a) Para determinar a duração do ciclo sazonal, é necessário calcular a média móvel centrada de ordem 2 (MMC2) da série. A MMC2 é calculada pela média aritmética dos valores adjacentes, ou seja, a média entre o valor anterior e o posterior. A duração do ciclo sazonal é igual ao número de períodos entre dois picos consecutivos da MMC2. Neste caso, a MMC2 é: t 1 2 3 4 5 6 7 8 9 10 11 12 Yt 65 260 310 214 120 810 653 320 230 1250 820 340 MMC2 - 162,5 285 262 167 466,5 491,5 486,5 275 740 535 A duração do ciclo sazonal é de 6 períodos, pois há um pico a cada 6 períodos. b) Para prever os valores da série para t=13 a t=16, é necessário calcular a tendência e o fator sazonal. A tendência foi estimada pela equação y = 62,5x+59,2. Para calcular o fator sazonal, é necessário calcular a média aritmética dos valores da série para cada período do ciclo sazonal. A tabela abaixo mostra os valores da série ajustados pela tendência e o fator sazonal: t 1 2 3 4 5 6 7 8 9 10 11 12 Yt 65 260 310 214 120 810 653 320 230 1250 820 340 Tendência 122,5 185 247,5 310 372,5 435 497,5 560 622,5 685 747,5 810 Fator sazonal 0,53 2,12 2,52 1,74 0,98 6,63 5,37 0,26 0,19 1,03 0,67 0,28 Yt/Tendência/Fator sazonal 122,64 122,64 123,21 123,22 122,45 122,45 121,57 121,57 121,06 121,06 120,98 120,98 Assim, os valores previstos para t=13 a t=16 são: t 13 14 15 16 Yt 122,64 x 0,53 = 65,12 122,64 x 2,12 = 260,22 123,21 x 2,52 = 310,98 123,22 x 1,74 = 214,44 c) O Erro Quadrático Médio (EQM) é uma medida de precisão da previsão. É calculado pela média aritmética dos quadrados dos erros de previsão. O erro de previsão é a diferença entre o valor previsto e o valor real. A fórmula do EQM é: EQM = (Σ(Yt - Yp)²) / n Onde: Yt = valor real Yp = valor previsto n = número de observações d) Face ao comportamento da série, outros métodos de previsão que poderiam ser utilizados são o método de suavização exponencial e o método de Box-Jenkins. O método de suavização exponencial é adequado para séries com tendência e/ou sazonalidade, enquanto o método de Box-Jenkins é adequado para séries com comportamento mais complexo, como sazonalidade irregular ou mudanças abruptas na tendência.
Para escrever sua resposta aqui, entre ou crie uma conta
Compartilhar