A Previsão com o Método de Winter 1

Documentos relacionados
Séries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial

Adriano Pedreira Cattai. Universidade Federal da Bahia UFBA Semestre

Análise de séries de tempo: modelos de decomposição

MATRIZES. Neste caso, temos uma matriz de ordem 3x4 (lê-se três por quatro ), ou seja, 3 linhas e 4

Teoria VII - Tópicos de Informática

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 - CAPES MATRIZES

4.2. Veio Cilíndrico de Secção Circular

CAPÍTULO 4 BASE E DIMENSÃO

Definição de áreas de dependência espacial em semivariogramas

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Universidade Federal de Pelotas Vetores e Álgebra Linear Prof a : Msc. Merhy Heli Rodrigues Determinantes

PROVA DE FÍSICA 2º ANO - 4ª MENSAL - 1º TRIMESTRE TIPO A

Lista 5: Geometria Analítica

Bhaskara e sua turma Cícero Thiago B. Magalh~aes

Material envolvendo estudo de matrizes e determinantes

SERVIÇO PÚBLICO FEDERAL Ministério da Educação

MODELOS DE EQUILÍBRIO DE FLUXO EM REDES. Prof. Sérgio Mayerle Depto. Eng. Produção e Sistemas UFSC/CTC

Definição: Sejam dois números inteiros. Uma matriz real é uma tabela de números reais com m linhas e n colunas, distribuídos como abaixo:

CONTEÚDO Introdução Motivação, Objetivo, Definição, Características Básicas e Histórico REDES NEURAIS. Problema dos 100 Passos MOTIVAÇÃO

ROTAÇÃO DE CORPOS SOBRE UM PLANO INCLINADO

Aprendizagem de Máquina

1 Distribuições Contínuas de Probabilidade

Lista de Exercícios 4 Cinemática

Assíntotas verticais. lim f lim lim. x x x. x 2 x 2. e e e e e. lim lim

3 Teoria dos Conjuntos Fuzzy

UNITAU APOSTILA. SUCESSÃO, PA e PG PROF. CARLINHOS

2 Patamar de Carga de Energia

Matrizes. Matemática para Economistas LES 201. Aulas 5 e 6 Matrizes Chiang Capítulos 4 e 5. Márcia A.F. Dias de Moraes. Matrizes Conceitos Básicos

Mat.Semana. PC Sampaio Alex Amaral Rafael Jesus. (Fernanda Aranzate)

Álgebra Linear e Geometria Analítica. Espaços Vectoriais

MINISTÉRIO DA AGRICULTURA, PECUÁRIA E ABASTECIMENTO

IFRN Campus Natal/Central. Prof. Tibério Alves, D. Sc. FIC Métodos matemáticos para físicos e engenheiros - Aula 02.

1 Assinale a alternativa verdadeira: a) < <

Eletromagnetismo I. Eletromagnetismo I - Eletrostática. Equação de Laplace (Capítulo 6 Páginas 119 a 123) Eq. de Laplace

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA B DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 735) 1ª FASE 23 DE JUNHO 2015 GRUPO I

ESTATÍSTICA APLICADA. 1 Introdução à Estatística. 1.1 Definição

UNIVERSIDADE FEDERAL DE PERNAMBUCO CCEN DEPARTAMENTO DE MATEMÁTICA EXAME DE QUALIFICAÇÃO PARA O MESTRADO EM MATEMÁTICA

Revisão EXAMES FINAIS Data: 2015.

ÁLGEBRA LINEAR Equações Lineares na Álgebra Linear EQUAÇÃO LINEAR SISTEMA LINEAR GEOMETRIA DA ESQUAÇÕES LINEARES RESOLUÇÃO DOS SISTEMAS

COLÉGIO OBJETIVO JÚNIOR

Uma situação muito comum de função exponencial é aquela em que uma determinada grandeza, que pra um instante t = 0 ela apresenta uma medida y y0

Formas Quadráticas. FUNÇÕES QUADRÁTICAS: denominação de uma função especial, definida genericamente por: 1 2 n ij i j i,j 1.

Potencial Elétrico. Evandro Bastos dos Santos. 14 de Março de 2017

se vai Devagar Devagar se vai longe longe...

1. Conceito de logaritmo

Hewlett-Packard PORCENTAGEM. Aulas 01 a 04. Elson Rodrigues, Gabriel Carvalho e Paulo Luiz Ramos

Matemática para Economistas LES 201. Aulas 5 e 6 Matrizes Chiang Capítulos 4 e 5. Luiz Fernando Satolo

QUESTÃO 01 Seja f : R R uma função definida pela sentença f(x) = 3 0,5 x. A respeito desta função considere as seguintes afirmativas:

Um corpo triangular, como mostrado na figura, sofre um deslocamento definido por:

Matrizes Resolução de sistemas de equações lineares por eliminação Gauss e Gauss-Jordan

Recordando produtos notáveis

Transcrição:

A Previsão com o Méodo de Winer. Inrodução O méodo de Winer é um méodo de morecimeno exponencil que lev em con os componenes de szonlidde d série de ddos observdos. O méodo se bsei principlmene no modelo muliplicivo szonl de Winer, que se escreve: = (β + β ). Sn + ε, onde: Sn é o componene ou for szonl muliplicivo. d szonlidde. O for szonl é definido de form que = Sn =, onde é o comprimeno Esse modelo descreve usulmene séries em que mpliude szonl e endênci são dependenes. Assim, se o nível médio d série (β + β ) umen, mpliude do pdrão szonl mbém umen (Figur ). Um our bordgem é do modelo szonl diivo, no qul: = β + β + Sn + ε, que é proprido qundo mpliude do pdrão szonl for clrmene independene do nível médio d série (Figur ). O méodo de Winer é composo de 4 eps: obenção dos vlores iniciis dos componenes do modelo ulizção dos componenes do modelo gerção de vlores morecidos ou previsões por período obenção dos erros de previsão e cálculo d medid de precisão do méodo. (Referênci: Bowermn/O Connell(987), Times Series Forecsing Unified Conceps nd Compuer Implemenion, Duxbury Press, pág 7).

Vends de refrigernes Ddos de vends (cixs) 6 4 8 6 4 5 9 3 7 5 9 33 empo em meses Série observd Figur Série em que há indicção que mpliude szonl e endênci são dependenes. 6 Série emporl d série C8 5 4 3 C8 9 4 8 6 4 períodos de empo 8 3 36 4 Figur Série em que há indicção que mpliude do pdrão szonl independe d endênci

. Os Vlores Iniciis dos Componenes do Modelo O modelo se bsei n definição de vlores iniciis de β, β e Sn, ou sej (), b () e Sn () is que: β o (), que é medid do componene do nível médio d série β b (), que permie ober o componene d endênci d série Sn Sn (), que permie ober o componene d szonlidde por período ou esção szonl d série. Assim, b () = m (m ) permie ober um medid inicil de endênci, onde: m nível médio d série ssocido o meio do úlimo período szonl. nível médio d série ssocido o meio do primeiro período szonl m número de períodos szonis comprimeno d szonlidde Sej o exemplo de vends de refrigernes cujos ddos são presendos n Tbel. Como no exemplo são obidos vlores referenes 3 nos de informções mensis com períodos szonis de comprimeno de meses, m é o ulimo vlor exrído d série correspondene de médis móveis de mnho =, sendo m = 3 (Tbel ) e é o primeiro vlor. 3

Tbel Vends de refrigernes (cenens de cixs) em um período de 3 nos (36 meses). Ano mês vends y Ano mês vends y (jneiro) 89 7 9 83 9 8 96 3 3 49 9 5 4 4 89 759 5 5 6 3 67 6 6 43 4 37 7 7 66 3 5 98 8 8 777 6 378 9 9 95 3 7 373 63 4 8 443 485 5 9 374 77 6 3 66 3 44 7 3 4 4 96 8 3 53 3 5 39 9 33 388 4 6 37 34 94 5 7 33 35 75 6 8 556 36 44 Tbel Médis móveis de mnho em 3 períodos de meses (cenens de cixs). 3 4 5 6 7 8 9 vends 89 9 49 89 6 43 66 777 95 63 485 77 M.M() 447,83... vends 44 96 39 37 33 556 83 96 5 759 67 37 M.M()... 564,83... vends 98 378 373 443 374 66 4 53 388 94 75 44 M.M()... 677,583 M.M() médis móveis de mnho Conforme os vlores ds médis móveis, b () = 677,58 447,8 (3 ) b () = 9,57. 4

O componene do nível médio d série no início do primeiro período szonl é obido por: o () = b() Nesse cálculo, deve ser observdo que, pr obenção de o (), subri-se b() de pr reornr o início do º período. Com os ddos do exemplo de vends de refrigernes pode-se ober: o () = 447,8. 9,57 o () = 39,4. O componene de szonlidde é obido pr cd período ou esção szonl por: Sn () = sn, pr =,...,, sn = onde sn = é o índice de jusmeno, que permie normlizção desse componene szonl de form que = () Sn m =, e sn = S + k, pr =,...,, m k= e sn é o índice szonl médio pr cd esção szonl (por exemplo, jn, fev,..., dez). Enreno, é preciso ober os vlores de S, que correspondem esimivs iniciis dos fores szonis de cd esção. Esss esimivs são obids por: S = ou j S = +. i j b() 5

onde: i = se i = se + i = 3 se + 3,... de form que esimiv do nível médio d série é obid por: + = i [ j]b (). j Figur 3 Esimivs iniciis dos componenes szonis Ou sej, pr ober-se j (Figur 3) som-se ou subri-se endênci o nível médio d série no i-ésimo período szonl ( i ), sendo i =, ou 3, no exemplo considerdo. Embor esej ssocido um período vrindo enre e o ol de observções, j é obido por período szonl, sendo que posição reliv j permie dizer quns esções à frene ou neriores o meio do período szonl i o qul perence ess observção se enconr. Conforme se esej em jneiro, fevereiro,..., dezembro, no exemplo considerdo, j =,...,. Ess vrição de j se repee pr cd período szonl i. Sej como exemplo s esimivs iniciis de bril: 6

4 bril do no, = 4 S4 = =,688 + j b() 6 bril do no, = 6 S6 = =,684 + j b() 8 bril do no 3, = 8 S8 = =,677 + 3 j b() Em consequênci, o componene szonl médio sn é obido por sn m = S + k k=, o que vi permiir clculr o vlor normlizdo Sn (), =,...,. Ou sej, o for szonl médio d esção bril é sn 4 =, 68 (observndo-se em su obenção que = 4 e m = 3), 3. A Previsão com Bse n Aulizção dos Vlores dos Componenes do Modelo Suponh-se que se conheç, em um período (T) (Figur 4), os componenes o (T-); b (T-) de um periodo nerior (T ) e se conheç os fores szonis Sn (T- ) de um período szonl nerior. Com ulizção desses vlores pode-se ober s esimivs de o (T), b (T) e Sn (T) pr o período (T) em referênci, onde: (T) esimiv do nível médio d série ulizd b (T) esimiv do componene de endênci ulizd Sn T (T) esimiv do for szonl ulizdo 7

Figur 4 Dess form, deszonlizção de (T) = α + ( α)[ (T ) + b (T ) ] Sn (T ) T onde α. esimiv do nível médio prir dos vlores dos componenes em (T-) Pr obenção de (T) é fei ponderção de: Sn T (T ) esimiv do nível médio pel deszonlizção de, e [ (T-) + b (T-)] esimiv do nível médio prir dos vlores dos componenes em (T-). D mesm mneir, b (T) = [ (T) (T )] + ( β) b (T ), β onde β. Pr obenção de b (T) é fei ponderção de dois ermos: (T) (T ) diferenç enre esimiv do nível médio nos períodos (T-) e (T), o que permie er um esimiv d endênci b (T). 8

b (T ) esimiv d endênci em (T-). O componene de szonlidde ulizdo é obido por: Sn T (T) = γ + ( γ)sn T (T ), (T) onde γ. Pr obenção de Sn T (T) é obid ponderção de: (T) esimiv do for szonl com ddos observdos Sn T (T-) esimiv do for szonl esções neriores Assim, no exemplo de vends de refrigernes, considerdos já obidos vlores iniciis dos componenes: () = 39,4, b () = 9,57 e Sn () =,484, e onde deve ser observdo que: Sn (), Sn 3 (),..., Sn () são suposos mbém já clculdos, rbirndo-se α =,, β =,5 e γ =,5, previsão de jneiro do no corresponde o primeiro vlor d série morecid, clculd com o modelo de Winer: Ŷ () = [ () + b().]sn() Assim, Ŷ () = [39,4+ 9,57],484= 93, 63 e o respecivo erro d previsão - Ŷ () = - 4,63. Em seguid, fz-se ulizção dos vlores dos componenes pr esse período ou sej, obém-se: (), b (), Sn () Assim, () = α + ( α)[ () + b ()] = 398,6 Sn () () = β[ () ()] + (- β) b () = 9,8 b Sn () = γ + (- γ)sn() =,4836, () (T-) inicil onde deve ser observdo que Sn T (T ) é equivlene Sn T () pr T =,...,. 9

Usndo esss esimivs iniciis feis no período (jneiro do no ), em fevereiro do no er-se-á segund esimiv de vlores previsos com bse no período de empo nerior ou sej: bse d previsão Ŷ () = [ () + b().]sn () = [398,6 + 9,8]. [,5847] = 38,7 Período em quesão Como = 9, o erro de previsão é - Ŷ () = - 9,7. Novs ulizções dos componenes são obids por: () = α + ( α)[ () + b Sn () b () = β[ () ()] + (- β) b() Sn () = γ + (- γ)sn () () ()] Com esss ulizções obém-se Ŷ 3 () = [ o () + b (). ] Sn 3 (). A melhor combinção de α, β e γ depende d vlição d medid de precisão. 36 No exemplo, ess medid é obid por: ( Ŷ ( )). A escolh de α =,, β = =,6 e γ =,6 resul de um vlição desse ipo, prir de 5 combinções vrindo α, β e γ enre,5 e,5 com incremenos de,5. Assim, previsão de vlores fuuros de T+τ pode ser obid por: Ŷ + (T) = [ (T) + b (T).τ]Sn + (T + τ ), onde Sn T+τ (T + τ - ) corresponde o T τ úlimo vlor conhecido pr esção considerd. T τ 4. Exemplo do Amorecimeno com o Méodo de Winer (Uilizndo o Modelo Muliplicivo). N Tbel 3 presen-se vlores pr previsão de período à frene pr previsão d demnd de refrigerne, correspondene os vlores gerdos pelo modelo muliplicivo de morecimeno do méodo de Winer.

Tbel 3 - () b () y mm() ()=39,4 b ()=9,57 Sn (-) Sn() ŷ ( ) εˆ 89 -- 398,6 9,8,484,4836 93,63-4,63 9 -- 44, 8,8,5847,5838 38,7-9,7 3 49 -- 43, 8,83,6,6 48,7,8 4 89 -- 4,8 8,7,69,699 9,6 -,6 5 6 -- 43,67 9,3,5859,5867 5,88 8, 6 43 447,83 439,94 8,85,9965,9957 44,5-9,5 7 66 45,47 447,97 8,73,484,4837 666, -6, 8 777 458 457,6 8,8,697,693 773,5 3,95 9 95 463,833 464,87 8,63,9869,986 95,8 -,8 63 47,583 473,87 8,69,897,899 6,68,3 485 475 48,33 8,65,74,73 486, -, 77 485,47 485,96 7,9,5946,5934 9,94-4,94 3 44 499,667 495,99 8,,4836,484 38,85 5,5 4 96 54,97 54,77 8,3,5838,5839 94,35,65 5 39 534,667 56,4 8,8,6,63 38,99, 6 37 546,667 57,8 9,,699,694 36,84 7,6 7 33 557 535,8 9,3,5867,5865 34,68 -,68 8 556 564,833 547,56 9,44,9957,9966 54,48 3,5 9 83 569,333 557,6 9,53,4837,484 86,39 4,6 96 576,67 567, 9,5,693,693 968, -, 5 58,667 577,33 9,63,986,9864 45, 6,79 759 586,75 587,5 9,67,899,9 757,,88 3 67 59,833 598,6 9,84,73,77 6,8 5,7 4 37 6,5 6,37,36,5934,594 36,7,9 5 98 64,97 6,5,8,484,4839 3,95 -,95 6 378 63 634,,68,5839,5845 368,7 9,73 7 373 65,667 639,47 9,89,63,6 388,75-5,75 8 443 66,75 647,64 9,64,694,69 448,97-5,97 9 374 67,75 653,35 9,5,5865,5858 385,5 -,5 3 66 677,583 66,36 9,4,9966,9966 66,8 -,8 3 4 -- 67,43 9,,484,4844 996,35 7,65 3 53 -- 68,5 9,8,693,693 54, -, 33 388 -- 69,3 9,4,9864,9874 37, 5,99 34 94 -- 7,53 9,39,9,9 95,3 -,3 35 75 -- 7,64 9,35,77,76 76,38 -,38 36 44 -- 74,47,,594,5948 47,7 3,9 MSE = 54,38 5. Generlizção do Méodo de Winer Algums modificções devem ser feis no méodo de Winer pr o cso de: ) série de ddos observdos sem prene endênci (modelo sem endênci).

) série de ddos observdos presenndo um pdrão szonl consne ou sej, sem evidêncis de que su mpliude sej lerd pelo componene de endênci de série (modelo diivo de Winer). Assim, no primeiro cso, o modelo de Winer é: = (β o ) x Sn + ε As ulizções dos componenes do modelo devem ser obids por: o (T) = α Sn T + ( - α) o(t ) (T ) Sn T (T) = γ + ( - γ) Sn T (T ) (T) o A esimiv inicil do componene do nível médio de série o () é obid pel médi dos vlores observdos em m nos de observções. Por ouro ldo, esimiv inicil Sn () é obid de form similr à do méodo do modelo muliplicivo, com exceção pr o cálculo de S que é feio de cordo com: S = o () A previsão fei no período T pr T+τ é obid por: Ŷ T+ τ (T) (T)Sn = o T+ τ (T + τ ) No segundo cso, o méodo deve levr em con o cráer diivo d szonlidde. Assim, o modelo diivo escreve-se: = (βo + β ) + Sn + ε Nesse cso, ulizção dos componenes do modelo é obid por: o (T + ) = α [ T+ Sn T+ (T + - )] + ( - α) [ o (T) + b (T)] b (T + ) = β [ o (T + ) o (T)] + ( - β) b (T) Sn T+ (T + ) = γ [ T+ o (T+)] + ( - γ) Sn T+ (T + ) A previsão no período T pr T+τ é obid por:

Ŷ (T) = T+ τ o (T) + b (T) τ + Sn T+τ (T + τ - ) As esimivs iniciis o (), b () e Sn (), pr =,..., podem ser obids como s esimivs de mínimos qudrdos ordinários do seguine modelo de regressão: = β + β + β s xsi, + β s xs, + β s xs, +... + β s x s + ε 3 3 ( ) ( ),, onde s vriáveis x, são vriáveis do ipo dummy, ssumindo o vlor ou zero s i conforme se enh informção de do período szonl s i, i=,,..., (-), ou não (é ssumido que no período szonl não há vrição szonl em relção o nível d série). 3