GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Tabela 8: Quadro comparativo de modelos – Setor de Transportes<br />
Setor Transportes<br />
Número de dados históricos<br />
Regressão Explanatória Auto-regressão Holt<br />
incluídos no modelo<br />
Relação Intervalo de<br />
10 16 18<br />
Confiança/Previsão em 2030 4% 3% 18%<br />
R2 ou R2-ajustado encontrado 99,5% 98,6% n/a<br />
MSE 2.239,5 4.660,4 4.675,5<br />
MAE 40,0 56,0 47,6<br />
MAPE 23% 203%<br />
*Nãohomocedasticidade<br />
*Longa sequência<br />
31%<br />
Problemas com resíduos de 1a *Número muito baixo de abaixo do zero no<br />
ordem<br />
Problemas com resíduos de 2a<br />
pontos abaixo de zero início da série n/a<br />
ordem<br />
Método conceitualmente mais<br />
n/a n/a n/a<br />
adequado para previsões de...<br />
Alinhamento de resultados com<br />
Curto/Médio prazo Curto prazo Curto prazo<br />
outros métodos? Holt Nenhum Regr. Explanatória<br />
Segue uma pequena explicação sobre cada um dos parâmetros acima elencados:<br />
• Número de dados históricos incluídos no modelo: muito importante, dado que um<br />
modelo baseado num número menor de pontos possui menor poder de extrapolação do<br />
que um baseado num número maior de pontos.<br />
• Relação Intervalo de Confiança/Previsão em 2030: este parâmetro é a razão entre o<br />
Limite Superior previsto em 2030 e a previsão base em 2030 e dá uma dimensão de<br />
quão precisa a previsão gerada pelo modelo se propõe a ser. Vale ressaltar que, como<br />
os dados estão representados porcentualmente, previsões em patamares bastante<br />
elevados podem possuir resultados porcentuais menores do que previsões em<br />
patamares mais baixos, mesmo possuindo uma amplitude absoluta maior.<br />
• R 2 ou R 2 -ajustado: mostra o indicador de explicação (devidamente ajustado, se for o<br />
caso), encontrado para as regressões realizadas<br />
• MSE, MAE e MAPE: Indicadores do erro entre o modelo e os dados históricos. As<br />
informações dos mesmos são complementares entre si<br />
• Problemas com resíduos: análise dos maiores problemas encontrados durante as<br />
análises de resíduos das regressões<br />
87