SlideShare una empresa de Scribd logo
1 de 20
Descargar para leer sin conexión
Modelos de Previsão
Exercício 1 – Enunciado

Médias Móveis e Amortecimento Exponencial Simples

Gestão e Teoria da Decisão

Durante os últimos 12 meses registou-se a procura de determinado produto, valores que se apresentam a
seguir por ordem cronológica da sua ocorrência:
t (mês)

1

2

3

4

5

Yt (unidades)

946

1157

954

1012

860

6

7

1056 1182

8

9

984

911

10

11

1084 1105

12
856

a) Represente gráficamente esta série cronológica e procure caracterizá-la.
b) Preveja a procura do próximo mês e defina um intervalo de confiança a 90%.
(Considere 0.1 para a constante de amortecimento α ou médias móveis de comprimento q = 5)

1
Modelos de Previsão
Exercício 1 – Resolução

Médias Móveis e Amortecimento Exponencial Simples

a) Represente gráficamente esta série cronológica e procure caracterizá-la.

1250
1200
1150
1100
Yt (unidades)

Gestão e Teoria da Decisão

Cronograma da série Yt

1050
1000
950
900
850
800
750
0

5

10

15

t (mês)
Serie Yt

Figura 1 – Cronograma da sucessão cronológica (série temporal)
2
Modelos de Previsão
Exercício 1 – Resolução

Médias Móveis e Amortecimento Exponencial Simples

a) Represente gráficamente esta série cronológica e procure caracterizá-la.

Gestão e Teoria da Decisão

Caracterização qualitativa da série temporal:
Condicionada ao número escasso de observações da variável em estudo, a série temporal pode ser
caracterizada por:
i) não aparentar variação da amplitude das oscilações em torno do nível médio (série estacionária em
variância);
ii) não aparentar componente sistemática de crescimento/decrescimento em toda a extensão observada
da série, assim como não aparentar a presença de componente sistemática periódica (sazonal) de período
constante e bem definido (série estacionária em média).
A série temporal pode ser vista como uma realização de processo estocástico estacionário até 2ª ordem.

3
Modelos de Previsão
Exercício 1 – Resolução

Médias Móveis e Amortecimento Exponencial Simples

a) Represente gráficamente esta série cronológica e procure caracterizá-la.

Gestão e Teoria da Decisão

Caracterização qualitativa da série temporal (continuação):
O cronograma da série temporal sugere um nível médio constante ao longo do tempo de observação,
ainda que possa exibir variações locais do mesmo. Globalmente pode ser sugerido o seguinte modelo
para descrever a variação do nível médio da série em função do tempo:

Yt = nt + et , nt = β 0 , t = 1,2,..., N
Hipóteses adicionais
1.E {et }

= 0, t = 1, 2,..., N

2.E {et2 }

= σ e2

3.E {et et +k } = 0, k ≥ 1
4.{et } ∼ N ( 0,σ e2 )
Os modelos locais, tais como as médias móveis simples de comprimento q ou o amortecimento
exponencial simples com coeficiente de amortecimento α, podem descrever variações locais do nível
médio.
4
Modelos de Previsão
Exercício 1 – Resolução

Médias Móveis e Amortecimento Exponencial Simples

CONCEITOS E FÓRMULAS FUNDAMENTAIS
Decomposição Clássica Aditiva

Gestão e Teoria da Decisão

Yt = nt + et , nt = β 0 , t = 1, 2,..., N
Hipóteses adicionais:
1. E {et } = 0, t = 1, 2,..., N
2. E {et2 }

= σ e2 (Constante)

3. E {et et +k } = 0, k ≥ 1
4. {et } ∼ N ( 0,σ e2 )
Médias Móveis Simples de comprimento q
Yt +1 = nt + et +1 , t = 1, 2,...
q

∑Y

t − j +1

j =1

, t = q, q + 1,..., N
q
Amortecimento Exponencial Simples com constante de amortecimento α
nt =

Yt +1 = nt + et +1 ,

t = 1, 2,...

nt = α Yt + (1 − α ) nt −1 , t = 1, 2,..., N ,
n0 = Y1

( 0 ≤ α ≤ 1)
5
Modelos de Previsão
Exercício 1 – Resolução

Médias Móveis e Amortecimento Exponencial Simples

CONCEITOS E FÓRMULAS FUNDAMENTAIS

Gestão e Teoria da Decisão

Previsão (um passo adiante)
Yt +1 = nt + et +1 ,

t = 1, 2,..., N

( ou Yt = nt −1 + et ,

Previsão pontual (valor esperado)
ˆ
Y = E {Y } = E {n + e } = E {n } + E {e
t +1

t +1

t

t +1

t +1

t

} = nt

}) }

t = 1, 2,..., N )

{(

Erro de previsão
ˆ
Yt +1 − Yt +1 = nt + et +1 − nt = et +1
Esperança (média) do erro de previsão
ˆ
E Yt +1 − Yt +1 = E {et +1} = 0;

{

}

Variância do erro de previsão

σ {2Y

ˆ
t +1 −Yt +1

}

=E

{((

ˆ
ˆ
Yt +1 − Yt +1 − E Yt +1 − Yt +1

) {

2

ˆ
= E Yt +1 − Yt +1

) }=σ
2

2
et +1

= σ e2

Função de distribuição de probabilidade do erro de previsão
a

et +1 ∼ N ( 0,σ e )

(Y
⇒Z =

t +1

ˆ
ˆ
− Yt +1 − E Yt +1 − Yt +1

) {

σ {Y

ˆ
t +1 −Yt +1

}

} = (Y

t +1

ˆ
− Yt +1

σe

)∼N

( 0,σ )
e

6
Modelos de Previsão
Exercício 1 – Resolução

Médias Móveis e Amortecimento Exponencial Simples

CONCEITOS E FÓRMULAS FUNDAMENTAIS

Gestão e Teoria da Decisão

Intervalo de confiança a 100(1 − α )%
ˆ


Yt +1 − Yt +1
 zα /2 ≤
P ( zα /2 ≤ Z ≤ z1−α /2 ) = 1 − α ⇔ P
≤ z1−α /2  = 1 − α ⇔


σe


ˆ


Yt +1 − Yt +1
ˆ
P  − z1−α /2 ≤
≤ z1−α /2  = 1 − α ⇔ P − z1−α /2σ e ≤ Yt +1 − Yt +1 ≤ z1−α /2σ e = 1 − α


σe



(

(

)

)

(

(

)

)

ˆ
ˆ
P Yt +1 − z1−α /2σ e ≤ Yt +1 ≤ Yt +1 + z1−α /2σ e = 1 − α

(

)

Estimativa da variância do erro de previsão
N

σ e2 = EQM =

∑(
t =t0

ˆ
Yt − Yt

)

2

( N − t0 + 1)

, t0 = q + 1 ( M .M .S .) ou t0 ≥ 1

7
Modelos de Previsão
Exercício 1 – Resolução

Médias Móveis e Amortecimento Exponencial Simples

b) Preveja a procura do próximo mês e defina um intervalo de confiança a 90%.
(Considere 0.1 para a constante de amortecimento α ou médias móveis de comprimento q = 5)

Gestão e Teoria da Decisão

Médias móveis de comprimento q = 5
t
1
2
3
4
5
6
7
8
9
10
11
12
13

Yt
946
1157
954
1012
860
1056
1182
984
911
1084
1105
856

nt

q=5
Ŷt

Intervalo de confiança, IC , a 90% para o valor previsto

et=Yt-Ŷt

de Y em t = 13: Y13 = n12 + e13
 q

n12 =  ∑ Y12− j +1  , t ≥ q
 j =1

ˆ
1.Y = E {Y } = E {n + e
1
q

985.8
1007.8
1012.8
1018.8
998.6
1043.4
1053.2
988

13

985.8
1007.8
1012.8
1018.8
998.6
1043.4
1053.2
988
EQM

70.2
174.2
-28.8
-107.8
85.4
61.6
-197.2
13957

13

12

13

} = E {n12 } + E {e13}

= E {n12 } = n12

{(

ˆ
2.σ 2Y −Yˆ = E Y13 − Y13
( 13 13 )

{

= E ( e13 )

2

) } = E {( n
2

}=σ

12

2
e13

+ e13 − n12 )

2

}=

≅ EQM

ˆ
3.IC : Y13 ± z1−((1−0.90)/2) EQM = n12 ± z1−((1−0.90)/2) EQM
= n12 ± z0.95 EQM = 988 ± 1.645 13957
= 988 ± 194 unidades
N

∑(

EQM =

ˆ
Yt − Yt

t = q +1

( N − q)

)

2

8
Modelos de Previsão
Exercício 1 – Resolução

Médias Móveis e Amortecimento Exponencial Simples

b) Preveja a procura do próximo mês e defina um intervalo de confiança a 90%.
(Considere 0.1 para a constante de amortecimento α ou médias móveis de comprimento q = 5)

Cronogramas das séries Yt , nt e Previsão
1250
1200
1150
1100
Yt (unidades)

Gestão e Teoria da Decisão

Médias móveis de comprimento q = 5

1050
1000
950
900
850
800
750
0

5

10

15

t (mês)
Serie Yt

Serie nt

Previsão

Linf(IC)

Lsup(IC)

Figura 2 – Cronogramas da sucessão cronológica e da média
móvel simples

9
Modelos de Previsão
Exercício 1 – Resolução

Médias Móveis e Amortecimento Exponencial Simples

b) Preveja a procura do próximo mês e defina um intervalo de confiança a 90%.
(Considere 0.1 para a constante de amortecimento α ou médias móveis de comprimento q = 5)

Gestão e Teoria da Decisão

Amortecimento exponencial simples α = 0.1
t
1
2
3
4
5
6
7
8
9
10
11
12
13

Yt
nt
Ŷt
et=Yt-Ŷt et2 Intervalo de confiança, IC , a 90% para o valor (previsto)
946
946
de Y em t = 13: Y13 = n12 + e13 ,
1157 967.10 946.0
n12 = α Y12 + (1 − α ) n11
954 965.79 967.1
ˆ
1012 970.41 965.8
46.2 2135 1.Y13 = E {Y13 } = E {n12 + e13 } = E {n12 } + E {e13 } = E {n12 } = n12
860 959.37 970.4 -110.4 12191
2
2
2
2.σ Y −Yˆ = E (Y13 − E {Y13 } ) = E ( n12 + e13 − n12 )
1056 969.03 959.4
96.6 9337
13 13
1182 990.33 969.0 213.0 45355
2
= E ( e13 ) = σ e213 ≅ EQM
984 989.70 990.3
-6.3
40
911 981.83 989.7
-78.7 6193 3.IC : Y ± z
ˆ
13
1−((1−0.90)/2) EQM = n12 ± z0.95 EQM
1084 992.04 981.8 102.2 10439
= 989 ± 1.645 13351 = 989 ± 190 unidades
1105 1003.34 992.0 113.0 12759
856 988.61 1003.3 -147.3 21709
2
N
989
ˆ)
∑ (Yt − Yt
EQM
13351
t =t

{

{

EQM =

} {

}

}

4

( N − t4 )
10
Modelos de Previsão
Exercício 1 – Resolução

Médias Móveis e Amortecimento Exponencial Simples

b) Preveja a procura do próximo mês e defina um intervalo de confiança a 90%.
(Considere 0.1 para a constante de amortecimento α ou médias móveis de comprimento q = 5)

Cronogramas das séries temporais Yt e nt
1250
1200
1150
1100

Yt

Gestão e Teoria da Decisão

Amortecimento exponencial simples α = 0.1

1050
1000
950
900
850
800
0

5

10

15

t

Figura 3 – Cronogramas da sucessão cronológica e da sucessão
exponencialmente amortecida

11
Modelos de Previsão
Exercício 4 – Enunciado

Amortecimento Exponencial de Holt

Gestão e Teoria da Decisão

O volume de vendas (em centenas de euros) de uma loja nas últimas 21 semanas foi o seguinte:
t (semanas)
Yt (102 €)

1
111

2
115

3
117

4
105

5
130

6
118

7
132

8
136

9
134

t (semanas)
Yt (102 €)

13
145

14
135

15
136

16
150

17
141

18
132

19
164

20
155

10
134

11
138

12
129

21
157

a) Represente gráficamente esta série cronológica e procure caracterizá-la.
b) Faça a previsão do volume de vendas para as próximas 3 semanas e defina os respectivos intervalos
de confiança a 95%. (No caso de utilizar o modelo de Holt considere α = 0.2 e β = 0.5)

12
Modelos de Previsão
Exercício 4 – Resolução

Amortecimento Exponencial de Holt

Cronograma de Yt
190
180
170
160

Yt (102 €)

Gestão e Teoria da Decisão

a) Represente gráficamente esta série cronológica e procure caracterizá-la.

150
140
130
120
110
100
0

5

10

15

20

25

t (semana)

Figura 4 – Cronograma da sucessão cronológica (série temporal)

13
Modelos de Previsão
Exercício 4 – Resolução

Amortecimento Exponencial de Holt

a) Represente gráficamente esta série cronológica e procure caracterizá-la.

Gestão e Teoria da Decisão

Caracterização qualitativa da série temporal:

Condicionada ao número escasso de observações da variável em estudo, a série temporal pode ser
caracterizada por:
i) não aparentar variação da amplitude das oscilações em torno do nível médio (série estacionária em
variância);
ii) aparentar marcada componente sistemática de crescimento em toda a extensão observada da série
(série não estacionária em média).

14
Modelos de Previsão
Exercício 4 – Resolução

Amortecimento Exponencial de Holt

a) Represente gráficamente esta série cronológica e procure caracterizá-la.

Gestão e Teoria da Decisão

Caracterização qualitativa da série temporal (continuação):

O cronograma da série temporal sugere um nível médio crescente ao longo do tempo de observação.
Globalmente pode ser sugerido o seguinte modelo para descrever a variação do nível médio da série em
função do tempo:
Yt = nt + et , nt = β 0 + β1t , t = 1,2,..., N
1,2,...,
Hipóteses adicionais,
1.E {et }

= 0, t = 1, 2,..., N

2.E {et2 }

=σ e2

3.E {et et + k } = 0, k ≥ 1
4.{et } ∼ N ( 0,σ e2 )
Modelos locais, tal como o modelo de Holt, modelo de amortecimento exponencial para séries com
tendência, descreve variações locais do nível médio e da taxa de variação (tendência de
crescimento/decrescimento).
15
Modelos de Previsão
Exercício 1 – Resolução

Médias Móveis e Amortecimento Exponencial Simples

CONCEITOS E FÓRMULAS FUNDAMENTAIS
Decomposição Clássica Aditiva

Gestão e Teoria da Decisão

Yt = nt + et , nt = β 0 + β1t , t = 1, 2,..., N
Hipóteses adicionais:
1. E {et } = 0, t = 1, 2,..., N
2. E {et2 }

= σ e2 (Constante)

3. E {et et +k } = 0, k ≥ 1
4. {et } ∼ N ( 0,σ e2 )
Amortecimento Exponencial Linear com constantes de amortecimento α e β

(Modelo de Holt )
Dadas estimativas de n0 e b0 ( p. ex. n0 = Y1 , b0 = Y2 − Y1 )
Yt = nt −1 + bt −1 + et ,

t = 1, 2,...

nt = α Yt + (1 − α )( nt −1 + bt −1 ) , t = 1, 2,..., N ,
bt = β ( nt − nt ) + (1 − α ) bt −1 , t = 1, 2,..., N ,

( 0 ≤ α ≤ 1)
( 0 ≤ β ≤ 1)
16
Modelos de Previsão
Exercício 1 – Resolução

Médias Móveis e Amortecimento Exponencial Simples

Gestão e Teoria da Decisão

CONCEITOS E FÓRMULAS FUNDAMENTAIS
Previsão (h passos adiante)
Yt + h = nt + hbt + et +h ,
t = 1, 2,..., N
Previsão pontual (valor esperado)
ˆ
Y = E {Y } = E {n + hb + e } = E {n } + hE {b } + E {e
t +1

t+h

t

t +h

t

t

t +h

t

} ≅ nt + hbt

Erro de previsão
ˆ
Y −Y ≅ e
t+h

t +h

t+h

Esperança (média) do erro de previsão
ˆ
E Yt +h − Yt +h = E {et +h } = 0;

{

}

Variância do erro de previsão
2

σ {Y

ˆ
t + h −Yt + h

}

=E

{((

ˆ
ˆ
Yt +h − Yt +h − E Yt +h − Yt +h

) {

}) }
2

{(

ˆ
= E Yt +h − Yt +h

) }=σ
2

2
et + h

≅ σ e2

Função de distribuição de probabilidade do erro de previsão
a

et +h ∼ N ( 0,σ e )

(Y
⇒Z =

t +h

ˆ
ˆ
− Yt +h − E Yt +h − Yt +h

) {

σ {Y

ˆ
t + h −Yt + h

}

} = (Y

t +h

ˆ
− Yt +h

σe

)∼N

( 0,σ )
e

17
Modelos de Previsão
Exercício 1 – Resolução

Médias Móveis e Amortecimento Exponencial Simples

CONCEITOS E FÓRMULAS FUNDAMENTAIS

Gestão e Teoria da Decisão

Intervalo de confiança a 100(1 − α )%
ˆ


Yt +h − Yt +h
P ( zα /2 ≤ Z ≤ z1−α /2 ) = 1 − α ⇔ P  zα /2 ≤
≤ z1−α /2  = 1 − α ⇔


σe


ˆ


Yt +h − Yt +h
ˆ
P  − z1−α /2 ≤
≤ z1−α /2  = 1 − α ⇔ P − z1−α /2σ e ≤ Yt +h − Yt +h ≤ z1−α /2σ e = 1 − α


σe



(

(

)

)

(

(

)

)

ˆ
ˆ
P Yt +h − z1−α /2σ e ≤ Yt +h ≤ Yt +h + z1−α /2σ e = 1 − α

(

)

Estimativa da variância do erro de previsão
N

∑ (Y − Yˆ )
t

2
e

σ = EQM =

2

t

t =t0

( N − t0 + 1)

, t0 = q + 1 ( M .M .S .) ou t0 ≥ 1

18
Modelos de Previsão
Exercício 4 – Resolução

Amortecimento Exponencial de Holt

Gestão e Teoria da Decisão

b) Faça a previsão do volume de vendas para as próximas 3 semanas e defina os respectivos intervalos de confiança a
95%. (No caso de utilizar o modelo de Holt considere α = 0.2 e β = 0.5)

t
Yt
(semana) (100€)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

111
115
117
105
130
118
132
136
134
134
138
129
145
135
136
150
141
132
164
155
157

nt

bt

115
118.6
118.9
122.8
124.2
127.5
131.4
134.6
137.1
139.5
139.6
141.7
141.8
141.4
143.3
143.7
141.9
146.0
149.2
152.7

4
3.8
2.1
3.0
2.2
2.7
3.3
3.3
2.9
2.7
1.4
1.8
0.9
0.2
1.1
0.7
-0.5
1.8
2.5
3.0

Ŷt

et =Yt-Ŷt

Intervalo de confiança, IC , a 90% para o valor
(previsto) de Y em t = 13: Y13 = n12 + b12 + e13 , com
n12 = α Y12 + (1 − α )( n11 + b11 ) ,
b12 = β ( n12 − n11 ) + (1 − β ) b11
ˆ
1. Y13 = E {Y13 } = E {n12 + b12 + e13 }

130.3
134.7
137.8
139.9
142.2
140.9
143.5
142.7
141.6
144.4
144.4
141.4
147.7
151.6
156
159
162

5.7
-0.7
-3.8
-1.9
-13.2
4.1
-8.5
-6.7
8.4
-3.4
-12.4
22.6
7.3
5.4

= E {n12 } + E {b12 } + E {e13 }
= E {n12 } + E {b12 } = n12 + b12
2
2.σ Y

ˆ

13 −Y13

{

= E (Y13 − E {Y13 } )

{
= E {( e ) } = σ

2

}

= E ( n12 + b12 + e13 − n12 − b12 )
2

13

2
e13

2

}

≅ EQM

ˆ
3.IC : Y13 ± z1−((1−0.95)/2) EQM = ( n12 + b12 ) ± z0.975 EQM
= 156 ± 1.96 84.83 ≅ 156 ± 18 unidades
19
Modelos de Previsão
Exercício 4 – Resolução

Amortecimento Exponencial de Holt

Cronogramas de Yt, Ŷt e Previsões
190
180
170

Yt (102 €)
)

Gestão e Teoria da Decisão

b) Faça a previsão do volume de vendas para as próximas 3 semanas e defina os respectivos intervalos de confiança a
95%. (No caso de utilizar o modelo de Holt considere α = 0.2 e β = 0.5)

160
150
140
130
120
110
100
0

5

10

15

20

25

t (semana)
Yt

Yt previsto

Previsão

Linf (IC)

Lsup (IC)

Figura 5 – Cronogramas da sucessão cronológica e da sucessão
com tendência exponencialmente amortecida

20

Más contenido relacionado

La actualidad más candente

14.controle trigonométrico
14.controle trigonométrico14.controle trigonométrico
14.controle trigonométrico
Edvaldo Viana
 
Formulas geral para geometria analitica
Formulas geral para geometria analiticaFormulas geral para geometria analitica
Formulas geral para geometria analitica
Elieser Júnio
 
Teorema de thévenin e norton
Teorema de thévenin e nortonTeorema de thévenin e norton
Teorema de thévenin e norton
Claudio Arkan
 
Estatística
EstatísticaEstatística
Estatística
aldaalves
 

La actualidad más candente (20)

Análise de Sobrevivência
Análise de SobrevivênciaAnálise de Sobrevivência
Análise de Sobrevivência
 
1 epidemiologia saude
1   epidemiologia saude1   epidemiologia saude
1 epidemiologia saude
 
Séries temporais
Séries temporaisSéries temporais
Séries temporais
 
Aula 25 probalidade - parte 2
Aula 25   probalidade - parte 2Aula 25   probalidade - parte 2
Aula 25 probalidade - parte 2
 
Correlação
CorrelaçãoCorrelação
Correlação
 
04 PROSAD_Saúde mental do adolescente (1).pptx
04 PROSAD_Saúde mental do adolescente (1).pptx04 PROSAD_Saúde mental do adolescente (1).pptx
04 PROSAD_Saúde mental do adolescente (1).pptx
 
14.controle trigonométrico
14.controle trigonométrico14.controle trigonométrico
14.controle trigonométrico
 
Teoria do risco
Teoria do riscoTeoria do risco
Teoria do risco
 
Classificações do turismo
Classificações do turismoClassificações do turismo
Classificações do turismo
 
Função par ou ímpar
Função par ou ímparFunção par ou ímpar
Função par ou ímpar
 
Formulas geral para geometria analitica
Formulas geral para geometria analiticaFormulas geral para geometria analitica
Formulas geral para geometria analitica
 
Analise dimensional 11 usj-2012-of
Analise dimensional  11 usj-2012-ofAnalise dimensional  11 usj-2012-of
Analise dimensional 11 usj-2012-of
 
Teoria de Erros
Teoria de Erros Teoria de Erros
Teoria de Erros
 
Teorema de thévenin e norton
Teorema de thévenin e nortonTeorema de thévenin e norton
Teorema de thévenin e norton
 
Aula Sistemas de informação Atualizada.pptx
Aula Sistemas de informação Atualizada.pptxAula Sistemas de informação Atualizada.pptx
Aula Sistemas de informação Atualizada.pptx
 
Processo de Usinagem - Torneamento
Processo de Usinagem - TorneamentoProcesso de Usinagem - Torneamento
Processo de Usinagem - Torneamento
 
Sinais senoidais
Sinais senoidaisSinais senoidais
Sinais senoidais
 
Tabela de unidades
Tabela de unidadesTabela de unidades
Tabela de unidades
 
Estatística
EstatísticaEstatística
Estatística
 
Instrumentos de medida
Instrumentos de medidaInstrumentos de medida
Instrumentos de medida
 

Destacado

03 eac proj vest mat módulo 1 função exponencial
03 eac proj vest mat módulo 1 função exponencial03 eac proj vest mat módulo 1 função exponencial
03 eac proj vest mat módulo 1 função exponencial
con_seguir
 
Material sobre a Derivada
Material sobre a DerivadaMaterial sobre a Derivada
Material sobre a Derivada
Einstein Rafael
 
Lista de exercicio de funcao exponencial
Lista de exercicio de funcao exponencialLista de exercicio de funcao exponencial
Lista de exercicio de funcao exponencial
Cleidison Melo
 
Exercicios resolvidos
Exercicios resolvidosExercicios resolvidos
Exercicios resolvidos
texa0111
 
Lista de exercícios conjuntos
Lista de exercícios conjuntosLista de exercícios conjuntos
Lista de exercícios conjuntos
tiagoz26
 
Exercícios resolvidos sobre conjuntos numéricos e diagramas
Exercícios resolvidos sobre conjuntos numéricos e diagramasExercícios resolvidos sobre conjuntos numéricos e diagramas
Exercícios resolvidos sobre conjuntos numéricos e diagramas
movimento fitness
 
Exercícios resolvidos de conjuntos
Exercícios resolvidos de conjuntosExercícios resolvidos de conjuntos
Exercícios resolvidos de conjuntos
Junior Magalhães
 

Destacado (20)

02 logaritmos
02 logaritmos02 logaritmos
02 logaritmos
 
03 eac proj vest mat módulo 1 função exponencial
03 eac proj vest mat módulo 1 função exponencial03 eac proj vest mat módulo 1 função exponencial
03 eac proj vest mat módulo 1 função exponencial
 
Função exponencial
Função exponencialFunção exponencial
Função exponencial
 
Material sobre a Derivada
Material sobre a DerivadaMaterial sobre a Derivada
Material sobre a Derivada
 
Equações exponenciais
Equações exponenciaisEquações exponenciais
Equações exponenciais
 
Equação exponencial
Equação exponencialEquação exponencial
Equação exponencial
 
Exercícios resolvidos sobre logaritmos (Inclui o uso das propriedades, restiç...
Exercícios resolvidos sobre logaritmos (Inclui o uso das propriedades, restiç...Exercícios resolvidos sobre logaritmos (Inclui o uso das propriedades, restiç...
Exercícios resolvidos sobre logaritmos (Inclui o uso das propriedades, restiç...
 
lista-de-exercicios-funcao-exponencial
lista-de-exercicios-funcao-exponenciallista-de-exercicios-funcao-exponencial
lista-de-exercicios-funcao-exponencial
 
Lista de exercicio de funcao exponencial
Lista de exercicio de funcao exponencialLista de exercicio de funcao exponencial
Lista de exercicio de funcao exponencial
 
Exercicios resolvidos
Exercicios resolvidosExercicios resolvidos
Exercicios resolvidos
 
Funcao exponencial
Funcao exponencialFuncao exponencial
Funcao exponencial
 
2ª lista de exercícios 9º ano (eq. 2º grau)
2ª lista de exercícios   9º ano (eq. 2º grau)2ª lista de exercícios   9º ano (eq. 2º grau)
2ª lista de exercícios 9º ano (eq. 2º grau)
 
Lista de exercícios conjuntos
Lista de exercícios conjuntosLista de exercícios conjuntos
Lista de exercícios conjuntos
 
Exercícios resolvidos sobre conjuntos numéricos e diagramas
Exercícios resolvidos sobre conjuntos numéricos e diagramasExercícios resolvidos sobre conjuntos numéricos e diagramas
Exercícios resolvidos sobre conjuntos numéricos e diagramas
 
Matemática conjuntos
Matemática   conjuntosMatemática   conjuntos
Matemática conjuntos
 
Lista de exercícios - conjuntos - 6º ano
Lista de exercícios  - conjuntos - 6º anoLista de exercícios  - conjuntos - 6º ano
Lista de exercícios - conjuntos - 6º ano
 
Exercícios resolvidos de conjuntos
Exercícios resolvidos de conjuntosExercícios resolvidos de conjuntos
Exercícios resolvidos de conjuntos
 
LISTA 02 E 03 - EXERCÍCIOS DE MATEMÁTICA 1º ANO - PROFª NEID
LISTA 02 E 03 - EXERCÍCIOS DE MATEMÁTICA 1º ANO - PROFª NEIDLISTA 02 E 03 - EXERCÍCIOS DE MATEMÁTICA 1º ANO - PROFª NEID
LISTA 02 E 03 - EXERCÍCIOS DE MATEMÁTICA 1º ANO - PROFª NEID
 
Teoria dos conjuntos 1º ANO - Ensino Médio
Teoria dos conjuntos 1º ANO - Ensino MédioTeoria dos conjuntos 1º ANO - Ensino Médio
Teoria dos conjuntos 1º ANO - Ensino Médio
 
Conjuntos e Intervalos
Conjuntos e IntervalosConjuntos e Intervalos
Conjuntos e Intervalos
 

Similar a Aula pb 9_resumo

U1S4 - PPCP e Técnicas de Previsão de Demanda.pdf
U1S4 - PPCP e Técnicas de Previsão de Demanda.pdfU1S4 - PPCP e Técnicas de Previsão de Demanda.pdf
U1S4 - PPCP e Técnicas de Previsão de Demanda.pdf
CelsoCiamponi1
 
Dinâmica não-markoviana: uma abordagem via equação de Langevin
Dinâmica não-markoviana: uma abordagem via equação de LangevinDinâmica não-markoviana: uma abordagem via equação de Langevin
Dinâmica não-markoviana: uma abordagem via equação de Langevin
Leandro da Silva
 
Doc estatistica _687118434
Doc estatistica _687118434Doc estatistica _687118434
Doc estatistica _687118434
Eliabe Denes
 
Aplicação da Transformada de Laplace na Determinação de Tensões e Correntes e...
Aplicação da Transformada de Laplace na Determinação de Tensões e Correntes e...Aplicação da Transformada de Laplace na Determinação de Tensões e Correntes e...
Aplicação da Transformada de Laplace na Determinação de Tensões e Correntes e...
Felipe De Almeida
 

Similar a Aula pb 9_resumo (20)

1a Aula - Previsão da Demanda.pdf
1a Aula - Previsão da Demanda.pdf1a Aula - Previsão da Demanda.pdf
1a Aula - Previsão da Demanda.pdf
 
Aula pb 10_resumo
Aula pb 10_resumoAula pb 10_resumo
Aula pb 10_resumo
 
U1S4 - PPCP e Técnicas de Previsão de Demanda.pdf
U1S4 - PPCP e Técnicas de Previsão de Demanda.pdfU1S4 - PPCP e Técnicas de Previsão de Demanda.pdf
U1S4 - PPCP e Técnicas de Previsão de Demanda.pdf
 
Aula04
Aula04Aula04
Aula04
 
Aula 1 a 15 vol1
Aula 1 a 15 vol1Aula 1 a 15 vol1
Aula 1 a 15 vol1
 
Cadeia markov1
Cadeia markov1Cadeia markov1
Cadeia markov1
 
Capitulo 8 gujarati resumo
Capitulo 8 gujarati resumoCapitulo 8 gujarati resumo
Capitulo 8 gujarati resumo
 
1 em física
1 em física1 em física
1 em física
 
Dinâmica não-markoviana: uma abordagem via equação de Langevin
Dinâmica não-markoviana: uma abordagem via equação de LangevinDinâmica não-markoviana: uma abordagem via equação de Langevin
Dinâmica não-markoviana: uma abordagem via equação de Langevin
 
Previsão da Demanda II
Previsão da Demanda IIPrevisão da Demanda II
Previsão da Demanda II
 
Aula 11 BIO745 Regressão.pdf
Aula 11 BIO745 Regressão.pdfAula 11 BIO745 Regressão.pdf
Aula 11 BIO745 Regressão.pdf
 
Apresentacao series temporais
Apresentacao series temporaisApresentacao series temporais
Apresentacao series temporais
 
C7 exercicios
C7 exerciciosC7 exercicios
C7 exercicios
 
Aula pb 7_resumo
Aula pb 7_resumoAula pb 7_resumo
Aula pb 7_resumo
 
Sequencias e-series
Sequencias e-seriesSequencias e-series
Sequencias e-series
 
Modelo de um pendulo simples
Modelo de um pendulo simplesModelo de um pendulo simples
Modelo de um pendulo simples
 
Programação dinâmica parte 1
Programação dinâmica   parte 1Programação dinâmica   parte 1
Programação dinâmica parte 1
 
Doc estatistica _687118434
Doc estatistica _687118434Doc estatistica _687118434
Doc estatistica _687118434
 
Aplicação da Transformada de Laplace na Determinação de Tensões e Correntes e...
Aplicação da Transformada de Laplace na Determinação de Tensões e Correntes e...Aplicação da Transformada de Laplace na Determinação de Tensões e Correntes e...
Aplicação da Transformada de Laplace na Determinação de Tensões e Correntes e...
 
Apostila de matemática; fatorial triangulo de pascal-binomio de newton
Apostila de matemática; fatorial triangulo de pascal-binomio de newtonApostila de matemática; fatorial triangulo de pascal-binomio de newton
Apostila de matemática; fatorial triangulo de pascal-binomio de newton
 

Más de Material Antigo (20)

Humidades
HumidadesHumidades
Humidades
 
Iluminacao
IluminacaoIluminacao
Iluminacao
 
Termica
TermicaTermica
Termica
 
Ventilacao
VentilacaoVentilacao
Ventilacao
 
Acustica
AcusticaAcustica
Acustica
 
Aula pb 1_resumo
Aula pb 1_resumoAula pb 1_resumo
Aula pb 1_resumo
 
Aula pb 3_resumo
Aula pb 3_resumoAula pb 3_resumo
Aula pb 3_resumo
 
Aula pb 4_resumo
Aula pb 4_resumoAula pb 4_resumo
Aula pb 4_resumo
 
Aula pb 5_resumo
Aula pb 5_resumoAula pb 5_resumo
Aula pb 5_resumo
 
Aula pb 6_resumo
Aula pb 6_resumoAula pb 6_resumo
Aula pb 6_resumo
 
Aula pb 8_resumo
Aula pb 8_resumoAula pb 8_resumo
Aula pb 8_resumo
 
Aula pb 11_resumo
Aula pb 11_resumoAula pb 11_resumo
Aula pb 11_resumo
 
Aula pb 12_resumo
Aula pb 12_resumoAula pb 12_resumo
Aula pb 12_resumo
 
Aula pb 13_resumo
Aula pb 13_resumoAula pb 13_resumo
Aula pb 13_resumo
 
Aula pb 14_resumo
Aula pb 14_resumoAula pb 14_resumo
Aula pb 14_resumo
 
Aula pb 2_resumo
Aula pb 2_resumoAula pb 2_resumo
Aula pb 2_resumo
 
Aula pb 11_resumo
Aula pb 11_resumoAula pb 11_resumo
Aula pb 11_resumo
 
Aula pb 12_resumo
Aula pb 12_resumoAula pb 12_resumo
Aula pb 12_resumo
 
Aula pb 13_resumo
Aula pb 13_resumoAula pb 13_resumo
Aula pb 13_resumo
 
Aula pb 14_resumo
Aula pb 14_resumoAula pb 14_resumo
Aula pb 14_resumo
 

Aula pb 9_resumo

  • 1. Modelos de Previsão Exercício 1 – Enunciado Médias Móveis e Amortecimento Exponencial Simples Gestão e Teoria da Decisão Durante os últimos 12 meses registou-se a procura de determinado produto, valores que se apresentam a seguir por ordem cronológica da sua ocorrência: t (mês) 1 2 3 4 5 Yt (unidades) 946 1157 954 1012 860 6 7 1056 1182 8 9 984 911 10 11 1084 1105 12 856 a) Represente gráficamente esta série cronológica e procure caracterizá-la. b) Preveja a procura do próximo mês e defina um intervalo de confiança a 90%. (Considere 0.1 para a constante de amortecimento α ou médias móveis de comprimento q = 5) 1
  • 2. Modelos de Previsão Exercício 1 – Resolução Médias Móveis e Amortecimento Exponencial Simples a) Represente gráficamente esta série cronológica e procure caracterizá-la. 1250 1200 1150 1100 Yt (unidades) Gestão e Teoria da Decisão Cronograma da série Yt 1050 1000 950 900 850 800 750 0 5 10 15 t (mês) Serie Yt Figura 1 – Cronograma da sucessão cronológica (série temporal) 2
  • 3. Modelos de Previsão Exercício 1 – Resolução Médias Móveis e Amortecimento Exponencial Simples a) Represente gráficamente esta série cronológica e procure caracterizá-la. Gestão e Teoria da Decisão Caracterização qualitativa da série temporal: Condicionada ao número escasso de observações da variável em estudo, a série temporal pode ser caracterizada por: i) não aparentar variação da amplitude das oscilações em torno do nível médio (série estacionária em variância); ii) não aparentar componente sistemática de crescimento/decrescimento em toda a extensão observada da série, assim como não aparentar a presença de componente sistemática periódica (sazonal) de período constante e bem definido (série estacionária em média). A série temporal pode ser vista como uma realização de processo estocástico estacionário até 2ª ordem. 3
  • 4. Modelos de Previsão Exercício 1 – Resolução Médias Móveis e Amortecimento Exponencial Simples a) Represente gráficamente esta série cronológica e procure caracterizá-la. Gestão e Teoria da Decisão Caracterização qualitativa da série temporal (continuação): O cronograma da série temporal sugere um nível médio constante ao longo do tempo de observação, ainda que possa exibir variações locais do mesmo. Globalmente pode ser sugerido o seguinte modelo para descrever a variação do nível médio da série em função do tempo: Yt = nt + et , nt = β 0 , t = 1,2,..., N Hipóteses adicionais 1.E {et } = 0, t = 1, 2,..., N 2.E {et2 } = σ e2 3.E {et et +k } = 0, k ≥ 1 4.{et } ∼ N ( 0,σ e2 ) Os modelos locais, tais como as médias móveis simples de comprimento q ou o amortecimento exponencial simples com coeficiente de amortecimento α, podem descrever variações locais do nível médio. 4
  • 5. Modelos de Previsão Exercício 1 – Resolução Médias Móveis e Amortecimento Exponencial Simples CONCEITOS E FÓRMULAS FUNDAMENTAIS Decomposição Clássica Aditiva Gestão e Teoria da Decisão Yt = nt + et , nt = β 0 , t = 1, 2,..., N Hipóteses adicionais: 1. E {et } = 0, t = 1, 2,..., N 2. E {et2 } = σ e2 (Constante) 3. E {et et +k } = 0, k ≥ 1 4. {et } ∼ N ( 0,σ e2 ) Médias Móveis Simples de comprimento q Yt +1 = nt + et +1 , t = 1, 2,... q ∑Y t − j +1 j =1 , t = q, q + 1,..., N q Amortecimento Exponencial Simples com constante de amortecimento α nt = Yt +1 = nt + et +1 , t = 1, 2,... nt = α Yt + (1 − α ) nt −1 , t = 1, 2,..., N , n0 = Y1 ( 0 ≤ α ≤ 1) 5
  • 6. Modelos de Previsão Exercício 1 – Resolução Médias Móveis e Amortecimento Exponencial Simples CONCEITOS E FÓRMULAS FUNDAMENTAIS Gestão e Teoria da Decisão Previsão (um passo adiante) Yt +1 = nt + et +1 , t = 1, 2,..., N ( ou Yt = nt −1 + et , Previsão pontual (valor esperado) ˆ Y = E {Y } = E {n + e } = E {n } + E {e t +1 t +1 t t +1 t +1 t } = nt }) } t = 1, 2,..., N ) {( Erro de previsão ˆ Yt +1 − Yt +1 = nt + et +1 − nt = et +1 Esperança (média) do erro de previsão ˆ E Yt +1 − Yt +1 = E {et +1} = 0; { } Variância do erro de previsão σ {2Y ˆ t +1 −Yt +1 } =E {(( ˆ ˆ Yt +1 − Yt +1 − E Yt +1 − Yt +1 ) { 2 ˆ = E Yt +1 − Yt +1 ) }=σ 2 2 et +1 = σ e2 Função de distribuição de probabilidade do erro de previsão a et +1 ∼ N ( 0,σ e ) (Y ⇒Z = t +1 ˆ ˆ − Yt +1 − E Yt +1 − Yt +1 ) { σ {Y ˆ t +1 −Yt +1 } } = (Y t +1 ˆ − Yt +1 σe )∼N ( 0,σ ) e 6
  • 7. Modelos de Previsão Exercício 1 – Resolução Médias Móveis e Amortecimento Exponencial Simples CONCEITOS E FÓRMULAS FUNDAMENTAIS Gestão e Teoria da Decisão Intervalo de confiança a 100(1 − α )% ˆ   Yt +1 − Yt +1  zα /2 ≤ P ( zα /2 ≤ Z ≤ z1−α /2 ) = 1 − α ⇔ P ≤ z1−α /2  = 1 − α ⇔   σe   ˆ   Yt +1 − Yt +1 ˆ P  − z1−α /2 ≤ ≤ z1−α /2  = 1 − α ⇔ P − z1−α /2σ e ≤ Yt +1 − Yt +1 ≤ z1−α /2σ e = 1 − α   σe   ( ( ) ) ( ( ) ) ˆ ˆ P Yt +1 − z1−α /2σ e ≤ Yt +1 ≤ Yt +1 + z1−α /2σ e = 1 − α ( ) Estimativa da variância do erro de previsão N σ e2 = EQM = ∑( t =t0 ˆ Yt − Yt ) 2 ( N − t0 + 1) , t0 = q + 1 ( M .M .S .) ou t0 ≥ 1 7
  • 8. Modelos de Previsão Exercício 1 – Resolução Médias Móveis e Amortecimento Exponencial Simples b) Preveja a procura do próximo mês e defina um intervalo de confiança a 90%. (Considere 0.1 para a constante de amortecimento α ou médias móveis de comprimento q = 5) Gestão e Teoria da Decisão Médias móveis de comprimento q = 5 t 1 2 3 4 5 6 7 8 9 10 11 12 13 Yt 946 1157 954 1012 860 1056 1182 984 911 1084 1105 856 nt q=5 Ŷt Intervalo de confiança, IC , a 90% para o valor previsto et=Yt-Ŷt de Y em t = 13: Y13 = n12 + e13  q  n12 =  ∑ Y12− j +1  , t ≥ q  j =1  ˆ 1.Y = E {Y } = E {n + e 1 q 985.8 1007.8 1012.8 1018.8 998.6 1043.4 1053.2 988 13 985.8 1007.8 1012.8 1018.8 998.6 1043.4 1053.2 988 EQM 70.2 174.2 -28.8 -107.8 85.4 61.6 -197.2 13957 13 12 13 } = E {n12 } + E {e13} = E {n12 } = n12 {( ˆ 2.σ 2Y −Yˆ = E Y13 − Y13 ( 13 13 ) { = E ( e13 ) 2 ) } = E {( n 2 }=σ 12 2 e13 + e13 − n12 ) 2 }= ≅ EQM ˆ 3.IC : Y13 ± z1−((1−0.90)/2) EQM = n12 ± z1−((1−0.90)/2) EQM = n12 ± z0.95 EQM = 988 ± 1.645 13957 = 988 ± 194 unidades N ∑( EQM = ˆ Yt − Yt t = q +1 ( N − q) ) 2 8
  • 9. Modelos de Previsão Exercício 1 – Resolução Médias Móveis e Amortecimento Exponencial Simples b) Preveja a procura do próximo mês e defina um intervalo de confiança a 90%. (Considere 0.1 para a constante de amortecimento α ou médias móveis de comprimento q = 5) Cronogramas das séries Yt , nt e Previsão 1250 1200 1150 1100 Yt (unidades) Gestão e Teoria da Decisão Médias móveis de comprimento q = 5 1050 1000 950 900 850 800 750 0 5 10 15 t (mês) Serie Yt Serie nt Previsão Linf(IC) Lsup(IC) Figura 2 – Cronogramas da sucessão cronológica e da média móvel simples 9
  • 10. Modelos de Previsão Exercício 1 – Resolução Médias Móveis e Amortecimento Exponencial Simples b) Preveja a procura do próximo mês e defina um intervalo de confiança a 90%. (Considere 0.1 para a constante de amortecimento α ou médias móveis de comprimento q = 5) Gestão e Teoria da Decisão Amortecimento exponencial simples α = 0.1 t 1 2 3 4 5 6 7 8 9 10 11 12 13 Yt nt Ŷt et=Yt-Ŷt et2 Intervalo de confiança, IC , a 90% para o valor (previsto) 946 946 de Y em t = 13: Y13 = n12 + e13 , 1157 967.10 946.0 n12 = α Y12 + (1 − α ) n11 954 965.79 967.1 ˆ 1012 970.41 965.8 46.2 2135 1.Y13 = E {Y13 } = E {n12 + e13 } = E {n12 } + E {e13 } = E {n12 } = n12 860 959.37 970.4 -110.4 12191 2 2 2 2.σ Y −Yˆ = E (Y13 − E {Y13 } ) = E ( n12 + e13 − n12 ) 1056 969.03 959.4 96.6 9337 13 13 1182 990.33 969.0 213.0 45355 2 = E ( e13 ) = σ e213 ≅ EQM 984 989.70 990.3 -6.3 40 911 981.83 989.7 -78.7 6193 3.IC : Y ± z ˆ 13 1−((1−0.90)/2) EQM = n12 ± z0.95 EQM 1084 992.04 981.8 102.2 10439 = 989 ± 1.645 13351 = 989 ± 190 unidades 1105 1003.34 992.0 113.0 12759 856 988.61 1003.3 -147.3 21709 2 N 989 ˆ) ∑ (Yt − Yt EQM 13351 t =t { { EQM = } { } } 4 ( N − t4 ) 10
  • 11. Modelos de Previsão Exercício 1 – Resolução Médias Móveis e Amortecimento Exponencial Simples b) Preveja a procura do próximo mês e defina um intervalo de confiança a 90%. (Considere 0.1 para a constante de amortecimento α ou médias móveis de comprimento q = 5) Cronogramas das séries temporais Yt e nt 1250 1200 1150 1100 Yt Gestão e Teoria da Decisão Amortecimento exponencial simples α = 0.1 1050 1000 950 900 850 800 0 5 10 15 t Figura 3 – Cronogramas da sucessão cronológica e da sucessão exponencialmente amortecida 11
  • 12. Modelos de Previsão Exercício 4 – Enunciado Amortecimento Exponencial de Holt Gestão e Teoria da Decisão O volume de vendas (em centenas de euros) de uma loja nas últimas 21 semanas foi o seguinte: t (semanas) Yt (102 €) 1 111 2 115 3 117 4 105 5 130 6 118 7 132 8 136 9 134 t (semanas) Yt (102 €) 13 145 14 135 15 136 16 150 17 141 18 132 19 164 20 155 10 134 11 138 12 129 21 157 a) Represente gráficamente esta série cronológica e procure caracterizá-la. b) Faça a previsão do volume de vendas para as próximas 3 semanas e defina os respectivos intervalos de confiança a 95%. (No caso de utilizar o modelo de Holt considere α = 0.2 e β = 0.5) 12
  • 13. Modelos de Previsão Exercício 4 – Resolução Amortecimento Exponencial de Holt Cronograma de Yt 190 180 170 160 Yt (102 €) Gestão e Teoria da Decisão a) Represente gráficamente esta série cronológica e procure caracterizá-la. 150 140 130 120 110 100 0 5 10 15 20 25 t (semana) Figura 4 – Cronograma da sucessão cronológica (série temporal) 13
  • 14. Modelos de Previsão Exercício 4 – Resolução Amortecimento Exponencial de Holt a) Represente gráficamente esta série cronológica e procure caracterizá-la. Gestão e Teoria da Decisão Caracterização qualitativa da série temporal: Condicionada ao número escasso de observações da variável em estudo, a série temporal pode ser caracterizada por: i) não aparentar variação da amplitude das oscilações em torno do nível médio (série estacionária em variância); ii) aparentar marcada componente sistemática de crescimento em toda a extensão observada da série (série não estacionária em média). 14
  • 15. Modelos de Previsão Exercício 4 – Resolução Amortecimento Exponencial de Holt a) Represente gráficamente esta série cronológica e procure caracterizá-la. Gestão e Teoria da Decisão Caracterização qualitativa da série temporal (continuação): O cronograma da série temporal sugere um nível médio crescente ao longo do tempo de observação. Globalmente pode ser sugerido o seguinte modelo para descrever a variação do nível médio da série em função do tempo: Yt = nt + et , nt = β 0 + β1t , t = 1,2,..., N 1,2,..., Hipóteses adicionais, 1.E {et } = 0, t = 1, 2,..., N 2.E {et2 } =σ e2 3.E {et et + k } = 0, k ≥ 1 4.{et } ∼ N ( 0,σ e2 ) Modelos locais, tal como o modelo de Holt, modelo de amortecimento exponencial para séries com tendência, descreve variações locais do nível médio e da taxa de variação (tendência de crescimento/decrescimento). 15
  • 16. Modelos de Previsão Exercício 1 – Resolução Médias Móveis e Amortecimento Exponencial Simples CONCEITOS E FÓRMULAS FUNDAMENTAIS Decomposição Clássica Aditiva Gestão e Teoria da Decisão Yt = nt + et , nt = β 0 + β1t , t = 1, 2,..., N Hipóteses adicionais: 1. E {et } = 0, t = 1, 2,..., N 2. E {et2 } = σ e2 (Constante) 3. E {et et +k } = 0, k ≥ 1 4. {et } ∼ N ( 0,σ e2 ) Amortecimento Exponencial Linear com constantes de amortecimento α e β (Modelo de Holt ) Dadas estimativas de n0 e b0 ( p. ex. n0 = Y1 , b0 = Y2 − Y1 ) Yt = nt −1 + bt −1 + et , t = 1, 2,... nt = α Yt + (1 − α )( nt −1 + bt −1 ) , t = 1, 2,..., N , bt = β ( nt − nt ) + (1 − α ) bt −1 , t = 1, 2,..., N , ( 0 ≤ α ≤ 1) ( 0 ≤ β ≤ 1) 16
  • 17. Modelos de Previsão Exercício 1 – Resolução Médias Móveis e Amortecimento Exponencial Simples Gestão e Teoria da Decisão CONCEITOS E FÓRMULAS FUNDAMENTAIS Previsão (h passos adiante) Yt + h = nt + hbt + et +h , t = 1, 2,..., N Previsão pontual (valor esperado) ˆ Y = E {Y } = E {n + hb + e } = E {n } + hE {b } + E {e t +1 t+h t t +h t t t +h t } ≅ nt + hbt Erro de previsão ˆ Y −Y ≅ e t+h t +h t+h Esperança (média) do erro de previsão ˆ E Yt +h − Yt +h = E {et +h } = 0; { } Variância do erro de previsão 2 σ {Y ˆ t + h −Yt + h } =E {(( ˆ ˆ Yt +h − Yt +h − E Yt +h − Yt +h ) { }) } 2 {( ˆ = E Yt +h − Yt +h ) }=σ 2 2 et + h ≅ σ e2 Função de distribuição de probabilidade do erro de previsão a et +h ∼ N ( 0,σ e ) (Y ⇒Z = t +h ˆ ˆ − Yt +h − E Yt +h − Yt +h ) { σ {Y ˆ t + h −Yt + h } } = (Y t +h ˆ − Yt +h σe )∼N ( 0,σ ) e 17
  • 18. Modelos de Previsão Exercício 1 – Resolução Médias Móveis e Amortecimento Exponencial Simples CONCEITOS E FÓRMULAS FUNDAMENTAIS Gestão e Teoria da Decisão Intervalo de confiança a 100(1 − α )% ˆ   Yt +h − Yt +h P ( zα /2 ≤ Z ≤ z1−α /2 ) = 1 − α ⇔ P  zα /2 ≤ ≤ z1−α /2  = 1 − α ⇔   σe   ˆ   Yt +h − Yt +h ˆ P  − z1−α /2 ≤ ≤ z1−α /2  = 1 − α ⇔ P − z1−α /2σ e ≤ Yt +h − Yt +h ≤ z1−α /2σ e = 1 − α   σe   ( ( ) ) ( ( ) ) ˆ ˆ P Yt +h − z1−α /2σ e ≤ Yt +h ≤ Yt +h + z1−α /2σ e = 1 − α ( ) Estimativa da variância do erro de previsão N ∑ (Y − Yˆ ) t 2 e σ = EQM = 2 t t =t0 ( N − t0 + 1) , t0 = q + 1 ( M .M .S .) ou t0 ≥ 1 18
  • 19. Modelos de Previsão Exercício 4 – Resolução Amortecimento Exponencial de Holt Gestão e Teoria da Decisão b) Faça a previsão do volume de vendas para as próximas 3 semanas e defina os respectivos intervalos de confiança a 95%. (No caso de utilizar o modelo de Holt considere α = 0.2 e β = 0.5) t Yt (semana) (100€) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 111 115 117 105 130 118 132 136 134 134 138 129 145 135 136 150 141 132 164 155 157 nt bt 115 118.6 118.9 122.8 124.2 127.5 131.4 134.6 137.1 139.5 139.6 141.7 141.8 141.4 143.3 143.7 141.9 146.0 149.2 152.7 4 3.8 2.1 3.0 2.2 2.7 3.3 3.3 2.9 2.7 1.4 1.8 0.9 0.2 1.1 0.7 -0.5 1.8 2.5 3.0 Ŷt et =Yt-Ŷt Intervalo de confiança, IC , a 90% para o valor (previsto) de Y em t = 13: Y13 = n12 + b12 + e13 , com n12 = α Y12 + (1 − α )( n11 + b11 ) , b12 = β ( n12 − n11 ) + (1 − β ) b11 ˆ 1. Y13 = E {Y13 } = E {n12 + b12 + e13 } 130.3 134.7 137.8 139.9 142.2 140.9 143.5 142.7 141.6 144.4 144.4 141.4 147.7 151.6 156 159 162 5.7 -0.7 -3.8 -1.9 -13.2 4.1 -8.5 -6.7 8.4 -3.4 -12.4 22.6 7.3 5.4 = E {n12 } + E {b12 } + E {e13 } = E {n12 } + E {b12 } = n12 + b12 2 2.σ Y ˆ 13 −Y13 { = E (Y13 − E {Y13 } ) { = E {( e ) } = σ 2 } = E ( n12 + b12 + e13 − n12 − b12 ) 2 13 2 e13 2 } ≅ EQM ˆ 3.IC : Y13 ± z1−((1−0.95)/2) EQM = ( n12 + b12 ) ± z0.975 EQM = 156 ± 1.96 84.83 ≅ 156 ± 18 unidades 19
  • 20. Modelos de Previsão Exercício 4 – Resolução Amortecimento Exponencial de Holt Cronogramas de Yt, Ŷt e Previsões 190 180 170 Yt (102 €) ) Gestão e Teoria da Decisão b) Faça a previsão do volume de vendas para as próximas 3 semanas e defina os respectivos intervalos de confiança a 95%. (No caso de utilizar o modelo de Holt considere α = 0.2 e β = 0.5) 160 150 140 130 120 110 100 0 5 10 15 20 25 t (semana) Yt Yt previsto Previsão Linf (IC) Lsup (IC) Figura 5 – Cronogramas da sucessão cronológica e da sucessão com tendência exponencialmente amortecida 20