GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP

More documents

Recommendations

Info

122 ela baseia suas previsões em previsões de PIB no futuro, as quais, por si só, possuem erros e incertezas associadas. 7.4.3 Residencial – Auto-regressão Realizando-se a análise de ACFs diretamente para a série temporal de demanda do setor Residencial encontra-se o seguinte gráfico: Autocorrelation 1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,6 -0,8 -1,0 1 Autocorrelation Function for RESI<strong>DE</strong>NCIAL (2) (with 5% significance limits for the autocorrelations) 2 3 Lag Gráfico 51: ACF da demanda do setor Residencial Tal gráfico indica que uma variável temporal deveria ser incluída na previsão de demanda do setor residencial, o que nos leva a buscar um terceiro modelo. Realizando-se uma auto-regressão da demanda do setor Residencial, encontra-se a seguinte equação: 4 5
Equação 44: Demanda residencial em função de modelo de auto-regressão y = 8, 007 + 1, 065 × Lag1 Tal regressão apresenta um R 2 -ajustado de 97,28%, valor bastante elevado que pode ser justificado pelo baixo número de dados incluídos no modelo (apenas 18, que é o que a base histórica do Balanço Energético Nacional – BEN - fornece). Além disso, todos os t-stat encontrados foram maiores do que 1,5. 30 20 10 -10 -20 -30 Analisando-se os resíduos deste modelo encontra-se a seguinte distribuição: Resíduos auto-regressão setor residencial 0 0 18 Gráfico 52: Resíduos da auto-regressão Residencial Analisando-se o gráfico acima, percebe-se que o mesmo viola, de certa forma, a hipótese de homocedasticidade (apesar de tal violação não ser muito acintosa). Além disso, nota-se que a série oscila entre positivo e negativo a cada 3 a 5 pontos, o que viola a hipótese de normalidade dos resíduos. Realizando-se uma regressão Stepwise-with-a-backward-look com as variáveis explanatórias e os parâmetros anteriormente apresentados, observa-se que nenhuma nova variável é incluída no modelo. Desta forma, a previsão obtida pelo mesmo é a seguinte: 123
Page 1:
GUSTAVO MODENESI MODELO DE PREVISÃ
Page 4 and 5:
FICHA CATALOGRÁFICA Modenesi, Gust
Page 7:
AGRADECIMENTOS Cabem, nesta oportun
Page 11:
ABSTRACT Natural gas has been incre
Page 14 and 15:
7.2.1 Energético - Método de Holt
Page 17 and 18:
LISTA DE GRÁFICOS Gráfico 1: Matr
Page 19:
Gráfico 50: Previsão da demanda r
Page 23 and 24:
LISTA DE EQUAÇÕES Equação 1: Co
Page 25 and 26:
1. Apresentação da empresa do est
Page 27:
Em 2007 o BCG foi considerado pela
Page 30 and 31:
26 Por se tratar de uma prática re
Page 33 and 34:
4. Justificativa O gás natural é
Page 35 and 36:
Oferta de energia elétrica — His
Page 37 and 38:
5. O Mercado de Gás Natural 5.1 Pr
Page 39 and 40:
Oferta nacional de GN crescendo com
Page 41 and 42:
6. Referencial Teórico 6.1 Visão
Page 43 and 44:
não sim Definição do problema Co
Page 45 and 46:
Correlação positiva Correlação
Page 47 and 48:
Tabela 1: Lag de uma série Observa
Page 49 and 50:
Figura 5: Decomposição de série
Page 51 and 52:
Analogamente ao Mean Absolute Error
Page 53 and 54:
estar “errada”, quando o result
Page 55 and 56:
Como se pode notar com alguma anál
Page 57 and 58:
Ou seja, a previsão será uma fun
Page 59 and 60:
mesmos são automaticamente calcula
Page 61 and 62:
egression). Por ser o que, de acord
Page 63 and 64:
Note-se que este método é extrema
Page 65 and 66:
Fonte: Extraído de Makridakis (199
Page 67 and 68:
Resultado 120 100 80 60 40 20 0 Dad
Page 69 and 70:
Equação 22: Single Exponential Sm
Page 71 and 72:
Esse conjunto de modelos apresenta
Page 73 and 74:
Vale destacar que diversos modelos
Page 75 and 76: Caso perceba-se através do resumo
Page 77 and 78: 6.4 Utilização dos diferentes mé
Page 79 and 80: 7. Modelo de previsão de demanda d
Page 81 and 82: serem obtidos, Desta forma, nos cas
Page 83 and 84: 7.1.2 Transportes - Regressão Expl
Page 85 and 86: Autocorrelation 1,0 0,8 0,6 0,4 0,2
Page 87 and 88: Autocorrelation Autocorrelation Fun
Page 89 and 90: MM m 100000 3 MM m /ano 100000 3 /a
Page 91 and 92: Tabela 8: Quadro comparativo de mod
Page 93 and 94: 7.2 Setor Energético A seguir ser
Page 95 and 96: Rodando-se uma regressão Stepwise-
Page 97 and 98: Analisando a série histórica do p
Page 99 and 100: MM m 16000 3 MM m /ano 16000 3 /ano
Page 101 and 102: 600 500 400 300 200 100 0 0 35 -100
Page 103 and 104: 300 250 200 150 100 50 -3 0 -50 32
Page 105 and 106: MM m 14000 3 MM m /ano 14000 3 /ano
Page 107 and 108: 7.3 Setor Industrial A seguir serã
Page 109 and 110: 1500 1000 500 -500 -1000 -1500 Equa
Page 111 and 112: Equação 37: Demanda industrial em
Page 115 and 116: Fazendo-se isso, chega-se à seguin
Page 117 and 118: Calculou-se o intervalo de confian
Page 119 and 120: Sendo assim, recomenda-se a utiliza
Page 121 and 122: Além disso, pode-se, visualmente,
Page 125: MM m 1800 3 MM m /ano 1800 3 /ano 1
Page 129 and 130: MM m 1600 3 MM m /ano 1600 3 /ano 1
Page 131 and 132: 7.5 Setor Comercial/Público A segu
Page 133 and 134: macroeconômico brasileiro de grand
Page 135 and 136: Desta forma, ficamos com a seguinte
Page 137 and 138: 7.5.3 Setor Comercial/Público - Au
Page 139 and 140: MM m 3000 3 MM m /ano 3000 3 /ano 2
Page 141 and 142: Tabela 12: Quadro comparativo de mo
Page 143 and 144: 7.6 Total Utilizando-se o método d
Page 145 and 146: 8. Conclusões O objetivo deste tra
Page 147 and 148: 9. Referências Bibliográficas 143
Page 149 and 150: 10. Apêndices Nesta seção são a
Page 151 and 152: Sendo assim, a utilização de tais
Page 153 and 154: Ano Tabela 16: Dados históricos da
Page 155 and 156: MM hab 250 200 150 100 50 0 Popula
Page 157: 153 futuro desta variável é a de
Page 160 and 161: 156 Tabela 19: Resultados da previs
Page 162 and 163: 158 Tabela 21: Resultados da previs
Page 165: Tabela 23: Resultados da previsão
show all

GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?