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.
64<br />
Como se pode notar pelo gráfico, o método de média móvel suaviza as oscilações dos<br />
dados reais, diminuindo seus picos e vales. Quanto maior for a ordem da média móvel (o seu<br />
k), mais suavizada ficará essa curva (e quanto menor for o k, mais fortemente a previsão<br />
oscilará).<br />
Pode-se fazer uma analogia de que o método de previsão “Ingênuo” é<br />
matematicamente o mesmo que um método de Média Móvel com k = 1.<br />
Apesar de este método ser relativamente mais complexo que o de média simples,<br />
apresenta os mesmos problemas de utilização que este último, não sendo adequado para séries<br />
que possuam forte tendência/ciclicidade ou sazonalidade. Por outro lado ele consegue<br />
acompanhar “saltos” nas observações, apesar de fazê-lo com certo atraso.<br />
6.3.1.2.5 Métodos de Suavização Exponencial<br />
Os métodos de suavização exponencial são métodos quantitativos baseados em séries<br />
temporais geralmente utilizados para se realizar previsões de curto prazo (pelo fato de seus<br />
resultados irem se deteriorando conforme aumenta o horizonte de previsão) para uma grande<br />
quantidade de itens ao mesmo tempo (devido ao seu baixo consumo de memória<br />
computacional).<br />
O funcionamento dos métodos de suavização exponencial é semelhante ao do baseado<br />
em média móvel, usando dados do passado para prever o futuro. A diferença entre estes é que<br />
os métodos de suavização exponencial ponderam as observações passadas dando maior peso<br />
às observações mais recentes, considerando que as mesmas são mais relevantes para explicar<br />
o futuro do que observações mais antigas.<br />
Os três métodos principais de suavização exponencial são o Single Exponential<br />
Smoothing (SES), o método de Holt e o Método de Holt-Winters.<br />
O método de Single Exponential Smoothing é o mais simples dos três, sendo mais<br />
recomendado para situações em que a variável de previsão não apresenta nem<br />
tendência/ciclicidade, nem sazonalidade.<br />
Sua fórmula de cálculo é a seguinte: