Insira seus dados para Método de Winter

Estat > Séries Temporais > Método de Winters

Insira seus dados

Complete as seguintes etapas para especificar a coluna de dados que você deseja analisar.

  1. Em Variável, insira uma coluna de dados numéricos que foram coletados a intervalos regulares e registrados em ordem temporal. Se os seus dados estiverem em várias colunas (por exemplo, você tem os dados para cada ano em uma coluna separada), você deve empilhar os dados em uma única coluna. É recomendável que você tenha de 4 a 5 ciclos sazonais completos. Se você não tiver ciclos completos suficientes, você não tem muitos dados suficientes para calcular as estimativas razoáveis dos índices de sazonalidade.
  2. Em Comprimento sazonal, insira o número de observações que ocorrem em uma temporada. Por exemplo, se você coletar dados mensais e os dados tiverem um padrão anual, insira 12.

    Se você não souber o comprimento sazonal, use Estat > Séries Temporais > Gráfico de Séries Temporais ou Estat > Séries Temporais > Autocorrelação para ajudá-lo a identificar o comprimento.

Nesta worksheet, Vendas contém o número de computadores vendidos a cada mês.

C1
Vendas
195000
213330
208005
249000
237040

Tipo de Método

Escolha o padrão sazonal que ajusta seus dados. Com os dados multiplicativos, a magnitude do padrão sazonal muda à medida que o nível das alterações de dados. Com os dados aditivos, a magnitude do padrão sazonal permanece constante à medida que o nível de dados muda.
Multiplicativo
Aditivo
Se você não souber o tipo de modelo, execute uma das seguintes ações:
  • Use Estat > Séries Temporais > Gráfico de Séries Temporais para identificar o modelo correto.
  • Tente Multiplicativo e Aditivo, e em seguira compare as medidas de precisão para determinar qual o modelo que proporciona um ajuste melhor.
Observação

Você não deve ajustar um modelo multiplicativo quando os dados contiverem valores negativos. Quando você tem dados positivos e negativos, os índices sazonais multiplicativos para os dados negativos são o inverso do que eles são para os dados positivos. Isso faz com que o modelo não ajuste os dados.

Pesos para Usar na Suavização

Os pesos ajustam a quantidade de suavização, definindo o modo como cada componente reage às condições atuais. Normalmente, você deseja suavizar dados suficientes para reduzir o ruído (flutuações irregulares), de modo que o padrão é mais aparente. No entanto, não suavize os dados tanto a ponto de perder detalhes importantes.

Primeiro, realize a análise com os pesos padrão. Depois, examine o gráfico de série temporal resultante, você pode aumentar ou diminuir os pesos. Os pesos mais baixos produzem uma linha mais suave, e maiores pesos produzem uma linha menos suave. Use pesos menores para os dados ruidosos, de forma que os valores suavizados não flutuem com o ruído. Se você realmente ajustar os pesos, o ajuste do peso do componente de nível geralmente oferece uma chance melhor de aprimorar as medidas de precisão. Em geral, alterar os outros pesos exerce um pequeno impacto depois de ajustar o peso do nível onde deveria estar.

Pesos mais elevados dão mais influência a dados recentes, de modo que as previsões (verde) seguem a tendência descendente no final dos dados (preto).

Peso de tendência mais elevada

Os pesos mais baixos dão menos influência aos dados recentes, de modo que as previsões seguem a tendência geral ascendente.

Peso de tendência mais baixa

Gerar previsões

Complete as etapas a seguir para gerar previsões para sua série temporal.

  1. Selecione Gerar previsões.
  2. Em Número de previsões, insira o número de períodos consecutivos para o qual deseja previsões.
  3. Em Inicialização na origem, especifique o número da linha para a primeira previsão. Se você deixar este campo em branco, o Minitab inicia as previsões no final da série temporal.

    Se você inserir um valor, o Minitab utiliza apenas os dados até aquele número de linha para as previsões. Os valores de previsão são diferentes dos ajustes porque o Minitab usa todos os dados para calcular os ajustes.

    Por exemplo, um analista tem dados mensais de janeiro a dezembro. Em dezembro, ele quer gerar uma previsão para o próximo mês, mas os dados de dezembro estão incompletos. Em Número de previsões, o analista insere 2. Em Inicialização na origem, o analista insere 12. O Minitab usa os dados até novembro para gerar previsões para dezembro e janeiro.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política