Professional Documents
Culture Documents
A suposio bsica que norteia a anlise de sries temporais que h um sistema causal
mais ou menos constante, relacionado com o tempo, que exerceu influncia sobre os dados no
passado e pode continuar a faz-lo no futuro. Este sistema causal costuma atuar criando padres
no aleatrios que podem ser detectados em um grfico da srie temporal, ou mediante algum outro
processo estatstico.
Companhia area
700 700
600 600
500 500
Nmero de passageiros
400 400
300 300
200 200
100 100
0 0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150
Meses
Vamos observar mais um conjunto de dados, a produo mensal de veculos no Brasil entre
janeiro de 1997 e dezembro de 2014.
Produo mensal de veculos automotores no Brasil
400000
350000
300000
250000
Veculos produzidos
200000
150000
100000
50000
0
jul/1998
jul/2009
jan/1997
jul/1997
jan/1998
jan/1999
jul/1999
jan/2000
jul/2000
jan/2001
jul/2001
jan/2002
jul/2002
jan/2003
jul/2003
jan/2004
jul/2004
jan/2005
jul/2005
jan/2006
jul/2006
jan/2007
jul/2007
jan/2008
jul/2008
jan/2009
jan/2010
jul/2010
jan/2011
jul/2011
jan/2012
jul/2012
jan/2013
jul/2013
jan/2014
jul/2014
Ms
Figura 2 - Srie mensal da produo de veculos automotores no Brasil de janeiro de 1997 a dezembro de 2014
Fonte: adaptado pelo autor de Microsoft a partir de dados da ANFAVEA Associao Nacional dos Fabricantes de Veculos
Automotores, disponveis em http://www.anfavea.com.br/tabelas.html, acessados em 13/11/2015
.040157
.017467
0.00000
1 5 10 15 20 25
Amostras
produtivo est estvel, e, portanto, previsvel. Neste caso, no queremos que haja padres no
aleatrios, se eles existirem o processo est fora de controle estatstico, instvel e imprevisvel, e
no podemos garantir a qualidade dos produtos resultantes: precisamos atuar sobre o processo e
fazer as correes necessrias.
Outro exemplo:
Minrio de ferro
14000
13000
12000
11000
10000
9000
8000
jul/87
jul/91
mar/87
mar/90
mar/91
jul/89
jul/90
jan/87
nov/87
jul/88
set/88
jan/88
nov/88
set/89
jan/89
nov/89
nov/90
set/91
jan/91
nov/91
mai/87
mar/89
jan/90
mar/88
mai/88
mai/89
mai/91
mai/90
set/87
set/90
Meses
1
Veremos posteriormente que se trata de uma mdia mvel.
2
Alguns autores no incluem as variaes cclicas no modelo clssico da srie temporal.
INE 7001 Anlise de Sries Temporais 4
- variaes sazonais ou sazonalidade (S), flutuaes nos valores da varivel com durao inferior a
um ano, e que se repetem todos os anos, geralmente em funo das estaes do ano (ou em funo
de feriados ou festas populares, ou por exigncias legais, como o perodo para entrega da declarao
de Imposto de Renda); se os dados forem registrados anualmente NO haver influncia da
sazonalidade na srie3;
- variaes irregulares (I), que so as flutuaes inexplicveis, resultado de fatos fortuitos e
inesperados como catstrofes naturais, atentados terroristas como o de 11 de setembro de 2001,
decises intempestivas de governos, etc.
Aqui importante salientar que nem sempre uma srie temporal, mesmo que o modelo
clssico seja considerado apropriado para analis-la, ir apresentar todos os componentes citados
acima:
- a srie pode apresentar apenas variaes irregulares: no se percebe comportamento crescente ou
decrescente de longo prazo (tendncia), ou flutuaes sazonais ou cclicas (como as sries da Figura
3 e da Figura 4).
- a srie pode apresentar apenas tendncia e variaes irregulares4: no so identificadas flutuaes
sazonais ou cclicas, apenas o comportamento crescente/decrescente de longo prazo e as variaes
aleatrias.
- a srie pode apresenta apenas variaes sazonais e irregulares: o comportamento de longo prazo
da srie aproximadamente constante, mas observam-se flutuaes dentro dos perodos de um ano,
que se repetem todos os anos.
- quaisquer outras combinaes possveis.
A questo crucial do modelo clssico decidir como ser a equao que relaciona as
componentes com a varivel. H duas opes: o modelo aditivo ou o modelo multiplicativo:
- No modelo aditivo o valor da srie (Y) ser o resultado da soma dos valores das componentes
(que apresentam a mesma unidade da varivel):
Y=T+C+S+I ou Y = T + C + I (se os dados forem registrados anualmente)
Nas previses no temos como incluir a componente irregular no modelo, pois ela resultado de
fatos fortuitos, teoricamente imprevisveis. Todas as componentes tm a mesma unidade da srie: se
esta for em milhes de reais todas tambm tero tal unidade.
- Pode ser usado tambm o modelo multiplicativo, no qual o produto das componentes resultar na
varivel da srie:
Y=TCSI ou Y = T C I (se os dados forem registrados anualmente)
Novamente, no inclumos a componente irregular. H, porm, uma diferena crucial: apenas a
tendncia tem a mesma unidade da varivel. As demais componentes tm valores que modificam a
tendncia: assumem valores em torno de 1 (se maiores do que 1 aumentam a tendncia, se menores
diminuem a tendncia, se exatamente iguais a 1 no causam efeito). Na Figura 6 observe a escala
vertical do grfico das componentes cclicas, sazonais e irregulares: so valores prximos de 1,
enquanto a escala da Figura 5 tem a mesma escala para o valor original da srie e a tendncia (em
milhes de dlares). Isso ocorreu porque decompusemos a srie temporal usando um modelo
multiplicativo.
1400
1200
1000
800
Vendas
Tendncia
600
400
200
0
janeiro-65 janeiro-70 janeiro-75 janeiro-80 janeiro-85 janeiro-90 janeiro-95 janeiro-00
Na Figura 5 podemos observar uma srie temporal de vendas (em milhes de dlares), e a
tendncia, no caso uma reta (tendncia linear), que mostra um crescimento no longo prazo.
Na Figura 6 podemos observar as trs outras componentes. Observe que a cada 5 ou 6 anos
ocorre um ciclo, uma mudana nos valores da varivel (a linha azul). H tambm variaes
sazonais, que se repetem todos os anos, devido provavelmente s estaes (a linha vermelha). Por
fim, h variaes errticas, que no apresentam regularidade, mas que talvez se relacionem com
eventos inesperados ocorridos no perodo, as variaes irregulares (linha verde).
1.6
1.5
1.4
1.3
1.2 Ciclos
1.1 Sazonais
1 Irregulares
0.9
0.8
0.7
0.6
janeiro-65 janeiro-70 janeiro-75 janeiro-80 janeiro-85 janeiro-90 janeiro-95 janeiro-00
Qual o melhor modelo? Depender dos dados da prpria srie, das caractersticas
intrnsecas do problema. Apresentaremos posteriormente medidas que possibilitam avaliar a
adequao das previses feitas por um modelo.
INE 7001 Anlise de Sries Temporais 6
O procedimento semelhante ao usado na regresso linear simples (ver seo 3.2.4), mas
agora a varivel independente ser sempre o tempo. Para uma srie registrada anualmente, por
exemplo, de 2005 a 2014, a varivel independente assumiria os valores dos anos. Para uma srie
registrada mensalmente, por exemplo, com 60 meses, a varivel independente poderia assumir os
valores de 1 a 60. As equaes podem ser as mesmas usadas anteriormente (a estimativa do valor da
srie, Y, denotada como Y ), e que tambm podem ter seus coeficientes obtidos por aplicativos
computacionais:
- linear (reta) - T b t a ;
- polinmio de segundo grau - T c t 2 b t a
- logartmico - T b Ln (t ) a ;
- potncia - T b t a ;
- exponencial - T b e at
n n n n n
n ti Yi ti Yi Y b t
i i
b i 1 i 1 i 1
a i 1 i 1
2
n
n n
n ti ti
2
i 1 i 1
Exemplo 4.1 - Os dados a seguir apresentam o patrimnio lquido (em bilhes de reais) de um
banco de 2005 a 2015. Supondo que o modelo linear seja apropriado para descrever a tendncia da
srie, encontre os coeficientes da reta de mnimos quadrados. Faa a previso de tendncia para os
anos de 2016 e 2017.
INE 7001 Anlise de Sries Temporais 7
y b ti
n n n
n t i yi t i yi
11 2768 66 424
i
424 (1,76 66 )
b i 1 i 1 i 1
1,76 a i 1 i 1
27 ,96
11 506 (66) 2
2
n
n n 11
n ti ti
2
i 1 i 1
O ano de 2016 corresponder ao perodo 12, e 2017 ao perodo 13 da srie temporal. Substituindo
estes valores na equao acima:
Podemos ento apresentar um grfico (feito no Microsoft Excel) da srie original, a reta de
tendncia e a projeo para os anos de 2016 e 2017 (Figura 7).
INE 7001 Anlise de Sries Temporais 8
Patrimnio lquido
55
Uma abordagem seria usar o coeficiente de determinao (r 2): o melhor modelo de tendncia
por mnimos quadrados seria aquele com o maior r2, como os aplicativos computacionais permitem
a obteno rpida deste coeficiente o processo de comparao seria simplificado. Embora simples
esta opo no ser adotada aqui por motivos que sero explicados a seguir. Outra possibilidade
seria o uso da anlise de resduos do modelo, mas esta apresenta um inconveniente: a no ser que
seja utilizado um software estatstico especfico (que pode ser muito caro ou complicado de usar), a
obteno dos resduos e a construo dos diagramas de disperso dos resduos em planilha
eletrnica pode levar algum tempo 5.
Dentre as vrias disponveis destacam-se trs, usadas inclusive por softwares estatsticos
como o Minitab : Erro Absoluto Mdio (EAM), Erro Quadrtico Mdio (EQM) e Erro Percentual
Absoluto Mdio (EPAM). Todas se baseiam nos clculos dos erros: as diferenas entre os valores
da srie e os valores preditos pelas equaes de tendncia para cada perodo t da srie.
1 n
Erro absoluto mdio (EAM): EAM et
n t 1
5
Esta abordagem foi usada no Captulo 3 por ser a prtica estabelecida em Anlise de Regresso, especialmente na
Anlise de Regresso Mltipla (com vrias variveis independentes), que a mais usada na prtica.
6
MAKRIDAKIS, S., WHEELWRIGHT, S.C., HYNDMAN, R.J. Forecasting: methods and applications. 3rd ed.- New
York: Wiley, 1998.
INE 7001 Anlise de Sries Temporais 9
1 n 2
Erro quadrtico mdio (EQM): EQM et
n t 1
1 n et
Erro percentual absoluto mdio (EPAM): EPAM 100
n t 1 Yt
Onde: et Yt T t
et o erro (diferena entre o valor da srie, Yt, e o valor previsto por um modelo de tendncia Tt
em um perodo genrico t). As duas primeiras medidas dependem da escala dos valores da srie, o
que dificulta a comparao com outras sries, ou mesmo entre diferentes intervalos de tempo na
mesma srie. A ltima, EPAM, por ser relativa, no apresenta aqueles problemas 7. No obstante,
por apresentar diviso pelos valores da srie, pode ser inapropriada quando a srie tiver valores
iguais ou prximos a zero. A segunda medida, EQM, semelhante ao desvio padro, d maior nfase
a grandes erros do que EAM8. Pode-se usar todas, o que fcil de implementar em uma planilha
eletrnica, ou j faz parte dos programas estatsticos. O melhor modelo ser o que apresentar os
valores mais prximos de zero.
Exemplo 4.2 Seja a produo mensal de veculos no Brasil entre janeiro de 1997 e dezembro de
2014, mostrada na Figura 2. Aps o ajuste dos cinco modelos de tendncia (linear, polinmio de
segundo grau, logartmico, potncia e exponencial possvel observar as curvas e a srie original na
Produo mensal de veculos automotores no Brasil (1997 -2014)
400000
350000
y = 988,24x + 96844 y = 0,9929x2 + 772,79x + 104672 y = 110007e0,0051x
300000
y = 51593ln(x) - 22526 y = 58386x0,27
Veculos produzidos
250000
200000
150000
100000
50000
0
101
106
111
116
121
126
131
136
141
146
151
156
161
166
171
176
181
186
191
196
201
206
211
216
1
6
11
16
21
26
31
36
41
46
51
56
61
66
71
76
81
86
91
96
-50000
Ms
Figura 8 - Srie mensal da produo de veculos automotores no Brasil de janeiro de 1997 a dezembro de 2014
com cinco modelos de tendncia obtidos por mnimos quadrados
Fonte: adaptado pelo autor de Microsoft a partir de dados da ANFAVEA Associao Nacional dos Fabricantes de Veculos
Automotores, disponveis em http://www.anfavea.com.br/tabelas.html, acessados em 13/11/2015
A tabela a seguir apresenta a produo mensal de veculos no Brasil para os meses de Janeiro a
Dezembro de 1997 (correspondem aos valores de t, perodo, de 1 e 12, respectivamente), extrados
7
MAKRIDAKIS, S., WHEELWRIGHT, S.C., HYNDMAN, R.J. Forecasting: methods and applications . John Wiley
& Sons, 3rd edition, 1998, pginas 42-44.
8
CAMM, J. D., EVANS, J. R. Management Science and decision technology. South-Western College Publishing, 2000,
pgina 103.
INE 7001 Anlise de Sries Temporais 10
dos dados usados na Figura 2 e na Figura 8, e as previses feitas para os mesmos meses pelas
equaes de tendncia mostradas na Figura 8.
Prod. Tt
t (Yt)
veculos 0,9929t2 + 772,79t +
988,24t + 96844 51593ln(t) - 22526 58386t0,27 110007e0,0051t
104672
1 124889 97832,24 105445,7829 -22526 105445,8 58386
2 136323 98820,48 106221,5516 13235,54 106219,6 70402,3
3 153164 99808,72 106999,3061 34154,7 106993,3 78547,34
4 172391 100796,96 107779,0464 48997,08 107767,1 84891,64
5 162310 101785,2 108560,7725 60509,73 108540,9 90163,47
6 170685 102773,44 109344,4844 69916,25 109314,7 94712,99
7 160400 103761,68 110130,1821 77869,34 110088,5 98738,2
8 173863 104749,92 110917,8656 84758,63 110862,3 102363
9 182952 105738,16 111707,5349 90835,41 111636 105670,6
10 192829 106726,4 112499,19 96271,27 112409,8 108719,8
11 130140 107714,64 113292,8309 101188,6 113183,6 111553,9
12 101255 108702,88 114088,4576 105677,8 113957,4 114205,7
Na tabela a seguir mostra-se como realizar o clculo dos erros para a tendncia linear para os
primeiros doze meses da srie da Figura 2 (Janeiro a Dezembro de 1997).
Equao da Mdulo do
Prod. Erro Erro quadrtico Erro percentual
tendncia erro
Tt 988,24x +
t (Yt)
et Yt Tt (et / Yt ) 100
2
veculos | et | et
96844
1 124889 97832,24 27056,76 27056,76 732068261,7 21,66
2 136323 98820,48 37502,52 37502,52 1406439006 27,51
3 153164 99808,72 53355,28 53355,28 2846785904 34,84
4 172391 100796,96 71594,04 71594,04 5125706564 41,53
5 162310 101785,2 60524,8 60524,8 3663251415 37,29
6 170685 102773,44 67911,56 67911,56 4611979982 39,79
7 160400 103761,68 56638,32 56638,32 3207899292 35,31
8 173863 104749,92 69113,08 69113,08 4776617827 39,75
9 182952 105738,16 77213,84 77213,84 5961977088 42,20
10 192829 106726,4 86102,6 86102,6 7413657727 44,65
11 130140 107714,64 22425,36 22425,36 502896771,1 17,23
12 101255 108702,88 -7447,88 7447,88 55470916,49 7,36
Modelo
Medida
Linear Polinmio de 2 grau Logartmico Potncia Exponencial
EAM 27928,64 27752,31 42944,76 39481,05 28195,36
EQM 1247075874 1235156012 2618630743 2222579666 1306864744
EPAM 15,83 15,63 25,37 22,01 15,35
As mdias mveis so uma forma alternativa de obteno da tendncia ou nvel de uma srie
temporal. Calcula-se a mdia dos primeiros n perodos da srie, colocando o resultado no perodo
exatamente no centro deles. Progressivamente, vamos acrescentando um perodo seguinte e
desprezando o primeiro da mdia imediatamente anterior, e calculando novas mdias, que vo se
movendo at o fim da srie. O nmero de perodos (n) chamado de ordem da srie.
Exemplo 4.3 - Os dados a seguir, que representam as vendas anuais das fbricas (em milhes de
unidades), em todo o mundo, de carros, caminhes e nibus fabricados pela General Motors
Corporation de 1970 a 1992. Obtenha a tendncia da srie por mdias mveis de 3, 5 e 7 perodos, e
plote-as em um grfico junto com os dados originais9.
9
Adaptado de LEVINE, D. M., BERENSON, M. L. e STEPHAN, D. Estatstica: Teoria e Aplicaes usando o
Excel. Rio de Janeiro: LTC, 2000.
INE 7001 Anlise de Sries Temporais 12
Primeiramente vamos apresentar um grfico da srie original, para observar se no seria possvel
ajustar uma reta como tendncia da srie. Veja a Figura 9.
10
Vendas (milhes de unidades)
4
1970 1972 1974 1976 1978 1980 1982 1984 1986 1988 1990 1992
Anos
1970 - 1971 - 1972 com resultado em 1971; 1971 - 1972 - 1973 com resultado em 1972;
1972 - 1973 - 1974 com resultado em 1973; 1973 - 1974 - 1975 com resultado em 1974;
1974 - 1975 - 1976 com resultado em 1975; 1975 - 1976 - 1977 com resultado em 1976;
1976 - 1977 - 1978 com resultado em 1977; e assim por diante, at chegar a
1990 - 1991 - 1992 com resultado em 1991.
Observe que ao calcularmos mdias mveis alguns perodos ficam sem tendncia, porque os
resultados das mdias so postos no centro dos perodos.
Novamente, alguns perodos ficam sem tendncia, porque os resultados das mdias so postos no
centro dos perodos. Aqui, como as mdias agrupam 5 perodos, dois ficam sem tendncia no incio
e dois ao final da srie.
1970 - 1971 - 1972 - 1973 - 1974 - 1975 - 1976 com resultado em 1973;
1971 - 1972 - 1973 - 1974 - 1975 - 1976 - 1977 com resultado em 1974;
1972 - 1973 - 1974 - 1975 - 1976 - 1977 - 1978 com resultado em 1975;
1973 - 1974 - 1975 - 1976 - 1977 - 1978 - 1979 com resultado em 1976;
1974 - 1975 - 1976 - 1977 - 1978 - 1979 - 1980 com resultado em 1977;
1975 - 1976 - 1977 - 1978 - 1979 - 1980 - 1981 com resultado em 1978;
e assim por diante, at chegar a
1986 - 1987 - 1988 - 1989 - 1990 - 1991 - 1992 com resultado em 1989.
Ano Vendas (Y) - em milhes Total Mvel 7 perodos Mdia Mvel 7 perodos
1970 5,3 - -
1971 7,8 - -
1972 7,8 - -
1973 8,7 51,5 7,36
1974 6,7 55,3 7,90
1975 6,6 57 8,14
1976 8,6 58,2 8,31
1977 9,1 56,6 8,09
1978 9,5 56,7 8,10
1979 9 56,3 8,04
1980 7,1 55,5 7,93
1981 6,8 54,7 7,81
1982 6,2 54,5 7,79
1983 7,8 54,1 7,73
1984 8,3 54,8 7,83
1985 9,3 56,1 8,01
1986 8,6 57,8 8,26
1987 7,8 57,5 8,21
1988 8,1 56,2 8,03
1989 7,9 54,1 7,73
1990 7,5 - -
1991 7 - -
1992 7,2 - -
Aqui, como as mdias agrupam 7 perodos, trs ficam sem tendncia no incio e trs ao final da
srie. Construindo o grfico da srie original com as mdias mveis:
Vendas (milhes de unidades)
10
4
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
Mas o que aconteceria se o nmero de perodos fosse par? Se possvel, devemos escolher um
nmero mpar de perodos, para que o resultado seja colocado em um perodo central que tem
correspondente na srie temporal. Contudo, se a srie temporal for registrada trimestralmente, e
queremos obter a sua tendncia por mdias mveis, devemos utilizar mdias mveis de 4 perodos
(porque h 4 trimestres no ano), para que possamos obter a tendncia sem influncia da
sazonalidade. Se a srie for registrada mensalmente, devemos utilizar mdias mveis de 12
perodos. Nestes dois casos os perodos "centrais" (que comeariam em 2,5 o e 6,5o respectivamente)
no tm correspondente na srie original, o que tornar impossvel remover a tendncia da srie
para observar outras componentes. As mdias mveis precisam ser centralizadas: calculam-se
novas mdias mveis, a partir das calculadas com 4 ou 12 perodos, mas agora de 2 perodos,
colocando seus resultados em perodos que tm correspondentes na srie.
Exemplo 4.4 - Uma corretora de seguros est avaliando os contratos obtidos ao longo de vrios
anos. A srie foi registrada trimestralmente. Obtenha a tendncia da srie utilizando mdias mveis.
Trimestre
Ano I II III IV
2013 24 21 11 9
2014 20 20 7 6
2015 15 14 5 6
2016 13 12 4 5
Como a srie registrada trimestralmente, e a tendncia deve ser obtida por mdias mveis,
preciso calcular mdias mveis de 4 perodos, pois h 4 trimestres no ano. Contudo, como este nmero de
perodos par, mdias mveis de 2 perodos, calculadas a partir daquelas de 4 perodos, precisam ser
obtidas para obter resultados centrados.
Trim. Con. Total mvel 4 per. Total mvel 2 per. (centrado) Mdia Mvel 2 per. (centrada)
2013 I 24
2013 II 21
65
2013 III 11 126 15,75
61
2013 IV 9 121 15,125
60
2014 I 20 116 14,5
56
2014 II 20 109 13,625
53
2014 III 7 101 12,625
48
2014 IV 6 90 11,25
42
2015 I 15 82 10,25
40
2015 II 14 80 10
40
2015 III 5 78 9,75
38
2015 IV 6 74 9,25
36
2016 I 13 71 8,875
35
2016 II 12 69 8,625
34
2016 III 4
2016 IV 5
INE 7001 Anlise de Sries Temporais 17
As linhas mais escuras na tabela acima indicam os perodos "centrais" das mdias mveis de
ordem 4, que no tm correspondente na srie original. Para facilitar o nosso trabalho calculamos
apenas os totais mveis de 4 perodos, acompanhe:
- os primeiros 4 perodos so os 4 trimestres de 2013: 2013 I, 2013 II, 2013 III, 2013 IV; o total
mvel deles (igual a 65) deve ficar no centro destes perodos, ou seja entre 2013 II e 2013 III, que
um perodo inexistente na srie original;
- em seguida desprezamos 2013 I e inclumos 2014 I: 2013 II, 2013 III, 2013 IV, 2014 I; o total
mvel (igual a 61) deve ficar entre 2013 III e 2013 IV, novamente inexistente na srie original;
- prosseguimos at os 4 ltimos perodos: 2016 I, 2016 II, 2016 III, 2016 IV; o total mvel (igual a
34) deve ficar entre 2016 II e 2016 III.
Agora precisamos obter as mdias mveis centradas. Primeiramente calculamos os totais mveis
de 2 perodos, juntando 2 totais mveis de 4 perodos calculados anteriormente:
- o total mvel de 4 perodos que est entre 2013 II e 2013 III, com o que est entre 2013 III e 2013
IV, cujo resultado (126) dever ficar em 2013 III (passando a ter correspondente na srie original);
- o total mvel de 4 perodos que est entre 2013 III e 2013 IV, com o que est entre 2013 IV e 2014
I, cujo resultado (121) dever ficar em 2013 IV (passando a ter correspondente na srie original);
- prosseguimos at os ltimos 2 totais mveis de 4 perodos: entre 2016 I e 2016 II, e entre 2016 II
e 2016 III, cujo resultado (69) dever ficar em 2016 II.
Dividimos os totais mveis de 2 perodos por oito (porque agrupamos dois conjuntos de 4
perodos), e obtemos as mdias mveis centradas. Repare que faltam mdias mveis para
exatamente 2 perodos no incio da srie e para exatamente 2 no final, porque as mdias mveis
iniciais envolvem 4 perodos (porque h 4 trimestres no ano). Se a srie fosse mensal faltariam 6
perodos no incio e 6 no final.
Vamos ver como ficam a srie original e a tendncia em um grfico:
30
25
20
Nmero de contratos
15
10
0
2013 I 2013 II 2013 III 2013 IV 2014 I 2014 II 2014 III 2014 IV 2015 I 2015 II 2015 III 2015 IV 2016 I 2016 II 2016 III 2016 IV
Trimestres
O ajuste exponencial uma outra forma de obter a tendncia de uma srie temporal.
Apresenta algumas vantagens em relao s mdias mveis:
- permite realizar previses de curto prazo (para o perodo seguinte da srie), o que no possvel
por mdias mveis.
- leva em conta todos os valores previamente observados ao perodo sob anlise, e no somente os
"mais prximos" dele, como ocorre nas mdias mveis.
Para realizar o ajuste exponencial basta aplicar a seguinte frmula para um perodo de tempo
i qualquer:
Ei W Yi (1 W) Ei1
Onde:
i - um perodo de tempo qualquer;
Yi - valor da srie original no perodo i;
Ei - valor da srie exponencialmente ajustada no perodo i;
Ei-1 - valor da srie exponencialmente ajustada no perodo i - 1 (perodo anterior);
W - constante de regularizao ou coeficiente de ajuste (0 < W < 1);
Considera-se que o primeiro valor da srie original ser igual ao primeiro valor ajustado, isto
significa que o ajuste realmente comea a partir do segundo perodo da srie. Como cada valor
ajustado leva em conta o valor ajustado imediatamente anterior (multiplicado pela constante de
regularizao) teoricamente todos os valores prvios da srie contribuem para o valor ajustado.
Exemplo 4.5 - Faa o ajuste exponencial da srie de vendas do Exemplo 4.2 (usando W = 0,25; W =
0,5; W = 0,75 e W = 0,10). Construa um grfico conjunto da srie original com os quatro ajustes.
Ano Vendas (Y) Ano Vendas (Y) Ano Vendas (Y)
1970 5,3 1978 9,5 1986 8,6
1971 7,8 1979 9,0 1987 7,8
1972 7,8 1980 7,1 1988 8,1
1973 8,7 1981 6,8 1989 7,9
1974 6,7 1982 6,2 1990 7,5
1975 6,6 1983 7,8 1991 7,0
1976 8,6 1984 8,3 1992 7,2
1977 9,1 1985 9,3
Vamos considerar que o primeiro valor da srie, Y1970, ser igual ao primeiro valor ajustado, E1970.
Podemos ento realizar o ajuste para o ano de 1971:
E1971 W Y1971 (1 W) E1970 (0,25 7,8) (1 0,25) (5,3) 5,93 milhes
Para o ano de 1972:
E1972 W Y1972 (1 W) E1971 (0,25 7,8) (1 0,25) (5,93) 6,39 milhes
O processo segue at o final da srie. De maneira anloga podemos obter o ajuste para W = 0,5 e
W = 0,75. Os valores ajustados esto na tabela a seguir:
Ano Vendas (Y) - em milhes W = 0,25 W = 0,50 W = 0,75 W = 0,10
1970 5,3 5,3 5,3 5,3 5,3
1971 7,8 5,93 6,55 7,18 5,55
1972 7,8 6,39 7,18 7,64 5,78
1973 8,7 6,97 7,94 8,44 6,07
1974 6,7 6,90 7,32 7,13 6,13
1975 6,6 6,83 6,96 6,73 6,18
1976 8,6 7,27 7,78 8,13 6,42
1977 9,1 7,73 8,44 8,86 6,69
1978 9,5 8,17 8,97 9,34 6,97
1979 9 8,38 8,98 9,08 7,17
1980 7,1 8,06 8,04 7,60 7,16
1981 6,8 7,74 7,42 7,00 7,13
1982 6,2 7,36 6,81 6,40 7,04
1983 7,8 7,47 7,31 7,45 7,11
1984 8,3 7,68 7,80 8,09 7,23
1985 9,3 8,08 8,55 9,00 7,44
1986 8,6 8,21 8,58 8,70 7,55
1987 7,8 8,11 8,19 8,02 7,58
1988 8,1 8,11 8,14 8,08 7,63
1989 7,9 8,05 8,02 7,95 7,66
1990 7,5 7,92 7,76 7,61 7,64
1991 7 7,69 7,38 7,15 7,58
1992 7,2 7,57 7,29 7,19 7,54
E o grfico mostrado na Figura 12:
10
Vendas (milhes de unidades)
4
70
72
74
76
78
80
82
84
86
88
90
92
19
19
19
19
19
19
19
19
19
19
19
19
Anos
Quanto menor o valor de W mais "alisada" a srie, com as variaes de curto prazo sendo
amortizadas, possibilitando visualizar o comportamento de longo prazo da srie, seja ele
crescente/decrescente ou estacionrio: para W = 0,1 fcil perceber uma tendncia crescente nas
vendas, mas que parece estar se estabilizando. medida que o valor de W aproxima-se de 1 o
ajuste exponencial torna-se mais prximo da srie original, o que pode ser til na previso para o
ano de 1993.
Por exemplo, se quisssemos realizar a previso para o ano de 1993, o valor previsto seria aquele
ajustado para o ano imediatamente anterior (1992): para W = 0,25 Vendas1993 = 7,57 milhes;
para W = 0,50 Vendas1993 = 7,29 milhes; para W = 0,75 Vendas1993 = 7,19 milhes; para W =
0,10 Vendas1993 = 7,59 milhes. Qual destas previses a mais apropriada? Como se trata de uma
previso de curto prazo recomendvel escolher as previses feitas para valores mais altos de W,
0,5 ou 0,75, que mostram melhor as flutuaes. Sendo assim, espera-se que as vendas em 1993
estejam entre em 7,29 e 7,19 milhes de unidades. Assim que os dados de 1993 estivessem
disponveis poderamos fazer a previso sobre 1994, e assim por diante.
Compare a curva para W = 0,10 da Figura 12, que indica uma tendncia crescente de
vendas, com a mdia mvel de 7 perodos da Figura 10, que indica estabilizao em torno de 8
milhes. Em qual das duas confiar? Lembre-se de que o ajuste exponencial leva em conta todos os
valores anteriores ao perodo, e que a mdia mvel apenas aqueles definidos no seu perodo (3, 5,
7), e que maior peso dado aos valores dos perodos mais prximos, o que pode representar maior
acuracidade, pois so mais recentes.
Uma vez identificada a tendncia, seja por equaes ou por mdias mveis, ela pode ser
removida da srie, para facilitar a visualizao das outras componentes:
Y T CS I para um modelo aditivo
Y
C S I para um modelo multiplicativo
T
Vejamos como ficaria a srie mostrada na Figura 5 com a remoo da tendncia, pelos modelos
aditivo e multiplicativo (ambas supondo uma tendncia linear):
600
500
400
300
200
100
0
-100jan/65 jan/70 jan/75 jan/80 jan/85 jan/90 jan/95 jan/00
-200
-300
Figura 13- Srie temporal de vendas (Figura 5) com tendncia removida modelo aditivo
INE 7001 Anlise de Sries Temporais 21
Observe a escala do grfico. Os valores oscilam em torno de zero: se maiores do que zero
indicam componentes que aumentam a tendncia, se menores que diminuem. A escala do grfico
semelhante a da Figura 6 (milhes de dlares).
Figura 14 - Srie temporal de vendas (Figura 5) com tendncia removida modelo multiplicativo
Observe a escala do grfico, com valores em torno de 1: a tendncia foi removida, restaram
apenas as componentes cclicas, sazonais e irregulares que modificam a tendncia em um modelo
multiplicativo.
Conforme visto na seo 4.1 as variaes sazonais so oscilaes de curto prazo, que
ocorrem sempre dentro do ano, e que se repetem sistematicamente ano aps ano. Obviamente uma
srie temporal registrada anualmente (ou seja, os valores dos dias, meses, trimestres, so resumidos
em um valor anual) no tem componente sazonal.
Quando se usa o modelo aditivo a soma de todos os ndices sazonais precisa ser igual, ou
muito prxima, de zero. Quando se usa o modelo multiplicativo a soma precisa ser igual ao perodo
INE 7001 Anlise de Sries Temporais 22
da sazonalidade: se a srie trimestral deve ser igual a 4 (4 trimestres no ano), se mensal deve ser
igual a 12, e assim por diante. Em alguns casos preciso fazer pequenas correes para garantir tal
comportamento.
Para obter as variaes sazonais recomenda-se que a srie temporal tenha, no mnimo,
quatro anos completos (16 trimestres, 48 meses, por exemplo). Caso contrrio, ser mais difcil
confirmar a existncia da regularidade inerente s variaes sazonais (alguns programas estatsticos
simplesmente no apresentam os resultados para sries menores).
H vrios mtodos para a obteno dos ndices sazonais, entre eles o mtodo da razo para a
mdia mvel (ou mtodo da mdia mvel percentual). Ele consiste em:
1) obter mdias mveis de ordem igual ao nmero de perodos sazonais (4 se a srie trimestral, 12
se mensal);
2) obter mdias mveis de 2 perodos, centradas, a partir das mdias mveis calculadas no passo 1;
3) obter os ndices sazonais para cada perodo:
- no modelo ADITIVO, subtraindo dos valores originais da srie as mdias mveis
centradas calculadas no passo 2;
- no modelo MULTIPLICATIVO, dividindo os valores originais da srie pelas mdias
mveis centradas calculadas no passo 2;
4) obter medidas de sntese dos ndices calculados no passo 3, que representaro cada perodo
sazonal (por exemplo, a mediana dos ndices sazonais de todos os janeiros existentes na srie).
- no modelo ADITIVO, calcular a mdia aritmtica simples dos valores correspondentes ao
perodo sazonal (mdia dos ndices obtidos em todos os janeiros da srie, por exemplo);
- no modelo MULTIPLICATIVO, calcular a mdia aritmtica simples dos valores
correspondentes ao perodo sazonal, sem incluir os valores mximo e mnimo10 (imagine
que h os ndices 1,05; 1,054; 1,061; 1,07; 1,072; 1,08, a mdia seria calculada excluindo os
valores 1,05 e 1,08, mnimo e mximo respectivamente); uma soluo alternativa seria
calcular a mediana dos ndices de cada perodo.
5) fazer as correes necessrias para que a soma dos ndices seja coerente (igual a zero para o
aditivo e igual ordem da sazonalidade no multiplicativo):
- no modelo ADITIVO, somar todos os ndices calculados no passo 4 e dividir a soma pela
ordem da sazonalidade (4 se trimestral, 12 se mensal, etc.); o resultado dever ser subtrado
de cada um dos ndices, garantindo que a soma deles seja igual a zero.
- no modelo MULTIPLICATIVO, somar todos os ndices calculados no passo 4, subtrair
da soma a ordem da sazonalidade (4 se trimestral, 12 se mensal, etc.), e dividir a subtrao
pela ordem da sazonalidade (novamente, 4 se trimestral, 12 se mensal, etc.); subtrair o
resultado de 1; o resultado dever ser multiplicado por cada um dos ndices, garantindo que
a soma deles seja igual ordem da sazonalidade.
Exemplo 4.6 - Obtenha os ndices sazonais, tanto pelo modelo aditivo quanto pelo multiplicativo,
para a srie de contratos de seguros apresentada no Exemplo 4.4. Interprete os resultados
encontrados.
H dados disponveis para quatro anos completos, de 2013 a 2016. Veja os resultados na
tabela abaixo:
10
Tambm chamada de mdia interna, ou medial average (em ingls).
INE 7001 Anlise de Sries Temporais 23
2013 II 21
65
2013 III 11 126 15,75 -4,750
61
2013 IV 9 121 15,125 -6,125
60
2014 I 20 116 14,5 5,500
56
2014 II 20 109 13,625 6,375
53
2014 III 7 101 12,625 -5,625
48
2014 IV 6 90 11,25 -5,250
42
2015 I 15 82 10,25 4,750
40
2015 II 14 80 10 4,000
40
2015 III 5 78 9,75 -4,75
38
2015 IV 6 74 9,25 -3,25
36
2016 I 13 71 8,875 4,125
35
2016 II 12 69 8,625 3,375
34
2016 III 4
2016 IV 5
Temos que encontrar 4 ndices sazonais, j que h 4 trimestres no ano. Como a srie
registrada trimestralmente, e a tendncia deve ser obtida por mdias mveis, preciso calcular
mdias mveis de 4 perodos, pois h 4 trimestres no ano. Contudo, como este nmero de perodos
par, mdias mveis de 2 perodos, calculadas a partir daquelas de 4 perodos, precisam ser
obtidas para obter resultados centrados. O procedimento inicial semelhante ao feito no Exemplo
4.3, at a obteno das mdias mveis de 2 perodos centradas.
Para obter os ndices sazonais devemos subtrair dos valores originais da srie as mdias
mveis centradas, a partir de 2013 III at 2016 II, cujos resultados esto na ltima coluna da
tabela acima. Os ndices para cada trimestre sero:
Observe que h uma diferena considervel entre os ndices. No primeiro trimestre do ano o
nmero de contratos aumenta em cerca de 5, no segundo aumenta outros 5, e no terceiro e quarto
trimestres sofre uma queda de 5. Estas oscilaes so grandes demais para ter ocorrido por acaso,
h influncia da sazonalidade na srie de contratos. Somando os ndices vamos obter -0,5417,
indicando que preciso realizar uma correo. Como a sazonalidade tem ordem 4, divide-se a
soma por 4 obtendo -0,135417. Subtraindo de cada ndice este valor:
Trimestre I = 4,792 (-0, 135417) = 4,9271
Trimestre II = 4,583 (-0, 135417) = 4,7188
Trimestre III = -5,042 (-0, 135417) = - 4,9063
Trimestre IV = -4,875 (-0, 135417) = -4,7396
E a soma dos quatro ndices virtualmente igual a zero.
2013 II 21
65
2013 III 11 126 15,75 0,698
61
2013 IV 9 121 15,125 0,595
60
2014 I 20 116 14,5 1,379
56
2014 II 20 109 13,625 1,468
53
2014 III 7 101 12,625 0,554
48
2014 IV 6 90 11,25 0,533
42
2015 I 15 82 10,25 1,463
40
2015 II 14 80 10 1,400
40
2015 III 5 78 9,75 0,513
38
2015 IV 6 74 9,25 0,649
36
2016 I 13 71 8,875 1,465
35
2016 II 12 69 8,625 1,391
34
2016 III 4
2016 IV 5
Temos que encontrar 4 ndices sazonais, j que h 4 trimestres no ano. Como a srie
registrada trimestralmente, e a tendncia deve ser obtida por mdias mveis, preciso calcular
mdias mveis de 4 perodos, pois h 4 trimestres no ano. Contudo, como este nmero de perodos
par, mdias mveis de 2 perodos, calculadas a partir daquelas de 4 perodos, precisam ser
obtidas para obter resultados centrados. O procedimento inicial semelhante ao feito no Exemplo
4.4, at a obteno das mdias mveis de 2 perodos centradas.
Para obter os ndices sazonais devemos dividir os valores originais da srie pelas mdias
mveis centradas, a partir de 2013 III at 2016 II, cujos resultados esto na ltima coluna da
tabela acima. Os ndices para cada trimestre sero:
Trimestre I => 1,379 1,463 1,465
INE 7001 Anlise de Sries Temporais 25
Observe que h uma diferena considervel entre os ndices. No primeiro trimestre do ano o
nmero de contratos aumenta cerca de 46,3% ([1,463 - 1] 100), no segundo aumenta 40%, no
terceiro trimestre sofre uma queda de 44,6% ([0,554 - 1] 100), e no quarto a queda de 40,5%.
Estas oscilaes so grandes demais para ter ocorrido por acaso, h influncia da sazonalidade na
srie de contratos. Somando os ndices vamos obter 4,013, indicando que preciso realizar uma
correo. Como a sazonalidade tem ordem 4, subtrai-se a soma de 4 e divide-se o resultado por 4
obtendo 0,0032. Subtraindo este valor de 1, teremos 0,9968, multiplicando este resultado pelos
ndices obtemos os ndices corrigidos:
Trimestre I = 1,463 0,9968 = 1,459
Trimestre II = 1,400 0,9968 = 1,395
Trimestre III = 0,554 0,9968 = 0,553
Trimestre IV = 0,595 0,9968 = 0,593
E a soma dos quatro ndices virtualmente igual a 4.
Podemos remover a sazonalidade da srie, dividindo os valores originais de cada perodo por seu
respectivo ndice sazonal, pelos modelos aditivo e multiplicativo, e podemos ver o resultado em
grficos:
Trimestre Y S (multiplicativo) T C I = Y/ S S (aditivo) T+C+I=Y-S
2013 I 24 1,459 16,453 4,927 19,073
2013 II 21 1,395 15,049 4,719 16,281
2013 III 11 0,553 19,904 -4,906 15,906
2013 IV 9 0,593 15,174 -4,740 13,740
2014 I 20 1,459 13,711 4,927 15,073
2014 II 20 1,395 14,332 4,719 15,281
2014 III 7 0,553 12,666 -4,906 11,906
2014 IV 6 0,593 10,116 -4,740 10,740
2015 I 15 1,459 10,283 4,927 10,073
2015 II 14 1,395 10,032 4,719 9,281
2015 III 5 0,553 9,047 -4,906 9,906
2015 IV 6 0,593 10,116 -4,740 10,740
2016 I 13 1,459 8,912 4,927 8,073
2016 II 12 1,395 8,599 4,719 7,281
2016 III 4 0,553 7,238 -4,906 8,906
2016 IV 5 0,593 8,430 -4,740 9,740
30
ndices sazonais aditivos
6,000
25
5,000
4,000
20
Nmero de contratos
3,000
2,000
15
ndices sazonais
1,000
10 0,000
-1,000
5 -2,000
-3,000
0 -4,000
2013 I 2013 II 2013 III 2013 IV 2014 I 2014 II 2014 III 2014 IV 2015 I 2015 II 2015 III 2015 IV 2016 I 2016 II 2016 III 2016 IV
-5,000
Trimestres
-6,000
Srie original Srie sem Sazonalidade: Y - S = T + C + I Trimestres
Figura 15 - Srie sem sazonalidade modelo aditivo Figura 16 - ndices Sazonais trim. modelo aditivo
INE 7001 Anlise de Sries Temporais 26
30
ndices sazonais multiplicativos
1,600
25
1,500
1,400
20
Nmero de contratos
1,300
1,200
ndices sazonais
15
1,100
1,000
10
0,900
0,800
5
0,700
0,600
0
0,500
2013 I 2013 II 2013 III 2013 IV 2014 I 2014 II 2014 III 2014 IV 2015 I 2015 II 2015 III 2015 IV 2016 I 2016 II 2016 III 2016 IV
Trimestres
Figura 17 Srie sem sazonalidade modelo multiplic. Figura 18 - ndices sazonais - modelo multiplicativo
11
Embora todos os autores concordem com a presena das componentes irregulares no modelo clssico das sries
temporais, no h unanimidade sobre as componentes cclicas. Assim, o leitor pode encontrar referncias sobre sries
temporais que desconsideram por completo os ciclos.
INE 7001 Anlise de Sries Temporais 27
Para identificar se h ciclos na srie os seguintes padres devem ser observados no grfico
das variaes cclicas e irregulares:
- no modelo aditivo, se h alternncias sistemticas entre valores maiores e menores do que zero ao
longo dos perodos, e se os valores permanecem predominantemente maiores/menores do que zero
durante pelo menos 1 ano (por exemplo: 2 anos acima de zero, seguido por 3 abaixo de zero, e
assim sucessivamente);
- no modelo multiplicativo, se h alternncias sistemticas entre valores maiores e menores do que
1 ao longo dos perodos, e se os valores permanecem predominantemente maiores/menores do que
1 durante pelo menos 1 ano (por exemplo: 2 anos acima de 1, seguido por 3 abaixo de 1, e assim
sucessivamente);
Os valores zero e 1 so os pontos neutros nos modelos aditivo e multiplicativo respectivamente, se
as variaes no se afastarem muito de zero (no modelo aditivo) ou de 1 (no modelo multiplicativo)
elas no causaro modificaes tangveis na tendncia, e portanto no influenciaro na srie. A
alternncia sistemtica precisa ser identificada, caso contrrio o efeito dos ciclos ou inexistente ou
inferior ao das componentes irregulares, podendo ento ser desprezado no processo de previso.
12
Usamos a mediana ao invs da mdia para evitar que valores discrepantes, causados por variaes irregulares,
distoram os resultados.
INE 7001 Anlise de Sries Temporais 28
500
400
300
200
100
0
-100jan/65 jan/69 jan/73 jan/77 jan/81 jan/85 jan/89 jan/93 jan/97
-200
-300
Figura 20 - Srie temporal de vendas - apenas variaes cclicas e irregulares - modelo aditivo
200
150
100
50
0
jan/65 jan/69 jan/73 jan/77 jan/81 jan/85 jan/89 jan/93 jan/97
-50
-100
-150
Figura 21 - Srie temporal de vendas - mdias mveis de 12 perodos das variaes cclicas e irregulares - modelo
aditivo
1,6
1,5
1,4
1,3
1,2
1,1
1
0,9
0,8
0,7
0,6
jan/65 jan/69 jan/73 jan/77 jan/81 jan/85 jan/89 jan/93 jan/97
Figura 22 - Srie temporal de vendas - apenas variaes cclicas e irregulares modelo multiplicativo
1,25
1,2
1,15
1,1
1,05
1
0,95
0,9
0,85
0,8
jan/65 jan/69 jan/73 jan/77 jan/81 jan/85 jan/89 jan/93 jan/97
Figura 23 - Srie temporal de vendas - mdias mveis de 12 perodos das variaes cclicas e irregulares modelo
multiplicativo.
Foi possvel verificar, tanto pelo modelo aditivo quanto pelo multiplicativo que as variaes
cclicas tm influncia sobre os valores da srie. Isso obriga a sua considerao ao realizar a
previso dos valores futuros da srie: necessrio identificar se os perodos para os quais se quer
fazer a previso sero de alta ou baixa, e obter ndices cclicos (semelhantes aos ndices sazonais)
para os perodos. Para o caso do exemplo acima a srie terminou em dezembro de 2000. Imagine-se
que houvesse interesse em fazer a previso para os anos imediatamente seguintes, 2001 e 2002.
Estes dois anos, de acordo com os resultados da Figura 20 a Figura 23, seriam anos de alta ou baixa?
Conforme visto anteriormente, os perodos de alta e baixa costumam inverter-se a cada 7 anos, 84
meses: em 1993 iniciou-se um perodo de baixa, que durou at fins de 1999, passando a haver um
aumento nos ndices a partir de 2000, como o perodo de alta dura cerca de 7 anos espera-se que os
anos de 2000 a 2006 sejam perodos de alta.
INE 7001 Anlise de Sries Temporais 30
Como obter os ndices cclicos? Vamos obter um valor apenas, que representar os perodos
de alta: podemos calcular a mediana dos valores de todos os perodos de alta (1972 a 1978; 1986 a
1992; 2000); ou obter a mediana dos valores do ltimo perodo completo de alta (1986 a 1992), que
seriam dados mais recentes e talvez com maior influncia sobre a srie.
Exemplo 4.7 - Os dados a seguir representam as vendas lquidas (em bilhes de dlares), e a
tendncia (obtida por uma equao de reta) da Kodak. Remova a tendncia da srie usando os
modelos aditivo e multiplicativo. Voc identifica variaes cclicas?
Ano Vendas Tendncia CI = Vendas - CI = Como a srie anual NO
Tendncia Vendas/Tendncia H influncia da
1978 1,60 0,743587 0,856413 2,151732 sazonalidade. Podemos
1979 2,00 1,566462 0,433538 1,276763 simplesmente subtrair a
1980 2,70 2,389338 0,310662 1,13002 Tendncia das vendas
1981 3,70 3,212213 0,487787 1,151854 (modelo aditivo) ou dividir as
1982 4,60 4,035089 0,564911 1,14 Vendas pela Tendncia
1983 4,62 4,857964 -0,23796 0,951016 (modelo multiplicativo),
1984 5,00 5,68084 -0,68084 0,880152 obtendo as componentes CI.
1985 5,78 6,503715 -0,72371 0,888723 Os resultados ao lado
1986 6,30 7,326591 -1,02659 0,859881 permitem observar os valores
1987 8,00 8,149466 -0,14947 0,981659 da srie com a tendncia
1988 10,25 8,972342 1,277658 1,1424 linear removida. Observe que
1989 10,50 9,795217 0,704783 1,071952 h alternncia entre valores
1990 11,90 10,61809 1,28191 1,120729 maiores e menores do que
1991 10,20 11,44097 -1,24097 0,891533 zero no modelo aditivo, e 1
no modelo multiplicativo, ao
1992 10,60 12,26384 -1,66384 0,86433
longo dos anos. Contudo tal
1993 10,60 13,08672 -2,48672 0,809981
constatao pode se tornar
1994 11,50 13,90959 -2,40959 0,826768
difcil para sries maiores.
1995 13,30 14,73247 -1,43247 0,902768 preciso construir os grficos
1996 17,00 15,55535 1,44465 1,092872 das variaes cclicas e
1997 18,40 16,37822 2,02178 1,123443 irregulares.
1998 18,90 17,2011 1,6989 1,098767
1999 18,90 18,02397 0,87603 1,048604
2000 18,94 18,84685 0,09315 1,004942
CI Aditivo
2,50000
2,00000
1,50000
1,00000
0,50000
0,00000
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
-0,50000
-1,00000
-1,50000
-2,00000
-2,50000
-3,00000
Pelo modelo aditivo possvel identificar uma variao sistemtica: nos anos de 1978 a 1982 (5
anos) tm valores MAIORES DO QUE ZERO para as variaes CI. De 1983 a 1987 (outros 5
anos), os valores de CI so MENORES DO QUE ZERO. Em 1988 ocorre outra inverso, valores
maiores do que zero at 1990. Em 1991, as variaes CI voltam a ficar menores do que zero,
permanecendo assim at 1995 (5 anos). No ano de 1996 ocorre a ltima inverso da srie, com os
valores tornando a ser maiores do que zero at o ano 2000. Conclui-se ento que H VARIAO
CCLICA nesta srie, pois se pode perceber uma alternncia entre valores maiores e menores do
que zero (das variaes CI) a cada 5 anos.
CI Multiplicativo
2,25
1,75
1,5
1,25
0,75
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
Figura 25 - Vendas lquidas da Kodak - variaes cclicas e irregulares modelo multiplicativo
Pelo modelo multiplicativo tambm possvel identificar uma variao sistemtica: nos
anos de 1978 a 1982 (5 anos) tm valores MAIORES DO QUE 1 para as variaes CI. De 1983 a
1987 (outros 5 anos), os valores de CI so MENORES DO QUE 1. Em 1988 ocorre outra inverso,
valores maiores do que 1 at 1990. Em 1991, as variaes CI voltam a ficar menores do que 1,
permanecendo assim at 1995 (5 anos). No ano de 1996 ocorre a ltima inverso da srie, com os
valores tornando a ser maiores do que 1 at o ano 2000. Conclui-se ento que H VARIAO
CCLICA nesta srie, pois se percebe uma alternncia entre valores maiores e menores do que
1(das variaes CI) a cada 5 anos.
Como h variaes cclicas na srie elas devem ser levadas em conta na previso que ser
feita. Observando os grficos das variaes CI acima, o ano de 2000 parece ser o ltimo de um
ciclo de alta. razovel imaginar que os anos de 2001 a 2005 sero anos de baixa: a tendncia
precisar ser multiplicada pelos ndices de ciclos de baixa. Alm disso, na etapa de recomposio
da srie (ver seo 4.5), para avaliar qual modelo (aditivo ou multiplicativo) o mais adequado
para represent-la, ser necessrio usar os ndices para os ciclos de alta tambm 13. Ento, so
necessrios ndices cclicos para alta e baixa, oriundos do modelo aditivo e do multiplicativo,
considerando todos os ciclos completos para a recomposio e os ndices do ltimo ciclo completo
de baixa para usar na previso futura.
Ciclos de alta
Ano 1978 1979 1980 1981 1982 1988 1989
Aditivo 0,856413 0,433538 0,310662 0,487787 0,564911 1,277658 0,704783
Multiplicativo 2,151732 1,276763 1,13002 1,151854 1,14 1,1424 1,071952
Ano 1990 1996 1997 1998 1999 2000
Aditivo 1,28191 1,44465 2,02178 1,6989 0,87603 0,09315
Multiplicativo 1,120729 1,092872 1,123443 1,098767 1,048604 1,004942
13
Embora os ciclos de alta no tenham a regularidade dos de baixa, enquanto os dois ciclos de alta tem exatamente 5
anos, os trs ciclos de alta tm 5, 3 e 5 anos respectivamente.
INE 7001 Anlise de Sries Temporais 32
Ciclos de baixa
Ano 1983 1984 1985 1986 1987 1991 1992
Aditivo -0,23796 -0,68084 -0,72371 -1,02659 -0,14947 -1,24097 -1,66384
Multiplicativo 0,951016 0,880152 0,888723 0,859881 0,981659 0,891533 0,86433
Ano 1993 1994 1995
Aditivo -2,48672 -2,40959 -1,43247
Multiplicativo 0,809981 0,826768 0,902768
Para a recomposio, calculando as medianas: CI Aditivo = -1,13378; CI Multiplicativo =
0,884437.
Para a previso (medianas dos resultados do ltimo ciclo completo de baixa, de 1991 a 1995): CI
Aditivo = -1,66384; CI Multiplicativo = 0,86433.
4.5 - Recomposio
Na seo 4.2.1.1 foram apresentadas as medidas de acuracidade para avaliar qual modelo de
tendncia por mnimos quadrados era o mais apropriado. As mesmas medidas podem ser utilizadas
para avaliar qual modelo (aditivo ou multiplicativo) o mais apropriado para descrever a srie e ser
usado nas previses. A diferena que agora os erros so calculados usando os valores da
recomposio.
1 n
Erro absoluto mdio (EAM): EAM et
n t 1
1 n 2
Erro quadrtico mdio (EQM): EQM et
n t 1
1 n e
Erro percentual absoluto mdio (EPAM): EPAM t 100
n t 1 Yt
Onde: et Yt Y t
et o erro (diferena entre o valor da srie, Y t, e o valor de recomposio pelo modelo aditivo ou
multiplicativo Yt em um perodo genrico t). O melhor modelo ser o que apresentar os valores
mais prximos de zero.
INE 7001 Anlise de Sries Temporais 34
Exemplo 4.10. Os dados abaixo contm os valores trimestrais de exportao de minrio de ferro do
pas latino-americano Pindorama (em milhes de dlares, j expurgado o efeito da inflao).
Usando o modelo aditivo e o multiplicativo:
a) obtenha os componentes da srie
b) interprete os resultados
c) faa a recomposio da srie
d) avalie qual o melhor modelo
e) faa a previso de vendas para os 12 meses seguintes.
a) O primeiro passo construir um grfico de linhas da srie para avaliar a disposio dos pontos.
Usando o Microsoft Excel chega-se Figura 26.
INE 7001 Anlise de Sries Temporais 35
15000
14000
13000
12000
Exportaes minrio de ferro (US$ milhes)
11000
10000
9000
8000
7000
6000
5000
4000
3000
2000
1000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71
Trimestre
Figura 26 - Grfico de linhas das exportaes trimestrais de minrio de ferro de Pindorama de 1999 a 2016
Fonte: hipottica
Sem o efeito da inflao h uma tendncia de CRESCIMENTO na srie, que comea com
valor em torno de menos de 1000 milhes de dlares e aps 18 anos (72 trimestres) termina em
torno de 13000 milhes de dlares. Como h interesse em realizar a previso para 4 trimestres
(perodos) aps o trmino da srie recomendvel utilizar algum modelo de tendncia por mnimos
quadrados (conforme a seo 4.2.1). possvel adicionar os cinco modelos de tendncia (linear,
logartmico, polinmio de 2 grau, potncia e exponencial) ao grfico da Figura 26, resultando na
Figura 27.
19000
18000
17000
16000
15000
14000
y = 195,08x - 233,88
Exportaes minrio de ferro (US$ milhes)
13000
12000
11000 y = 3855,9ln(x) - 5911,7
10000
9000 y = 0,9131x2 + 128,43x + 588,23
8000
7000 y = 1429,1e0,0359x
6000
5000 y = 377,32x0,7959
4000
3000
2000
1000
0
-1000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71
-2000
-3000
-4000
-5000
-6000
Trimestre
Figura 27 - Grfico de linhas das exportaes trimestrais de minrio de ferro de Pindorama de 1999 a 2016
com cinco modelos de tendncia obtidos por mnimos quadrados
Fonte: hipottica
INE 7001 Anlise de Sries Temporais 36
Substituindo o valor de t nas equaes mostradas na Figura 27 possvel calcular as tendncias por
mnimos quadrados para todos os perodos da srie. Alguns modelos podem ter valores negativos
para os primeiros perodos da srie (como o linear e o logartmico no caso acima), por causa do
processo de obteno dos coeficientes. Para cada modelo preciso calcular os erros e obter as
medidas de acuracidade.
exponencial tem o menor EPAM. Por maioria, escolhe-se o polinmio de segundo grau como o
melhor modelo para representar a tendncia da srie por mnimos quadrados. Para obter as
componentes cclicas e irregulares e para fazer a previso para os quatro trimestres de 2017 deve-
se usar este modelo.
Agora passa-se obteno dos ndices sazonais. Como a srie trimestral preciso calcular
mdias mveis de 4 perodos, e depois centr-las. Vamos apresentar apenas os totais mveis de 2
perodos (calculados a partir dos de 4 perodos), as mdias mveis de 2 perodos, centradas, e os
ndices sazonais para os modelos aditivo e multiplicativo. O procedimento basicamente o mesmo
visto no Exemplo 4.6.
Trimestre
I II III IV
-81,444 -260,263 294,025 26,756
-503,663 -121,815 250,328 254,490
-1220,438 -508,215 761,775 958,294
-128,498 64,706 325,808 71,343
-189,969 -153,896 171,031 -45,628
-480,166 120,764 257,576 213,787
226,055 379,870 -74,159 -586,574
ndices sazonais
-604,969 -226,234 264,644 275,715
aditivos
-504,485 10,200 589,395 231,644
-1505,038 -134,800 599,066 972,561
-651,139 -103,691 369,481 164,077
-635,930 -275,405 725,508 165,152
-601,474 109,780 648,924 0,403
265,929 215,731 135,944 -661,694
-605,790 -109,032 506,453 176,016
-640,280 103,548 471,605 236,194
-1197,021 -541,213 632,418 1068,893
SOMA -9058,319 -1429,964 6929,821 3521,428
No modelo aditivo primeiramente calculam-se as mdias aritmticas simples dos ndices de cada
trimestre para obter o representante de cada um:
Trimestre I: ndice sazonal = -9058,319/17 = -532,842
Trimestre II: ndice sazonal = -1429,964/17 = -84,116
Trimestre III: ndice sazonal = 6929,821/17 = 407,637
Trimestre IV: ndice sazonal = 3521,428/17 = 207,143
INE 7001 Anlise de Sries Temporais 46
A soma dos ndices aditivos igual a -2,178, que DIFERENTE de zero, portanto, precisa ser
corrigida.
O excesso vale = -2,178 / 4 = -0,5445. Este excesso deve ser subtrado de cada um dos ndices
obtidos anteriormente:
Trimestre
ndices sazonais
I II III IV
ndice sazonal original -532,842 -84,116 407,637 207,143
Excesso -0,5445 -0,5445 -0,5445 -0,5445
ndice sazonal aditivo -532,298 -83,571 408,181 207,687
A soma dos ndices praticamente igual a zero. H influncia de sazonalidade na srie pelo
modelo aditivo, porque os ndices sazonais afastam-se significativamente de zero (o neutro na
adio):
- no trimestre I as exportaes sofrem uma queda de 532 milhes de dlares (ndice sazonal
aditivo igual a -532,298) em relao mdia trimestral;
- no trimestre II as exportaes sofrem uma queda de 83 milhes de dlares (ndice sazonal
aditivo igual a -83,571) em relao mdia trimestral;
- no trimestre III as exportaes sofrem um aumento de 408 milhes de dlares (ndice
sazonal aditivo igual a 408,181) em relao mdia trimestral;
- no trimestre IV as exportaes sofrem um aumento de 207 milhes de dlares (ndice
sazonal aditivo igual a 207,687) em relao mdia trimestral;
Procedimento anlogo pode ser feito para os ndices multiplicativos, mas a mdia que ser
calculada ser a interna, sem os extremos (mximo e mnimo em cada trimestre, que esto
sublinhados)
Trimestre
I II III IV
0,952 0,861 1,215 1,017
0,792 0,954 1,124 1,117
0,351 0,669 1,293 1,425
0,940 1,028 1,210 1,038
0,929 0,947 1,071 0,982
0,865 1,032 1,083 1,064
1,040 1,059 0,982 0,881
ndices sazonais
0,916 0,970 1,039 1,039
multiplicativos
0,938 1,001 1,076 1,029
0,794 0,981 1,074 1,127
0,910 0,986 1,054 1,023
0,920 0,966 1,094 1,021
0,933 1,012 1,078 1,000
1,023 1,018 1,014 0,938
0,954 0,992 1,040 1,014
0,954 1,007 1,035 1,017
0,909 0,957 1,045 1,078
SOMA sem os
13,730 14,712 16,251 15,505
extremos
Como foram retirados dois ndices a soma sem os extremos precisa ser dividida por 15, para obter
o representante de cada trimestre:
Trimestre I: ndice sazonal = 13,730/15 = 0,915
Trimestre II: ndice sazonal = 14,712/15 = 0,981
Trimestre III: ndice sazonal = 16,251/15 = 1,083
Trimestre IV: ndice sazonal = 15,505/15 = 1,034
A soma dos ndices multiplicativos igual a 4,013, que DIFERENTE de 4 (ordem da
sazonalidade, j que a srie trimestral), portanto, precisa ser corrigida.
O excesso vale = (4,013 4) / 4 = 0,0033. Este excesso deve ser subtrado de 1, para obter o fator
de correo: Fator = 1 0,0033 = 0,9967. E os ndices obtidos anteriormente precisam ser
multiplicados por este fator:
INE 7001 Anlise de Sries Temporais 47
Trimestre
ndices sazonais
I II III IV
ndice sazonal original 0,915 0,981 1,083 1,034
Fator 0,9967 0,9967 0,9967 0,9967
ndice sazonal multiplicativo 0,912 0,978 1,080 1,030
A soma dos ndices igual a 4. H influncia de sazonalidade na srie pelo modelo multiplicativo,
porque os ndices sazonais afastam-se significativamente de 1 (o neutro na multiplicao), em pelo
menos dois casos (e as diferenas foram superiores a 5%):
- no trimestre I as exportaes sofrem uma queda de 8,8% (ndice sazonal multiplicativo
igual a 0,912) em relao mdia trimestral;
- no trimestre II as exportaes sofrem uma queda de 2,2% (ndice sazonal multiplicativo
igual a 0,978) em relao mdia trimestral;
- no trimestre III as exportaes sofrem um aumento de 8% (ndice sazonal
multiplicativo igual a 1,080) em relao mdia trimestral;
- no trimestre IV as exportaes sofrem um aumento de 3% (ndice sazonal
multiplicativo igual a 1,030) em relao mdia trimestral;
Assim, conclui-se que na recomposio da srie e nas previses feitas para os perodos seguintes
da srie necessrio considerar a componente sazonal, tanto no modelo aditivo quanto no modelo
multiplicativo.
A ltima componente a avaliar a cclica, que analisada em conjunto com a irregular. Na seo
4.4 foi explicado como proceder:
No modelo aditivo: CI Y T S
Y
CI
No modelo multiplicativo:
T S
Conforme mencionado anteriormente deve ser usada a tendncia calculado pelo modelo de
polinmio de 2 grau, e como h influncia de sazonalidade os ndices sazonais tambm precisam
ser considerados:
Componentes cclicas e irregulares (CI) - modelos aditivo e multiplicativo 1 parte
Trimestre Exportaes (Y) T (pol.2 grau) S aditivo S multiplicativo CI Aditivo CI Multiplicativo
1999I 840,642 717,573 -532,298 0,912 655,367 1,285
1999II 1025,228 848,742 -83,571 0,978 260,057 1,235
1999III 1661,896 981,738 408,181 1,080 271,977 1,567
1999IV 1562,665 1116,560 207,687 1,030 238,418 1,359
2000I 1602,747 1253,208 -532,298 0,912 881,838 1,402
2000II 1607,427 1391,682 -83,571 0,978 299,316 1,181
2000III 2265,952 1531,982 408,181 1,080 325,789 1,370
2000IV 2426,605 1674,108 207,687 1,030 544,810 1,407
2001I 1922,275 1818,061 -532,298 0,912 636,512 1,159
2001II 2539,831 1963,840 -83,571 0,978 659,562 1,322
2001III 3364,126 2111,445 408,181 1,080 844,500 1,475
2001IV 3214,098 2260,876 207,687 1,030 745,535 1,380
2002I 660,427 2412,134 -532,298 0,912 -1219,409 0,300
2002II 1029,301 2565,218 -83,571 0,978 -1452,346 0,410
2002III 1875,142 2720,128 408,181 1,080 -1253,167 0,638
2002IV 1956,286 2876,864 207,687 1,030 -1128,265 0,660
2003I 2012,788 3035,426 -532,298 0,912 -490,340 0,727
2003II 2361,815 3195,814 -83,571 0,978 -750,428 0,756
2003III 2593,368 3358,029 408,181 1,080 -1172,842 0,715
2003IV 2484,648 3522,070 207,687 1,030 -1245,109 0,685
2004I 2486,245 3687,937 -532,298 0,912 -669,394 0,739
2004II 2751,869 3855,630 -83,571 0,978 -1020,190 0,730
2004III 3370,818 4025,150 408,181 1,080 -1062,513 0,775
2004IV 3543,604 4196,496 207,687 1,030 -860,579 0,820
INE 7001 Anlise de Sries Temporais 48
2000
1750
1500
1250
1000
750
500
Componentes CI
250
0
1999I
2000I
2001I
2002I
2003I
2004I
2005I
2006I
2007I
2008I
2009I
2010I
2011I
2012I
2013I
2014I
2015I
2016I
1999III
2000III
2001III
2002III
2003III
2004III
2005III
2006III
2007III
2008III
2009III
2010III
2011III
2012III
2013III
2014III
2015III
2016III
-250
-500
-750
-1000
-1250
-1500
-1750
-2000
-2250
1,6
1,5
1,4
1,3
1,2
1,1
Componentes CI
1,0
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
1999I
2000I
2001I
2002I
2003I
2004I
2005I
2006I
2007I
2008I
2009I
2010I
2011I
2012I
2013I
2014I
2015I
2016I
1999III
2000III
2001III
2002III
2003III
2004III
2005III
2006III
2007III
2008III
2009III
2010III
2011III
2012III
2013III
2014III
2015III
2016III
Pelo modelo multiplicativo (Figura 29) possvel identificar uma variao sistemtica: nos anos de
1999 a 2001 (3 anos) tm valores MAIORES DO QUE 1 para as variaes CI. De 2002 a 2005 (4
anos), os valores de CI so MENORES DO QUE 1. Em 2006 ocorre outra inverso, valores
maiores do que 1 at 2008. Em 2009, as variaes CI voltam a ficar menores do que 1,
permanecendo assim at 2012 (4 anos). No ano de 2013 ocorre mais uma inverso, valores
maiores do que 1 at 2015 (ltimo perodo COMPLETO de alta). No ano de 2016 ocorre a ltima
inverso da srie, com os valores tornando a ser menores do que 1. Presumindo que a
periodicidade se mantenha, a baixa deve durar 4 anos, de 2016 a 2019, ento 2017 dever ser de
baixa. Conclui-se ento que H VARIAO CCLICA nesta srie, pois se pode perceber uma
alternncia entre valores maiores e menores do que 1 (das variaes CI): 3 anos de alta e 4 anos
de alta.
Conclui-se que h influncia de ciclos na srie, com altas de 3 anos e baixas de 4 anos.
Portanto, eles precisam ser considerados na recomposio da srie e nas previses. preciso obter
ndices cclicos (para o modelo aditivo e para o multiplicativo) tanto para a recomposio quanto
para a previso: para a recomposio calculam-se as medianas de todos os perodos de alta e de
baixa, e para a previso so utilizadas as medianas dos ltimos perodos completos de alta e de
baixa.
Na Figura 28, observa-se que no primeiro ciclo de alta (1999 a 2001) os valores de CI esto
em torno de 500, e nos dois outros ciclos de alta (2006 2008 e 2013 2015) em torno de 1250,
mas apesar de algumas flutuaes no h mudanas bruscas que sugiram um efeito irregular
14
Embora o ano de 2017 seja de alta, ou seja, este valor no ser calculado, foi includo como exemplo.
15
Embora o ano de 2017 seja de alta, ou seja, este valor no ser calculado, foi includo como exemplo.
INE 7001 Anlise de Sries Temporais 51
significativo. J nos dois primeiros ciclos de baixa (2002 2005, 2009 2013) os valores de CI
esto em torno de -1000, com algumas flutuaes at -500 no primeiro trimestre de 2003 (deveria
ser investigado se algum evento poderia ter provocado tal resultado), mas houve uma reduo
substancial em 2016, com os valores iniciando em -1350 e caindo para -2000 nos ltimos
trimestres do ano: pode ser um efeito irregular (a ser investigado) ou simplesmente um novo nvel
no ciclo de baixa (como aconteceu nos ciclos de alta). Conclui-se ento, que no efeito significativo
de componente irregular na srie, observando o grfico CI pelo modelo aditivo.
Na Figura 29, observa-se que no primeiro ciclo de alta (1999 a 2001) os valores de CI esto
em torno de 1,3, e nos dois outros ciclos de alta (2006 2008 e 2013 2015) reduzem para 1,2 e
1,1, mas apesar de algumas flutuaes tambm no h mudanas bruscas que sugiram um efeito
irregular significativo. No primeiro ciclo de baixa (2002 2005) aparentemente houve algo, pois o
valor de CI desceu a 0,3 estabilizando em 0,8 apenas ao fim do ciclo, permanecendo neste patamar
nos outros ciclos de baixa. Conclui-se ento, que no efeito significativo de componente irregular
na srie, observando o grfico CI pelo modelo multiplicativo.
d) Para realizar a previso das exportaes para o ano de 2017 (os quatro trimestres), com base
nos resultados dos itens anteriores, deve-se considerar o seguinte:
- as componentes tendncia, sazonalidade e ciclos influenciam na srie, portanto precisam
ser utilizadas na previso;
- a tendncia por mnimos quadrados deve ser a do polinmio de 2 grau, com a equao
sendo Tt 0,9131 t 2 128 ,43 t 588 ,23 , onde t ir variar de 73 a 76 (j que a srie disponvel
tem 72 perodos trimestres);
- o modelo a ser utilizado para combinar as componentes deve ser o aditivo (as
componentes devem ter seus valores SOMADOS para obter a previso);
- os ndices sazonais devero ser os seguintes:
Trimestre I = -532,298 Trimestre II = -83,571 Trimestre III = 408,181
Trimestre IV = 207,687
INE 7001 Anlise de Sries Temporais 55
- conforme explicado nos itens b e c 2017 ser a continuao de um ciclo de baixa que
iniciou em 2016 e deve continuar at 2019, portanto o ndice de ciclo deve ser de baixa, e
como se trata de uma previso deve ser igual a -994,564.
Os resultados esto na tabela a seguir:
Trimestre Perodo Tt 0,9131 t 2 128 ,43 t 588 ,23 Sazonalidade Ciclo Previso
2017 I 73 14829,53 -532,298 -994,564 13302,668
2017 II 74 15092,19 0,977566 -994,564 14098,599
2017 III 75 15356,67 1,079816 -994,564 14363,183
2017 IV 76 15622,98 1,03025 -994,564 14629,442
Ento a previso que as exportaes trimestrais de minrio de ferro de Pindorama oscilem entre
13302,668 e 14629,442 milhes de dlares em 2017.
Alm do modelo clssico apresentado neste captulo podem ser usados os mtodos de Holt-
Winters para modelos multiplicativos e aditivos. Maiores detalhes em SOARES, J. F., FARIAS, A.
A., CESAR, C. C. Introduo Estatstica, LTC, Rio de Janeiro, 1991.
H tambm outras abordagens diferentes do modelo clssico. Entre estes modelos devem ser
citados os modelos Auto-Regressivos (AR), os modelos de Mdias Mveis Auto-Regressivos de
(ARMA) e os modelos de Mdias Mveis Integrados Auto-Regressivos (ARIMA). Tais tpicos
geralmente so vistos em cursos de ps-graduao.