Logística/Técnicas de previsão/Decomposição de séries temporais: diferenças entre revisões

[edição não verificada][edição não verificada]
Conteúdo apagado Conteúdo adicionado
Actualização da página
Actualização de página
Linha 1:
 
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.
 
Métodos de decomposição geralmente tentam identificar duas componentes distintas do padrão básico subjacente, que tendem a caracterizar a [[w:Economia|economia]] e uma série de [[w:Negócio|negócios]]. Estas são as [[w:Tendência|tendências]] de ciclo e os factores sazonais. O 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 ou a época de [[w:Férias|férias]]. 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:
Linha 10:
Assim, em adição aos componentes do padrão, é também assumida a presença de um elemento de erro ou aleatoriedade. Este erro é assumido como sendo a diferença entre o efeito combinado dos dois subpadrões da série e os dados reais. Por isso, muitas vezes é chamado de componente "irregular".
 
Existem várias alternativas para se decompor uma série temporal, as quais visam isolar cada componente da série com a maior [[w:Precisão|precisão]] possível. O conceito básico desta separação é empírico e consiste em remover o primeiro ciclo de evolução, e então isolar o componente sazonal. Qualquer resíduo será considerado aleatório, e embora não possa ser previsto, pode ser identificado.
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]].
 
Linha 16:
 
 
Uma segunda direcção para o trabalho nesta área originou-se com os economistas, preocupados com o impacto da [[w:Depressão (economia)|depressão]] procuraram maneiras de prevê-las. Eles sentiram que os elementos da actividade económica deveriam ser separados de modo a que as mudanças no ciclo de negócios possam ser isoladas das mudanças sazonais e outras. A França nomeou uma comissão que em 1911 apresentou um [[w:Relatório|relatório]] de análise das causas da [[w:Crise financeira|crise económica]] de 1907. Este grupo introduziu a idéiaideia de indicadores antecedentes e coincidentes e tentou separar a tendência do ciclo de modo a que o movimento deste último pudesse ser seguido.
 
Nos [[w:Estados Unidos|Estados Unidos]], essa ideia foi ampliada e o conceito de construção de barómetros da actividade foi desenvolvida. Além disso, uma tentativa de separar a flutuação sazonal do resto dos componentes foi feita logo em 1915 (Copeland). O processo de decomposição, como é conhecido hoje, foi introduzido por Macauley (1930) que, em 1920, introduziu o método de médias móveis que constitui a base do Census II.