Logística/Técnicas de previsão/Metodologia bootstrap: diferenças entre revisões

[edição não verificada][edição não verificada]
Conteúdo apagado Conteúdo adicionado
Pedro Rito (discussão | contribs)
Sem resumo de edição
Pedro Rito (discussão | contribs)
Sem resumo de edição
Linha 1:
A [[w:Bootstrapping (estatística)|metodologia ''bootstrap'']] é um sistema pericial que traduz as regras de um [[w:Especialista|perito]] para um modelo quantitativo. Esta tradução é efectuada por [[w:Regressão|regressão]] das previsões do perito em relação à informação que este usou. Na realidade, esta metodologia infere o modelo do perito através da análise das previsões realizadas pelos mesmos ([[Logística/Referências#refbARMSTRONG|Armstrong, 2001, p. 171]]).
 
Esta ferramenta torna-se, particularmente, útil quando existem poucos dados históricos ou quando estes têm pouca [[w:Qualidade|qualidade] e é mais apropriada para situações complexas, nas quais as opiniões dos peritos inspiram pouca confiança. Caso seja necessário elaborar várias previsões, a metodologia torna-se económica. Permite, também, identificar enviesamentos nas previsões dos peritos, assim como revela a maneira como os mehores peritos as efectuam.
 
Alguns estudos mostram que a metodologia ''bootstrap'' melhorou a [[w:Qualidade|qualidade]] das decisões na [[w:Produção|produção]] em empresas.
 
Na metodologia ''bootstrap'', os peritos efectuam previsões sobre situações reais ou simuladas e são utilizados meios estatísticos para inferir os modelos de previsão. Esta metodologia utiliza as previsões dos peritos como variável dependente e as pistas como variáveis causais. O modelo é normalmente estimado a partir da [[w:Método dos mínimos quadrados|regressão dos mínimos quadrados]] ([[Logística/Referências#refbARMSTRONG|Armstrong, 2001, p. 173]]):
Linha 17:
* Estudar mais que um perito;
* Utilizar peritos com ideias diferentes;
* Utilizar uma [[w:Amostra|amostra]] suficientemente grande de ''stimulus cases'';
* Utilizar ''stimulus cases'' que cobrem a maioria das possibilidades razoáveis;
* Utilizar ''stimulus cases'' que apresentem ligeiras intercorrelações, mas que sejam realistas;
Linha 30:
* A alternativa é obter previsões de peritos com pouco experiência.
 
A metodologia ''bootstrap'' é uma técnica com uma certa utilidade, visto que é simples, tem um baixo [[w:Custo|custo]] associado e os resultados são bastante fiáveis.
 
{{AutoCat}}