|
Muitos métodos de previsão são baseadas no conceito de que quando existe um padrão numa série de dados, esse padrão pode ser distinguido aleatoriamente por alisamento (([[w:Média|média]]) dos valores do passado. O efeito deste alisamento é eliminar a [[w:Aleatoriedade|aleatoriedade]], assim, o padrão pode ser projectado no [[w:Futuro|futuro]] e utilizado como previsão. Em muitos casos o padrão pode ser decomposto em subpadrões que identificam cada um dos componentes das [[w:Série temporal|séries temporais]] em separado. Esta repartição pode, frequentemente, ajudar na melhor compreensão do comportamento da série, e consequentemente uma maior exactidão nas previsões.
Geralmente os métodosMétodos de decomposição geralmente tentam identificar doisduas componentes distintosdistintas do padrão básico subjacente, que visamtendem a caracterizar a [[w:Economia|economia ]] e uma série de [[w:Negócio|negócios]]. Estes componentesEstas são as [[w:Tendência|tendências]] de ciclo e os factores sazonais. AO factor sazonal refere-se a flutuações [[w:Periodicidade|periódicas]] de comprimento [[w:Constante|constante]] como por exemplo a [[w:Temperatura|temperatura]], a [[w:Precipitação (meteorologia)|precipitação]], o mês do ano eou a época de [[w:Férias|férias ]] são exemplos do factor sazonal, pois estão associados a flutuações [[w:Periodicidade|periódicas]] de comprimento [[w:Constante|constante]]. A tendência representa o ciclo de mudanças a [[w:Longo prazo e curto prazo|longo prazo]] no nível da série. A tendência de ciclos , é , por vezes separada em componentes de tendência e cíclicos, mas a distinção é um pouco artificial e muitos procedimentos da decomposição abordam a tendência e ciclo , como um único componente , conhecido como a evolução do ciclo. ▼
De acordo com [[Logística/Referências#refbMAKRIDAKIS|Makridakis et al. (1998, p. 82-84)]], muitos métodos de previsão baseiam-se na existência de um padrão numa série de dados, assim, através do alisamento ([[w:Média|média]]) de valores passados, este padrão pode ser identificado de forma [[w:Aleatoriedade|aleatória]]. A eliminação da aleatoriedade é, portanto, o principal efeito deste alisamento, ou seja, o padrão pode ser utilizado como previsão, através da projecções do [[w:Futuro|futuro]]. Muitas vezes é possível a decomposição do padrão em subpadrões , permitindo, assim, identificar cada um dos componentes das [[w:Série temporal|séries temporais]] de forma separada. Esta divisão permite obter uma maior exactidão nas previsões ajudando na melhor compreensão do comportamento da série.
▲Geralmente os métodos de decomposição tentam identificar dois componentes distintos do padrão básico, que visam caracterizar a [[w:Economia|economia]] e uma série de [[w:Negócio|negócios]]. Estes componentes são as [[w:Tendência|tendências]] de ciclo e os factores sazonais. A [[w:Temperatura|temperatura]], a [[w:Precipitação (meteorologia)|precipitação]], o mês do ano e a época de [[w:Férias|férias]] são exemplos do factor sazonal, pois estão associados a flutuações [[w:Periodicidade|periódicas]] de comprimento [[w:Constante|constante]]. A tendência representa o ciclo de mudanças a [[w:Longo prazo e curto prazo|longo prazo]] no nível da série. A tendência de ciclos, é por vezes separada em componentes de tendência e cíclicos, mas a distinção é um pouco artificial e muitos procedimentos da decomposição abordam a tendência e ciclo como um único componente, conhecido como a evolução do ciclo.
A decomposição pressupõe que os dados são compostos da seguinte forma:
''Dados = padrão + erro = f (tendência - ciclo, sazonalidade, erro)''
Assim , em adição aos componentes do padrão, é também assumida a presença de um elemento de erro ou aleatoriedade , a juntar aos componentes do padrão. Este erro é muitasassumido vezescomo chamadosendo de componente «irregular» traduzindo-se naa diferença entre o efeito combinado dos dois subpadrões da série e os dados reais . Por isso, muitas vezes é chamado de componente "irregular". ▼
NaExistem decomposiçãovárias dealternativas para se decompor uma série temporal existem várias alternativas que podem ser implementadas, tendoas comoquais objectivovisam isolar cada componente da série com a maior [[w:Precisão|precisão]] possível. O conceito básico desta separação é [[w:Empirismo|empírico ]] e resume-seconsiste em remover ao evolução doprimeiro ciclo ede evolução, e então , isolar ao componente sazonal. Qualquer resíduo será considerado aleatório , e , embora não possa ser previsto, pode ser identificado. ▼▲Assim, é assumida a presença de um elemento de erro ou aleatoriedade, a juntar aos componentes do padrão. Este erro é muitas vezes chamado de componente «irregular» traduzindo-se na diferença entre o efeito combinado dos dois subpadrões da série e os dados reais.
A partir de um ponto de vista [[w:Estatística|estatístico]] há uma série de fragilidades teóricas na abordagem de decomposição. Os praticantes, entretanto, têm ignorado estas fraquezas e têm usado a abordagem com considerável [[w:Sucesso|sucesso]].
No âmbito da análise de séries temporais, osOs métodos de decomposição estão entre as mais antigas abordagens maisde antigasanálise de séries temporais. Estes métodos nasceram no início do [[w:Século XX|século XX]] e foram iniciados a partir de duas direcções diferentes. NumaEm primeiraprimeiro faselugar, reconheceu-se o estudo da [[w:Correlação|correlação]] dentro ou entre as variáveis, sendo que, deve ser eliminada qualquer correlação falsa que possa existir por causa da tendência deve ser eliminada. Em 1884, Poynting tentou durante vários anos eliminar tendências e algumas flutuações sazonais pela média dedos preços durante vários anos. Hooker (1901) seguiu o exemplo de Poynting, mas foi mais preciso nos seus métodos para eliminar a tendência. O seu [[w:Trabalho (economia)|trabalho ]] foi seguido por Spencer (1904) e Anderson e Nochmals (1914) que incluíramgeneralizaram o procedimento de eliminação de tendências de modo a incluir [[w:Polinómio|polinómios]] de ordem superior , ampliando, assim, o processo de eliminação de tendências. ▼▲Na decomposição de uma série temporal existem várias alternativas que podem ser implementadas, tendo como objectivo isolar cada componente da série com a maior [[w:Precisão|precisão]] possível. O conceito básico desta separação é [[w:Empirismo|empírico]] e resume-se em remover a evolução do ciclo e, então, isolar a componente sazonal. Qualquer resíduo será considerado aleatório e, embora não possa ser previsto, pode ser identificado.
A abordagem de decomposição pressupõe algumas fragilidades teóricas, do ponto de vista [[w:Estatística|estatístico]]. Contudo, estas fraquezas têm sido ignoradas pelos praticantes, que têm sabido usar esta abordagem com considerável [[w:Sucesso|sucesso]].
▲No âmbito da análise de séries temporais, os métodos de decomposição estão entre as abordagens mais antigas. Estes métodos nasceram no início do [[w:Século XX|século XX]] e foram iniciados a partir de duas direcções diferentes. Numa primeira fase, reconheceu-se o estudo da [[w:Correlação|correlação]] dentro ou entre as variáveis, sendo que, deve ser eliminada qualquer correlação falsa que possa existir por causa da tendência. Em 1884, Poynting tentou durante vários anos eliminar tendências e algumas flutuações sazonais pela média de preços. Hooker (1901) seguiu o exemplo de Poynting, mas foi mais preciso nos seus métodos para eliminar a tendência. O seu [[w:Trabalho (economia)|trabalho]] foi seguido por Spencer (1904) e Anderson e Nochmals (1914) que incluíram [[w:Polinómio|polinómios]] de ordem superior, ampliando, assim, o processo de eliminação de tendências.
Uma segunda abordagemdirecção para o trabalho nesta área originou-se com os economistas, quepreocupados procuravam maneiras de prevercom o impacto dasda [[w:Depressão (economia)|depressõesdepressão]] procuraram maneiras de prevê-las. Eles sentiram a necessidade de separarque os elementos da actividade económica deveriam ser separados de modo a que as mudanças no ciclo de negócios fossempossam ser isoladas das mudanças sazonais e outras. No âmbito da [[w:Crise financeira|crise económica]] de 1907 aA França nomeou uma comissão, que em 1911 apresentou um [[w:Relatório|relatório]] acercade análise das suascausas causasda [[w:Crise financeira|crise económica]] 1907. Este grupo introduziu a idéia de indicadores antecedentes e coincidentes e tentou separar a tendência do ciclo de modo a que o movimento deste último pudesse ser seguido. Este grupo foi, também, responsável pela introdução da ideia de indicadores antecedentes e coincidentes.
Nos [[w:Estados Unidos|Estados Unidos]], essa ideia foi ampliada e o conceito de construção de indicadoresbarómetros da actividade foi desenvolvidodesenvolvida. EmAlém 1915 (Copeland)disso, foi feita uma tentativa de separar a flutuação sazonal do resto dos componentes. Macauleyfoi feita logo em 1915 (1930Copeland). introduziu oO processo de decomposição, como é conhecidaconhecido hoje, foi introduzido por Macauley (1930) eque, em 1920, introduziu o método de médias móveis que constitui a base do Census II.
O uso generalizado de [[w:Computador|computadores]] constituiu um impulso no desenvolvimento da decomposição. Shiskin (1957) desenvolveu um programa de computador que pudesse realizar os cálculos necessários de forma fácil e rápida. Isso deu origem ao Census II, que se tornou o mais usado dos métodos de decomposição. As abordagens de decomposição têm sido amplamente utilizadas por ambos os economistas e analistas de negócios, desde essa época. ▼
▲OUm impulso no desenvolvimento da decomposição veio com a introdução do uso generalizado de [[w:Computador|computadores]] constituiu um impulso no desenvolvimento da decomposição. Shiskin (1957) desenvolveu um programa de computador que pudesse realizar os cálculos necessários de forma fácil e rápida. Isso deu origem ao Census II, que se tornou o mais usado dos métodos de decomposição. AsDesde essa época, as abordagens de decomposição têm sido amplamente utilizadasutilizados por ambos os economistas e analistas de negócios , desde essa época.
Mais recentemente, as vantagens das abordagens de decomposição foram reconhecidas e têm sido feitos esforços para melhorara sua aplicação. Estes esforços têm sido no sentido da introdução de rigor estatístico na abordagem, sem perder a sua exactidão. ▼
▲Mais recentemente, as vantagens das abordagens de decomposição foram reconhecidas e têm sido feitos esforços para melhoraramelhorar suaas aplicaçãoabordagens. Estes esforços têm sido no sentido da introdução de rigor estatístico na abordagem, sem perder a sua exactidão.intuitividade
([[Logística/Referências#refbMAKRIDAKIS|Makridakis, 1998, p. 82-84]]).
| 