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

More documents

Recommendations

Info

52 6.3 Modelos de previsão Nesta seção serão apresentados de forma resumida os principais modelos de previsão existentes, seu funcionamento e aplicações mais recomendadas. Para um maior aprofundamento do tema recomenda-se a consulta à bibliografia indicada ao final deste trabalho. 6.3.1 Previsão Quantitativa Serão aqui apresentados os métodos de previsão quantitativa, baseados em dados históricos e cálculos para se realizar previsões. Os mesmos podem ser classificados em dois grupos principais: os métodos de previsão quantitativa explanatória, que visam prever o comportamento futuro de uma variável através de seu relacionamento histórico com drivers, e os métodos de previsão quantitativa baseados em séries temporais, os quais visam prever o comportamento futuro de uma variável estudando seu comportamento passado (isoladamente, sem relacioná-lo a nenhuma outra variável). 6.3.1.1 Previsão Quantitativa Explanatória Serão aqui apresentados os dois principais métodos de previsão quantitativa explanatória: a regressão simples e a regressão múltipla. 6.3.1.1.1 Regressão Simples Regressão simples é um método de previsão quantitativa explanatória que segue o seguinte formato: Equação 13: Forma geral da regressão simples Y = f( x)
Ou seja, a previsão será uma função do resultado futuro de outra variável, no caso o x. Escrevendo a forma da regressão simples mais detalhadamente para o caso linear, tem-se: Equação 14: Forma linear da regressão simples Yp = a + bx Ou seja, Yp , a previsão, é uma função linear de x. Já Y, o resultado real da variável no futuro seria Yp mais um valor randômico de erro. Para o cálculo dos coeficientes recomenda-se a leitura de MAKRIDAKIS, S. and S.C. WHEELWRIGHT. Forecasting – Methods and Applications, 3ª ed., Wiley, New York, 1998. Vale destacar que praticamente qualquer software usado para se trabalhar dados, inclusive o MS Excel, realiza esses cálculos automaticamente. A regressão simples é baseada na correlação linear (apresentada anteriormente neste trabalho). Ao elevarmos o coeficiente da correlação linear, R, ao quadrado, obtém-se o R 2 que indica a qualidade da regressão realizada. Este indicador varia de 0 a 1 e, quanto mais próximo de 1, melhor é a regressão sendo realizada. Um ponto essencial de ser destacado são as hipóteses que estão por trás do modelo de regressão, as quais não sendo atendidas diminuem em muito o rigor matemático do modelo. • Os erros (ou resíduos) possuem distribuição normal, com média zero e variância constante para todo xi (ao longo de todo o espectro da variável explanatória) • Quaisquer observações independentes não podem ser correlacionadas entre si Estatisticamente pode-se avaliar a qualidade da regressão através da estatística t de cada coeficiente. De uma forma geral, considera-se que resultados de t, em módulo, maiores do que 2 são bons e que valores entre 1,5 e 2 são considerados aceitáveis (cerca de 85% a 95% de certeza que o coeficiente não é zero). 53
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: Como se pode notar com alguma anál
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 113 and 114:
Autocorrelation 1,0 0,8 0,6 0,4 0,2
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 123 and 124:
Autocorrelation 1,0 0,8 0,6 0,4 0,2
Page 125 and 126:
MM m 1800 3 MM m /ano 1800 3 /ano 1
Page 127 and 128:
Equação 44: Demanda residencial e
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

Create successful ePaper yourself

Delete template?

Save as template?