Baixe o app para aproveitar ainda mais
Prévia do material em texto
PLANEJAMENTO E CONTROLE DA PRODUÇÃO Fernando Medina Aula 10 Aula 10: Previsão de Demanda – Método Causal Conteúdo Programático Apresentar, resumidamente, a técnica estatística de regressão linear simples pelo método dos mínimos quadrados; Demonstrar as características do método causal para previsão de demanda quantitativa; Exemplificar a sua aplicação. Entender e viver.... "A previsão de males futuros suaviza a chegada deles." Cícero Estadista, orador e filósofo romano Aula 10: Previsão de Demanda – Método Causal Relação entre duas Variáveis Quando pode ser importante descrever a relação entre duas variáveis e predizer o valor de uma em função da outra? Conhecendo-se a altura de certo homem é possível estimar o seu peso? Aula 10: Previsão de Demanda – Método Causal Relação entre duas Variáveis Para responder a esta pergunta utiliza-se a técnica denominada regressão linear. Permite estudar a relação entre duas variáveis, tentando prever os valores de uma das variáveis em função da outra. Aula 10: Previsão de Demanda – Método Causal Modelos Estatísticos Preocupação estatística ao analisar dados: criar modelos que representem estruturas do fenômeno em observação. Aula 10: Previsão de Demanda – Método Causal Regressão Linear Simples Compreende a observação de dados amostrais para saber se duas variáveis estão relacionadas, considerando-se uma população. O modelo matemático resultante é uma equação que associa a variável dependente com a variável independente. Aula 10: Previsão de Demanda – Método Causal Regressão Linear Simples Os dados para esta análise provêm de observações de variáveis emparelhadas (geram dois valores, um para cada variável). Aula 10: Previsão de Demanda – Método Causal Diagrama de Dispersão Pode-se constatar pelo gráfico se há uma relação linear entre as variáveis, identificando-se se o grau de correlação é forte ou fraco. Aula 10: Previsão de Demanda – Método Causal Correlação entre Variáveis É maior quanto mais os pontos se concentram em relação à certa reta imaginária traçada por entre os pontos dispersos, dividindo a área em duas partes iguais. Avalia-se a presença ou ausência de relação linear entre as variáveis pela análise de correlação. Aula 10: Previsão de Demanda – Método Causal Regressão Linear Graficamente, a análise de regressão é o ajuste de uma reta que represente a estrutura dos dados. Aula 10: Previsão de Demanda – Método Causal Regressão Linear Considera-se que a equação da reta de regressão (vermelho) é do tipo Y = a + bX + ε, onde: Y é a variável dependente; X é a variável independente; ε são os desvios de Y em relação ao valor esperado; Aula 10: Previsão de Demanda – Método Causal Regressão Linear a é o coeficiente linear, ou seja, é o ponto onde a reta de regressão intercepta a ordenada (o valor de Y quando X = 0); b é o coeficiente angular (tg θ). Aula 10: Previsão de Demanda – Método Causal Regressão Linear Objetivo: ajustar a reta de regressão, estimando-se os seus coeficientes a e b pelo método dos mínimos quadrados. O desvio (ou erro) entre a reta ajustada e a observação realizada representada por um par ordenado. O ajuste ideal da reta de regressão: de “menor distância possível” em relação aos valores observados, pela “minimização da soma dos quadrados dos resíduos”. Aula 10: Previsão de Demanda – Método Causal Regressão Linear Para se calcular os coeficientes linear (a) e angular (b) pelo Método dos Mínimos Quadrados, utilizam-se as expressões a seguir: Médias Aula 10: Previsão de Demanda – Método Causal Correlação – Coeficiente de Pearson Mede o grau ou intensidade da correlação linear de dados emparelhados das variáveis dependente e independente. Pode variar entre -1 e 1. Ele assume valor negativo quando X e Y são inversamente proporcionais e, positivo, quando diretamente proporcionais. Aula 10: Previsão de Demanda – Método Causal Correlação – Coeficiente de Pearson Assume valor zero quando não há relação entre as duas variáveis. Aula 10: Previsão de Demanda – Método Causal Correlação – Coeficiente de Pearson Aula 10: Previsão de Demanda – Método Causal Correlação – Coeficiente de Pearson Para o cálculo do coeficiente de correlação, utiliza-se a seguinte expressão: Aula 10: Previsão de Demanda – Método Causal Regressão Linear - Exemplo Considere os seguintes dados: o número de viagens realizadas e o valor da carga transportada por ano. Aula 10: Previsão de Demanda – Método Causal ANO Viagens (x103) Carga Transportada (R$ x 103) 1 264 2,5 2 116 1,3 3 165 1,4 4 101 1 5 209 2 Diagrama de Dispersão Aula 10: Previsão de Demanda – Método Causal Nesse gráfico que há uma tendência de crescimento linear entre as variáveis, ou seja, quanto maior o número de viagens, maior será a quantidade de carga transportada. Aula 10: Previsão de Demanda – Método Causal Ajustamento da Reta (Método dos Mínimos Quadrados) Pela equação da reta y = a + bx, é necessário identificar qual é a verdadeira reta que passa pelos pontos de cruzamento das observações. Para isso, é necessário calcular os valores de a e b, que são os coeficientes de determinação dessa reta, sendo a o coeficiente linear, ou seja, o ponto em que a reta corta o eixo dos y e b o coeficiente angular. Aula 10: Previsão de Demanda – Método Causal Essa será a reta que passa o mais próximo possível dos pontos observados no diagrama de dispersão, tornando mínima a distância entre os pontos observados e ela. Aula 10: Previsão de Demanda – Método Causal O método que minimiza as discrepâncias entre os pontos e a reta, sendo o melhor para a determinação dos parâmetros a e b é o método dos mínimos quadrados, que torna possível calcular esse parâmetros com a aplicação das seguintes fórmulas (1) e (2) : Aula 10: Previsão de Demanda – Método Causal Médias (1) (2) Aula 10: Previsão de Demanda – Método Causal Onde n é o tamanho da amostra. Aula 10: Previsão de Demanda – Método Causal Usando (3) e (4): = 1,70 = 1,64 (3) (4) Calculado pela fórmula anterior, descobre-se que 109,23 equivale ao b calculado; - 8,137 ao a. Aula 10: Previsão de Demanda – Método Causal Com os parâmetros a e b definidos, a reta de regressão que se ajusta aos dados é representada por: Y = - 8,137 +109,23X. Nesta aula você... Foi exposto o método causal para previsão de demanda conhecido como Regressão Linear Simples. Aula 10: Previsão de Demanda – Método Causal Fernando Medina Graduação em Engenharia de Produção (UFRJ). Mestre e Doutor (COPPE/UFRJ). Professor de Curso de Graduação e de Pós-Graduação (Universidade Estácio de Sá). Tutor de Ensino à Distância. Aula 10: Previsão de Demanda – Método Causal Obrigado!
Compartilhar