Quano menor for o erro, melhor esará ajusado o modelo à série. O EQM é geralmene o mais uilizado, pois penaliza desproporcionalmene os grandes erros, sejam posiivos ou negaivos. 3 - APRESENTAÇÃO DO PROBLEMA A empresa esudada foi fundada em março de 1997, vencendo um leilão de privaização de pare da malha ferroviária brasileira. Em 1998, assumiu as operações da malha sul paulisa perencene a Ferroban. Em 1999 adquiriu as ferrovias argeninas Ferrocarril Mesopoamico General Urquiza, Ferrocarril Buenos Aires e Pacifico General San Marin. Em julho de 2001, adquiriu uma das maiores empresas de logísica rodoviária do país, assumindo as operações e conraos comerciais no Brasil, Chile, Argenina e Uruguai. São aualmene 15 mil quilômeros de vias férreas no Brasil e Argenina, uma froa com cerca de 3 mil veículos enre próprios e agregados, 550 locomoivas, 17 mil vagões e grandes áreas esraegicamene localizadas para embarque e desembarque de carga e armazenagem. A empresa aende aos segmenos de commodiies agrícolas e ferilizanes, combusíveis, consrução, madeira, papel, celulose, siderúrgicos, higiene e limpeza, eleroelerônicos, auomoivo e auopeças, embalagens, químicos e pero-químicos, bebidas, enre ouros. Sendo basane recene, a empresa possui poucos dados hisóricos, realizando previsões de demandas de modo não formalizado. Como se pode esperar, previsões geradas nas condições ciadas êm poucas chances de serem adequadas, o que pode-se comprovar aravés do MAPE, que em 2001 foi de 55%. Uma ferrovia pode ser enendida de uma forma esquemáica como um conjuno de rechos que compõem a malha. Esses rechos são chamados de corredores. Cada corredor possui suas paricularidades, como o mix de produos que nele são escoados, sua capacidade, perfil de linha e ipo de máquina que nele opera. As séries aqui esudadas fazem pare da demanda do corredor Cenral do Paraná, recho ese que corresponde a 50% do volume ransporado pela empresa em granéis sólidos. Os produos compõem 80% do mix escoado pela Cenral do Paraná para exporação, ou seja, a origem do fluxo esá na região de Maringá e Londrina e seu desino é o Poro de Paranaguá. Os produos são: (i) Farelo de soja; (ii) Soja, e (iii) Açúcar. Traa-se de produos cujas demandas possuem sazonalidade e endência percepíveis, apresenando maior dificuldade de previsão sem o auxílio de ferramenas esaísicas. 4 - MATERIAIS E MÉTODOS Para o esudo dos produos acima descrios, foram uilizados dois modelos de previsão para dados com endência e sazonalidade: (i) os modelos de Decomposição de Séries Temporais e (ii) os modelos de Alisameno Exponencial de Winers. Os dados dos produos uilizados para ese esudo foram reirados do banco de dados aravés de consulas SQL. As demandas são mensais e correspondenes aos anos de 1997 a As previsões geradas são referenes ao ano de 2002 e foram comparadas com as demandas reais dese ano. Também foram geradas previsões para o ano de 2003 e comparadas com as demandas mapeadas a campo pelas unidades de negócio e pelo markeing, denominadas Plano Anual
5 4.1 MODELOS UTILIADOS Modelo de Decomposição de Séries Temporais. Ese modelo decompõe a série em 4 faores a saber: R = valor real da variável em quesão; T = nível de endência da série; S = efeio de faores sazonais, e C = efeio relaivo dos faores cíclicos. Para o esudo das séries consideradas nese rabalho foi seguido a seguine ordem: i Cálculo das Médias Móveis Cenradas com 12 períodos; ii Fez-se a regressão das Médias Móveis Cenradas em função do empo; iii Foi feio o Cálculo dos Índices Sazonais Médios; iv Foi feio o Calculo do Ciclo ; v Finalmene calculada a previsão: P = TxCxS, onde P é o valor da previsão Modelo de Alisameno Exponencial de Winers Os passos para deerminação da previsão pelo modelo de Alisameno Exponencial de Winers foram: i A série foi amorecida exponencialmene Y A = α + ( 1 α )( A + T ); 1 1 S 1 = β + β ; ii A endência foi esimada T ( A A ) ( 1 1 )T 1 iii A sazonalidade foi esimada Y S = γ + ( 1 γ )S ; L A iv Finalmene sua previsão foi calculada Yˆ = ( A + T ) + p S amorecido; T = endência esimada; Y p L+ p, onde: = novo valor A = úlima observação ou valor real da série no período ; S = sazonalidade esimada; α = consane de amorecimeno (0< α < 1); β = consane de amorecimeno para a endência esimada (0< β < 1); γ = consane de amorecimeno para a sazonalidade esimada (0< γ < 1); p = períodos fuuros a serem previsos; L = número de observações em um ano; Y = previsão para p períodos fuuros. p As consanes de amorecimeno α, β e γ foram deerminadas de maneira a minimizar o valor do Erro Quadráico Médio (EQM) aravés de programação linear, com auxílio do Solver do Excel. 5 RESULTADOS A figura 1 mosra o comporameno das séries farelo de soja, soja e açúcar enre 1997 e 2002, nos quais se pode verificar a exisência de endência e sazonalidade, jusificando a escolha dos modelos de previsão que conemplem al caracerísica. A figura mosra ambém o gráfico comparaivo das previsões realizadas para 2002 e Comparou-se as previsões para 2003 com os resulados obidos aé abril. 5.1 ANÁLISES E PREVISÕES PARA O PRODUTO: FARELO DE SOJA UTILIANDO DECOMPOSIÇÃO DE SÉRIES TEMPORAIS Para o cálculo das previsões para os anos de 2001 e 2002 para o modelo de Decomposição de Séries Temporais, primeiramene foi calculada a Média Móvel Cenrada com 12 períodos. Aravés do gráfico da Média Móvel Cenrada, do hisórico da série, foi gerada uma rea de endência, na qual pode-se observar um crescimeno em oneladas de farelo de soja. A rea obida foi Y= 775,75X , com R 2 =0,7241. Em função dos dados de hisóricos foram ˆ + 5
6 calculados os índices sazonais médios e corrigidos. Para o cálculo das médias dos índices foi uilizada a média ponderada. O cálculo dos índices uilizados nas previsões do ano de 2002 os pesos considerados foram: 0,5 para o ano de 2001, 0,3 para 2000 e 0,1 para 1999 e Para as previsões de 2003: 0,4 para 2002, 0,3 para 2001 e 0,1 para 2000, 1999 e Após isso foram calculados os ciclos, e gerado os valores em função do empo. O valor de ciclo considerado para o cálculo, conforme recomendado pela lieraura, é o úlimo observado, que no caso do farelo de soja foi de 1,03 anos. Comparaivo Farelo Soja Comparaivo - Soja Ton Períodos Previsão Decomp. Previsão Winers Real / P.A Ton Períodos Previsão Decomp. Previsão Winers Real / P.A Comparaivo - Açúcar Ton Períodos Previsão Decomp. Previsão Winers Real / P.A Figura 1 - Gráficos das demandas hisóricas e das previsões dos 3 produos UTILIANDO ALISAMENTO EXPONENCIAL DE WINTERS Para se execuar o Alisameno Exponencial de Winers algumas premissas foram adoadas: i - inicial foi considerada a média dos valores hisóricos do ano de 1997; A ii - T inicial foi considerada igual a zero; iii Os Índices Sazonais iniciais, para o cálculo de 1998, foram considerados iguais aos de 1997 e ajusados ano a ano. Para o cálculo das previsões foram uilizados as consanes de amorecimeno α, β e γ de forma a minimizar o Erro Quadráico Médio (EQM). Com a ajuda da ferramena Solver do Excel foi obido os valores: α = 0,33, β = 0,36 e γ = 0,24. Per. Meses Previsão Decomp. Previsão Winers Real jan/ fev/ mar/ abr/ mai/ jun/ jul/ ago/ se/ ou/ nov/ dez/ Toal EQM MAPE 0,7% 36,1% Tabela 1- Previsões Mensais geradas e Erros enconrados Farelo de soja. 6
7 Conforme observamos na abela 1, o modelo mais eficiene para série farelo de soja foi o de decomposição de séries emporais, apresenando o menor EQM e ambém o MAPE. As previsões para o ano de 2003 foram comparadas com os dados das previsões qualiaivas lançadas pelas Unidades de Negócio no Plano Anual 2003 (abela 2).Considerandos os valores reais ransporados aé abril/2003, noamos que o modelo de decomposição de séries emporais apresenou o menor EQM, e menor MAPE que o plano anual gerado pela companhia. Para o produo farelo de soja, o modelo de Winers apresenou o menor EQM e o modelo de decomposição apresenou o menor MAPE. O plano anual da companhia apresenou resulados basane inferiores nos dois criérios. Previsão Decomp. Previsão Winers Plano Anual 2003 Real jan/ fev/ mar/ abr/ mai/ jun/ jul/ ago/ se/ ou/ nov/ dez/ Toal EQM MAPE 56,03% 91,00% 137,73% Tabela 2- Previsões Mensais 2003 Farelo de soja. 5.2 ANÁLISES E PREVISÕES PARA OS PRODUTOS: SOJA E AÇÚCAR Para a deerminação das previsões ano para a Soja, quano para o Açúcar foram seguidos odos os passos descrios no iem anerior. Para o produo Soja, o modelo de decomposição de séries emporais ambém foi o que apresenou o menor EQM e o menor MAPE. Os valores enconrados para as consanes de amorecimeno foram: α = 0,57, β = 0,04 e γ = 0. A abela 4 mosra os valores dos erros dos modelos para o período Noa-se que mais uma vez o modelo de decomposição forneceu os menor EQM e o modelo de Winers o menor MAPE, quase 7 vezes menor que o gerado pelo plano anual da empresa. Previsão Decomp. Previsão Winers EQM MAPE 52,8% 39,9% Tabela 3 - Erros enconrados Soja. Previsão Decomp. Previsão Winers Plano Anual 2003 Toal EQM MAPE 30,78% 26,76% 180,68% Tabela 4 Erros enconrados Soja. A abela 5 mosra os erros gerados pelos modelos para o período 2002 para o produo Açúcar. Como se vê, ambém nese caso, o modelo de decomposição de séries emporais apresenou menores erros. Os valores enconrados para as consanes de amorecimeno, com o auxílio do Solver foram: α = 0,54, β = 0 e γ = 0,39. A abela 6 mosra o comporameno os erros gerados para o período No caso do açúcar, o plano anual obeve o menor EQM e o menor MAPE. É imporane observar que nesa época do ano normalmene não há exporação 7
8 de açúcar. Ese comporameno aípico resula do baixo valor relaivo do produo ocasionado pela desvalorização do real ocorrida nos úlimos meses. Ese fao foi melhor previso pelo plano anual que pelos modelos baseados em dados hisóricos. O modelo de decomposição novamene apresenou resulados superiores ao modelo de Winers. Previsão Decomp. Previsão Winers EQM MAPE 27,9% 16,5% Tabela 5 Erros enconrados Açúcar. Previsão Decomp. Previsão Winers Plano Anual 2003 EQM MAPE 68,09% 100,00% 34,31% Tabela 6 Erros enconrados Açúcar. 6 CONCLUSÃO Os resulados gerados pelos modelos de previsões uilizados foram saisfaórios, apesar da simplicidade dos modelos uilizados. Os modelos quaniaivos em apresenado resulados basane superiores ao plano anual da empresa para Para o produo açúcar, que apresenou um comporameno considerado aípico, o plano anual apresenou melhores resulados, demonsrando que informações não consideradas nos dados hisóricos devem ser consideradas à poseriori, melhorando as previsões fornecidas pelos modelos quaniaivos. Considerando a sua facilidade de implemenação, de uilização e flexibilidade, a adoção de al modelo parece apresenar grande poencial, podendo ajudar à empresa conhecer melhor o comporameno das demandas de seus diversos produos e gerar previsões de demandas fuuras mais confiáveis. O rabalho demonsrou que a escassez de dados hisóricos, uma vez que a empresas é basane recene, não impede a uilização dos modelos esudados, já que o mesmo apresenou nos dois principais produos, EQM inferiores aos planos gerados pela companhia sem o uso de méodos quaniaivos formalizados de previsão. BIBLIOGRAFIA CORRÊA, H. L. ; GIANESI, I. G. N. ; CAON, M. Planejameno, programação e conrole da produção: MRP II / ERP: conceios, uso e implanação. 3ª ed. São Paulo: Gianesi Corrêa & Associados: Alas, CORRÊA, H. L. ; GIANESI, I. G. N. ; Adminisração Esraégica de Serviços. São Paulo: Ediora Alas, DIAS, M. A. P. Adminisração de Maeriais: edição compaca. 4ª ed. São Paulo: Alas, MAKRIDAKIS, S. ; HIBON, M. The M3-Compeiion: resuls, conclusions and implicaions. Inernaional Journal of Forecasing. v. 16, p , MAKRIDAKIS, S. ; WHEELWRIGHT, S. C. ; McGEE, V. E. Forecasing: Mehods and Applicaions. 2ª ed. Nova York: John Wile & Sons Inc., MORETTIN, P. A. ; TOLOI, C. M. de C. Modelos para Previsão de Séries Temporais. In: Colóquio Brasileiro de Maemáica, 13º, 1981, Poços de Caldas - MG, IMPA, Rio de Janeiro, PELLEGRINI, F. R. ; FOGLIATTO, F. S. Esudo comparaivo enre os modelos de Winers e de Box-Jenkis para a previsão sazonal. Produo & Produção. v. 4, p , WHEELWRIGHT, S. C. ; MAKRIDAKIS, S. Forecasing Mehods for Managemen. 4ª ed. Nova York: John Wile & Sons Inc.,
Análise de séries de tempo: modelos de decomposição
Análise de séries de empo: modelos de decomposição Profa. Dra. Liane Werner Séries de emporais - Inrodução Uma série emporal é qualquer conjuno de observações ordenadas no empo. Dados adminisraivos, econômicos,
Leia maisConceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia maisSéries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial
Programa de Pós-graduação em Engenharia de Produção Análise de séries de empo: modelos de suavização exponencial Profa. Dra. Liane Werner Séries emporais A maioria dos méodos de previsão se baseiam na
Leia maisProf. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia maisContabilometria. Séries Temporais
Conabilomeria Séries Temporais Fone: Corrar, L. J.; Theóphilo, C. R. Pesquisa Operacional para Decisão em Conabilidade e Adminisração, Ediora Alas, São Paulo, 2010 Cap. 4 Séries Temporais O que é? Um conjuno
Leia maisUtilização de modelos de holt-winters para a previsão de séries temporais de consumo de refrigerantes no Brasil
XXVI ENEGEP - Foraleza, CE, Brasil, 9 a 11 de Ouubro de 2006 Uilização de modelos de hol-winers para a previsão de séries emporais de consumo de refrigeranes no Brasil Jean Carlos da ilva Albuquerque (UEPA)
Leia maisANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO Breno Richard Brasil Sanos
Leia mais3 O Modelo SAGA de Gestão de Estoques
3 O Modelo SG de Gesão de Esoques O Sisema SG, Sisema uomaizado de Gerência e poio, consise de um sofware conendo um modelo maemáico que permie fazer a previsão de iens no fuuro com base nos consumos regisrados
Leia maisUTILIZAÇÃO DO MÉTODO DE HOLT-WINTERS PARA PREVISÃO DO LEITE ENTREGUE ÀS INDÚSTRIAS CATARINENSES
UTILIZAÇÃO DO MÉTODO DE HOLT-WINTERS PARA PREVISÃO DO LEITE ENTREGUE ÀS INDÚSTRIAS CATARINENSES Rober Wayne Samohyl Professor do Programa de Pós-Graduação em Engenharia de Produção e Sisemas UFSC. Florianópolis-SC.
Leia mais3 Metodologia do Estudo 3.1. Tipo de Pesquisa
42 3 Meodologia do Esudo 3.1. Tipo de Pesquisa A pesquisa nese rabalho pode ser classificada de acordo com 3 visões diferenes. Sob o pono de visa de seus objeivos, sob o pono de visa de abordagem do problema
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 mais4 Método de geração de cenários em árvore
Méodo de geração de cenários em árvore 4 4 Méodo de geração de cenários em árvore 4.. Conceios básicos Uma das aividades mais comuns no mercado financeiro é considerar os possíveis esados fuuros da economia.
Leia mais3 Retorno, Marcação a Mercado e Estimadores de Volatilidade
eorno, Marcação a Mercado e Esimadores de Volailidade 3 3 eorno, Marcação a Mercado e Esimadores de Volailidade 3.. eorno de um Aivo Grande pare dos esudos envolve reorno ao invés de preços. Denre as principais
Leia maisMODELO DE PREVISÃO PARA O FLUXO DE DESEMBARQUE DE PASSAGEIROS NO TERMINAL RODOVIÁRIO DE BELÉM RESUMO
MODELO DE PREVISÃO PARA O FLUXO DE DESEMBARQUE DE PASSAGEIROS NO TERMINAL RODOVIÁRIO DE BELÉM Edson Marcos Leal Soares Ramos (*) Silvia dos Sanos de Almeida (**) Dennison Célio de Oliveira Carvalho (***)
Leia maisAplicação de séries temporais na análise de demanda turística no estado do Pará usando os modelos de Holt-Winters
XXV Enconro Nac. de Eng. de Produção Poro Alegre, RS, Brasil, 29 ou a 01 de nov de 2005 Aplicação de séries emporais na análise de demanda urísica no esado do Pará usando os modelos de Hol-Winers Cláudio
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 mais5 Metodologia Probabilística de Estimativa de Reservas Considerando o Efeito-Preço
5 Meodologia Probabilísica de Esimaiva de Reservas Considerando o Efeio-Preço O principal objeivo desa pesquisa é propor uma meodologia de esimaiva de reservas que siga uma abordagem probabilísica e que
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 mais1 Pesquisador - Embrapa Semiárido. 2 Analista Embrapa Semiárido.
XII Escola de Modelos de Regressão, Foraleza-CE, 13-16 Março 2011 Análise de modelos de previsão de preços de Uva Iália: uma aplicação do modelo SARIMA João Ricardo F. de Lima 1, Luciano Alves de Jesus
Leia maisModelos Não-Lineares
Modelos ão-lineares O modelo malhusiano prevê que o crescimeno populacional é exponencial. Enreano, essa predição não pode ser válida por um empo muio longo. As funções exponenciais crescem muio rapidamene
Leia maisCálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH
Cálculo do valor em risco dos aivos financeiros da Perobrás e da Vale via modelos ARMA-GARCH Bruno Dias de Casro 1 Thiago R. dos Sanos 23 1 Inrodução Os aivos financeiros das companhias Perobrás e Vale
Leia maisPrevisão de Demanda. Logística. Prof. Dr. Claudio Barbieri da Cunha
Previsão de Demanda Logísica Prof. Dr. Claudio Barbieri da Cunha Escola Poliécnica da Universidade de São Paulo Deparameno de Engenharia de Transpores março de 206 Previsão de Demanda Conhecer a demanda
Leia mais4 Modelagem e metodologia de pesquisa
4 Modelagem e meodologia de pesquisa Nese capíulo será apresenada a meodologia adoada nese rabalho para a aplicação e desenvolvimeno de um modelo de programação maemáica linear misa, onde a função-objeivo,
Leia mais4 Filtro de Kalman. 4.1 Introdução
4 Filro de Kalman Ese capíulo raa da apresenação resumida do filro de Kalman. O filro de Kalman em sua origem na década de sessena, denro da área da engenharia elérica relacionado à eoria do conrole de
Leia mais3 Uma metodologia para validação estatística da análise técnica: a busca pela homogeneidade
3 Uma meodologia para validação esaísica da análise écnica: a busca pela homogeneidade Ese capíulo em como objeivo apresenar uma solução para as falhas observadas na meodologia uilizada por Lo e al. (2000)
Leia maisEstimação de Hiperparâmetros para um Modelo de Previsão Holt-Winters com Múltiplos Ciclos por Algoritmos Genéticos
Deparameno de Engenaria Elérica Esimação de Hiperparâmeros para um Modelo de Hol-Winers com Múliplos iclos por Algorimos Genéicos Mario esar da Fonseca orrêa Orienadores: Marco Aurélio. Paceco e Reinaldo
Leia maisAPLICAÇÃO DO MÉTODO DE HOLT NA PREVISÃO DE DADOS DE ÁGUA DA CIDADE DE RONDONÓPOLIS-MT
APLICAÇÃO DO MÉTODO DE HOLT NA PREVISÃO DE DADOS DE ÁGUA DA CIDADE DE RONDONÓPOLIS-MT Alerêdo Oliveira Curim 1 & Aldo da Cunha Rebouças Resumo - O conhecimeno prévio dos volumes de água de qualquer sisema
Leia mais4 Análise dos tributos das concessionárias selecionadas
4 Análise dos ribuos das concessionárias selecionadas Nese capíulo serão abordados os subsídios eóricos dos modelos esaísicos aravés da análise das séries emporais correspondenes aos ribuos e encargos
Leia mais4 O modelo econométrico
4 O modelo economérico O objeivo desse capíulo é o de apresenar um modelo economérico para as variáveis financeiras que servem de enrada para o modelo esocásico de fluxo de caixa que será apresenado no
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 maisExercícios sobre o Modelo Logístico Discreto
Exercícios sobre o Modelo Logísico Discreo 1. Faça uma abela e o gráfico do modelo logísico discreo descrio pela equação abaixo para = 0, 1,..., 10, N N = 1,3 N 1, N 0 = 1. 10 Solução. Usando o Excel,
Leia maisMETODOLOGIA PARA IMPLEMENTAÇÃO DE SISTEMAS DE PREVISÃO DE DEMANDA
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO METODOLOGIA PARA IMPLEMENTAÇÃO DE SISTEMAS DE PREVISÃO DE DEMANDA Fernando Rezende Pellegrini
Leia mais4 Análise de Sensibilidade
4 Análise de Sensibilidade 4.1 Considerações Gerais Conforme viso no Capíulo 2, os algorimos uilizados nese rabalho necessiam das derivadas da função objeivo e das resrições em relação às variáveis de
Leia maisGrupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísica II - Licenciaura em Gesão Época de Recurso 6//9 Pare práica (quesões resposa múlipla) (7.6 valores) Nome: Nº Espaço reservado para a classificação (não
Leia maisEstudo comparativo do fluxo de caminhões nos portos de Uruguaiana e Foz do Iguaçu
XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de novembro de 26. Esudo comparaivo do fluxo de caminhões nos poros de Uruguaiana e Foz do Iguaçu Suzana Leião Russo (URI) jss@urisan.che.br Ivan Gomes Jardim (URI)
Leia mais4 O Papel das Reservas no Custo da Crise
4 O Papel das Reservas no Cuso da Crise Nese capíulo buscamos analisar empiricamene o papel das reservas em miigar o cuso da crise uma vez que esa ocorre. Acrediamos que o produo seja a variável ideal
Leia maisMÉTODOS ESTATÍSTICOS DE SUAVIZAÇÃO EXPONENCIAL HOLT- WINTERS PARA PREVISÃO DE DEMANDA EM UMA EMPRESA DO SETOR METAL MECÂNICO
Universidade Tecnológica Federal do Paraná - UTFPR Campus Pona Grossa - Paraná - Brasil ISSN 1808-0448 / v. 08, n. 04: p. 154-171, 2012 D.O.I: 10.3895/S1808-04482012000400009 Revisa Gesão Indusrial MÉTODOS
Leia mais3 Metodologia 3.1. O modelo
3 Meodologia 3.1. O modelo Um esudo de eveno em como obeivo avaliar quais os impacos de deerminados aconecimenos sobre aivos ou iniciaivas. Para isso são analisadas as diversas variáveis impacadas pelo
Leia mais1. Introdução. 2. Séries Temporais. Modelagem e Simulação - Modelos de Previsão
Modelos de Previsão vendas mensais (em unidades) Modelagem e Simulação - Modelos de Previsão Inrodução Em omada de decisão é basane comum raar problemas cujas decisões a serem omadas são funções de faos
Leia maisCalcule a área e o perímetro da superfície S. Calcule o volume do tronco de cone indicado na figura 1.
1. (Unesp 017) Um cone circular reo de gerariz medindo 1 cm e raio da base medindo 4 cm foi seccionado por um plano paralelo à sua base, gerando um ronco de cone, como mosra a figura 1. A figura mosra
Leia maisAULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM
AULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 163 22. PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 22.1. Inrodução Na Seção 9.2 foi falado sobre os Parâmeros de Core e
Leia maisProblema de controle ótimo com equações de estado P-fuzzy: Programação dinâmica
Problema de conrole óimo com equações de esado P-fuzzy: Programação dinâmica Michael Macedo Diniz, Rodney Carlos Bassanezi, Depo de Maemáica Aplicada, IMECC, UNICAMP, 1383-859, Campinas, SP diniz@ime.unicamp.br,
Leia mais3 Modelos de Markov Ocultos
23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável
Leia maisDecomposição Clássica
Méodos Esaísicos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO 0 08 06 04 02 00 98 96 94 92 90 0 5 0 5 20 Decomposição Clássica Bernardo Almada-Lobo Méodos Esaísicos de Previsão 2 Decomposição Clássica
Leia maisPrevisão de Demanda =Forecasting-técnica que usa dados passados na predição (projeção) de valores futuros
Previsãode Demanda Previsão de Demanda: 1 Passo do PCP Previsão de Demanda =Forecasing-écnica que usa dados passados na predição (projeção) de valores fuuros Com base no forecasingesabelem-se políicas
Leia maisTeoremas Básicos de Equações a Diferenças Lineares
Teoremas Básicos de Equações a Diferenças Lineares (Chiang e Wainwrigh Capíulos 17 e 18) Caracerização Geral de Equações a diferenças Lineares: Seja a seguine especificação geral de uma equação a diferença
Leia maisCapítulo 2: Proposta de um Novo Retificador Trifásico
30 Capíulo 2: Proposa de um Novo Reificador Trifásico O mecanismo do descobrimeno não é lógico e inelecual. É uma iluminação suberrânea, quase um êxase. Em seguida, é cero, a ineligência analisa e a experiência
Leia maisPREVISÃO DA PRECIPITAÇÃO MENSAL DO MUNICÍPIO DE OURO BRANCO MG, POR MEIO DE MODELOS DE SÉRIES TEMPORAIS
UNIVERSIDADE FEDERAL DE SÃO JOÃO DEL-REI TATIANA PEREIRA MIRANDA PREVISÃO DA PRECIPITAÇÃO MENSAL DO MUNICÍPIO DE OURO BRANCO MG, POR MEIO DE MODELOS DE SÉRIES TEMPORAIS OURO BRANCO 2016 TATIANA PEREIRA
Leia maisIII Congresso da Sociedade Portuguesa de Estatística Guimarães, 26 a 28 Junho 1995
1 III Congresso da Sociedade Poruguesa de Esaísica Guimarães, 26 a 28 Junho 1995 Políicas Ópimas e Quase-Ópimas de Inspecção de um Sisema Sujeio a Falhas Cláudia Nunes, João Amaral Deparameno de Maemáica,
Leia maisMATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel
MAEMÁICA APLICADA AO PLANEJAMENO DA PRODUÇÃO E LOGÍSICA Silvio A. de Araujo Socorro Rangel saraujo@ibilce.unesp.br, socorro@ibilce.unesp.br Apoio Financeiro: PROGRAMA Inrodução 1. Modelagem maemáica: conceios
Leia maisUNESP - UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Guaratinguetá
UNESP - UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Guaraingueá Guaraingueá 2013 LUIZ GUSTAVO DUARTE DA SILVA ANÁLISE QUANTITATIVA DE DEMANDA EM UMA EMPRESA SIDERÚRGICA Trabalho de
Leia mais3 Modelo Teórico e Especificação Econométrica
3 Modelo Teórico e Especificação Economérica A base eórica do experimeno será a Teoria Neoclássica do Invesimeno, apresenada por Jorgensen (1963). Aneriormene ao arigo de Jorgensen, não havia um arcabouço
Leia mais2 PREVISÃO DA DEMANDA
PREVISÃO DA DEMANDA Abandonando um pouco a visão românica do ermo previsão, milhares de anos após as grandes civilizações da nossa hisória, a previsão do fuuro vola a omar a sua posição de imporância no
Leia maisRespondidos (parte 13)
U Coneúdo UNoas de aulas de Transpores Exercícios Respondidos (pare 3) Hélio Marcos Fernandes Viana da pare 3 Exemplo numérico de aplicação do méodo udo-ou-nada, exemplo de cálculo do empo de viagem equações
Leia maisPREVISÃO DE ENERGIA ELÉTRICA: MODELAGEM E USO DE COMBINAÇÕES DE PREVISÕES
PREVISÃO DE ENERGIA ELÉTRICA: MODELAGEM E USO DE COMBINAÇÕES DE PREVISÕES LIANE WERNER (UFRGS) liane@producao.ufrgs.br VERA LÚCIA MILANI MARTINS (UFRGS) vlmmarins@yahoo.com.br DANILO CUZZUOL PEDRINI (UFRGS)
Leia mais5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t
5 Esudo de Casos Para a avaliação dos algorimos online/bach evolucionários proposos nese rabalho, foram desenvolvidas aplicações em problemas de filragem dos esados de um sisema não-linear unidimensional,
Leia maisContrato Futuro de Taxa Média das Operações Compromissadas de Um Dia (OC1) com Lastro em Títulos Públicos Federais
Conrao Fuuro de Taxa Média das Operações Compromissadas de Um Dia (OC1) com Lasro em Tíulos Públicos Federais Especificações 1. Definições Conrao Fuuro de OC1: Taxa Média das Operações Compromissadas de
Leia maisPREVISÃO DE DEMANDA DE ACESSOS MÓVEIS NO SISTEMA DE TELEFONIA BRASILEIRO
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL ESCOLA DE ENGENHARIA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO PREVISÃO DE DEMANDA DE ACESSOS MÓVEIS NO SISTEMA DE TELEFONIA BRASILEIRO Leandro Henz
Leia mais*UiILFRGH&RQWUROH(:0$
*UiILFRGH&RQWUROH(:$ A EWMA (de ([SRQHQWLDOO\:HLJKWHGRYLQJ$YHUDJH) é uma esaísica usada para vários fins: é largamene usada em méodos de esimação e previsão de séries emporais, e é uilizada em gráficos
Leia maisINTERVALO BOOTSTRAP PARA PREVISÕES DE SÉRIES TEMPORAIS OBTIDAS PELO MÉTODO THETA
DANIEL STEFFEN INTERVALO BOOTSTRAP PARA PREVISÕES DE SÉRIES TEMPORAIS OBTIDAS PELO MÉTODO THETA Disseração apresenada como requisio parcial à obenção do íulo de Mesre em Ciências pelo Programa de Pós-graduação
Leia maisFunção de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco
Função de risco, h() 3. Função de risco ou axa de falha Manuenção e Confiabilidade Prof. Flavio Fogliao Mais imporane das medidas de confiabilidade Traa-se da quanidade de risco associada a uma unidade
Leia maisMotivação. Prof. Lorí Viali, Dr.
Moivação rof. Lorí Viali, Dr. vialli@ma.ufrgs.br hp://www.ma.ufrgs.br/~vialli/ Na práica, não exise muio ineresse na comparação de preços e quanidades de um único arigo, como é o caso dos relaivos, mas
Leia maisAplicação de Séries Temporais na Série Teor de Umidade da Areia de Fundição da Indústria FUNDIMISA*
XII SIMPEP, Bauru, SP, Brasil, 7 a 9 de novembro de 25 Aplicação de Séries Temporais na Série Teor de Umidade da Areia de Fundição da Indúsria FUNDIMISA* Suzana Russo (URI - UALG) jss@urisan.che.br Paulo
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (v) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia maisEconometria Semestre
Economeria Semesre 00.0 6 6 CAPÍTULO ECONOMETRIA DE SÉRIES TEMPORAIS CONCEITOS BÁSICOS.. ALGUMAS SÉRIES TEMPORAIS BRASILEIRAS Nesa seção apresenamos algumas séries econômicas, semelhanes às exibidas por
Leia maisCOMPARAÇÃO DE DESEMPENHO DE ESTATÍSTICAS DE MONITORAMENTO DA QUALIDADE DE PREVISÕES DE SÉRIES TEMPORAIS
Engenharia de Produção, Infraesruura e Desenvolvimeno Susenável: a Agenda Brasil+0 Curiiba, PR, Brasil, 07 a 0 de ouubro de 204. COMPARAÇÃO DE DESEMPENHO DE ESTATÍSTICAS DE MONITORAMENTO DA QUALIDADE DE
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 2ª Época (V1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (V) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia maisTabela: Variáveis reais e nominais
Capíulo 1 Soluções: Inrodução à Macroeconomia Exercício 12 (Variáveis reais e nominais) Na abela seguine enconram se os dados iniciais do exercício (colunas 1, 2, 3) bem como as soluções relaivas a odas
Leia maisExercícios Sobre Oscilações, Bifurcações e Caos
Exercícios Sobre Oscilações, Bifurcações e Caos Os ponos de equilíbrio de um modelo esão localizados onde o gráfico de + versus cora a rea definida pela equação +, cuja inclinação é (pois forma um ângulo
Leia mais5 Solução por Regressão Simbólica 5.1. Introdução
5 Solução por Regressão Simbólica 5.. Inrodução ese capíulo é descrio um esudo de caso uilizando-se o modelo proposo no capíulo 4. reende-se com esse esudo de caso, mosrar a viabilidade do modelo, suas
Leia maisUNIVERSIDADE FEDERAL DE JUIZ DE FORA MÉTODOS DE PREVISÃO APLICADOS A UMA SÉRIE DE VOLUME DE PRODUÇÃO DE CAMINHÕES
UNIVERSIDADE FEDERAL DE JUIZ DE FORA Isaac dos Sanos Lourenço Luis de Oliveira Nascimeno MÉTODOS DE PREVISÃO APLICADOS A UMA SÉRIE DE VOLUME DE PRODUÇÃO DE CAMINHÕES JUIZ DE FORA, MG BRASIL JULHO DE 2012
Leia mais5 Aplicação da Modelagem Estrutural ao problema de previsão de Preço Spot de Energia Elétrica.
Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 41 5 Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 5.1. Inrodução Nesa
Leia maisModelos para Previsão em Séries Temporais: uma Aplicação para a Taxa de Desemprego na Região Metropolitana de Porto Alegre
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA Modelos para Previsão em Séries Temporais: uma Aplicação para a Taxa de Desemprego na Região Meropoliana de
Leia mais6 Processos Estocásticos
6 Processos Esocásicos Um processo esocásico X { X ( ), T } é uma coleção de variáveis aleaórias. Ou seja, para cada no conjuno de índices T, X() é uma variável aleaória. Geralmene é inerpreado como empo
Leia maisPREVISÃO DE VENDAS ATRAVÉS DA METODOLOGIA DE BOX & JENKINS: UM ESTUDO DE CASO
! "#$ " %'&)(*&)+,.- /1.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& PREVISÃO DE VENDAS ATRAVÉS DA METODOLOGIA DE BOX
Leia maisTécnicas para Detecção de Viés em Previsão de Demanda Comparação de Desempenhos
Felipe Schoemer Jardim Técnicas para Deecção de Viés em Previsão de Demanda Comparação de Desempenhos Disseração de Mesrado Disseração apresenada como requisio parcial para obenção do grau de Mesre pelo
Leia maisLista de Exercícios nº 3 - Parte IV
DISCIPLINA: SE503 TEORIA MACROECONOMIA 01/09/011 Prof. João Basilio Pereima Neo E-mail: joaobasilio@ufpr.com.br Lisa de Exercícios nº 3 - Pare IV 1ª Quesão (...) ª Quesão Considere um modelo algébrico
Leia maisP IBpm = C+ I+ G+X F = = b) Despesa Nacional. PNBpm = P IBpm+ RF X = ( ) = 59549
Capíulo 2 Soluções: Medição da Acividade Económica Exercício 24 (PIB pelaópica da despesa) i. Usando os valores da abela que consa do enunciado, a solução das várias alíneas é imediaa, basando para al
Leia maisAplicação. Uma famosa consultoria foi contratada por uma empresa. que, entre outras coisas, gostaria de entender o processo
Aplicação Uma famosa consuloria foi conraada por uma empresa que, enre ouras coisas, gosaria de enender o processo gerador relacionado às vendas de deerminado produo, Ainda, o conraane gosaria que a empresa
Leia maisDEMOGRAFIA. Assim, no processo de planeamento é muito importante conhecer a POPULAÇÃO porque:
DEMOGRAFIA Fone: Ferreira, J. Anunes Demografia, CESUR, Lisboa Inrodução A imporância da demografia no planeameno regional e urbano O processo de planeameno em como fim úlimo fomenar uma organização das
Leia mais5 Erro de Apreçamento: Custo de Transação versus Convenience Yield
5 Erro de Apreçameno: Cuso de Transação versus Convenience Yield A presene seção em como objeivo documenar os erros de apreçameno implício nos preços eóricos que eviam oporunidades de arbiragem nos conraos
Leia mais4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos.
4 Meodologia Proposa para o Cálculo do Valor de Opções Reais por Simulação Mone Carlo com Aproximação por Números Fuzzy e Algorimos Genéicos. 4.1. Inrodução Nese capíulo descreve-se em duas pares a meodologia
Leia maisÍndice de Avaliação de Obras - 15
Índice de Avaliação de Obras - 15 Assim sendo e de modo idênico ao apresenado na meodologia do ID, o cumprimeno do que foi programado indica no Índice de Avaliação de Obras, IAO, ambém o valor 1 (hum).
Leia maisDEPARTAMENTO DE ESTATÍSTICA - UFSCar 6 a Lista de exercício de Teoria de Matrizes 28/06/2017
DEPARTAMENTO DE ESTATÍSTICA - UFSCar 6 a Lisa de exercício de Teoria de Marizes 8/06/017 1 Uma pesquisa foi realizada para se avaliar os preços dos imóveis na cidade de Milwaukee, Wisconsin 0 imóveis foram
Leia mais2 Os métodos da família X Introdução
2 Os méodos da família X 2. Inrodução O méodo X (Dagum, 980) emprega médias móveis (MM) para esimar as principais componenes de uma série (Sysem of Naional Accouns, 2003): a endência e a sazonalidade.
Leia maisCOMPARAÇÃO ENTRE OS MÉTODOS DE PREVISÃO UNIVARIADOS PARA O PREÇO MÉDIO DA SOJA NO BRASIL
XXII Enconro Nacional de Engenharia de Produção Curiiba PR, 23 a 25 de ouubro de 2002 COMPARAÇÃO ENTRE OS MÉTODOS DE PREVISÃO UNIVARIADOS PARA O PREÇO MÉDIO DA SOJA NO BRASIL Wesley Vieira da Silva, Dr.
Leia maisANÁLISE DAS SÉRIES DE VIOLÊNCIA CONTRA A MULHER EM SÃO JOÃO DEL-REI
UNIVERSIDADE FEDERAL DE SÃO JOÃO DEL-REI CURSO DE LICENCIATURA EM MATEMÁTICA Denise de Assis Paiva ANÁLISE DAS SÉRIES DE VIOLÊNCIA CONTRA A MULHER EM SÃO JOÃO DEL-REI São João del-rei 2017 Denise de Assis
Leia maisCINÉTICA QUÍMICA LEI DE VELOCIDADE - TEORIA
CINÉTICA QUÍMICA LEI DE VELOCIDADE - TEORIA Inrodução Ese arigo raa de um dos assunos mais recorrenes nas provas do IME e do ITA nos úlimos anos, que é a Cinéica Química. Aqui raamos principalmene dos
Leia maisCircuitos Elétricos I EEL420
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL420 Coneúdo 1 - Circuios de primeira ordem...1 1.1 - Equação diferencial ordinária de primeira ordem...1 1.1.1 - Caso linear, homogênea, com
Leia maisInstituto de Física USP. Física V - Aula 26. Professora: Mazé Bechara
Insiuo de Física USP Física V - Aula 6 Professora: Mazé Bechara Aula 6 Bases da Mecânica quânica e equações de Schroedinger. Aplicação e inerpreações. 1. Ouros posulados da inerpreação de Max-Born para
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 maisINFLUÊNCIA DO FLUIDO NA CALIBRAÇÃO DE UMA BALANÇA DE PRESSÃO
INFLUÊNCIA DO FLUIDO NA CALIBRAÇÃO DE UMA BALANÇA DE PRESSÃO Luiz Henrique Paraguassú de Oliveira 1, Paulo Robero Guimarães Couo 1, Jackson da Silva Oliveira 1, Walmir Sérgio da Silva 1, Paulo Lyra Simões
Leia maisUniversidade Federal do Rio de Janeiro
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL42 Coneúdo 8 - Inrodução aos Circuios Lineares e Invarianes...1 8.1 - Algumas definições e propriedades gerais...1 8.2 - Relação enre exciação
Leia maisHidrograma Unitário Sintético
Universidade de São Paulo PH 3307 Hidrologia plicada Escola Poliécnica Deparameno de Engenharia Hidráulica e mbienal Hidrograma Uniário Sinéico ula 22 Pare 2-2 Prof. Dr. risvaldo Méllo Prof. Dr. Joaquin
Leia mais4 Aplicação do Modelo
Aplicação do Modelo É possível enconrar na lieraura diversas aplicações que uilizam écnicas esaísicas e de compuação inensiva para realizar previsões de curo prazo na área de energia elérica. Enre elas
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 maisTeste F na Regressão Linear Múltipla para Dados Temporais com Correlação Serial.
Deparameno de Ciências e ecnologias Mesrado em Esaísica, Maemáica e Compuação ese F na Regressão Linear Múlipla para Dados emporais com Correlação Serial. Bruno Fernando Pinheiro Faria Lisboa, Mesrado
Leia maisRegularização de descargas
HIP 11 HIDROLOGIA II Aula 8 Professor Joel Avruch Goldenfum IPH/UFRGS Regularização de descargas vazões naurais exremamene variáveis deve-se compaibilizar a ofera naural com a demanda uso mais harmonioso
Leia maisControle estatístico de processo: soluções de um estudo de caso usando procedimentos estatísticos
XI SIMPEP - Bauru, SP, Brasil, 08 a 10 de novembro de 2004 Conrole esaísico de processo: soluções de um esudo de caso usando procedimenos esaísicos Suzana Leião Russo (URI) jss@urisan.che.br Rober Wayne
Leia mais5.3 Escalonamento FCFS (First-Come, First Served)
c prof. Carlos Maziero Escalonameno FCFS (Firs-Come, Firs Served) 26 5.3 Escalonameno FCFS (Firs-Come, Firs Served) A forma de escalonameno mais elemenar consise em simplesmene aender as arefas em sequência,
Leia mais