Logística/Técnicas de previsão/Representação gráfica: diferenças entre revisões

[edição não verificada][edição não verificada]
Conteúdo apagado Conteúdo adicionado
revisao
revisão
Linha 14:
 
[[Imagem:GDP_PIB_tunisia.svg|right|thumb|Figura 2. Série com ciclicidade.]]
*''Cíclico (C)''. Verifica-se quando os dados apresentam subidas e descidas de período variável. Por exemplo, nas séries de dados económicos, tais como as vendas de automóveis, aço e grandes electrodomésticos, as subidas e descidas devem-se, normalmente, a flutuações económicas como as que resultam dos [[w:Ciclo econômico|ciclos económicos]]). Enquanto o comportamento sazonal tem duração, periodicidade e amplitude mais ou menos constantes e um ciclo curto, o comportamento cíclico varia de duração, é mais prolongado e de periodicidade e amplitude mais variáveis (Figura 2).
 
[[Imagem:Southern_Hemisphere_Sea_Ice_Extent_Anomalies-Mar.png|right|thumb|Figura 3. Série com tendência positiva.]]
*''Tendência (T)''. AsVerifica-se quando existe um aumento ou uma diminuição dos dados a longo prazo como, por exemplo, o que se pode observar em relação às vendas de muitas empresas, o [[w:Produto nacional bruto|Produto Nacional Bruto]] (PNB), e muitos outros indicadores económicos e de negócios são alguns exemplos de séries que verificam tendência, ou seja, um aumento ou uma diminuição dos dados a longo prazo (Figura 3).
 
O grande desafio e motivo de interesse por detrás da previsão prende-se com a grande variedade de comportamentos (fruto da combinação dos diferentes tipos de comportamento referidos acima) presentes em séries temporais reais. Como tal, devem ser empregues modelos de previsão capazes de distinguir cada comportamento, caso seja necessário efectuar a separação dos seus componentes, bem como identificar o comportamento e efectuar um melhor ajuste dos dados para que se possam efectuar previsões de valores futuros.
 
 
''Gráfico sazonal''
 
Um gráfico sazonal [http://robjhyndman.com/fppfigs/a10b.png] é semelhante a um gráfico temporal com os dados para cada época sobrepostos, como se estivessem representados em função da época em que foram observados. Este tipo de gráfico permite observar o comportamento sazonal com mais facilidade, assim como identificar quaisquer desvios substanciais do comportamento sazonal.
 
 
''Gráfico de dispersão''
[[Imagem:R-car_stopping_distances_1920.svg|right|thumb|Figura 4. Gráfico de dispersão.]]
A relação entre duas [[w:Variável (matemática)|variáveis]] é representada em [[w:Gráfico de dispersão|gráficos de dispersão]] (Figura 4) que exibem os dados num [[w:Gráfico bidimensional|gráfico bidimensional]]. A variável resposta é representada no eixo <math>Y</math> enquanto que no eixo <math>X</math> representa-se representa a variável que pode ser considerada explicativa ([[Logística/Referências#refbScatterplot|Scatter, [2010]]]).
 
Os gráficos de dispersão fornecem informação acerca da intensidade, forma (linear, curva, etc.), direcção (positiva ou negativa) e presença de valores estranhos na relação entre duas variáveis. São de especial importânciautilidade quando existe um grande número de dados.
 
O agrupamento de pontos ao longo de uma linha é o resultado da [[w:Correlação|correlação]] entre as variáveis.
Linha 38:
''Alisamento de um gráfico de dispersão''
 
O alisamento de um gráfico de dispersão é realizado através do [[w:Ajuste de curvas|ajuste de uma linha]] aos dados de uma linha, que tenta mostrar a componente não-aleatória da associação entre as variáveis. EsteO alisamento pode ser feito através de uma linha recta, uma linha quadrática ou polinomial ou «Splines»''splines'' de alisamento poisque permitem uma maior flexibilidade nas associações não-lineares. O melhor ajuste da curva, é definido como o ajuste que resulta na soma mínima dos erros quadrados ([[w:Método dos mínimos quadrados|critério dos mínimos quadrados]]).
 
As previsões da variável resposta baseadas no valor da variável explicativa são realizadas comusando base no uso deo alisamento para separar as variações não-aleatórias das variações aleatórias.
 
 
''Causa e efeito''
 
Não existe necessariamente uma relação causa e efeito sempre que um gráfico de dispersão exibe uma associação entre duas variáveis, pois ambas podem estar relacionadas com uma terceira variável, aou associaçãopode aparenteexistir podeainda simplesmenteuma derivaroutra decausa. umA acasoassociação ouaparente pode, existirsimplesmente, aindaderivar umade outraum causaacaso.
 
 
''Uso''
 
A representação gráfica da relação entre duas variáveis é importanteútil nasna fasesfase iniciaisinicial de análise dos dados, antes de se calcular o coeficiente de correlação ou de se ajustar uma curva de regressão, porque pode, por exemplo, ajudar a determinar se um modelo de regressão linear é apropriado ou não.
{{AutoCat}}