Aula pb 10_resumo
-
Upload
material-antigo -
Category
Documents
-
view
124 -
download
2
Transcript of Aula pb 10_resumo
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
Na tabela seguinte apresenta-se o número de ofertas de emprego no sector hoteleiro numa conhecida
região balnear sul americana para cada trimestre dos últimos anos.
Exercício 10 – Enunciado
Há 4
anos
Há 3
anos
Há 2
anos
Ano
passado
Este ano
2º Tr. 3º Tr. 4º Tr. 1º Tr. 2º Tr. 3º Tr. 4º Tr. 1º Tr. 2º Tr. 3º Tr. 4º Tr. 1º Tr. 2º Tr. 3º Tr. 4º Tr. 1º Tr.
349 336 330 397 355 345 338 420 329 348 340 431 360 357 351 442
Modelos de previsão para séries com tendência e sazonalidade
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
1
a) Represente gráficamente a série anterior e procure caracterizá-la.
b) Identifique e calibre um modelo de previsão adequado às características da série.
c) Preveja o número de ofertas de emprego no sector hoteleiro nessa região balnear para cada trimestre
do próximo ano.
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
Exercício 10 – Resolução
a) Represente gráficamente esta série cronológica e procure caracterizá-la.
400
420
440
460(N
º E
mp
reg
os)
L
LL
Modelos de previsão para séries com tendência e sazonalidade
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
2
300
320
340
360
380
0 2 4 6 8 10 12 14 16 18
Yt(N
º E
mp
reg
os)
t (trimestre)
Figura 6 – Cronograma da sucessão cronológica (série temporal)
LL
L
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
Exercício 10 – Resolução
a) Represente gráficamente esta série cronológica e procure caracterizá-la.
Caracterização qualitativa da série temporal:
Condicionada ao número escasso de observações da variável em estudo, a série temporal pode ser
caracterizada por:
i) aparentar variação da amplitude das oscilações em torno do nível médio;
(série não estacionária em variância);
Modelos de previsão para séries com tendência e sazonalidade
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
3
(série não estacionária em variância);
ii) Aparentar nível médio crescente (componente sistemática de crescimento) em toda a extensão
observada da série (série não estacionária em média).
iii) Exibir um padrão periódico sazonal de período, L, constante e bem definido (L = 4 trimestres)
(série não estacionária em média)..
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
b) Identifique e calibre um modelo de previsão adequado às características da série.
Exercício 10 – Resolução
Modelos possíveis
( )
( )
1)
, 1,2,...
, p. ex.
tendência no instante
componente sazonal no instante , 0
componente al
t t t t
t
t
t L
t t t L j
j t
Y m S e t
m a bt
m t
S t S S S
e
+
−=
= + + =
= +
−
− = =
−
∑
Decomposição clássica aditiva ( )
( )
2)
, 1,2,...
, p. ex.
tendência no instan
eatória/errática no instante
t t t t
t
t
Y m S e t
m a bt
m
t
= × × =
= +
−
Decomposição clássica multiplicativa
te
componente sazonal no instante ,
componente aleatória/errática no instante
t L
t t t L j
j t
t
S t S S S L
e t
+
−=
− = =
−
∑
Modelos de previsão para séries com tendência e sazonalidade
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
4
componente alte − eatória/errática no instante
ˆ ˆ: , 1,2,...t t t t
t
Previsão Y m S e t= + + =
( )
componente aleatória/errática no instante
ˆ ˆ: , 1,2,...
3)
t
t t t t
e t
Previsão Y m S e t
Equações de amor
−
= × × =
Modelo de Holt - Winters aditivo
( ) ( )( )( ) ( )( ) ( )
( )
1 1
1 1
1 mod 1
Nível: 1
Tendência: 1
Factores sazonais: 1
0 1, 0 1, 0 1
ˆ , 1,
t t t L t t
t t t t
t t t t L
t h t t t L h L
tecimento
n Y f n b
b n n b
f Y n f
Previsão
Y n h b f h
α α
β β
γ γ
α β γ
− − −
− −
−
+ − + − +
= − + − +
= − + −
= − + −
≤ ≤ ≤ ≤ ≤ ≤
= + × + =
( )( )
( ) ( )
( )
1 1
1 1
4)
Nível: 1
Tendência: 1
Factores sazonais: 1
2,...,
tt t t
t L
t t t t
tt t L
t
p
Equações de amortecimento
Yn n b
f
b n n b
Yf f
n
H
α α
β β
γ γ
− −
−
− −
−
= + − +
= − + −
= + −
Modelo de Holt - Winters (multiplicativo)
( ) ( )1 mod 1
0 1, 0 1, 0 1
ˆ , 1,2,...,t h t t pt L h L
Previsão
Y n h b f h H
α β γ
+ − + − +
≤ ≤ ≤ ≤ ≤ ≤
= + × × =
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
b) Identifique e calibre um modelo de previsão adequado às características da série.
Exercício 10 – Resolução
Decomposição (clássica) aditiva
Ciclo/Ano Est./Trim.j t (trimestre) Yt Mt Xt=Yt-Mt St Yt-St nt=a+bt Ŷt=nt+St et=Yt-Ŷt
1 2 1 349 -15.6 364.6 350.94 335.31 13.69
1 3 2 336 -14.4 350.4 352.72 338.27 -2.27
1 4 3 330 353.8 -23.8 -23.4 353.4 354.49 331.11 -1.11
2 1 4 397 355.6 41.4 53.5 343.5 356.27 409.73 -12.73
2 2 5 355 357.8 -2.8 -15.6 370.6 358.04 342.41 12.59
2 3 6 345 361.6 -16.6 -14.4 359.4 359.81 345.37 -0.37
2 4 7 338 361.3 -23.3 -23.4 361.4 361.59 338.20 -0.20
3 1 8 420 358.4 61.6 53.5 366.5 363.36 416.83 3.17
de
(Filtra/remove componente sazonal de período
bem definido)
, / 2
q
j t j
j q
t
comprimento L
L
w Y
M q LL
+=−
= =
∑
Notas
1) Média móvel centrada
Modelos de previsão para séries com tendência e sazonalidade
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
5
3 1 8 420 358.4 61.6 53.5 366.5 363.36 416.83 3.17
3 2 9 329 359.0 -30.0 -15.6 344.6 365.14 349.50 -20.50
3 3 10 348 360.6 -12.6 -14.4 362.4 366.91 352.47 -4.47
3 4 11 340 365.9 -25.9 -23.4 363.4 368.69 345.30 -5.30
4 1 12 431 370.9 60.1 53.5 377.5 370.46 423.92 7.08
4 2 13 360 373.4 -13.4 -15.6 375.6 372.23 356.60 3.40
4 3 14 357 376.1 -19.1 -14.4 371.4 374.01 359.56 -2.56
4 4 15 351 -23.4 374.4 375.78 352.40 -1.40
5 1 16 442 53.5 388.5 377.56 431.02 10.98
5 2 17 -15.6 379.33 363.70
5 3 18 -14.4 381.11 366.66
5 4 19 -23.4 382.88 359.50
Trimestre-> 1 2 3 4
1 -23.8
Ano i 2 41.4 -2.8 -16.6 -23.3
3 61.6 -30.0 -12.6 -25.9
4 60.1 -13.4 -13.4 -19.1 ΣSj Σ|Sj|
Factores sazonais Sj (Médias) 54.4 -15.4 -14.2 -23.0 1.8
|Sj| 54.4 15.4 14.2 23.0 107.0
Factores sazonais Sj (Corrigidos) 53.46 -15.63 -14.45 -23.39 0.0
1, , 1,..., ( ímpar)
0.5, e ( par)
1,
j
L
j q q q L
w j q j q L
= − − +
= = − =
1
1
1,..., 1 ( par)
dados factores sazonais médios
, 1, 2...,
:
/ 2 maior inteiro menor ou igual a / 2
q
j
j q
c
j
j
L
j
jc
j j jL
j
j
j q q L
w L
S
S
S
S S S j L
S
NB
L L
=−
=
=
= − + −
=
= − =
∑
∑
∑
2) Facores sazonais corrigidos
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
b) Identifique e calibre um modelo de previsão adequado às características da série.
Exercício 10 – Resolução
Decomposição (clássica) multiplicativa
Ciclo/Ano Est./Trim.j t (trimestre) Yt Mt Xt=Yt/Mt St Yt/St nt=a+bt Ŷt=nt*St et=Yt/Ŷt
1 2 1 349 0.96 364.9 351.45 336.09 1.04
1 3 2 336 0.96 350.1 353.13 338.91 0.99
1 4 3 330 353.8 0.93 0.94 352.8 354.81 331.90 0.99
2 1 4 397 355.6 1.12 1.15 345.7 356.50 409.45 0.97
2 2 5 355 357.8 0.99 0.96 371.2 358.18 342.53 1.04
2 3 6 345 361.6 0.95 0.96 359.5 359.86 345.37 1.00
2 4 7 338 361.3 0.94 0.94 361.3 361.54 338.20 1.00
3 1 8 420 358.4 1.17 1.15 365.7 363.22 417.18 1.01
de
(Filtra/remove componente sazonal de período
bem definido)
, / 2
q
j t j
j q
t
comprimento L
L
w Y
M q LL
+=−
= =
∑
Notas
1) Média móvel centrada
Modelos de previsão para séries com tendência e sazonalidade
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
6
3 1 8 420 358.4 1.17 1.15 365.7 363.22 417.18 1.01
3 2 9 329 359.0 0.92 0.96 344.0 364.91 348.96 0.94
3 3 10 348 360.6 0.96 0.96 362.6 366.59 351.83 0.99
3 4 11 340 365.9 0.93 0.94 363.5 368.27 344.49 0.99
4 1 12 431 370.9 1.16 1.15 375.3 369.95 424.90 1.01
4 2 13 360 373.4 0.96 0.96 376.4 371.64 355.40 1.01
4 3 14 357 376.1 0.95 0.96 372.0 373.32 358.28 1.00
4 4 15 351 0.94 375.2 375.00 350.78 1.00
5 1 16 442 1.15 384.8 376.68 432.63 1.02
5 2 17 0.96 378.36 361.83
5 3 18 0.96 380.05 364.74
5 4 19 0.94 381.73 357.08
Trimestre-> 1 2 3 4
1 0.93
Ano i 2 1.12 0.99 0.95 0.94
3 1.17 0.92 0.96 0.93
4 1.16 0.96 0.96 0.95 ΣSj
Factores sazonais Sj (Médias) 1.15 0.96 0.96 0.94 4.01
Factores sazonais Sj (Corrigidos) 1.15 0.96 0.96 0.94 4.00
1, , 1,..., ( ímpar)
0.5, e ( par)
1,
j
L
j q q q L
w j q j q L
= − − +
= = − =
1
1,..., 1 ( par)
dados factores sazonais médios
, 1,2...,
:
/ 2 maior inteiro menor ou igual a / 2
q
j
j q
c
j
j
c
j j L
j
j
j q q L
w L
S
S
LS S j L
S
NB
L L
=−
=
= − + −
=
= × =
∑
∑
2) Facores sazonais corrigidos
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
b) Identifique e calibre um modelo de previsão adequado às características da série.
Exercício 10 – Resolução
Modelo de Holt-Winters (aditivo)
Ciclo/Ano Est./Trim.j t (trimestre) Yt nt bt ft Ŷt et=Yt-Ŷt
1 2 1 349 349.11 1.24 -0.11 349.00 0.00
1 3 2 336 350.35 1.24 -14.35 336.00 0.00
1 4 3 330 351.59 1.24 -21.59 330.00 0.00
2 1 4 397 352.84 1.24 44.16 397.00 0.00
2 2 5 355 354.25 1.27 0.03 353.97 1.03
2 3 6 345 356.16 1.38 -13.83 341.17 3.83
2 4 7 338 357.87 1.43 -21.31 335.94 2.06
Modelos de previsão para séries com tendência e sazonalidade
0 0
0 0 0 0
(Procedimento de inicialização)
1. modelo de regressão linear
às (10) primeiras
observações: 1, 2,...,10
ˆˆ Resultado: estimativas e de e
2. valores
t
Ajustar
Y a b t
t
a b a b
Calcular
= +
=
Notas
iniciais dos factores
(efeitos) sazonais, , para as estaçõesf
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
7
2 4 7 338 357.87 1.43 -21.31 335.94 2.06
3 1 8 420 362.05 1.88 46.42 403.47 16.53
3 2 9 329 358.13 0.93 -4.75 363.96 -34.96
3 3 10 348 359.52 1.00 -13.45 345.23 2.77
3 4 11 340 360.65 1.02 -21.20 339.21 0.79
4 1 12 431 365.48 1.65 49.55 408.10 22.90
4 2 13 360 366.73 1.59 -5.07 362.38 -2.38
4 3 14 357 368.67 1.64 -13.16 354.87 2.13
4 4 15 351 370.63 1.70 -20.95 349.11 1.89
5 1 16 442 375.67 2.25 52.31 421.88 20.12
Constantes de amortecimento
α= 0.17
β= 0.16
γ= 0.16
Factor (Efeito) sazonal Valor inicial
f1 44.16
f2 -0.11
f3 -14.35
f4 -21.59
Inicialização
a0 347.87
b0 1.24
nL 354.70
( ) ( )0 01 mod
1 0 0 2 1 0
(efeitos) sazonais, , para as estações
de 1 a (Período do ciclo 4)
ˆˆ , 1,2,...,
ˆ ˆˆ3. e
: mod resto da divi
j
jj L
f
j L L
f Y a b j j L
Fazer n a b f b b
NB a b
+
=
= − + =
= + + =
são de por a b
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
b) Identifique e calibre um modelo de previsão adequado às características da série.
Exercício 10 – Resolução
Modelo de Holt-Winters (multiplicativo)
Ciclo/Ano Est./Trim.j t (timestre) Yt nt bt ft Ŷt et=Yt-Ŷt
1 2 1 349 349.11 1.24 1.00 349.00 0.00
1 3 2 336 350.35 1.24 0.96 336.00 0.00
1 4 3 330 351.59 1.24 0.94 330.00 0.00
2 1 4 397 352.84 1.24 1.13 397.00 0.00
2 2 5 355 354.25 1.27 1.00 353.97 1.03
2 3 6 345 356.24 1.39 0.96 340.96 4.04
2 4 7 338 358.05 1.46 0.94 335.67 2.33
Modelos de previsão para séries com tendência e sazonalidade
0 0
0 0 0 0
(Procedimento de inicialização)
1. modelo de regressão linear
às (10) primeiras
observações: 1,2,...,10
ˆˆ Resultado: estimativas e de e
2. valores
t
Ajustar
Y a b t
t
a b a b
Calcular
= +
=
Notas
iniciais dos factores
(índices) sazonais, , para as estações f
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
8
2 4 7 338 358.05 1.46 0.94 335.67 2.33
3 1 8 420 361.85 1.86 1.13 404.52 15.48
3 2 9 329 357.82 0.86 0.99 363.74 -34.74
3 3 10 348 359.29 0.97 0.96 344.55 3.45
3 4 11 340 360.53 1.01 0.94 338.46 1.54
4 1 12 431 364.85 1.57 1.14 408.95 22.05
4 2 13 360 366.16 1.53 0.99 361.51 -1.51
4 3 14 357 368.27 1.62 0.96 353.70 3.30
4 4 15 351 370.48 1.72 0.94 347.73 3.27
5 1 16 442 374.86 2.17 1.15 424.14 17.86
Constantes de amortecimento
α= 0.17
β= 0.17
γ= 0.17
Factor (ìndice) sazonal Valor inicial
f1 1.13
f2 1.00
f3 0.96
f4 0.94
Inicialização
a0 347.87
b0 1.24
nL 353.00
( ) ( )( )
1 mod
0 0
1 0 0 2 1 0
(índices) sazonais, , para as estações
de 1 a (Período do ciclo = 4)
, 1,2,...,ˆˆ
ˆ ˆˆ3. e
: mod resto da divi
j
j
j L
f
j L L
Yf j L
a b j
Fazer n a b f b b
NB a b
+= =
+
= + =
− são de por a b
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
c) Preveja o número de ofertas de emprego no sector hoteleiro nessa região balnear para cada trimestre do próximo ano.
Exercício 10 – Resolução
Decomposição (clássica) aditiva
Modelos de previsão para séries com tendência e sazonalidade
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
9
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
c) Preveja o número de ofertas de emprego no sector hoteleiro nessa região balnear para cada trimestre do próximo ano.
Exercício 10 – Resolução
Decomposição (clássica) multiplicativa
Modelos de previsão para séries com tendência e sazonalidade
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
10
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
c) Preveja o número de ofertas de emprego no sector hoteleiro nessa região balnear para cada trimestre do próximo ano.
Exercício 10 – Resolução
Modelo de Holt-Winters (aditivo)
Modelos de previsão para séries com tendência e sazonalidade
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
11
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
c) Preveja o número de ofertas de emprego no sector hoteleiro nessa região balnear para cada trimestre do próximo ano.
Exercício 10 – Resolução
Modelo de Holt-Winters (multiplicativo)
Modelos de previsão para séries com tendência e sazonalidade
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
12
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
ANEXO: Regressão Linear Simples
1, 1,2,...,
i i iY X e i nοβ β= + + =
com
( ) resposta variável dependente no -ésimo “ensaio/experiência/observação”iY i−
“nível” conhecido da variável independente no -ésimo “ensaio/experiência/observação”iX i−
0 1, c o e f i c i e n t e s d e r e g r e s s ã o d e s c o n h e c i d o sβ β −
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
13
0 1, c o e f i c i e n t e s d e r e g r e s s ã o d e s c o n h e c i d o sβ β −
2
2
variáveis residuais ( 1,2,..., ).
Variáveis aleatórias . . ., com distribuição Normal de média 0 e variância , isto é,
(0, ), 1,2,...,
i
i
e i n
i i d
e N i n
σ
σ
− =
∼ =
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
0 1 0 1
1 1
11 2
2 1
, e , de e , respectivamente
n n
i in
i ii i
i
n
ini
i
X Y
X Yn
X
X
β β β β
β
= =
=
=
− =
−
∑ ∑∑
∑∑
Estimadores⌢ ⌢
⌢
Estimação pelo Método de Mínimos Quadrados dos
coeficientes (parâmetros) do modelo de regressão linear simples
ANEXO: Regressão Linear Simples
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
14
1
0 1
0 1
1
, e
i
i
i
Xn
Y X
b b
x y
b
β β
=
− = −
=
∑
Estimações pontuais (Estimativas)
⌢ ⌢
1 1
1
2
2 1
1
0 1
1 1
1 1,
n n
i in
i ii
i
n
ini
i
i
n n
i i
i i
x y
n
x
xn
b y b x
x x y yn n
= =
=
=
=
= =
−
−
= −
= =
∑ ∑∑
∑∑
∑ ∑
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
( )
1
2
1
2
, 1,2,...,
, , de
i o i
n
i i
i
y b b x i n
SQR
SQR y y
s
=
= + =
= −∑
Valores previstos das respostas
Soma dos Quadrados dos Resíduos ( )
Estimação / estimativa
⌢
⌢
2
2
0 1
(Variância das variáveis residuais)
2
100(1- )%
e
SQRs
n
σ
α
β β
=−
Médias, variâncias estimadas e distribuições de probabilidade Intervalos de confiança a
pados estimadores ⌢ ⌢
( )0 1 e β βra
⌢
ANEXO: Regressão Linear Simples
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
15
)
( )
{ }( )( )
)
( )
{ }( )( )
0
0 00
0
1
1
1
0 0
22
2 2
0 0 0 0 2,1 0 0 2,12
1
0 0
1 1
22 2
1 1 1 12
1
1 1
1ˆ
( 2)
1ˆ
( 2)
n b n bn
i
i
nn
i
i
E
Xs E s b t s b t s
nX X
T t ns
E
s E s b t
X X
T t ns
β
α αβ
β
β
β
β
µ β β
β β β β
β β
µ β β
β β β
β β
− − − −
=
−
=
= =
= − = + − ≤ ≤ + −
−= −
= =
= − = − −
−= −
∑
∑
⌢
⌢
⌢
⌢
⌢
⌢
⌢
⌢
⌢
∼
⌢
⌢
⌢
∼
1 12,1 1 1 2,1b n bs b t sα αβ− − −≤ ≤ +
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
0 1
0 0
e ( , 0,1)
ou ou
: 0 : 0
i
i i
i
Hipóteses
H H
β β β
β β
=
= ≤
Testes de Hipóteses sobre
0
1 1 1
: 0
: 0 : 0 : 0
i
i i i
H
H H H
β
β β β
≥
≠ > <
Testes de Hipótese: modelo de regressão linear simples ANEXO: Regressão Linear Simples
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
16
1 1 1 : 0 : 0 : 0
:
(
(
2) :
2)
i
i i i
i i
H H H
Nível de significância :
Estatística teste T t ns
t n
β
β β β
α
β β
≠ > <
−= −
−
⌢
⌢
∼
2,1 /2 2,1 2,1
Distribuição de Student com 2
g
raus de liberdade
n n nValores críticos de T : t t t
Valor calcul d
t
ado
n
α α α− − − − − −−
−
2,1 /2 2,1 2,1
: | |
i
iobs
obs n obs n obs n
be T t
s
Critérios de rejeição t t t t t t
β
α α α− − − − − −
=
> > < −
⌢
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
Modelos de Previsão
2
2 1
1
2
1
Análise da variânci (Tabela básica)
( )
( ) 1 (1, 2)
a
1
( ) 2
n
ini
i
i
n
i i
i
Fonte deVariação SQ df MQ Est
y yMQR
Regressão SQR y y MQR F F nMQE
Erro SQE y y
at
n MQ
íst
E
ica
=
=
=
−
= − = = −
= − − =
∑∑
∑
Adequação do modelo de regressão linear
⌢
⌢
∼
⌢
2
1
2
( )
2
( ) 1
n
i i
i
n
i
y y
n
Total SQT y y n
=
−
−
= − −
∑
∑
⌢
ANEXO: Regressão Linear Simples
Ge
stã
o e
Te
ori
a d
a D
eci
são
Ge
stã
o e
Te
ori
a d
a D
eci
são
17
1
2 2
( ) 1
gr
aus
1
de liberdade
(0 1)
i
i
Total SQT y y n
SQR SQEr r
SQ QT
df
T S
=
= − −
= = − ≤ ≤
−
∑
Coeficiente de determinação
Previsão, variância do erro de prev
( )
( )
0 0 1 0
2
02 2
02
1
100(1- )%
1 ( )
n
i
i
y b b x
x xs y s
nx x
α
=
= +
− = + −
∑
isão e intervalo de confiança da previsão a ⌢
⌢
0 2,1 /2 0 0 0 2,1 /2 0 ( ) ( )n ny t s y Y y t s yα α− − − −− ≤ ≤ +⌢ ⌢ ⌢ ⌢