Loading

Alison's New App is now available on iOS and Android! Download Now

Study Reminders
Support
Text Version

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Gerencial de Economia Prof. Trupti Mishra S.J.M. Escola de Gestão Indígena do Instituto de Tecnologia, Bombaim Lecture-31 Demanda Forecasting (Contd ...)-Eu Então, na sessão de hoje, continuaremos nossa discussão sobre previsão de demanda. Então, se você se lembra, na aula anterior, conversamos sobre que o que é a necessidade de previsão de demanda, quais são as diferentes técnicas de previsão de demanda, os diferentes passos envolvidos nisso. Em seguida, falamos sobre os métodos ou sobre as técnicas de previsão de demanda, tipicamente mais sobre a parte subjetiva dela. Geralmente, isso é conhecido como o subjetivo ou os métodos qualitativos de previsão de demanda. Na aula de hoje, discutimos sobre o método quantitativo de previsão de demanda.
Então, para começar com o porquê de necessitarmos desse método quantitativo para previsão de demanda, se você olhar para métodos subjetivos pode ser usado apenas quando dados passados não estão disponíveis.

Quando os dados do passado estão disponíveis, é aconselhável que as firmas utilizem ferramentas estatísticas já que ela é mais científica e de custo efetivo. Portanto, se você se lembra, o caso de quando estamos discutindo o método subjetivo, também discutimos que é método subjetivo geralmente é usado se for caso de um novo produto entrar em um novo mercado ou fazer alguma melhoria no mercado ou entrar em um segmento específico do mercado.
Então, neste caso, o método subjetivo é geralmente mais válido porque aqui, não há dados passados estão disponíveis. Mas, quando os dados passados estão disponíveis, também é aconselhável obter previsão de demanda mais científica, mais precisa e também mais custo efetivo de previsão de demanda. é melhor utilizar as ferramentas estatísticas, de modo que, com base nos dados passados, você poderá utilizar as ferramentas estatísticas e poderá obter mais efetivo para a previsão de demanda precisa.
Geralmente, nesse caso, o método quantitativo, é mais depender disso quaisquer que sejam os dados anteriores disponíveis; sobre a qualidade e a quantidade sobre os dados passados. Isso dá mais clareza sobre a precisão da previsão de demanda. Então, quando se trata do método quantitativo de previsão de demanda essencialmente, ele depende da série temporal de vendas passadas.
Por isso, para discutir sobre esse método quantitativo de previsão, vamos primeiro levar os métodos de tendência e em método de tendência, a projeção de tendência.

Aqui, basicamente usamos os dados da série temporal. O que são dados da série temporal? Dados de séries temporais, quando mantemos o, quando registramos as informações de forma cronológica, pode ser que seja semanalmente, numa base mensal, em dia, numa base trimestral, na base de hora ou na base anual, quando ordenamos isso, quando organizamos esses dados sobre uma ordem cronológica, sobre o, com base. A base pode ser semanal, mensal, anual ou pode ser de uma hora ou dia de dia.
Geralmente, isso é conhecido como dados da série temporal. Esses dados de projeção de tendências, este método geralmente olhando para os dados passados quaisquer que sejam as tendências que estão sendo lá nos dados passados, usando este método de quantidade, esta tipicamente essa projeção de tendência, a projeção será feita com base na tendência passada desse dado típico.
Então, aqui a base para a projeção de tendência são os dados da série temporal porque os dados da série temporal dão a tendência porque ela está em ordem cronológica. Obtemos o conjunto completo de dados. Ela dá uma tendência de que qualquer que seja o comportamento dessa variável típica no período passado. E depois de obter dados de vendas passados, a projeção será feita em caso do período de tempo futuro. A projeção será feita, qual será a demanda por esse produto no período de tempo futuro. Assim, em caso de dados de séries temporais, principalmente há 4 componentes.
Primeiro uma é tendência secular. Em caso de tendência secular, geralmente, a mudança ocorre de forma consistente ao longo de um longo tempo. É relativamente suave em seu caminho. Então, nós sabemos que em caso de tendência secular significa que é igual. Se você olhar para ele, é uma tendência, qualquer que seja a mudança na tendência. Suponhamos, pode acontecer que nos dados da série temporal, se você tiver dados de 5 anos, a tendência é que pode estar todos os anos em um determinado mês, aumenta ou a cada ano em um determinado mês, ele diminui ou pode estar no trimestre de início, aumenta e no trimestre final, diminui.
Então, a demanda seja o que for que mude na demanda, que permanece mesmo em caso de tendência secular. Essa mudança ocorre de forma consistente ao longo de um longo tempo. Não é que isso só mude por 1 ano. O ano seguinte não está a mudar ou o terceiro ano não está a mudar, e sim o que quer que seja a mudança, e prossegue por um longo período de tempo. É por isso que isso é conhecido como a tendência secular. Em caso de tendência secular, a mudança ocorre de forma consistente ao longo de um longo período de tempo e relativamente suave em seu caminho. Por que ela é suave porque é consistente e ocorre por um longo período de tempo. Em seguida, o segundo componente é tendência sazonal.

Geralmente, a tendência sazonal é a variação sazonal dos dados dentro de um ano. Então, suponhamos que isso seja se você olhar para ele, nós tiramos um produto que esta é a demanda por sorvetes. Então, qual seria a variação sazonal aqui? Por isso, obviamente no verão, vai ser alto no inverno e na estação chuvosa, é comparativamente baixo.
Essa variação estará lá ao longo dos dados da série temporal dentro de um ano. Em cada verão, a variação está aí porque há um aumento e a outra parte, ela é diminuta. Então, a tendência sazonal é geralmente de forma semelhante, se você levar o caso de uma vestimenta de inverno obviamente, a demanda tem que ser mais na temporada de inverno e menos em caso de temporada de verão.
Por isso, neste caso, precisamos ver o produto é qual tipo de produto, se é um produto sazonal. Se for um produto sazonal geralmente, a variação está dentro do ano naquela estação específica, em que geralmente os dados serão utilizados ou o produto geralmente é utilizado.
Em seguida, o terceiro componente é a tendência cíclica. Aqui, há um movimento cíclico para a demanda por um produto que pode ter uma tendência a se recuperar em alguns anos. Por isso, se você se lembra do ciclo de negócios ou discutimos sobre um ciclo de negócios em geral, a atividade econômica segue um caminho diferente. Às vezes, vai para o boom. Às vezes, vai para a recessão. Da mesma forma, em caso de tendência cíclica, a tendência também segue um ciclo e ela aumenta. Depois, depois de algum tempo, diminui e os mesmos aumentos são seguidos também no período seguinte. Então, se é um boom, se é uma recessão, segue a mesma variação de tipo no período de próximo tempo ou pode estar após alguns períodos de tempo. É por isso que esta tendência é cíclica porque este é o movimento cíclico. Por isso, se está a aumentar agora, não significa que, no próximo período, tenha de aumentar ou no próximo período outra vez, tem de aumentar. Segue um ciclo. Se ele está aumentando agora, pode estar depois de poucos anos ou pode estar depois de poucos meses, qualquer que seja a base para os dados dessa base, pode aumentar novamente.
É por isso que essa tendência cíclica é, a possibilidade aqui é ou a tendência é que o mesmo tipo de alteração ou o mesmo tipo de variação tenha que ocorrer em alguns anos. Por isso, movimento cíclico na demanda na demanda por um produto que pode ter a tendência de recorrer nos poucos dias ou poucos anos, nos poucos meses, seja qual for a base para a série temporal.

Em seguida, o último componente da série temporal é o evento aleatório. O que são eventos aleatórios? Os eventos aleatórios são geralmente, quando a variação vem dos eventos aleatórios e quais são as variações típicas dele. Se você toma o caso de calamidades naturais, é a sua agitação social. Nesse caso, não há nenhuma tendência de evidências para criar uma variação aleatória nessa tendência.
Isto porque a agitação social está a acontecer. Não está acontecendo com muita frequência que haverá provas em cada ano 10 vezes. Esta é a exigência quando há uma agitação social. Não é uma característica regular. Se não for uma característica regular, as provas, é difícil encontrar nos dados da série temporal, podem ser distúrbios sociais antes de 20 anos do que a agitação social agora. Por isso, desde essa série temporal, suponhamos neste caso, estamos fazendo uma série de dados de últimos 5 anos. Se não há provas da agitação social nos últimos 5 anos, seja qual for a variação deste caso, particularmente para a agitação social que tem de ser aleatória e porque se trata de um acontecimento aleatório.
Da mesma forma, para as calamidades naturais como se a inundação fosse aconteceu este ano e se a inundação não for acontecer nos 5 anos, qualquer que seja o efeito sobre a demanda, esse será o claro, o efeito de por causa do efeito da tendência devido às calamidades naturais. É sempre o aleatório porque não aconteceu no período de tempo anterior. Assim, quando a variação ocorre devido a variação aleatória de eventos tem que ser aleatória porque não há evidência de tal tipo de variação nas tendências.
Então, há 4 componentes de preço, dados de séries temporais. Uma é a tendência cíclica. Em segundo lugar está o evento aleatório. Terceiro terceiro é a tendência sazonal. Quarta é a tendência secular. Agora, quais são os componentes dessa série temporal?

Então, isso qualquer que seja o componente que discutimos aqui, se você pode colocá-lo na formulação na forma de equação, então Y, ou seja, se for uma série temporal que tenha que ser igual ao T mais S mais C mais R. Aqui, C, S é a tendência secular. C é a tendência cíclica. R é o evento aleatório. T é a tendência sazonal.
Então, isso pode ser em forma de adição ou pode estar no também na forma de multiplicação. Então, o primeiro deles é que é T mais S mais C mais R é o formulário adicional. Y é igual a T S C R pode ser a forma multiplicativa.
Se você está tomando a transformação logarítmica, logarítmica dessa forma multiplicativa, então vamos obter o log Y é igual a log T mais log S mais log C mais log R. Então, aqui a tendência inteira tem 4 tipos de componentes. Isso pode ser feito, isso pode ser formulado tanto na forma aditiva como no caso da forma multiplicativa e de forma multiplicativa novamente, podemos nos transformar na forma logarítmica. Agora, quais são os métodos para essa projeção de tendência?

Por isso, até o momento, estamos falando dos componentes dos dados da série temporal porque para a projeção de tendência, a base são dados de séries temporais. Agora, veremos quais são os métodos para a projeção de tendência? Quais são os métodos para projeção de tendência? O primeiro é um é o método gráfico. Como o nome sugere, geralmente, neste caso, a projeção será feita usando um gráfico. Os valores passados da variável em tempo diferente são plotados em um gráfico e o movimento da série é avaliado e os valores futuros são previstos.

Por isso, neste caso, vamos identificar aqui. Aqui, precisamos prever a demanda. Então, nesse caso, vamos ver quais são as 2 variáveis para prever a demanda? Pode estar na base do anúncio, qual será o, quais serão as vendas ou no diferente ou podem estar no período de tempo diferente ou no período de tempo anterior ou em um período de tempo específico qual foi a demanda do produto?
Então, tempo e quantidade, nós vamos plotá-lo em um gráfico. Vamos seguir isso, vamos ver a série, vamos traçar uma linha. Veremos a série e depois de olhar para a série, podemos prever que se esta foi a tendência nos últimos 5 anos, o que vai ser a tendência e o que vai ser previsão de demanda por este produto nos próximos 5 anos. Por isso, olhando para a tendência passada usando o método gráfico, geralmente, podemos prever a tendência futura. Assim, levaremos uma explicação gráfica a esses métodos gráficos.

Como geralmente essa tendência é, como a projeção da tendência é feita em caso de método gráfico? Então, aqui, podemos levar tempo. Aqui, podemos levar quantidade. Suponhamos que isso seja 2005, 2006, 2007, 2008, 2009 e 2010. Então, aqui tem 0. Desculpe, isso pode ser 10. Este é 0. Este é 20, este é 30, este é 40, isto é 50 e assim por diante.
Então, suponhamos que tenhamos os dados sobre os últimos 5 anos 2010 ou os últimos 6 anos, ou seja, de 2005 2010. Então, suponhamos que em 2005, nós temos os 2005. Temos 9. Este é o tempo e esta é a quantidade. Então, 2005, são 9. Para 2006, são 12. Para 2007, este é 10. Para 2008 novamente, podemos dizer que este é 20. Para 2009, são 22. Para 2010, pode ser de novo, podemos dizer que isso é 15.
Agora, se você traçar isso por 2005, este é nove. Para 2006 este é 12. Para 2007, este é 10. Para 2008, este é 20. Para 2009, este é 22. Para 2010, pode ser que seja 15. Então, se você olhar para cá, esta é a tendência para a quantidade. Essa é a tendência para a demanda nos últimos 5 anos. Então, se você olhar para agora, a partir de 2005 ele aumenta novamente. Diminui em 2007. Novamente, aumenta em 2008, 2009 e diminui em 2010. Nesta base, agora, é preciso projetar a futura demanda futura com base nessa tendência passada.
Por isso, método gráfico geralmente, primeiro enredo ele olha para isso. Como é a série? Como é avaliado o movimento da série e, em seguida, o valor futuro previsto? Agora, tem que ver que por que o valor é menor, por que a demanda é menor em 2007 ou por que ela está seguindo um declínio de tendência em 2010? Por isso, nesta base agora, a série será avaliada que por que em um ano específico ou por que em um período específico de tempo, a demanda é mais ou a demanda é menor se a mesma coisa tem que ser levada em consideração quando estamos prevendo a demanda para os próximos 5 anos.
Também, neste caso, o método gráfico está simplesmente traindo os dados do tempo de dependência e o tempo de tempo e a demanda no período de tempo passado. Depois de colocar no gráfico, a série será avaliada e o valor futuro será previsto. Assim, no método de projeção de tendência, o primeiro método vem como o método gráfico. Em seguida, tomaremos o método menos quadrado. Qual é o método menos quadrado?

Se você olhar para ele, se lembra disso nós discutimos isso quando estamos discutindo sobre a regressão. Este método típico menos quadrado e este basicamente, a ferramenta para estimar o coeficiente de uma função linear com base na minimização dos desvios quadrados entre a melhor linha de encaixe e a observação original dada.
Então, se você se lembra quando discutimos sobre a regressão que obtemos o erro porque qualquer que seja a regressão e o que quer que haja diferença entre esses 2. Já que, há uma diferença entre esses 2, há que nos dê o erro. Assim, para minimizar o erro com base no desvio quadrado entre a melhor linha de encaixe e a observação original geralmente, usa-se o método de menor quadrado.
Esse método de menos quadrado também está sendo usado para projetar a demanda prevista. Como essa demanda será prevista com base na praça menos quadrada, vamos ver apenas isso. Vamos apenas descobrir o valor de a e b. Depois de descobrir o valor de a e b, e depois de descobrir o valor de a e b nessa base, podemos prever porque b nos dá a ladeira.
O Slope geralmente nos dá o que quer que seja o, qualquer que seja o aumento da variável dependente quando esta variável típica muda. É por isso que nessa base, podemos projetar a demanda. Então, aqui, levaremos o método menos quadrado para entender isso.

Então, aqui Y é igual a um mais b x. A partir daí, obtemos a equação normal porque este é o caso da minimização. Obtemos a equação normal como sigma Y é igual a n a mais b e x e e x Y é igual a um e x mais b e x quadrado. Para resolver essa equação, essas são a equação de tendência e, nessa base, precisamos primeiro resolver o valor de a e b.
Isto porque esta é a equação de tendência. Com base no valor de a e b agora, podemos descobrir o que será, podemos descobrir qual será o valor do futuro, no período de tempo futuro. Qual será o valor de a e b? Agora, o que é a e b? Aqui, um é o valor do intercepto e b é o valor da ladeira. O valor da interceptação e do declive decidirá qual será a demanda do produto no período de tempo futuro.
Então, para resolver essa equação de tendência, temos que resolver essa equação de tendência. Por resolver isso, precisamos seguir o método menos quadrado. Seguindo este método menos quadrado, obtemos um é igual a e y por n e b é igual a e x y by e x quadrado. Então, aqui Y é a nossa variável dependente e x é a variável independente. Esta é a soma da variável dependente pelo número de observações. Esta é a soma de ambas as variáveis x e y dependentes e independentes divididas pelo desvio quadrado da raiz quadrada do quadrado desta variável independente.
Por isso, uma vez que obtemos o valor de a e b, nessa base agora, podemos projetar qualquer que seja a tendência do futuro. Então, neste caso, na projeção de tendência, neste primeiro método, geralmente fazemos através do gráfico. Traçamos o gráfico com variáveis dependentes e independentes ou o tempo tipicamente, o período de tempo passado. Seja qual for a demanda, nós traçamos no gráfico. Com essa base, geralmente acessamos a série. Nessa base, prevemos o valor da demanda no próximo período de tempo no caso de método menos quadrado.
Geralmente seguimos o método menos quadrado de resolver a equação normal, descobrando o valor de inclinação e interceptação. Uma vez que obtemos a inclinação e interceptamos com base nos dados passados, então podemos projetar o projeto o futuro a e b porque um é o intercepto. b é a ladeira. Nessa base, a demanda é dependente de qualquer que seja a mudança na variável independente. Por isso, uma vez que obtemos uma e b nessa base, podemos enredo pode enredo ou projetar o projeto qual será a tendência futura ou demanda futura deste produto. Em seguida, o terceiro método é o método arima.

Este método também é conhecido como o método Box e Jenkins. Como geralmente esse método arima está sendo seguido? Para fazer essa projeção de tendência no estágio 1, precisamos; subjacente à tendência da série é removida com primeiras diferenças das observações sucessivas.
Então, seja qual for a tendência subjacente da série que tem que ser removida com as primeiras diferenças. É preciso levar os primeiros 2 derivados da observação sucessivos. então o estágio 2, possíveis combinações serão criadas com base nos termos autoregressivos, em razão da média móvel de termos e do número de diferenças da série original de ajuste adequado à série.
Assim, haverá combinação possível será criada com base nos termos autoregressivos, com base na média móvel de termos. O método Arima é um, que também considera o termo autoregresso e também o termo médio em movimento. Assim, neste caso, a combinação possível será criada com base nos termos autoregressivos e em termos médios em movimento. Em seguida, o número de diferenças da série original estará adequadamente apto para a série.

Em seguida, estágio 3. A estimação do parâmetro será feita e a estimativa de parâmetro para fazer isso, a estimativa do parâmetro seguirá os métodos menos quadrados. O estágio 4 geralmente é para fazer a bondade de encaixe que é testada com base no resíduo gerado repetindo se não for um bom ajuste. Por isso, inicialmente, primeiro fazemos a vontade de tirar o subjacente qualquer que seja a tendência da série. Em seguida, descobriremos a combinação com base na média móvel e com base nos termos autoregressivos, faremos então a estimativa de parâmetro seguindo o método menos quadrado.
O estágio 4 geralmente é para fazer a bondade de caiar para descobrir qual é a potência explicativa geral do modelo. Neste caso, se você achar que esse modelo não vai caber, se não couer então novamente temos que começar do estágio 2 onde ganho temos que descobrir a combinação com referência ao termo médio em movimento e também o termo regressivo médio. No estágio 5, você descobre que esse modelo está qualificando a bondade de encaixe ou o nível de significância é aceitável.
Em seguida, utilizaremos o coeficiente para prever a demanda futura. Por isso, o estágio 1 é sempre começar com o que for para remover a tendência subjacente da série. O estágio 3 é a estimativa de parâmetro com base em combinação do estágio 2. O estágio 4 é bondade de encaixe. Aqui, precisamos ver que se for desajustado geralmente, precisamos repetir o estágio 2 novamente.
Por fim, estágio 5, qualquer que seja o coeficiente que obtemos nessa base, podemos prever a demanda futura. Assim, gráfico, portanto, métodos de projeção de tendência sob método quantitativo, método de projeção de tendência é um em que geralmente usamos o método gráfico ou o método menos quadrado ou o método arima para projetar a tendência futura ou a demanda futura.

Gerencial de Economia Prof. Trupti Mishra S.J.M. Escola de Gestão Indígena Instituto de Tecnologia, Bombaim Lecture-32 Demanda Forecasting (Contd ...)-II Então, vamos chegar à técnica do smoothing. Por que a técnica de defumação é necessária? (Consulte Slide Time: 24:41) A série não mostra tendência contínua. Pode haver sazonalidade e as variações aleatórias. Como discutimos, pode haver a tendência secular, a tendência sazonal, a tendência cíclica, pode haver as variações aleatórias. Por isso, séries não apresentam tendência contínua, ou há sazonal ou há pode haver variação aleatória. Geralmente, essa técnica de defumação é usada para fumar essa variação e prever o valor futuro desde que há variação a técnica de defumação está sendo usada para o smoothen da série. Nessa base, o valor futuro pode ser previsto. Em seguida, veremos o que são as técnicas de defumação. Por isso, o smoothing é geralmente usado para suave usado para suavivar a variação da série, variação nos dados da série temporal, para que haja mais precisão na demanda futura prevista.
(Consulte O Tempo De Deslizamento: 25:39) Então, existem 3 métodos de técnica de defumação. A primeira está em movimento médio e no método da média móvel, projeta-se com base nos valores de demanda durante o passado recente. Então, aqui, se você pegar D é a demanda, o período de tempo n, neste take, nós tiramos o D n. Essa é a soma total da demanda D i dividida pelo número de observações n. Então, nesse caso, em média móvel, a previsão é baseada no valor de demanda no passado recente. Aqui, o se olhar para i stands, leva o valor de 1 para n. Aqui, é a versão mais simples da técnica do smoothing. Mas, aqui nós tiramos a base do valor da demanda apenas do passado recente.
(Consulte O Tempo De Deslizamento: 26:31) Então a segunda técnica é a média móvel ponderada é a previsão sobre as bases dos pesos das observações recentes. Então, aqui se você na demanda está na base também não apenas a demanda no período de tempo anterior, também qualquer que seja o peso a essa demanda no período de tempo anterior, qualquer que seja o peso da variável específica.
Isso também é levado em consideração em caso de média móvel ponderada. Por isso, a média móvel ponderada não é apenas a não dependente apenas da demanda passada, e sim também que qualquer que seja o peso atribuído a elas. Essas variáveis, ela também é cuidada em caso da média móvel ponderada. Em seguida, o terceiro método é o smoothing exponencial.
(Consulte O Tempo De Deslizamento: 27:13) Em caso de defumação exponencial, geralmente, ele atribui um peso maior à maioria dos dados recentes para ter uma estimativa realista sobre as flutuações. Então, isso é novamente mais aprimorado, mais revisado em forma de qualquer que seja a técnica de fumacê ponderada. Neste caso, ele geralmente atribui, esta técnica geralmente atribui um peso maior aos dados mais recentes quanto a ter uma estimativa realista da flutuação em vez.
Se for um dado de séries temporais de 10 anos, a maior importância é dada ao ano passado, passados 2 anos, passado um ano em vez do peso semelhante em todo o ano a partir de todos estes 10 anos. Neste caso, o peso é dado mais para o ano específico, que é pouco antes deste período presente. Então, aqui o peso varia entre 0 e 1, se for de 10 anos. Se o meteorologista achar que 10 anos não vai tão relevante, pode ser que eles possam atribuir 0 pesos aos 10 anos dados; pode ser novamente, a numeração começa a partir de 9. Pode ser o menos peso para os 9 um pouco, mais para os 8.
Da mesma forma, se for para o período de tempo 1, o período de tempo 1, mais atribuição será dada. O peso será atribuído ao ano de 2 portanto aqui se estiver na previsão em para o próximo período de tempo que é t mais 1. Então, a forma funcional toma forma um D t mais 1 menos um F t. Então, aqui se você olhar para a demanda é mais dependente disso qualquer que seja o valor do forcast deste período de tempo presente porque aqui estamos prevendo para o próximo período de tempo.
Qual é o período passado para o próximo período? Aqui, está presente o tempo. Portanto, se estamos fazendo isso para o período t mais 1 tempo, mais peso será atribuído ao período de tempo t em vez de qualquer outro período de tempo porque o ano passado, o peso medido ou o mais peso é dado aos dados do ano passado. Então, F t mais 1 é 0,30. Então, você toma o exemplo de que F t mais 1 é 0,30.
Aqui, é. Estamos considerando 0,70 como a demanda prevista para o período de tempo presente. Então, aqui se você olhar para essa previsão de demanda para t mais 1, mais vem da década de 0,7. Assim, 70 vem da demanda prevista a partir deste período de tempo presente e de 0,3 para a demanda do restante do período.
(Consulte O Tempo De Deslizamento: 29:47) Então, F t mais 1 é igual a 0,30 mais 0,30 F t. Neste caso para a previsão futura de demanda, para o próximo período de tempo, para o período de tempo presente ele é t. Para o próximo período de tempo é que a previsão de futuro é para t mais 1 período de tempo. 70 será dada uma ponderação percentual para o período de tempo t e os demais 30 serão dados à demanda para o restante do período de tempo. Em seguida, falaremos sobre o segundo método sob os métodos quantitativos que é a técnica barométrica.
(Consulte O Tempo De Deslizamento: 30:27) O que é técnica barométrica? A técnica barométrica é, para definí-la, é a previsão dos pontos de viragem em uma série temporal econômica para o uso de observações em outra série temporal chamada barômetro do indicador. Geralmente, barômetro é um que registra essa atividade ou geralmente cristalizamos todas as flutuações da atividade econômica.
(Consulte O Tempo De Deslizamento: 30:54) Assim, na técnica barométrica, geralmente um índice é construído primeiramente sobre os indicadores econômicos relevantes e prevê tendência futura a partir da base desses indicadores. Então, o que, como essa técnica barométrica está sendo praticada? Índice será construído e o que será componente do índice? O componente do índice será o indicador econômico relevante.
Uma vez que o índice é construído, nessa base a tendência futura será prevista com base nesse indicador. Agora, quais são os indicadores neste caso tomados para a construção do índice? Nós tiramos 3 tipos de indicadores. um é o indicador principal. O segundo é o indicador coincidente. O terceiro é o indicador atrasado. O que é um indicador líder? (Consulte o Slide Time: 31:42) Um indicador líder é aquele em que a série que sobe ou desce à frente da outra série. Então, se a única série é sobre quantidade de preço e a outra é sobre a quantidade de renda, neste caso da série de quantidade de preço está sempre subindo a série de quantidade de renda. Podemos dizer que a quantidade de preço, são os principais indicadores comparados com a renda e a quantidade. Por isso, o indicador principal é um em que a série sempre sobe ou desce à frente da outra série.
Em seguida, temos um indicador de coincidência. O que é um indicador de coincidência? esta é tipicamente uma série que se move para cima ou para baixo simulando-se com nível de atividades econômicas. Seja qual for a série, simultaneamente ela se move para cima ou para baixo. Então, em um período de tempo específico, ele se move em um período de tempo específico. Ele vem abaixo. Então, seguindo para cima e descindo, ele seguirá uma tendência regular e por isso é chamado como o indicador de coincidência. porque a série, move-se com o aumento da atividade econômica, para baixo com a diminuição da atividade econômica.
O terceiro tipo de indicadores é o indicador de atraso. O indicador de atraso é um indicador, que se movimenta com a série econômica após um atraso de tempo. Assim, se o econômico for, a economia está passando por um boom no período t, esse indicador se movimentará no período t mais 1. Ele não vai mexer no período t porque é um indicador atrasado.
Se a atividade econômica for mais em período de tempo t, este indicador estará em movimento no período de tempo t mais 1. É por isso que este indicador de atraso é conhecido como a série, que se movem com séries econômicas após um atraso do período de tempo.
Então, primeiro nós tínhamos o método de projeção de tendência. Em seguida, tivemos o método barométrico nos métodos quantitativos. Em seguida, o terceiro método é o método de econometria. O que é método econométrico aqui? (Consulte o Tempo de deslizamento: 33:51) Nós tiramos dois tipos de análise, uma é a análise de regressão e a segunda é o método de equação simultânea. A análise de regressão geralmente relaciona a variável dependente a uma ou mais variáveis independentes sob a forma de uma equação linear. Como discutimos, quando estávamos discutindo sobre a análise de regressão, então a correlação fala sobre a relação entre 2 variáveis, se elas estão relacionadas positivamente, se elas estão relacionadas negativamente.
Regressão fala sobre isso qual é a extensão da relação, em que direção ou qual é a magnitude da mudança em 1 variável quando a outra variável muda? Como eles estão relacionados? Isso nós geralmente fazemos na análise de regressão. Assim, geralmente, a análise de regressão relaciona a variável dependente na variável independente sob a forma de uma equação linear. Isso são instrumentos para a previsão casual. Agora, veremos como essa análise de regressão é geralmente útil no método de previsão.
(Consulte O Tempo De Deslizamento: 34:53) Então, antes disso, veremos que existem 3 tipos de análise de regressão. Uma é análise de regressão simples ou bivariada, em que é basicamente a relação entre 2 variáveis, 1 variável dependente e 1 variável independente. Eles são lineares relacionados em caso de 2 regressões variáveis. Também, eles não são forma linear relacionada, em vez disso, estão relacionados de forma não-linear. Obtemos uma análise de regressão não-linear. Quando estudamos a relação entre 1 variável dependente e número de variáveis independentes, obtemos a análise de regressão múltipla.
A análise de regressão simples é a relação entre 1 dependente e 1 variável independente, relação não-linear quando as variáveis estão relacionadas em um não-linear