IMESCatanduva

Mtodos Bsicos de Previso no Excel

Mtodos Bsicos de Previso

O que previso?
"Prediction is very difficult, especially if its about the future."1
Niels Bohr, laureado com Nobel em Fsica

Segundo o Dicionrio do Aurlio (FERREIRA, 1975) a palavra previso um substantivo feminino que
significa ato ou efeito de prever; anteviso; estudo ou exame feito com antecedncia. Dessa forma
podemos conceituar previso como a estimao do valor de uma varivel (ou conjunto de variveis) em
algum momento futuro. Aqui consideraremos alguns mtodos de previso.
Um exerccio de previso geralmente realizado para fornecer uma ajuda tomada de deciso e no
planejamento do futuro.
Tipicamente se pudermos prever o como ser o futuro podemos modificar o nosso comportamento agora
para ficar numa posio melhor que aquela que por outro lado seria, quando o futuro chegar. Uma
previso adequada deve dar suporte a uma deciso minimizadora de risco por parte dos tomadores de
deciso (HARRISON e STEVENS, 1976). E essencial, portanto, para o planejamento e administrao
de recursos. As aplicaes para a previso incluem:

Controle de estoque/ planejamento da produo - prever a demanda para um produto habilita-nos a

controlar o estoque de matria prima e produtos acabados, planejar a programao de produo,
etc.

Poltica de investimento prever informaes financeiras tais como taxas de juros, taxas de
cmbio, preos de aes, o preo do ouro, etc. Esta uma rea que ningum ainda desenvolveu
uma tcnica de previso (consistentemente acurada ou no mnimo se contaram ou no a algum!).

Poltica econmica prever informao econmica tal como o crescimento da economia,

desemprego, taxa de inflao, etc. vital para ambos o governo e negcios no planejamento do
futuro.

Tipos de problemas
Um modo de classificar os problemas de previso considerar a escala de tempo envolvida na previso,
i.., quo longe no futuro estamos tentando prever. Curto, mdio e longo prazos so as categorias usuais
mas o significado real de cada um variar de acordo com a situao que est sendo estudada, por
exemplo, na previso de demanda de energia para construir estaes de fora, 5-10 anos seria curto prazo
e 50anos seria longo prazo, enquanto que na previso de demanda de consumo em muitos negcios
situaes de at 6 meses seria curto prazo e mais do que dois anos longo prazo. A tabela 01 abaixo mostra
a escala de tempo associada com decises de negcios.
Mtodos de previso
A razo bsica para a classificao da tabela 01 que diferentes mtodos de previso se aplicam em cada
situao, p. ex., um mtodo de previso que apropriado para previso de vendas no prximo ms
(previso de curto-prazo) provavelmente seria no apropriado para previso de vendas daqui a cinco anos
(previso de longo prazo). Em particular note aqui que o uso de nmeros (dados) para os quais as tcnicas
quantitativas so aplicadas tipicamente variando de previso muito alta para a de curto prazo e muito
baixa para a previso de longo prazo quando estamos tratando com situaes de negcios. Algumas reas
podem envolver previses de curto, mdio e longo prazos, como mercado de aes e previses do tempo.
1

Previso muito difcil, especialmente se ela for acerca do futuro.

Bertolo

Pgina1

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Os mtodos de previses podem tambm ser classificados em vrias categorias diferentes:

Mtodos qualitativos onde no h modelo matemtico formal, frequentemente porque os dados

disponveis no so imaginados como representativos do futuro (previso de longo prazo). H
vrios mtodos qualitativos, como a abordagem Delphi ou opinio de especialista, pressupostos
gerenciais, bem como as pesquisas de mercado, dados externos ou sondagens e pesquisa (MUN,
2010).

Mtodos quantitativos onde os dados histricos das variveis de interesse so disponveis estes
mtodos so baseados numa anlise dos dados histricos relativos srie temporal de uma
varivel especfica de interesse e possivelmente outras relacionadas srie temporal e tambm
examina as relaes de causa e efeito da varivel com outras variveis relevantes.

Tabela 01

Escala de tempo

Tipo de Deciso

Exemplos

Curto prazo at 3-6 meses

Operacional

Controle de estoque,
planejamento da produo,
distribuio

Prazo mdio de 3-6 meses at 2

anos

Ttica

Leasing de planta e equipamento,

mudanas de emprego

Longo prazo acima de 2 anos

Estratgica

Pesquisa e Desenvolvimento,
Aquisies e fuses, variaes de
produto

Na parte quantitativa, as abordagens de previso geralmente caem numa dessas categorias:

Sries Temporais Realiza a anlise de sries temporais sobre a forma padro passada dos dados
para, a partir da projetar os resultados futuros. Isto funciona bem para situaes estveis em que as
condies so esperadas permanecerem as mesmas. Como exemplo, podemos citar as receitas em
diferentes anos, os ndices de inflao, as taxas de juros, a participao no mercado, taxas de falhas,
os preos nominais mensais da arroba do boi gordo divulgados pelo CEPEA, e assim por diante.
Regresso Prev os resultados futuros usando relaes passadas entre uma varivel de interesse
(varivel dependente) e vrias outras variveis que podem influenci-la (variveis independentes).
Isso funciona bem para situaes em que se precisam identificar os diferentes efeitos das diferentes
variveis. Nesta categoria se inclui a regresso linear mltipla.
Simulao Aleatoriamente gera muitos cenrios para um modelo de previso dos resultados
possveis. Este mtodo funciona bem onde no se tem dados histricos, mas se pode construir o
modelo da situao para analisar o seu comportamento. Atualmente a simulao de Monte Carlo
usada largamente nestas situaes e os suplementos do MS-Excel, Crystal Ball e Risk Simulator so
popularmente conhecidos para automatizar esta tarefa.

Bertolo

Pgina2

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Diferentes Tipos de Tcnicas de Previso

Figura 1 Metodologias mais comuns para a Previso.

Fonte: MUN, J. Modeling Risk: Applying Monte Carlo Simulation, Real Options Analysis, Stochastic Forecasting and
Portfolio Optimization. 2 ed., New York:John Wiley & Sons, 2010, pgina 261, adaptado.

Como mostrado na Figura 1, existem vrios mtodos para se realizar a previso. Os mais comuns so:
1. ARIMA (modelo de mdia mvel integrada autorregressiva) de Box-Jenkins
2. AutoARIMA
3. Econometria bsica
4. Autoeconometria
5. Lgica difusa combinatria
6. Distribuies personalizadas
7. GARCH (modelo autoregressivo heteroscedasticidade condicional generalizado)
8. Curvas J
9. Cadeias de Markov
10. Mxima verossimilhana
11. Rede Neural
12. Regresso multivariada
13. Extrapolao no linear
14. Curvas S
15. Spline cbico
16. Previso estocstica

Bertolo

Pgina3

IMESCatanduva

Mtodos Bsicos de Previso no Excel

17. Anlise da srie temporal
18. Linhas de tendncia

A Metodologia de Previso por anlise de sries temporais (time-series forecasting).

"O tempo diz o que a razo no pode dizer."
Ren Descartes

A anlise de sries temporais se aplica nos casos em que h um padro persistente ou sistemtico no
comportamento da varivel, que possvel de captar atravs de uma representao paramtrica
(PINDYCK e RUBENFIELD, 1991). Alguns mtodos clssicos so projetados para funcionarem melhor
para certos tipos de dados:

Dados sazonais (aumentando ou diminuindo num padro recursivo regular no decorrer do tempo)

Dados com tendncia (aumentando ou diminuindo consistentemente no decorrer do tempo)

Figura 2 Dados sazonais e dados com tendncia.

Fonte: CB Predictor User Manual Selecionando mtodos de previso de sries temporais. P. 3-8.

Segundo (MORETTIN & TOLOI, 2004), pode-se entender a tendncia (T) como o movimento
persistente nos dados em uma dada direo e a sazonalidade (S) como o comportamento regular assumido
pela srie em algum subperodo. O erro aleatrio () leva em considerao movimentos espordicos e
irregulares presentes na srie.
A previso de sries temporais assume que os dados histricos sejam uma combinao de um formato
padro e de algum erro aleatrio. Sua meta isolar o formato do erro entendo o nvel, a tendncia e a
sazonalidade do formato. Pode-se medir o erro usando uma medida estatstica para descrever quo bem
um formato reproduz os dados histricos e estimar quo acuradamente ele projeta os dados no futuro.
A Figura 3 lista os oito modelos clssicos de srie temporal, separados por sazonalidade e tendncia.
Por exemplo, se a varivel de dados no possuir tendncia ou sazonalidade, um modelo de mdia mvel
simples ou de suavizao exponencial simples seria suficiente. No entanto, se existir sazonalidade, mas
nenhuma tendncia discernvel estiver presente, um modelo sazonal aditivo ou sazonal multiplicativo
seria melhor, e assim por diante.

Bertolo

Pgina4

IMESCatanduva

Mtodos Bsicos de Previso no Excel

No Sazonalidade

Tendncia
Tendncia

Com

Nenhuma

Mdia Mvel
Simples
Suavizao
Exponencial Simples

Com Sazonalidade
Sazonal Aditivo

Sazonal Multiplicativo

Mdia Mvel Dupla

Aditivo de Holt-Winter

Suavizao

Multiplicativo de Holt-

Exponencial Dupla

Winter

Figura 3 Os oito mtodos clssicos de srie temporal.

Fonte: MUN, J. Modeling Risk: Applying Monte Carlo Simulation, Real Options Analysis, Stochastic Forecasting and
Portfolio Optimization. 2 ed., New York:John Wiley & Sons, 2010. Pgina 264.

O que se pretende sempre testar cada um destes mtodos clssicos e classifica-los de acordo com o erro.
O mtodo com o erro mais baixo o melhor mtodo.
Existem dois tipos de mtodos sazonais: aditivo e multiplicativo. A sazonalidade aditiva tem um padro
estacionrio de amplitude, e a sazonalidade multiplicativa tem um padro de amplitude crescendo ou
decrescendo no decorrer do tempo.
A Figura 4 mostra as diferentes curvas de sazonalidades

Figura 4 Dados sazonais e dados com tendncia.

Fonte: CB Predictor User Manual Selecionando mtodos de previso de sries temporais. P. 3-10

Existem duas tcnicas principais de previso de sries temporais:

1. Suavizao de No Sazonalidade que estima uma tendncia ou no removendo dados extremos e
reduzindo a aleatoriedade dos dados
2. Suavizao de Sazonalidade que combina a suavizao dos dados com um ajustamento para o
comportamento sazonal

Bertolo

Pgina5

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Mtodos de Previso atravs de Modelos com Nenhuma Tendncia ou Sazonalidade

A previso que os valores futuros sero constantes. Isto porque o modelo no possui tendncia e
assume-se que a oscilao de curto prazo apenas rudo.
Aqui a srie temporal possui aleatoriedade, mas no possui sazonalidade.
Mdia Mvel Simples (MMS)

O mtodo da mdia mvel simples indicado para previses de curto prazo onde as componentes de
tendncia e sazonalidade so inexistentes ou possam ser desprezadas (MAKRIDAKIS;
WHEELWRIGHT; HYNDMAN, 1998).

Figura 5 Grfico tpico de dados de mdia mvel simples, mostrando o ajuste e a linha de previso
Fonte: CB Predictor User Manual Selecionando mtodos de previso de sries temporais. P. 3-10

Esse modelo nada mais do que uma tcnica simples de previso exponencial onde so considerados os k
ltimos dados histricos e, com estes, realizada uma mdia aritmtica (ou ponderada) para prever o
valor do prximo dado. O nmero de observaes n em cada clculo da mdia, ou perodo, permanece
constante e estipulado de maneira a tentar eliminar da melhor forma possvel as componentes de
tendncia e sazonalidade. (CHAMBERS; MULLICK; SMITH, 1971; ARCHER, 1980; MAKRIDAKIS;
WHEELWRIGHT; HYNDMAN, 1998).
Este mtodo usa os N ltimos valores da srie temporal xt, como previso para o tempo t + 1. Portanto:
x

Neste mtodo o parmetro usado o nmero de pontos ou perodo N.

Como escolher o N? Queremos o valor de N que nos d a melhor acurcia de previso (i.., minimize o
desvio absoluto mdio, MAD, ou o erro quadrtico mdio, MSE, da previso). Estes dois conceitos sero
tratados no Apndice A.
Vamos aqui olhar para um exemplo de produo de leite da Estncia Tio Fred, cujos dados podem ser
encontrados na planilha Dados de Leite da pasta Sries Temporais. A pasta encontra-se junto com o
presente texto, no arquivo zipado, MetodosBasicosDePrevisao.zip.

Bertolo

Pgina6

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Figura 6 Dados da produo diria de leite da Estncia Tio Fred.

Usamos N = 3, e entramos com a frmula =MDIA(B6:B8) na clula C9. Esta frmula simplesmente:
3
Vaja a Figura 7 abaixo:

Bertolo

Pgina7

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Figura 7 Planilha mostrando a previso de produo de leite da Estncia tio Fred.

Depois de preenchido com a frmula at C25. Tomamos o erro absoluto na coluna D e o erro quadrtico
da coluna E. Ver todas as frmulas entradas na Figura 8 abaixo.

Bertolo

Pgina8

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Figura 8 Frmulas entradas nas clulas da planilha Dados de Leite.

As desvantagens desse modelo esto relacionadas falta de acurcia ao lidar com sries histricas que
apresentam tendncia ou sazonalidade j que, nesse mtodo, a previso para o prximo perodo envolve
sempre a adio de novos dados e a desconsiderao dos anteriores. Uma alternativa para amenizar esse
erro a utilizao da mdia ponderada para tentar construir um padro mais prximo realidade. A
dificuldade na utilizao da mdia mvel ponderada a necessidade de conhecimento para se determinar
os pesos a serem utilizados (DAVIS; AQUILANO; CHASE, 2001). Mesmo assim, a ttulo de ilustrao,
vamos abordar esse assunto a seguir.
Mdia Mvel Ponderada (WMA)
No mtodo da mdia mvel acima, cada observao na mdia ponderada igualmente por isso o mtodo
de mdia mvel ponderada, tipicamente as observaes mais recentes carregam pesos maiores na mdia.
A expresso para a mdia mvel ponderada :

Seja wi = o peso para a observao i

wi = 1 a soma dos pesos 1.

Bertolo

Pgina9

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Para ilustrar, vamos reescrever o exemplo do leite. V planilha Soluo WMA que se encontra na pasta
Sries Temporais. Usar um peso de 0,5 e entrar com ele na clula H2 para a observao mais recente, um
peso de 0,3, na clula H3 para a prxima mais recente observao, e um peso de 0,2 na clula H4 para a
observao mais antiga (ver Figura 9).

Figura 9 Planilha de clculo para o mtodo da Mdia Mvel Ponderada (WMA)

Novamente usando N = 3, entre com a frmula =(B8*$H$2 + B7*$H$3 + B6*$H$4) na clula C9 e

preencha at a C25. (Nota: usamos o $ para bloquear a clula em H2, H3 e H4).
O erro absoluto e o erro quadrtico so entrados na coluna D e E, respectivamente. A clula D27 mostra o
MAD e a clula E27 o MSE.
Poderamos ter usado um conjunto melhor de pesos que aquele usado acima para ter uma previso
melhor? Vamos usar o Solver do Excel para verificar isto para voc. Na guia Dados, no grupo Anlise,
clique em Solver. Assim

Figura 10 A faixa de opes (ribbon) do Excel mostrando a ferramenta Solver

Uma caixa de dilogo aparecer como na Figura 11 abaixo

Bertolo

Pgina10

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Figura 11 A caixa de dilogo Parmetros do Solver.

A seguir entramos com todos os parmetros na caixa de dilogo. Ela se parecer como a Figura 12 abaixo
aps todos os parmetros terem sido entrados.

Figura 12 Aps os parmetros terem sido introduzidos na caixa de dilogo.

Bertolo

Pgina11

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Clique no boto Resolver. O Solver iniciar a otimizao.
No final o Solver lana a janela:

Figura 13 Caixa de mensagem Resultados do Solver

Inicialmente tnhamos o MAD = 9,8 na clula D27 (ver Figura 9 acima). Aps a otimizao com o Solver
do Excel o MAD agora igual a 8,7 e os pesos so 0,57,0,11,0,32 no intervalo de clulas
H2:H4,repectivamente.

Figura 14 Resultados encontrados pelo Solver.

Bertolo

Pgina12

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Como voc pode ver com este exemplo, o mtodo da mdia mvel ponderada mais complicado para se
construir e dar um resultado melhor.
Uma das desvantagens de se usar mdias mveis para previso que no clculo mdia de todas as
observaes so dados pesos iguais (ou seja 1/L), enquanto esperaramos que as observaes mais
recentes sejam um melhor indicador do futuro (e assim deveria ser dado maior peso). Tambm, nas
mdias mveis usamos somente observaes recentes, talvez devssemos considerar todas as observaes
anteriores.
Uma tcnica (que olharemos para ela a seguir) conhecida como suavizao exponencial (ou, mais
precisamente, suavizao exponencial simples) d peso maior s observaes mais recentes e considera
todas as observaes anteriores.
Suavizao Exponencial Simples

Muito usado nos dias de hoje o modelo de suavizao exponencial simples por ser extremamente
simples e possuir fcil capacidade de ajustes em relao acurcia obtida com esse mtodo. Enquanto na
mdia mvel simples as observaes passadas so ponderadas igualmente, a suavizao exponencial
atribui pesos decrescendo exponencialmente quando a observao ficar mais velha. Em outras palavras,
observaes recentes so dadas relativamente mais peso na previso do que as observaes mais
antigas.

Figura 15 Grfico tpico de dados de suavizao exponencial simples, mostrando o ajuste e a linha de
previso
Fonte: CB Predictor User Manual Selecionando mtodos de previso de sries temporais. P. 3-10

Caso a srie temporal em estudo mantenha-se constante sobre um nvel mdio, uma suavizao
exponencial simples pode ser usada para a previso de valores futuros dessa srie. A representao
matemtica desse modelo dada por (MAKRIDAKIS et al., 1998)

onde
a previso da demanda para o tempo t+1, feita no perodo atual t; a constante de
suavizao, assumindo valores entre 0 e 1; o valor observado (real) na srie temporal para o tempo t;
e, o valor da previso feita para o tempo t.
Uma forma de medir a acurcia da previso, calculando o erro gerado pela mesma, ou seja:

O valor da constante de suavizao arbitrrio2. Pode-se determinar o melhor valor para esta atravs de
mtodos iterativos para minimizar alguma medida de qualidade da previso como, por exemplo, a mdia
do quadrado dos erros, EQM ou o a sua raiz quadrada, RMSE. Desta maneira, seleciona-se, inicialmente,
2

O CB Predictor e o Risk Simulator calculam automaticamente a constante de suavizao tima.

Bertolo

Pgina13

IMESCatanduva

Mtodos Bsicos de Previso no Excel

um valor aleatrio para a constante, a partir do qual previses so geradas. Comparam-se os valores
previstos com os reais, e calcula-se a mdia do quadrado das diferenas entre os mesmos; o parmetro
que minimiza essa mdia utilizado no modelo final3. A magnitude da constante determina a
velocidade de resposta do modelo frente a mudanas valores da srie (MONTGOMERY et al., 1990).
Valores baixos para a constante faz com que o modelo demore a reagir s mudanas no comportamento
da srie. Com valores altos de , o modelo responde rapidamente.
Os modelos de suavizao exponencial simples requerem uma estimativa inicial para . Quando dados
histricos esto disponveis, pode-se usar uma mdia simples das N observaes mais recentes como ;
caso contrrio, pode-se utilizar a observao mais recente, ou fazer uma estimativa subjetiva.
Uma medida de eficincia deste mtodo pode ser obtida sob a considerao que o processo
completamente estvel, assim que X1, X2, ...., so variveis aleatrias independentes e identicamente
distribudo (IID)4 com varincia 2. Portanto, segue que (para grande t):

Assim que a varincia estatisticamente equivalente para a mdia mvel com (2 - )/ = 19. Assim, em
termos de varincia, o Mtodo de Suavizao Exponencial com este valor de equivalente ao Mtodo
da Mdia Mvel que utiliza 19 observaes. Entretanto, se uma mudana no processo ocorre, a
Suavizao Exponencial ir reagir mais rapidamente com melhor ajuste de que o Mtodo da Mdia
Mvel.
Uma desvantagem deste Mtodo est na dificuldade em escolher um valor apropriado para . O Mtodo
de Suavizao Exponencial pode ser visto como um processo de filtragem com um filtro estatstico cujas
entradas so os dados puros a partir de um processo estocstico e a sada so estimativas suavizadas de
uma mdia que varia com o tempo.
Uma maneira de iniciar o processo recursivo utilizar

=0e

= y1 .

Vamos agora reescrever o problema do LEITE. V planilha Soluo EXP. Use uma suavizao
exponencial simples com = 0,3 como valor inicial na clula G4.

Pode-se lanar mo do Solver do Excel para realizar isto.

Duas variveis aleatrias so independentes se PA BPA B.PBPA.PB.
Duas variveis aleatrias so identicamente distribudas se possuem a mesma distribuio de probabilidade.
4

Bertolo

Pgina14

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Figura 16 A suavizao exponencial simples aplicada produo de leite da Estncia Tio Fred.

costume assumir
= y1 por isso entramos com C6 = B6. Aps isto inicie o perodo 2 na clula e C7
entramos com a frmula =$G$4*B6+(1-$G$4)*C6 e preencha com a frmula at a clula C25. (Nota:
usamos o smbolo $ para travar a clula G4). Desse jeito como se entra com a frmula
no Excel.

O erro absoluto e o erro quadrtico so entrados nas colunas D e E, respectivamente. A clula D27 mostra
o MAD e a clula E27 o MSE. Usaremos o Solver do Excel para encontrar o melhor valor para e
tambm minimizaremos o MAD e MSE.

Bertolo

Pgina15

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Figura 17 A caixa de dilogo do Solver com os parmetros para a suavizao exponencial simples

Entramos com todos os parmetros na caixa de dilogo. Ela se parecer com a Figura 17 acima aps todos
os parmetros serem entrados
Definir objetivo: MAD(D27); Para: Min
Alterando Clulas Variveis: o peso em G4

Sujeito s Restries: 0 G4 1

Clique no boto Resolver. O Solver iniciar a otimizao.

Figura 18 A janela de Resultados do Solver

Bertolo

Pgina16

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Clique em OK e mantenha a soluo do Solver.

O MAD na clula D27 igual a 10,5 e o na clula G4 igual a 0,311737. Melhoramos um pouco.
Se no dia 20 tivermos 185 litros, como voc far a previso da produo no dia 21? Para prever
simplesmente preencha a frmula da clula 25 na clula 26 ou entre com a frmula =$G$4*B25+(1$G$4)*C25. Aqui est o resultado: 195,8 litros (ver Figura 19).

Figura 19 Resultados da previso de produo de leite da Estncia Tio Fred, usando o Solver para
minimizar o erro MAD.

Como voc pode ver neste exemplo, o mtodo de suavizao exponencial simples um pouco mais
complicado para se construir e d-nos um resultado melhor.
A suavizao exponencial til quando no h tendncia. Entretanto, se os dados tiverem tendncia,
precisamos usar o mtodo de Suavizao Exponencial Dupla que ser discutido abaixo.
Mtodos de Previso para Modelos com Tendncia e Nenhuma Sazonalidade
A representao matemtica para o processo (que gera a srie temporal) com valor constante, tendncia e
flutuaes aleatrias pode ser dada por:

Bertolo

Pgina17

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Com t = 1, 2, ... e onde:
Xt uma varivel aleatria observada no tempo t;
a a tendncia do modelo;

o valor constante do modelo;

t o erro aleatrio ocorrido no tempo t (geralmente assumido ter valor esperado igual a zero e
varincia constante).
Modelo de Previso com Mdia Mvel Dupla

Aqui a tcnica de mdia mvel simples aplicada duas vezes, uma nos dados originais e depois nos dados
resultantes desta primeira aplicao.
Define-se a mdia mvel dupla de tamanho k como:

a mdia mvel(simples) de tamanho p calculada usando todas as observaes at o instante T

Onde
(inclusive).

Figura 20 Grfico tpico de dados de mdia mvel dupla, mostrando o ajuste e a linha de previso
Fonte: CB Predictor User Manual Selecionando mtodos de previso de sries temporais. P. 3-10

Por que usar mdias mveis duplas?

Se os dados exibem uma tendncia linear, o uso de mdias mveis simples para a previso dos valores da
srie induz a erros sistemticos, pois a mdia mvel simples segue a tendncia com certo atraso, e este
efeito amplificado quando tentamos prever valores futuros. O mtodo de mdias mveis duplas procura
diminuir este efeito sistemtico.
A previso realizada por meio de uma reta inclinada, isto , h uma expectativa de que o valor da
varivel ser sempre crescente de modo a ser compatvel com a tendncia nos dados histricos.
Os dados possuem aleatoriedade e tendncia de crescimento, mas veja que no h sazonalidade. Atribui a
todos os valores passados o mesmo peso na previso. Veja que em previses o analista deve se preocupar
com a tendncia. Por qu?
O modelo matemtico para a previso de k perodos com mdia mvel
2

onde:

Bertolo

Pgina18

IMESCatanduva

Mtodos Bsicos de Previso no Excel

a mdia mvel(simples) de tamanho k calculada usando as k observaes anteriores ao instante t

(inclusive);
a mdia mvel(dupla) de tamanho k calculada usando as k mdias mveis simples,
ao instante t (inclusive).

anteriores

p o perodo usado no clculo da mdia mvel;

k o nmero de perodos de previso variando de 1 at h (horizonte de previso).
Modelo de Previso por Alisamento Exponencial Duplo de Holt5
Quando uma determinada srie apresenta aleatoriedade e uma tendncia linear de crescimento (ou
decrescimento), o modelo de suavizao exponencial dupla de Holt pode ser usado de maneira
satisfatria para a previso, caso os outros componentes da srie possam ser desprezados. Este modelo
emprega duas constantes de suavizao, e (com valores entre 0 e 1), sendo representado por trs
equaes (MAKRIDAKIS et al., 1998):

10

onde:
Et a componente de nvel;
Tt a componente de tendncia;
h o horizonte de previso;
k = 1, 2, ..., h;
a previso;
com valores no intervalo 0<<1, a constante de suavizao da componente de nvel Lt;
com valores no intervalo 0<<1, a constante de suavizao da componente tendncia Tt;
Na equao 8, pode-se perceber que o valor de nvel Et a mdia ponderada do prprio valor da srie yt e
de Et-1 e Tt-1 (nvel e tendncia previstos no tempo t-1, respectivamente). Para uma srie isenta de erro
aleatrio, a quantidade (Et-1 + Tt-1) exatamente o valor de Et, uma vez que a variao de tempo entre t e
t-1 obviamente 1. Assim, a expresso (8) pode ser entendida como:

11

onde:
Et = f (Lt-1, Tt-1)

12

Em (9), a parcela Et Et-1 a derivada discreta que representa, portanto, a tendncia. Para o restante, o
raciocnio anlogo ao realizado para a expresso (8).
Considerando que a primeira amostra da srie temporal para t = 1, os valores L1 e T1 so funes de L0 e
T0. Como no existe amostra da srie para t = 0, faz-se necessrio inicializar L1 e T1. H vrias maneiras
de se inicializar estas variveis, dentre as quais:

E1 = y1

13

T1 = y2 y1

14

Muito usado em Engenharia de Confiabilidade

Bertolo

Pgina19

IMESCatanduva

Mtodos Bsicos de Previso no Excel

ou

15

16

OBS:- Uma vez que a componente de tendncia em uma srie representada apenas por um coeficiente
(coeficiente angular da reta) as formas apresentadas em (14), (15), (16) para inicializar T1 so possveis
representaes para a derivada discreta da srie calculada em t = 1.

Figura 21 Grfico tpico de dados de suavizao exponencial dupla de Holt, mostrando o ajuste e a
linha de previso
Fonte: CB Predictor User Manual Selecionando mtodos de previso de sries temporais. P. 3-10

O modelo muito usado para modelagem de produtos na fase de divulgao quando comea a ser aceito
pelo pblico consumidor.
As equaes (8) e (9) fazem uma estimativa do nvel e da inclinao da srie temporal, respectivamente.
J a equao (10), calcula a previso da srie para os prximos k perodos.
Assim como na suavizao exponencial simples, o mtodo de Holt requer valores iniciais, neste caso, E0 e
T0. Uma alternativa para estes clculos iniciais igualar E0 ao ltimo valor observado na srie temporal e
calcular uma mdia da declividade nas ltimas observaes para T0. Outra forma de clculo a regresso
linear simples aplicada aos dados da srie temporal, onde se obtm o valor da declividade da srie
temporal e de E0 em sua origem.
As constantes de suavizao e no modelo de Holt podem ser determinadas de maneira anloga
obteno de na suavizao exponencial simples, ou seja, atravs da utilizao de um mtodo iterativo
que encontre a combinao de e que minimize o EQM.
Abra a planilha Soluo EXP DUPLA.
Os dados so para as vendas mensais em milhares para uma empresa de vesturio. Inicialmente use o
valor de 0,2 (clula I4) para e 0,3 (clula J4) para . Para E1 = y1, entramos com =B6 na clula C6.
Depois ento entre com a frmula =$I$4*B7+(1-$I$4)*(C6+D6) na clula C7 e preencha at a C29. Como
voc pode ver na frmula, iniciamos no perodo 2 na clula C7. (Nota: usamos o sinal $ para travar a
clula em I4). Isto como a frmula Et = yt + (1 - ) (Et-1 + Tt-1) entrada como frmula no Excel.
Depois disto, calcularemos Tt = (Et Et-1) + (1 - ) Tt-1. prtica comum entrar com 0 no perodo 1,
i.., clula D6. Iniciando no perodo 2, na clula D7, entramos com a frmula =$J$4*(C7-C6)+(1$J$4)*D6 e preenchemos abaixo at D29. Isto como a frmula Tt = (Et Et-1) + (1 - ) Tt-1 entrada
como frmula no Excel.
Agora junte as duas frmulas entrando com =C6+D6 em E7 e preencha abaixo at E29, i.., a frmula

Bertolo

Pgina20

IMESCatanduva

Mtodos Bsicos de Previso no Excel

. O erro absoluto e o erro quadrtico so entrados nas colunas F e G, respectivamente. A

clula F31 mostra o MAD e a clula G31 o MSE. Usaremos o Solver do Excel para minimizar o MAD e
encontrar o melhor valor ou otimizar e (ver Figura 22 abaixo).

Figura 22 o Mtodo de suavizao exponencial dupla de Holt para uma empresa de vesturio

Invoque o Solver do Excel para minimizar o MAD. Entramos com todos os parmetros na caixa de
dilogo. Ela se parecer como a Figura 23 abaixo, depois que todos os parmetros forem entrados:

Bertolo

Pgina21

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Figura 23 A caixa de dilogo do Solver depois de entrar os parmetros

Definir objetivo: MAD(F31);

Para: Min

Alterando Clulas Variveis: os pesos em I4:J4

Sujeito s Restries: 0 I4 1, 0 J4 1

Clique no boto Resolver. O Solver iniciar a otimizao.

Figura 24 A janela de Resultados do Solver

Bertolo

Pgina22

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Mantenha a soluo do Solver.

O MAD na clula F31 foi minimizado e ficou igual a 140,91e o na clula I4 ficou igual a 0,126401. O
na clula J4 ficou igual a 1. Fizemos uma pequena melhora aps a otimizao com o Solver.
Se no ms 24 tivermos 2.850.000, como voc faria para prever a produo no ms 25? Para prever
simplesmente preencha a frmula da clula E29 na clula E30 ou entre com a frmula =C29+D29. Aqui o
resultado 3.037.810 (ver Figura 1.17 abaixo).
Se voc quiser prever k perodos adiante, use a seguinte lgica

Neste exemplo, queremos prever as vendas no ms 32, i.., 8 meses adiante, ento entramos com
=C29+8*$D$29 como voc pode ver na clula E37. O resultado 3.868.383 (ver Figura 1.17)
Et = C29 Tt = D29

e k =8

Figura 25 Resultados aps a otimizao do Solver

Como voc pode ver neste exemplo, o mtodo de suavizao exponencial dupla um pouco mais
complicado de se construir e dever dar-nos resultados melhores. O que acontece se os dados mostrarem
tendncia como tambm sazonalidade? Neste caso a suavizao exponencial dupla no funcionar.
Precisamos usar o mtodo da Suavizao Exponencial Tripla que ser discutido a seguir.

Bertolo

Pgina23

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Mtodos de Previso para Sries Temporais Sujeitas a Fenmenos Sazonais e Nenhuma

Tendncia

bastante comum existir padres sazonais com valores maiores em dados instantes de tempo de que em
outros em uma srie temporal. Por exemplo, este fenmeno ocorre para o volume de vendas de panetones
entre outros produtos tpicos de festas natalinas na poca do natal, assim como roupas de l para o perodo
de inverno, bronzeadores e bons no perodo do vero, etc.
Este fenmeno viola a considerao que o processo que gera a srie por uma componente de valor
constante ou com tendncia e outra componente de flutuao aleatria, cujos mtodos anteriores de
previso (mdia mvel simples, suavizao exponencial simples, mdia mvel dupla, suavizao
exponencial dupla de Holt) no podem ser utilizados para previso.
Uma maneira de realizar previses com padres sazonais corrigir a srie temporal do efeito da
sazonalidade e, depois ento, utilizar os mtodos de previso de mdia mvel simples ou suavizao
exponencial simples (para modelos de sries de valor constante6 e sazonalidade), como veremos nas
prximas duas sees, ou ainda o mtodo de previso com suavizao exponencial dupla de Holt (para
modelos de sries com tendncia e sazonalidade), como veremos na seo 2.2.1.4.
Considerando que o processo que gera a srie temporal no tenha tendncia, mas tenha sazonalidade, o
modelo ser dado por:

17

onde: t = 1, 2, ....
Xt uma varivel aleatria observada no tempo t;

o valor constante do modelo;

St a componente sazonal no tempo t;
t o erro aleatrio ocorrido no tempo t (geralmente assumido ter valor esperado igual a zero e
varincia constante7).
Previso com Correo Priori da Sazonalidade
O procedimento pode ser resumido como:
1. Corrigir a srie temporal do efeito da sazonalidade atravs da diviso (ou subtrao) dos valores
da srie temporal pelos seus respectivos fatores sazonais.
2. Realizar a previso atravs dos mtodos Mtodo de Previso de Mdia Mvel Simples ou
Suavizao Exponencial Simples.
3. Multiplicar (ou adicionar) a previso pelos fatores sazonais incorporando a sazonalidade.
Quando o efeito da sazonalidade retirado e incorporado srie por meio de diviso e multiplicao,
respectivamente, dos valores da srie temporal pelos fatores sazonais o mtodo denominado
multiplicativo.
Quando o efeito da sazonalidade retirado e incorporado srie por meio de subtrao e adio,
respectivamente, dos valores da srie temporal pelos fatores sazonais o mtodo denominado aditivo.

6
7

Sem tendncia
Distribudo normalmente.

Bertolo

Pgina24

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Modelo de Previso com Sazonalidade Multiplicativa

O uso deste modelo deve ser para dados que possuam sazonalidade crescente ou decrescente, mas no
possuam tendncia de crescimento ou decrescimento.

Figura 26 Grfico tpico de dados de sazonalidade multiplicativa e sem tendncia, mostrando o ajuste
e a linha de previso
Fonte: CB Predictor User Manual Selecionando mtodos de previso de sries temporais. P. 3-10

Este mtodo utiliza a seguinte expresso:

18

19

20

onde:
Lt a componente de nvel da srie no tempo t;
St a componente de sazonalidade no tempo t;
s o perodo sazonal ou durao da sazonalidade
h o horizonte de previso;
k = 1, 2, ..., h, isto , o nmero de perodos da previso;
a previso;
com valores no intervalo 0<<1, a constante de suavizao da componente de nvel Lt;
com valores no intervalo 0<<1, a constante de suavizao da componente de sazonalidade St.
As constantes de suavizao e devem ser estimadas a partir dos dados.
Modelo de Previso com Sazonalidade Aditiva

Este modelo pode ser usado quando ocorre sazonalidade, mas onde no se verifica a presena de
tendncia. Alm disso, a amplitude da sazonalidade aproximadamente constante ao longo do tempo.
O modelo pode ser usado para realizar a previso de diversas variveis tais como a venda de sorvetes,
brinquedos, preo de commodities, etc.

Bertolo

Pgina25

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Figura 27 Grfico tpico de dados de sazonalidade aditiva e sem tendncia, mostrando o ajuste e a
linha de previso
Fonte: CB Predictor User Manual Selecionando mtodos de previso de sries temporais. P. 3-10

Este mtodo utiliza a seguinte expresso:

21

22

23

onde:
Lt a componente de nvel da srie no tempo t;
St a componente de sazonalidade no tempo t;
s o perodo sazonal ou durao da sazonalidade
h o horizonte de previso;
k = 1, 2, ..., h, isto , o nmero de perodos da previso;
a previso;
com valores no intervalo 0<<1, a constante de suavizao da componente de nvel Lt;
com valores no intervalo 0<<1, a constante de suavizao da componente de sazonalidade St.
As constantes de suavizao e devem ser estimadas a partir dos dados8.
Mtodo de Previso com Suavizao Exponencial de Holt-Winters
Os modelos de Holt-Winters so muito utilizados quando da existncia de uma srie temporal que
apresente, alm da tendncia, um componente de sazonalidade. Uma srie com esse componente
caracterizada pela ocorrncia de padres cclicos de variao, que se repetem em intervalos relativamente
constantes de tempo. So muito observadas em indstrias do ramo alimentcias, de vesturios,
cosmticos, entre outras.
Os modelos de Holt-Winters tambm so classificados em dois grupos: aditivo e multiplicativo. No
modelo aditivo, a amplitude da variao sazonal constante ao longo do tempo; ou seja, a diferena entre

O CB Preddictor realiza isto automaticamente

Bertolo

Pgina26

IMESCatanduva

Mtodos Bsicos de Previso no Excel

o maior e menor valor de demanda dentro das estaes permanece relativamente constante no tempo. No
modelo multiplicativo, a amplitude da variao sazonal aumenta ou diminui como funo do tempo.
Considerando que o modelo do processo que gera a srie temporal seja dado por:

24

Onde: t = 1, 2, ....
Xt uma varivel aleatria observada no tempo t;
a a tendncia do modelo;

o valor constante do modelo;

St a componente sazonal no tempo t;
t o erro aleatrio ocorrido no tempo t (geralmente assumido ter valor esperado igual a zero e
varincia constante9).
Modelo Sazonal Multiplicativo de Holt-Winters
O modelo multiplicativo de Holt-Winters se ajusta, de maneira mais adequada, a sries com tendncia e
sazonalidade multiplicativa, ou seja, quelas em que a amplitude da variao sazonal aumenta com o
acrscimo no nvel mdio da srie temporal (KOEHLER et al., 2001, p.269). Vide figura abaixo:

Figura 28 Grfico tpico de dados de sazonalidade multiplicativa de Holt-Winters, mostrando o ajuste e

a linha de previso
Fonte: CB Predictor User Manual Selecionando mtodos de previso de sries temporais. P. 3-10

Este mtodo utiliza a seguinte expresso:

25

26

27
28

onde:
Lt a componente de nvel;
Tt a componente de tendncia;
9

Distribudo normalmente.

Bertolo

Pgina27

IMESCatanduva

Mtodos Bsicos de Previso no Excel

St a componente de sazonalidade;
s o perodo sazonal;
h o horizonte de previso;
k = 1, 2, ..., h;
mod(n,m) o resto da diviso de n por m;
a previso;

com valores no intervalo 0<<1, a constante de suavizao da componente de nvel Lt;

com valores no intervalo 0<<1, a constante de suavizao da componente tendncia Tt;
com valores no intervalo 0<<1, a constante de suavizao da componente de sazonalidade St
Na equao (25), pode-se perceber que os valores da srie (xt) so divididos pelos fatores sazonais, da
para corrigir os valores da srie dos efeitos da sazonalidade, as demais
mesma forma anterior em
parcelas da expresso so anlogas as da expresso de Holt:

29

30

A expresso (26) igual expresso (9) no mtodo de Holt:

A diviso dos valores da srie (yt) pelos valores de nvel (Lt) na expresso (21) pode ser entendida como a
medida de fator sazonal instantnea.
Em (28) a sazonalidade incorporada srie atravs da multiplicao da soma dos valores previstos para
as componentes de Nvel (Lt) e Tendncia (Tt) pela componente sazonal St-s+k.
O mtodo multiplicativo de Winters, como os demais modelos descritos anteriormente, funciona atravs
da aplicao recursiva de suas equaes aos dados da srie. Dessa forma, tal aplicao deve iniciar em
algum perodo no passado, onde os valores de Lt, Tt e St devem ser estimados (MAKRIDAKIS et al.,
1998, p.168). Uma maneira simples de se fazer essa estimativa atravs da inicializao do nvel e da
tendncia no mesmo perodo m:

O nvel determinado atravs da mdia de primeira estao:

Para se inicializar a tendncia, recomendado o uso de duas estaes completas, ou seja, 2s

perodos:

31

32

Por ltimo, os ndices sazonais iniciais podem ser determinados atravs da razo entre as
primeiras observaes com a mdia do primeiro ano:
,

, ...,

33

a previso para o perodo t+k, , e so constantes de suavizao, cujos

Nas expresses acima,
valores encontram-se entre 0 e 1, e yt a mais recente observao. Nelas, temos:

Lt representa uma estimativa do nvel da srie no tempo t,

Tt, uma estimativa da declividade da srie no mesmo perodo t e

St, o componente de sazonalidade tambm no perodo t.

Bertolo

Pgina28

IMESCatanduva

Mtodos Bsicos de Previso no Excel

A sazonalidade, ou seja, o nmero de subperodos por ano, representado por s. A escolha dos valores
para as constantes de suavizao , e condicionada a algum critrio que, na maioria das vezes,
consiste no mesmo citado anteriormente: a minimizao pelo uso de um algoritmo de otimizao no
linear, do erro quadrtico mdio (EQM) atribudo ao desempenho do modelo usando a ferramenta Solver
do MS-Excel.
Vamos comear a construir o modelo. V planilha Soluo EXP TRIPLA na pasta Sries Temporais.

Figura 29

Aqui temos as vendas mensais de uma empresa de comrcio de varas de pescar. O pico das vendas
durante a estao de pesca no outono e vero. Portanto sabemos que sazonal anualmente onde c = 12. O
primeiro passo transformar ou desazonalizar os dados das vendas do primeiro ano no intervalo C4:C15.
Assim entramos com a frmula =C4/((1/12)*SOMA($C$4:$C$15)) na clula F4 e preencha at a F15. Isto
realmente como

entrado no Excel.
Em segundo lugar entramos com a frmula: Et = (yt/St-c) + (1 - ) (Et-1 + Tt-1) na clula D16 que
=$J$16*C16/F4+(1-$J$16)*(D15+E15) e preencha at a D39.

Bertolo

Pgina29

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Depois disto entramos com esta frmula: Tt = (Et - Lt-1) + (1 - ) Tt-1 na clula E16 que =$J$18*(D16D15)+(1-$J$18)*E15 e preencha at E39.
O prximo passo entrar com a frmula: St = (yt/Lt) + (1 - ) St-c na clula F16 que
=$J$20*C16/D16+(1-$J$20)*F4 e preencha at a F39

Por ltimo, entre com a frmula:

preencha at G39.

na clula G16 que =(D15+E15)*F4 e

O erro absoluto e o erro quadrado so entrados na coluna H e I, respectivamente. A clula H41 mostra o
MAD e a clula I41 o MSE. Usaremos o Solver do Excel para minimizar o MSE e encontrar o melhor
valor ou otimizar , e . Inicialmente usamos = 0,5, = 0,5 e = 0,5 indicados nas clulas J16, J18 e
J20, respectivamente (ver Figura 29).

Figura 30

Entramos com todos os parmetros nesta caixa de dilogo. Ela se parecer como a Figura 30 acima aps
todos os parmetros terem sido entrados.
Definir objetivo: MSE(I41);

Para: Min

Alterando Clulas Variveis: os pesos em J16 para , J18 para e J20 para
Sujeito s Restries: 0 J16 1, 0 J18 1 e 0 J20 1
Clique no boto Resolver. O Solver iniciar a otimizao.

Bertolo

Pgina30

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Figura 31

Mantenha a soluo encontrada pelo Solver.

O MSE na clula I41 agora 49,17, comparado com 221,91, inicialmente. O = 0,46 na clula J16, =
0,05 na clula J18 e = 1 na clula J20 (ver Figura 32 abaixo).

Bertolo

Pgina31

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Figura 32

Fizemos um grande melhora aps a otimizao com o Solver do Excel.

Se no ms 36 vendermos 80 varas de pescar, como voc faria para prever a venda no ms 37? Para prever
simplesmente preencha a frmula da clula G39 na clula G40 ou entre com a frmula =(D39+E39)*F28.
Aqui o resultado 38,56 varas ou arredondando 39.
Se voc quiser prever k perodos adiante, use a seguinte lgica:

Neste exemplo queremos prever as vendas no ms 44, i.., 8 meses adiante, ento entramos com
=(D39+8*E39)*F35 como voc pode ver na clula G47. O resultado 328,86, ou arredondando 329 varas
de pescar (ver Figura 1.21 acima).
E1 = D39

T1= E39

st+k-c = F35

k=8

c = 12

Como voc pode ver neste exemplo, o mtodo da suavizao exponencial tripla um pouco mais
complicado de se construir e nos dar resultados muito bons.

Bertolo

Pgina32

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Modelo Sazonal Aditivo de Holt-Winters

Para sries que possuem tendncia e sazonalidade aditiva, o modelo que apresenta maior capacidade de
explicao o aditivo de Winters. Ou seja, ele utilizado nas sries onde o efeito sazonal no funo
do nvel mdio corrente da srie temporal e pode ser adicionado ou subtrado de uma previso que
dependa apenas de nvel e tendncia (KOHLER et al., 2001, p. 269). Veja figura abaixo:

Figura 33 Grfico tpico de dados de sazonalidade aditiva de Holt-Winters com tendncia, mostrando
o ajuste e a linha de previso
Fonte: CB Predictor User Manual Selecionando mtodos de previso de sries temporais. P. 3-10

O algoritmo de previso do modelo sazonal aditivo de Holt-Winters baseado nas seguintes expresses:
1

34

35

36

37

Estas equaes so parecidas com aquelas a que se refere ao modelo multiplicativo de Holt-Winters (Eqs.
25 a 28). A diferena nos dois modelos o fato das outras equaes, agora, apresentarem os ndices de
sazonalidade somados e subtrados, ao invs de multiplicados e divididos (MAKRIDAKIS et al., 1998,
p.169).
As inicializaes de Ls e Ts so idnticas s do modelo multiplicativo. Os valores iniciais para os ndices
sazonais so determinados atravs das seguintes expresses:

,...,

Concluso
A mdia mvel comumente usada com dados de sries temporais para suavizar flutuaes de curto
prazo e destacar tendncias ou ciclos de longo prazo. O corte entre curto prazo e longo prazo depende da
aplicao e os parmetros da mdia mvel sero definidos apropriadamente. Por exemplo,
frequentemente usado em anlise tcnica de dados financeiros, como preos de aes, retornos ou
volumes transacionados. usado tambm em economia para examinar o produto interno bruto, empregos
e outras sries temporais macroeconmicas.
A suavizao exponencial tem provado atravs dos anos como muito til me muitas situaes de
previso. Ela foi sugerida primeiramente por C.C.Holt em 1957 e tinha a inteno de ser usada para sries
temporais no sazonais no mostrando tendncia. Mais tarde ele ofereceu um procedimento (1958) que
manipula tendncias. Winters (1965) generalizou o mtodo para incluir sazonalidade, da o nome
Mtodo de Holt-Winters ou Suavizao Exponencial Tripla.

Bertolo

Pgina33

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Todos estes mtodos de previso so muito bsicos mas muito teis. Os mtodos de previso de sries
temporais podem ser mais avanados do que estes considerados nos nossos exemplos acima. Eles so
baseados nos modelos Auto Regressive Integrated Moving Average (ARIMA) (tambm conhecido como
tcnica de Box-Jenkins). Essencialmente estes assumem que as sries temporais foram geradas por um
processo probabilstico com valores futuros relacionados aos valores passados, como tambm aos erros de
previso passados. Para aplicar os modelos ARIMA a srie temporal precisa ser estacionria. Uma srie
temporal estacionria aquela uma cujas propriedades estatsticas tais como mdia, varincia e
autocorrelao so constantes no decorrer do tempo. Aprenderemos como modelar com ARIMA como
um mtodo de previso noutro texto: Tcnicas de Previso de Box-Jenkins no Excel

Bertolo

Pgina34

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Apndice A Critrios para avaliar o desempenho de modelos em

relao srie temporal
Para saber se o modelo de sries temporais selecionado para realizar previses significativo
estatisticamente devemos quantificar o ajuste do modelo escolhido aos dados histricos existentes. Para
isso, h diversas estatsticas:
Medidas de erros no processo de previso
MAD (Mdia dos Desvios Absolutos)
Consiste na mdia da diferena (em mdulo) entre os valores reais e preditos:

| |

39

Ela mede o erro absoluto e originalmente tornou-se muito popular (anteriormente s calculadoras) porque
no exige clculos de quadrados e raiz quadrada. Por enquanto ainda muito confivel e amplamente
utilizada, muito acurada para dados distribudos normalmente.
MAPE (Mdia Aritmtica dos Desvios Absolutos em Porcentuais)
Avalia a magnitude do erro com relao srie histrica:

100

40

a mais popular das formas apresentadas para medir a acurcia da previso (Kahn, 1998). Porm, o uso
desta frmula torna-se impossvel quando a srie temporal contm valores iguais zero.
Por se tratar de erro relativo, ele no depende da escala, e com isso, permite comparar a acurcia da
previso entre sries de dados temporais de propores diferentes.
EQD (Mdia Aritmtica dos Quadrados dos Desvios) ou MSE
Destaca os grandes erros, comparados aos erros de menor magnitude:

41

RMSE (Raiz Quadrada da Mdia Aritmtica dos Quadrados dos Desvios)

a raiz quadrada dos EQMs:

42

Esta medida tambm tende a exagerar erros grandes, que podem ajudar a eliminar mtodos com grandes
erros.
R2
Existe outro parmetro, alm dessas medidas de erro, de grande importncia na anlise do ajuste do
modelo srie temporal. Trata-se do R2, uma medida percentual de explicao do modelo. Ou seja, ele
relata a frao da variabilidade da srie que o mtodo utilizado consegue explicar. Um valor R2 prximo
de 0 indica um modelo de ajuste pobre, enquanto um valor prximo a 1 indica um bom ajuste. Essa
estatstica determinada da seguinte maneira:
1

43

Medidas estatsticas de qualidade de previso

U de Thiel

Bertolo

Pgina35

IMESCatanduva

Mtodos Bsicos de Previso no Excel

uma estatstica que permite estimar a probabilidade de que o modelo selecionado melhor do que
simplesmente uma previso com base em uma simples mdia aritmtica:

onde:
N o tamanho da amostra
x(t) so os valores histricos
representa os valores previstos
Interpretao do U:

U < 1: a previso pelo mtodo escolhido melhor do que simples adivinhao (chute);
U = 1: a previso pelo mtodo escolhido to boa ou ruim quanto uma simples adivinhao;
U > 1: a previso pelo mtodo escolhido pior que uma adivinhao.
Esta medida tambm exagera os erros e ajuda eliminar mtodos com grandes erros.
Teste de Durbin-Watson
uma estatstica que permite analisar a possvel presena de auto-correlao da varivel para uma
defasagem de uma unidade (lag1).

onde:
n o tamanho da amostra;
e(t) se refere aos resduos entre os valores previstos e pelo mtodo selecionado e os valores reais.
Interpretao de D-W:
DW < 1: os valores da srie histrica so positivamente correlacionados;
DW = 2: no h auto-correlao entre os valores da srie histrica;
DW > 3: os valores da srie so negativamente correlacionados.
Os demais valores devem ser interpretados de forma proporcional.
Estatstica de Ljung-Box
uma grandeza que permite analisar se um conjunto de auto-correlaes com valores diferentes de zero
significativamente diferente de um conjunto de auto-correlaes com valores iguais a zero

46

onde:
n o nmero de pares de pontos;
h o tamanho do conjunto de auto-correlaes
k o tamanho das defasagens e rk so os valores das auto-correlaes de ordem k.

Bertolo

Pgina36

IMESCatanduva

Mtodos Bsicos de Previso no Excel

Intervalo de Confiana na previso

O intervalo de confiana da previso pode ser interpretado como uma medida de preciso do modelo de
previso. O erro padro de previso estimado por meio de:

47

importante notar que se a srie de dados histricos for N, o nmero mximo de intervalos a serem
previstos ser igual a N-1.

Bertolo

Pgina37

IMESCatanduva

Mtodos Bsicos de Previso no Excel

BIBLIOGRAFIA

ARCHER, B. Forecasting Demand: Quantitative and Intuitive Techniques. International Journal of

Tourism Management. USA. v.1, n.1, p. 5-12, 1980.
BOX,G.; JENKINS, G. Time series analysis: Forecasting and control. San Francisco: Holden-Day,
1970.
CHAMBERS, J. C.; MULLICK, S. K.; SMITH, D. D. How to Choose the Right Forecasting Technique.
Harvard Business Review. USA. v. 49, July-August, p. 45-57, 1971.
CHATFIELD, C.The Analysis of Time Series. 6 ed. Washington: Chapman & Hall/CRC, 2004. 322p.
DAVIS, M.; AQUILANO, N.; CHASE, R. Fundamentos da Administrao da Produo. 3 ed. Porto
Alegre: Bookman, 2001. 472p.
EHLERS, R.S. Anlise de Sries Temporais. Disponvel em: < http://www2.icmc.usp.br/~ehlers/>.
Acesso em 22 de dez 2012
FERREIRA, A.B.H. Novo Dicionrio da Lngua Portuguesa. Rio de Janeiro: Editora Nova Fronteira,
1975. 1516p.
FURTADO, M.R. Aplicao de um modelo de previso da demanda total nos credenciados Belgo
pronto. 2006. 32 p. Monografia (Concluso de Graduao em Engenharia de Produo) - Curso de
Engenharia de Produo, Universidade Federal de Juiz de Fora, Juiz de Fora, 2006.
HARRISON, P.J.; STEVENS, C. F. Bayesian Forecasting. Journal of the Royal Statistical Society. UK.
series B, v. 38, n 3, p.81-135, 1976
KOEHLER, A. B.; SNYDER, R. D.; ORD, J. K. Forecasting Models and Prediction Intervals for the
Multiplicative Holt-Winters Method. International Journal of Forecasting. USA. v.17, n.2, p.269-286,
apr./jun. 2001.
MAKRIDAKIS, S.; WHEELWRIGHT, S.; HYNDMAN, R. Forecasting: Methods and Applications. 3.
ed., New York: John Wiley & Sons, 1998.
MONTGOMERY, D.; JOHNSON, L.; GARDINER, J. Forecasting and Time Series Analysis. New
York: McGraw-Hill, 1990.
MORETTIN, P.A.; TOLOI, C.M.C. Anlise de Sries Temporais. So Paulo: Editora Edgard Blucher
Ltda., 2004.
MUN, J. Modeling Risk: Applying Monte Carlo Simulation, Real Options Analysis, Stochastic
Forecasting and Portfolio Optimization. 2 ed., New York:John Wiley & Sons, 2010.
ORACLE CRYSTAL BALL CBPredictor User Manual, Release 11.1.1.1.00, 2008
PINDYCK, R.; RUBENFELD, D.L. Microeconomia. 5 ed., So Paulo: Prentice Hall, 2002.
TSAY, R.S. Analysis of Financial Times Series: Financial Econometrics. New York: John Wiley &
Sons, 2002

Bertolo

Pgina38