- Page 1: GUSTAVO MODENESI MODELO DE PREVISÃ
- Page 5: À minha família
- Page 9: RESUMO O gás natural vem ganhando
- Page 13 and 14: SUMÁRIO 1. Apresentação da empre
- Page 15: LISTA DE FIGURAS Figura 1: Organiza
- Page 18 and 19: Gráfico 25: Resíduos do Setor Ene
- Page 21: LISTA DE TABELAS Tabela 1: Lag de u
- Page 24 and 25: Equação 26: Diferenciação de n
- Page 26 and 27: 22 Finanças Corporativas Organiza
- Page 29 and 30: 2. O programa de estágio O program
- Page 31: 3. Objetivo do trabalho Este trabal
- Page 34 and 35: 30 Participação na matriz energé
- Page 36 and 37: 32 Desta forma, a geração térmic
- Page 38 and 39: 34 5.1.1 Industrial O gás natural
- Page 40 and 41: 36 Apesar da existência do campo d
- Page 42 and 43: 38 Conforme a figura acima ilustra,
- Page 44 and 45: 40 6.2 Conceitos básicos relaciona
- Page 46 and 47: 42 Y 70 60 50 40 30 20 10 correl co
- Page 48 and 49: 44 0,8 0,6 0,4 0,2 0 -0,2 -0,4 -0,6
- Page 50 and 51: 46 Equação 3: Erro de uma previs
- Page 52 and 53:
48 120 100 80 60 40 20 Plotando-se
- Page 54 and 55:
50 Equação 11: Cálculo do sigma
- Page 56 and 57:
52 6.3 Modelos de previsão Nesta s
- Page 58 and 59:
54 dados: Y 80 70 60 50 40 30 20 10
- Page 60 and 61:
56 Desta forma, deve-se utilizar um
- Page 62 and 63:
58 6.3.1.2 Previsão Quantitativa b
- Page 64 and 65:
60 Figura 8: Exemplo de decomposiç
- Page 66 and 67:
62 1 2 3 4 5 6 Descobrir tendência
- Page 68 and 69:
64 Como se pode notar pelo gráfico
- Page 70 and 71:
66 complexidade e ao fato de não s
- Page 72 and 73:
68 Equação 26: Diferenciação de
- Page 74 and 75:
70 • Falta de interesse/compromet
- Page 76 and 77:
72 Para evitar esse fenômeno compo
- Page 78 and 79:
74 Tabela 6: Resumo de modelos e su
- Page 80 and 81:
76 MM m 9000 3 MM m /ano 9000 3 /an
- Page 82 and 83:
78 7.1 Setor de Transportes A segui
- Page 84 and 85:
80 Analisando-se os resíduos que e
- Page 86 and 87:
82 MM m 12000 3 MM m /ano 12000 3 /
- Page 88 and 89:
84 200 150 100 50 -50 -100 -150 Res
- Page 90 and 91:
86 MM m 100000 3 MM m /ano 100000 3
- Page 92 and 93:
88 • Método conceitualmente mais
- Page 94 and 95:
90 7.2.2 Energético - Regressão E
- Page 96 and 97:
92 muito forte. Além disso, os mes
- Page 98 and 99:
94 Desta forma, de posse de previs
- Page 100 and 101:
96 Autocorrelation 1,0 0,8 0,6 0,4
- Page 102 and 103:
98 250 200 150 100 50 0 0 35 -50 -1
- Page 104 and 105:
100 MM m 16000 3 MM m /ano 16000 3
- Page 106 and 107:
102 Tabela 9: Quadro comparativo de
- Page 108 and 109:
104 7.3.2 Setor Industrial - Regres
- Page 110 and 111:
106 Autocorrelation 1,0 0,8 0,6 0,4
- Page 112 and 113:
108 MM m 50000 3 MM m /ano 50000 3
- Page 114 and 115:
110 600 400 200 -200 -400 -600 -800
- Page 116 and 117:
112 Desta forma, trabalhando-se as
- Page 118 and 119:
114 Montando-se um quadro comparati
- Page 120 and 121:
116 7.4 Setor Residencial A seguir
- Page 122 and 123:
118 Como se pode observar, a regres
- Page 124 and 125:
120 Equação 43: Demanda residenci
- Page 126 and 127:
122 ela baseia suas previsões em p
- Page 128 and 129:
124 MM m 2000 3 MM m /ano 2000 3 /a
- Page 130 and 131:
126 Tabela 11: Quadro comparativo d
- Page 132 and 133:
128 Além disso, notamos os interva
- Page 134 and 135:
130 Outra análise que pode ser rea
- Page 136 and 137:
132 MM m 2500 3 MM m /ano 2500 3 /a
- Page 138 and 139:
134 80 60 40 20 0 0 17 -20 -40 -60
- Page 140 and 141:
136 MM m 2500 3 MM m /ano 2500 3 /a
- Page 142 and 143:
138 os obtidos através do método
- Page 144 and 145:
140 MM m 70.000 3 MM m /ano 70.000
- Page 146 and 147:
142 De uma maneira geral obtiveram-
- Page 148 and 149:
144 o Balanço Energético Nacional
- Page 150 and 151:
146 Tabela 13: Dados de consumo de
- Page 152 and 153:
148 A tabela em seguida apresenta a
- Page 154 and 155:
150 Ano Tabela 17: Previsões das v
- Page 156 and 157:
152 • PIB a preços constantes de
- Page 159 and 160:
Tabela 18: Resultados da previsão
- Page 161 and 162:
Tabela 20: Resultados da previsão
- Page 163:
Tabela 22: Resultados da previsão