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

Note-se que este método é extremamente simplista, possuindo assim baixa
aplicabilidade. Além disso, ele não possui nenhum método ou forma de aprendizado com seus
erros.
Desta forma serve basicamente como base comparativa de qualidade para outros
modelos e como base para a Suavização Exponencial, a qual será apresentada mais adiante
neste trabalho.
6.3.1.2.2 Decomposição de séries temporais
Conforme visto no item 6.2.3. uma série temporal é composta de três parcelas
principais: tendência/ciclicidade, sazonalidade e erro. Desta forma, decompondo-se uma série
temporal nestes três fatores podem-se realizar previsões para os dois primeiros (já que a
parcela de erro não pode ser prevista por ser randômica) via qualquer outro método de
previsão como auto-regressão ou suavização exponencial e depois juntá-los de forma a se
obter uma previsão para a série como um todo.
Matematicamente, pode-se escrever o parágrafo acima da seguinte maneira:
Equação 19: Decomposição aditiva
Y
t
= S
t
+ T
ou
t
+ E
Equação 20: Decomposição multiplicativa
Y
t
= S
t
× T
Nas duas equações acima é possível observar como, analiticamente, dividiu-se a série
temporal em suas três componentes. A diferença entre as duas equações acima está em seu
uso.
A primeira equação é mais apropriada para séries temporais em que a sazonalidade (ou
o nível da sazonalidade), não depende do nível da série. Isso pode ser exemplificado pela
figura abaixo.
t
× E
t
t
59