Baixe alisamento regressao e outras Notas de estudo em PDF para Agronomia, somente na Docsity!
Dados de Faturamento Empresa de Latas Produto: Latas (350 ml) Realizado mês Fat(R$mil) jan 474330. feb 333364. mar (^) 225361. apr 210765. may 252567. jun (^) 247972. jul (^) 312258. aug 316065. sep 336508. oct (^) 385270. nov 421294. dec 426543. Série de Vendas Totais/Cliente:-TOTAL 350 ml 474.330.63 333.364.01 312.258.03 316.065.17 385.270.75 336.508.34 421.294.78426.543. 100.000.00^ 150.000.00^ 200.000.00^ 250.000.00^ 300.000.00^ 350.000.00^ 400.000.00^ 450.000.00 50.000.00 -^ 225.361.20^ 210.765.15^ 252.567.54^ 247.972. 500.000. Janeiro Fevereiro Março^ Abril^ Maio Junho Meses Julho Agosto Setembro Outubro No vembro De zembro (1000 Latas) Série de Vendas Totais/Cliente:-TOTAL 350 ml
mês # Fat(R$mil) 1 jan 1 474330.63 SUMMARY OUTPUT 2 feb^2 333364. 3 mar 3 225361.20 Regression Statistics 4 apr 4 210765.15 Multiple R 0. 5 may^5 252567.54 R Square^ 0. 6 jun 6 247972.75 Adjusted R Square 0. 7 jul 7 312258.03 Standard Error 84244. 8 aug^8 316065.17 Observations^12 9 sep 9 336508. 10 oct^10 385270.75 ANOVA 11 nov^11 421294.78 df^ SS^ MS 12 dec 12 426543.98 Regression 1 8997337006.9 9E+ Jan a Mar Residual 10 70971341421 7.1E+ Abr a Dez Total 11 79968678428 Coefficients Standard Error t Stat Intercept 276966.45 51848.899575 5. X Variable 1 7932.11451 7044.8781882 1. A regressão é um método de longo prazo que nos mostra a tendência. Porém neste caso possuimos dados de apena dá uma previsão ruim. Poderíamos dividir os dados de modo a eliminar a sazonalidade e realiza 0 2 4 6 8 10 12 0 50000 100000 150000 200000 250000 300000 350000 400000 450000 500000 Regressão 0 2 4 6 8 10 12 14 0 100000 200000 300000 400000 500000 Regressão Jan a Mar Linear (Jan a Mar) Abr a Dez Linear (Abr a Dez)
Média Móvel(fórmulas) n mês Fat (R$) 2 3 4 5 6 jan 474330.63 #N/A #N/A #N/A #N/A #N/A feb (^) 333364.01 403847.32 #N/A #N/A #N/A #N/A mar 225361.20 279362.61 344351.95 #N/A #N/A #N/A apr 210765.15 218063.18 256496.79 310955.25 #N/A #N/A may 252567.54 231666.35 229564.63 255514.48 299277.71 #N/A jun (^) 247972.75 250270.15 237101.81 234166.66 254006.13 290726. jul 312258.03 280115.39 270932.77 255890.87 249784.93 263714. aug 316065.17 314161.60 292098.65 282215.87 267925.73 260831. sep (^) 336508.34 326286.76 321610.51 303201.07 293074.37 279356. oct (^) 385270.75 360889.55 345948.09 337525.57 319615.01 308440. nov 421294.78 403282.77 381024.62 364784.76 354279.41 336561. dec (^) 426543.98 423919.38 411036.50 392404.46 377136.60 366323. jan Média Móvel (valores) n mês Fat (R$) 2 3 4 5 6 jan 474330. feb (^) 333364.01 #N/A #N/A #N/A #N/A #N/A mar 225361.20 403847.32 #N/A #N/A #N/A #N/A apr 210765.15 279362.605 344351.9467 #N/A #N/A #N/A may 252567.54 218063.175 256496.7867 310955.2475 #N/A #N/A jun (^) 247972.75 231666.345 229564.63 255514.475 299277.706 #N/A jul 312258.03 250270.145 237101.8133 234166.66 254006.13 290726. aug 316065.17 280115.39 270932.7733 255890.8675 249784.934 263714. sep (^) 336508.34 314161.6 292098.65 282215.8725 267925.728 260831. oct (^) 385270.75 326286.755 321610.5133 303201.0725 293074.366 279356. nov 421294.78 360889.545 345948.0867 337525.5725 319615.008 308440. dec (^) 426543.98 403282.765 381024.6233 364784.76 354279.414 336561. jan 423919.38 411036.5033 392404.4625 377136.604 366323. abs(P-R)/n feb mar 17848. apr 6859.75 14842. may 3450.44 436.58 7298. jun 1630.64 2045.35 942.72 7329. jul 6198.79 8350.69 9761.42 8321.70 3588. aug 3594.98 5014.71 7521.79 9468.61 8725.07 4452. sep 2234.67 4934.41 6786.56 9797.52 12612.78 13062. oct 5898.40 7073.36 10258.71 13170.91 17652.43 22725. nov 6040.52 8371.85 10471.15 14525.68 18809.06 25361. dec 2326.12 5057.71 7719.90 10323.51 14997.06 20396. MAD 56082.92 56127.64 60760.71 72937.20 76384.92 85998. Este erro nos mostra a importância, pois está na mesma unidade do faturamento e nos mostra o menor erro d (R-P)/R*n feb mar -0. apr -0.03 -0. may 0.01 0.00 -0. jun 0.01 0.01 0.00 -0. jul 0.02 0.03 0.03 0.03 0. aug 0.01 0.02 0.02 0.03 0.03 0. sep 0.01 0.01 0.02 0.03 0.04 0. jan feb mar apr may jun jul aug s 0 50000 100000 150000 200000 250000 300000 350000 400000 450000 500000
Médias Móve
meses
R$
oct 0.02 0.02 0.03 0.03 0.05 0. nov 0.01 0.02 0.02 0.03 0.04 0. dec 0.01 0.01 0.02 0.02 0.04 0. MPE -0.02 0.04 0.11 0.15 0.20 0. Permite avaliar se o método de previsão tem algum tipo de viés, isto é, se as previsões estão sistematicamen Para diferenças iguais entre realizado e previsto, quanto maior o realizado, menor será o APE, pois é percentu Como considera o sinal, os erros iniciais são reduzidos pelos restantes, anulando o efeito inicial da curva acen (R-P)elev2/n feb mar 3185729503 apr 470561083 1982825805 may 119055120 1715442.15 426140548. jun 26589884.4 37650986.9 7109701.997 376028358. jul 384249789 627606323 762282758.6 484754836.2 77265070. aug 129238668 226325914 452618335.2 627581383.5 456760556 99122992. sep 49937678.9 219135618 368459003.4 671939238.4 954493820 853208091 oct 347911167 450291748 841928995.6 1214310460 1869649945 2582271424 nov 364879242 630791577 877160015.6 1476968005 2122684052 3216051816 dec 54108412.3 230223537 476775156.9 746023928.5 1349470352 2080045268 MSE 5132260548 4406566951 4212474516 5597606210 6830323795 8830699592 RMSE 71639.7972 66381.9776 64903.5786 74817.15185 82645.773 93971. O MSE expressa o erro em unidades quadradas (R$ ). A alternaitva é utilizar o RMSE Podemos dizer que o erro foi menor para n = 4 pois a curva é muito acentuada nos primeiros meses, de modo abs(P-R)/R feb mar 0. apr 0.32546868 0. may 0.13661441 0.01555721 0. jun 0.06575886 0.07423445 0.030413523 0. jul 0.19851494 0.24068626 0.250086027 0.186550527 0. aug 0.11374167 0.14279459 0.190385744 0.209704334 0.16563163 0. sep 0.06640769 0.13197203 0.16134063 0.203806574 0.22488804 0. oct 0.15309752 0.16523506 0.213018189 0.239302838 0.27490949 0. nov 0.14337997 0.17884554 0.198837516 0.241350657 0.26787503 0. dec 0.05453415 0.10671668 0.144789806 0.169418792 0.21095678 0. MAPE 20.5% 18.8% 17.8% 20.8% 20.2% 22.0% O erro é menor para n=4, ou seja, é a previsão que mais se aproxima do real! Aqui novamente os erros grandes dos primeiros meses resultaram num MAPE maior para um n pequeno, pois O MAPE permite comparar erros para diferentes situações, como em “Benchmarking”. 2
se as previsões estão sistematicamente acima (ou abaixo) das vendas reais. do, menor será o APE, pois é percentual! anulando o efeito inicial da curva acentuada, resultando no menor erro para n= 398457091 2804389635 2.366E+ 4586585128 5.648E+09 6.255E+ 3375968269 5.262E+09 7.491E+09 1.143E+ 1.1165E+10 1.328E+10 1.375E+10 1.143E+ 105666.457 115223.43 117243.604 106929. tilizar o RMSE ntuada nos primeiros meses, de modo que a média móvel com n pequeno não constitui uma boa técnica de previsão pois resulta em e
0.27490531 0. 0.32150568 0.3089734 0. 0.27243654 0.2945722 0.28696035 0. 24.7% 27.4% 27.6% 25.1% MAPE maior para um n pequeno, pois o APE não considera o sinal, não anulando o efeito inicial da curva acentuada. enchmarking”.
- ão foi mais acertada para n=
Amortecimento Previsto n=2 Realizado Amort alfa 0% 5% Janeiro 474330.63 Janeiro 474330.63 474330. Fevereiro 333364.01 474330.63 Fevereiro 474330.63 474330. Março 403847.32 225361.2 410895.651 Março 474330.63 467282. Abril 279362.605 210765.15 327405.148 Abril 474330.63 455186. Maio 218063.175 252567.54 274917.149 Maio 474330.63 442965. Junho 231666.345 247972.75 264859.825 Junho 474330.63 433445. Julho 250270.145 312258.03 257260.641 Julho 474330.63 424171. Agosto 280115.39 316065.17 282009.466 Agosto 474330.63 418576 Setembro 314161.6 336508.34 297334.533 Setembro 474330.63 413450. Outubro 326286.755 385270.75 314962.746 Outubro 474330.63 409603. Novembro 360889.545 421294.78 346601.348 Novembro 474330.63 408386. Dezembro 403282.765 426543.98 380213.392 Dezembro 474330.63 409032. alfa 45.0% APE 11 alfa 0% 5% APE Janeiro 0% 0% Janeiro 0.0% Fevereiro 42% 42% Fevereiro 42.3% Março 110% 107% Março 79% 82.3% Abril 125% 116% Abril 33% 55.3% Maio 88% 75% Maio 14% 8.8% Junho 91% 75% Junho 7% 6.8% Julho 52% 36% Julho 20% 17.6% Agosto 50% 32% Agosto 11% 10.8% Setembro 41% 23% Setembro 7% 11.6% Outubro 23% 6% Outubro 15% 18.2% Novembro 13% 3% Novembro 14% 17.7% Dezembro 11% 4% Dezembro 5% 10.9% MAPE 59% 47% MAPE 20% 25.7% alfa 45.0% O menor MAPE utiliza alfa=100% Janeiro Fevereiro Março Abril Maio Junho Julho Agosto Setembro^ Outubro Novembro Dezembro 0 50000 100000 150000 200000 250000 300000 350000 400000 450000 500000 Amortecimento Exponencial Previsto n= Realizado Amort R$
o zembro Previsto n= Realizado Amort
Realizado mês Fat(R$mil) (^) _Média Móvel central Sazonalidade Normalização # TENDÊNCIA Prev. Decomp. APE Média Móvel n=2 APE_* jan (^) 474330.63 293802.76 1.61 1.58 1 291081.81 459772.66 3.1% feb 333364.01 296585.56 1.12 1.10 2 296552.18 326116.38 2.2% mar 225361.20 301021.42 0.75 0.73 3 302022.55 221219.75 1.8% 403847.32 79.2% apr (^) 210765.15 309446.36 0.68 0.67 4 307492.92 204904.42 2.8% 279362.61 32.5% may (^) 252567.54 319614.40 0.79 0.77 5 312963.29 241962.12 4.2% 218063.18 13.7% jun 247972.75 328525.19 0.75 0.74 6 318433.66 235156.52 5.2% 231666.35 6.6% jul 312258.03 315270.15 0.99 0.97 7 323904.03 313870.06 0.5% 250270.15 19.9% aug (^) 316065.17 313460.77 1.01 0.99 8 329374.40 324927.20 2.8% 280115.39 11.4% sep 336508.34 323249.61 1.04 1.02 9 334844.77 341039.07 1.3% 314161.60 6.6% oct 385270.75 337310.17 1.14 1.12 10 340315.14 380295.04 1.3% 326286.76 15.3% nov (^) 421294.78 349416.26 1.21 1.18 11 345785.52 407898.91 3.2% 360889.55 14.3% dec 426543.98 366323.51 1.16 1.14 12 351255.89 400152.39 6.2% 403282.77 5.5% soma 12.27^ MAPE 2.9%^ MAPE 20.5% média 1. O MAPE na decomposição foi muito menor,pois considera a sazonalidade e a tend Ressaltamos novamente que só possuíamos dados de 1 ano, por este motivo tamb
- = A média móvel centralizada utilizou somente os dados disponíveis de um ano. Assim, por exemplo, para Jan utilizamos os dados de Jan a Jun, pois não tínhamos os dados de Jul a Dec do ano anterior. Ao calcular então a sazonalidade, procedemos a uma normalização onde a média desta assumiu o valor "1". jan feb mar apr may jun^ jul aug sep oct nov dec
Decomposição
Fat(R$mil) Prev. Decomp.
meses
R$
