GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
48<br />
120<br />
100<br />
80<br />
60<br />
40<br />
20<br />
Plotando-se os gráficos reais e suas previsões obtêm-se o seguinte gráfico:<br />
Timeplot de<br />
dados reais vs previsão<br />
Previsão<br />
Dados Reais<br />
0<br />
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20<br />
Períodos<br />
ME -0,1 MAE 4,7 MSE 30,3 MPE -4% MAPE 11%<br />
Gráfico 10: Exemplificação dos tipos de erros<br />
No gráfico acima se pode observar as diferenças entre os dados reais e a previsão<br />
realizada (que, de uma forma geral, acompanha bastante bem os dados reais), assim como os<br />
respectivos erros da previsão – ME, MAE, MSE, MPE e MAPE.<br />
6.2.4 Intervalos de previsão<br />
Toda previsão, seja ela quantitativa ou qualitativa, é uma estimativa de um futuro<br />
incerto. Desta forma, ela sempre contém uma incerteza associada à mesma.<br />
Por isso, muitas vezes o resultado de uma previsão não é apresentado como um<br />
número, mas sim como um intervalo de valores, dentro do qual o valor futuro da variável<br />
sendo prevista se encontrará com certo grau de confiabilidade.<br />
Um exemplo disso seria, ao invés de dizer que a população brasileira em 2030 será de<br />
238 milhões de pessoas, dizer que a população brasileira em 2030 estará entre 236 e 240<br />
milhões de pessoas com 95% de certeza.<br />
Além de deixar explícito o grau de incerteza associada à previsão, a utilização de<br />
intervalos também traz certo “alívio” psicológico para a mesma, porque tira dela o estigma de