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

[edição não verificada][edição não verificada]
Conteúdo apagado Conteúdo adicionado
Correcções
Alterar texto
Linha 1:
Muitos métodos de previsão, baseiam-setêm nocomo conceitopropósito dedistinguir que quando existe umaa tendência numa série de dados,qualquer essa[[w:Aleatoriedade|aleatoriedade]] tendênciaque podepossa serestar separadacontida danas aleatoriedadeobservações. porNuma alisamentosérie (calculandode adados [[w:Média|média]])com dostendência, valoreso noalisamento passado.das Oobservações efeitopassadas, destepermite alisamentoseparar ée eliminar a [[w:Aleatoriedade|aleatoriedade]], de modofacilitando a queutilização ada tendência possapara serprever projectadaos novalores futuros da [[w:FuturoSérie temporal|futurosérie temporal]] e utilizada como previsão. EmDe muitos casosmodo a tendênciareconhecer podeas sercomponentes separadada (decomposta)série emtemporal subtendênciasde queforma identificamisolada, cadaé umfrequente dosa componentesseparação da [[w:Série temporal|série temporal]]tendência em separado.subtendências, Estaproporcionando separaçãoprevisões pode,mais frequentemente,precisas ajudare a compreenderuma melhor ocompreensão do comportamento da série, o que proporciona previsões com maior precisão ([[Logística/Referências#refbMAKRIDAKIS|Makridakis, 1998, p. 82-84]]).
 
Geralmente,A osciclicidade métodose dea decomposição tentamsazonalidade, identificarsão duas componentes distintas da tendência que normalmente caracterizam as séries económicas e comerciais: aatravés ciclicidadedos emétodos osde factores sazonaisdecomposição. OA factorsazonalidade, sazonalconsiste estánuma relacionado com as flutuaçõesflutuação [[w:Periodicidade|periódicasperiódica]] de duraçãoda [[w:Constante|constante]]variável, causadascausada, por exemplo, pela [[w:Temperatura|temperatura]], pluviosidade, mês do ano, feriados ou políticaspoliticas empresariais. AQuando ciclicidadeos representaobjectivos são a mudançasprevisão a [[w:Longo prazo e curto prazo|longo prazo]] no nível da série. A ciclicidade, é, porhabitual vezesseparar separadaa emcomponente componentescíclica deda tendência e cíclicos, mas a distinção ésempre um poucoalgo artificial, eintegrando aos maiordois parteefeitos dos procedimentos de decomposição abordam a tendência e o ciclo como umnum único componente, conhecido pora ciclicidade.
 
A decomposição pressupõe que os dados são compostos como se segue:
Linha 7:
Dados = tendência + erro = <math> f </math>(ciclicidade, sazonalidade, erro)
 
Assim, ema adiçãopresença aosde componentesum daelemento tendência,de erro ou aleatoriedade é também assumida, aem presençaadição deaos umcomponentes elementoda de erro ou aleatoriedadetendência. Este erro é, supostonormalmente, apelidado de componente "irregular", comoassumindo-se sendocomo a diferença entre o efeito combinado das duas subtendências da série e os dados reais. Por isso, muitas vezes, é chamado de componente «irregular» ou «resto».
 
Existem várias alternativas para se decompor uma série temporal, todas visando isolar cada componente da série com a maior [[w:Precisão|precisão]] possível. O conceito básico desta separação é empírico e consiste em remover primeiro a tendência e, então isolar a componente sazonal. Qualquer resídual é considerado aleatoriedade que, embora não possa ser prevista, pode ser identificada.
Do ponto de vista [[w:Estatística|estatístico]], há uma série de fragilidades teóricas na abordagem de decomposição. Na prática, contudo, essas fraquezas têm sido largamente ignoradas e a abordagem tem sido usada com considerável [[w:Sucesso|sucesso]].
 
Com o objectivo de isolar cada componente da série com a maior [[w:Precisão|precisão]] possível, identificam-se várias alternativas de decompor uma série temporal. Esta separação consiste em remover o primeiro ciclo de evolução, isolando a componente sazonal numa fase posterior. Qualquer resíduo é considerado aleatório, sendo possível a sua identificação, apesar de a sua previsão ser impossível. Apesar das fragilidades existentes na abordagem da decomposição do ponto de vista [[w:Estatística|estatístico]], os investigadores têm usado a abordagem com um sucesso notável, ignorando estas fraquezas.
 
{{AutoCat}}