Neste tópico
Multiplicativo
Fórmula
Yt = Tendência × Sazonal × Erro
Notação
| Termo | Descrição |
|---|---|
| Yt | observação no tempo t |
Aditivo
Fórmula
Yt = Tendência + Sazonal + Erro
Notação
| Termo | Descrição |
|---|---|
| Yt | observação no tempo t |
Ajuste de modelo
- O Minitab suaviza os dados usando uma média móvel centralizada com comprimento igual ao comprimento do ciclo sazonal. Quando o comprimento do ciclo sazonal é um número par, é necessária uma média móvel de duas etapas para sincronizar a média móvel corretamente.
- O Minitab divide (modelo multiplicativo) ou subtrai (modelo aditivo) a média móvel dos dados para obter o que se costuma chamar valores sazonais brutos.
- Para períodos de tempo correspondentes nos ciclos sazonais, o Minitab determina a mediana dos valores sazonais brutos. Por exemplo, se você possui 60 meses consecutivos de dados (5 anos), o Minitab determina a mediana dos 4 valores sazonais correspondentes a janeiro, fevereiro, etc.
- O Minitab ajusta as medianas dos valores sazonais brutos para que sua média seja um (modelo multiplicativo) ou zero (modelo aditivo). Essas medianas ajustadas constituem os índices sazonais.
- O Minitab usa os índices sazonais para ajustar os dados sazonalmente.
- O Minitab ajusta uma linha de tendência aos dados ajustados sazonalmente usando regressão de mínimos quadrados.
A tendência pode ser removida dos dados divindindo-s pelo componente de tendência (modelo multiplicativo) ou subtraindo o componente de tendência dos dados (modelo aditivo).
Previsão
A decomposição calcula a previsão como a linha de regressão linear multiplicada por (modelo multiplicativo) ou adicionada a (modelo aditivo) os índices sazonais. Os dados anteriores à previsão de origem são utilizados para a decomposição.
MAPE
O erro médio da porcentagem absoluta (MAPE) mede a precisão dos valores ajustados da série temporal. O MAPE expressa a precisão como porcentagem do erro.
Fórmula
Notação
| Termo | Descrição |
|---|---|
| yt | valor real no tempo t |
 | valor ajustado |
| n | número de observações |
DAM
O desvio absoluto médio (DAM) mede a precisão dos valores ajustados da série temporal. O DAM expressa precisão nas mesmas unidades dos dados, o que ajuda a conceituar a magnitude do erro.
Fórmula
Notação
| Termo | Descrição |
|---|---|
| yt | valor real no tempo t |
 | valor ajustado |
| n | número de observações |
DQM
O desvio quadrado médio (DQM) é sempre calculado usando-se o mesmo denominador, n, independentemente do modelo. O DQM é uma medida mais sensível de uma previsão anormalmente maior do que o DAM.
Fórmula
Notação
| Termo | Descrição |
|---|---|
| yt | valor real no tempo t |
 | valor ajustado |
| n | número de observações |
