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

More documents

Recommendations

Info

82 MM m 12000 3 MM m /ano 12000 3 /ano 10000 8000 6000 4000 2000 0 Demanda de Transportes em função do número de carros movidos a GNV 1988 1988 1990 1990 1992 1992 1994 1994 1996 1996 1998 1998 2000 2000 2002 2002 2004 2004 2006 2006 2008 2008 2010 2010 2012 2012 2014 2014 2016 2016 2018 2018 2020 2020 2022 2022 2024 2024 2026 2026 2028 2028 2030 2030 Gráfico 19: Demanda de transportes em função de número de carros movidos a GNV Limite superior (95% certeza) Previsão Limite inferior (95% certeza) Como se pode observar, através deste modelo projeta-se um crescimento linear para a demanda de Transportes no futuro. Além disso, nota-se que as curvas dos limites dos intervalos de confiança formam um ângulo bastante fechado entre si, o que denota uma aparente grande confiabilidade da previsão sendo realizada (considerando-se que as previsões de número de carros movidos a GNV não possuem erros, o que pode não ser verdadeiro já que as mesmas foram retiradas de pesquisas na mídia através da internet e podem ter sido elaboradas com pouco método e rigor). Este previsão considera que a relação descrita pela equação do modelo se manterá no futuro, ou seja, que a demanda de Transportes continuará seguindo a mesma proporcionalidade com o número de carros movidos a GNV, o que pode não ser verdade no futuro devido a eventuais mudanças no perfil da frota de carros brasileiros, aperfeiçoamento da tecnologia dos motores, ou outros fatores. 7.1.3 Transportes – Auto-regressão Realizando-se a análise de ACFs diretamente para a série temporal de demanda do setor de transportes encontra-se o seguinte gráfico:
Autocorrelation Autocorrelation Function for TRANSPORTES (RODOVIÁRIO) (4) (with 5% significance limits for the autocorrelations) 1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,6 -0,8 -1,0 1 2 3 Lag Gráfico 20: ACF da demanda do setor de Transportes Tal gráfico indica que uma variável temporal deveria ser incluída na previsão de demanda do setor de transportes, o que nos leva a buscar um terceiro modelo. Realizando-se uma auto-regressão da demanda do setor de Transportes, encontra-se a seguinte equação: Equação 30: Demanda de transportes em função de modelo de auto-regressão y = 26, 39 + 1, 846 × Lag1- 0, 80 4 × Lag2 Tal regressão apresenta um R 2 -ajustado de 98,62, valor bastante elevado que pode ser justificado pelo baixo número de dados incluídos no modelo (apenas 16, que é o que a base histórica do BEN nos fornece). O t-stat encontrado dos coeficientes é maior do que 2, mas o tstat da constante foi de 1,13. Por ser uma medida do nível inicial da série e influenciar pouco nos resultados finais, releva-se este problema. Analisando-se os resíduos deste modelo encontra-se a seguinte distribuição: 5 83
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 and 56: Como se pode notar com alguma anál
Page 57 and 58: Ou seja, a previsão será uma fun
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: Autocorrelation 1,0 0,8 0,6 0,4 0,2
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

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?