ESTATÍSTICA APLICADA

SÉRIES TEMPORAIS
1
Professor Jobenil Luiz Magalhães Júnior
Curso de Administração



Séries Temporais:

Chamamos de Série temporal um conjunto de observações ordenadas no tempo,
comumente em intervalos iguais. São exemplos de séries temporais:
- os valores diários do preço das ações de uma empresa, na bolsa de valores
de São Paulo;
- os valores mensais da temperatura na região centro-oeste do Brasil.
- a produção anual de café no estado do Goiás;
- as quantidades anuais de chuva na cidade de Goiânia;
- a produção total anual de aço no Brasil.
Uma série temporal pode ser representada ilustrativamente, através de um
gráfico de Y em função de t, num sistema de eixos cartesianos.

Figura 1 – Exemplo de série temporal

Componentes fundamentais de uma série temporal:

Uma série temporal possui alguns movimentos característicos, denominados de
componentes fundamentais, que são definidos a seguir:

a – Componente tendêncial (T) – Também chamada de tendência ou tendência secular.
É um movimento evolutivo que traduz a influencia de fatores que fazem com que o
fenômeno tenha a sua intensidade aumentada ou diminuída com o passar do tempo. Esta
componente se caracteriza, portanto, como um movimento ascendente ou descendente
de longa duração (períodos maiores de que um ano).
Quando uma série temporal não apresenta qualquer tipo de tendência,
ascendente nem descendente, ela é chamada de “série estacionária”.

b – Componente sazonal (E) – Também chamada de estacionalidade ou sazonalidade. É
um movimento oscilatório de curta duração (períodos menores do que um ano) que
traduz a influência de fatores cuja atuação é periódica, no sentido de aumentar ou
diminuir a intensidade do fenômeno.
ESTATÍSTICA APLICADA
SÉRIES TEMPORAIS
2
c – Componente cíclica (C) – É um movimento oscilatório de longa duração que
exprime a influência de fatores aleatórios de ação reiterada. Tal componente indica as
fazes de expansão e contração das atividades econômicas, sendo de duração não fixa.
Em geral quanto aos ciclos, podemos denominar:
- ciclos longos: duração de mais ou menos cinquenta anos.
- ciclos médios: duração de mais ou menos dez anos.
- ciclos curtos: duração de 2 a 7 anos.

d – Componente aleatória (A) – Também chamada de componente irregular. É um
movimento oscilatório de curta duração e de grande instabilidade que exprime a
influência de fatores casuais, como por exemplo: secas, enchentes, greves, eleições,
etc...

Analise de uma série temporal:

Consiste na descrição (geralmente matemática) das componentes que cada série
temporal possui. É uma investigação dos fatores T, S, C e A, o que freqüentemente é
classificado como sendo a decomposição de uma série temporal em seus movimentos
componentes básicos, ou seja verificamos, determinamos e eliminamos cada uma das
suas componentes.
Numa análise de uma série temporal normalmente desconsideramos a
componente cíclica, devido as suas características e consideramos que a componente
aleatória exista em todas as séries temporais, devido ao fato de ser praticamente
impossível a sua eliminação.
A principal utilização de uma análise de uma série temporal é a previsão de
movimentos futuros.

Avaliação de Tendências em Séries Temporais

O problema de detectar se há um aumento progressivo nas vendas totais anuais
em uma empresa e de estimar seu valor é típico de análise de tendência em séries
temporais ou, em outros termos, de avaliação da sazonalidade de séries temporais.
Este tipo de problema é particularmente complexo porque as variáveis
econômicas apresentam flutuações significativas ao longo do tempo e podem sofrer
variações significativas dependendo de fatores sociais e políticos.
Para exemplificar a questão, criou-se uma série de valores de vendas totais
anuais para uma empresa hipotética associando-se a um valor médio de 1600 mil reais
uma flutuação com amplitude de 200 mil reais, gerada por meio de um gerador de
números aleatórios. A série possui 100 anos de duração. A amplitude de 200 mil reais é
relativamente baixa, porém permite exemplificar o que aqui se pretende.
Por meio deste artifício virtual, obteve-se uma série cuja venda total média é de
1595 mil reais, com desvio-padrão de 65 mil reais. O valor máximo de venda total anual
gerado foi de exatos 1700 mil reais e o mínimo, de 1506 mil reais.
A série foi gerada utilizando-se a planilha MS Excel, com a seguinte função:

) 1 200 ( * () 1500 + + = aleatorio V
anual





ESTATÍSTICA APLICADA
SÉRIES TEMPORAIS
3

A figura 2 traz um gráfico desta série.
Figura 2 – Série virtual de vendas totais anuais para empresa fictícia.

Não se notam tendências nítidas no gráfico da série temporal em foco e, tendo
em vista a equação pela qual foi gerado, temos a certeza que nenhuma tendência existe
nesta série. Porém, percebem-se anos cujas vendas foram altas e anos cujas vendas
foram baixas, sendo um pouco difícil de detectar se ocorreram seqüências ou ciclos de
anos com predominância de uma ou outra destas características.
Tal dificuldade é causada, sobretudo, pela presença de flutuações econômicas,
no presente caso, intencional e artificialmente criadas. Uma das formas de tentar
identificar a eventual presença de ciclos nas vendas em séries temporais é utilizar filtros
capazes de reduzir a variabilidade mostrada na série.
Um filtro eficiente e de fácil utilização é a média móvel. A figura 3 mostra o
resultado gráfico da aplicação da média móvel sobre a série de dados em foco.

Figura 3 – Série virtual de vendas totais anuais para uma empresa fictícia – média móvel.
Agora, pode-se perceber que os períodos compreendidos entre os anos 20 e 40
bem como entre os anos 60 e 80 tiverem baixa venda. Houve um período de alta venda
entre os anos 40 e 60 e outro, a partir dos anos 90.
1450
1500
1550
1600
1650
1700
1750
0 20 40 60 80 100
Tempo [anos]
V
e
n
d
a
s

[
m
i
l

r
e
a
i
s
]
1540
1560
1580
1600
1620
1640
1660
1680
0 20 40 60 80 100
Tempo [anos]
M
e
d
i
a

M
o
v
e
l

[
m
i
l

r
e
a
i
s
]
ESTATÍSTICA APLICADA
SÉRIES TEMPORAIS
4
A média móvel é calculada por ciclos, no caso apresentado, ciclos de 5 anos. Os
primeiros três valores de média móvel foram calculados pelas equações

5
5
1
1

=
=
i
i
V
MM
5
6
2
2

=
=
i
i
V
MM e
5
7
3
3

=
=
i
i
V
MM .

O cálculo prossegue até que toda a série seja percorrida.

No Excel, a média móvel pode ser calculada, clicando-se, sobre a curva plotada
no gráfico, com o botão direito do mouse. Selecionar a opção “adicionar linha de
tendência” e, posteriormente, a opção “média móvel”, com o número de termos (neste
exemplo, 5 termos).
Quanto mais termos forem incluídos na média móvel, maior o efeito de filtração
dos pontos, ou seja, mais suave a curva a ser obtida. Outras opções podem ser tentadas,
como, por exemplo, média móvel de 10 termos, e comparadas com a média móvel
apresentada na figura 2 (5 termos).
Agora, suponha-se que a série exibisse uma tendência particular, ou seja, que à
aleatoriedade das vendas totais anuais estivesse associado um comportamento
sistemático relacionado com o tempo. Diferentes tipos de tendência podem ser
imaginados, alguns mais prováveis de serem observados que outros. Por exemplo,
poderia ocorrer um progressivo decréscimo ou o aumento das vendas totais anuais; a
duração de ciclos de alta ou baixa poderia mostrar uma tendência a aumentar ou a
diminuir; a variância da série poderia estar aumentando ou diminuindo com o passar do
tempo.
Para ilustrar a questão da tendência e de sua identificação, optou-se por incluir
aos dados da série em foco um crescimento sistemático e linear das vendas totais anuais
em função do tempo. Para obter esta tendência, supôs-se que P
anual
aumentaria a uma
taxa de 2 mil reais por ano, durante 100 anos. Assim, para gerar a precipitação de um
ano a qualquer, com [ ] 100 , 1 Ν ∈ a , adotou-se a seguinte equação:

( ) a aleatorio V
a anual
2 1 200 * () 1500
,
+ + + =
Vê-se, na figura 4, o gráfico resultante da série de vendas totais anuais.
Figura 4 – Série virtual de vendas totais anuais para empresa fictícia à qual foi associada uma tendência
artificial.
1500
1550
1600
1650
1700
1750
1800
1850
1900
0 20 40 60 80 100
Tempo [anos]
V

[
m
i
l

r
e
a
i
s
]
ESTATÍSTICA APLICADA
SÉRIES TEMPORAIS
5
Agora, a tendência de aumento de V
anual
parece evidente mesmo a uma análise
puramente gráfica. A utilização da média móvel pode tornar mais clara a possível
existência desta tendência (Figura 5). Deve-se ressaltar que a tendência introduzida na
série é bastante artificial, tanto por seu comportamento linear quanto pela taxa de
crescimento de V
anual
.

Figura 5 – Série virtual de vendas totais anuais para empresa fictícia à qual foi associada uma tendência
artificial – média móvel.

Previsão e Ajuste de Tendência dos mínimos quadrados

Modelo de Tendência Linear

Os valores das médias móveis podem ser utilizados para estabelecer-se uma
regressão com a variável tempo (Figura 6).

Figura 6 - Série virtual de vendas totais anuais para empresa fictícia à qual foi associada uma tendência
artificial – média móvel e ajuste de uma reta por regressão linear com o tempo.

O coeficiente de regressão obtido foi de 0,93 e a equação de regressão resultou
em:
( ) 7 , 1585 2 , 2 + = t t MM
1500
1550
1600
1650
1700
1750
1800
1850
1900
0 20 40 60 80 100
Tempo [anos]
V

[
m
i
l

r
e
a
i
s
]
1 5 0 0
1 5 5 0
1 6 0 0
1 6 5 0
1 7 0 0
1 7 5 0
1 8 0 0
1 8 5 0
1 9 0 0
0 2 0 4 0 6 0 8 0 1 0 0
T e m p o [ a n o s ]
V

[
m
i
l

r
e
a
i
s
]
ESTATÍSTICA APLICADA
SÉRIES TEMPORAIS
6

Naturalmente, a análise de regressão poderia também ser feita diretamente sobre
os dados de V
anual
. A equação de regressão resultante apresenta praticamente a mesma
taxa de crescimento anual (2,2) e o mesmo intercepto (1587,3), o que não é uma
surpresa. Apenas o coeficiente de regressão cai, em razão da maior variabilidade dos
dados (r = 0,73). Notar que, no caso da média móvel, o mesmo dado de V
anual
participa
da geração de vários pontos da série, o que está na base do efeito filtrante da média
móvel.

Ajuste exponencial

O ajuste exponencial representa uma outra técnica utilizada para ajustar uma
série temporal e, desta maneira, fornecer uma impressão mais clara sobre os
movimentos gerais de longo prazo nos dados. Além disso, este método de ajuste
exponencial é utilizado para obter previsões de curto prazo (um período no futuro) para
séries temporais. No exemplo fictício apresentado anteriormente criou-se uma tendência
linear que geralmente não se apresenta em dados mais realistas. Para esta seção
apresentaremos os dados extraídos de [2] para as receitas da Cabot Corporation uma
indústria química americana, apresentadas na Tabela 1 abaixo.

Ano
Receita
(milhões dólares)
Ano
Receita
(milhões dólares)
Ano
Receita
(milhões dólares)
1981 1622,8 1988 1676,6 1995 1840,9
1982 1587,7 1989 1936,9 1996 1865,2
1983 1558,0 1990 1684,7 1997 1636,7
1984 1752,5 1991 1488,0 1998 1652,8
1985 1407,5 1992 1562,2 1999 1699,0
1986 1309,9 1993 1618,5
1987 1424,0 1994 1686,6

Ao observarem-se os dados representados na Figura 7 percebe-se que é
questionável o tipo de efeito de tendência em longo prazo que possa se fazer presente,
caso exista um. Assim, o ajuste exponencial possui uma vantagem evidente em relação
ao método das médias móveis.















Figura 7 – Receita da Cabot Corporation entre 1981 e 1999
Receita anual Cabot Corporation
0
500
1000
1500
2000
2500
1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
tempo [anos]
R
e
c
e
i
t
a

[
m
i
l
h
õ
e
s

d
ó
l
a
r
e
s
]
ESTATÍSTICA APLICADA
SÉRIES TEMPORAIS
7
O método recebe este nome pelo fato de consistir em uma série de médias
móveis exponencialmente ponderadas. Ao longo das séries, cada previsão ou cálculo de
ajuste depende de todos os valores previamente observados; uma outra vantagem em
relação ao método das médias móveis, que não leva em conta todos os valores
observados, desta maneira. Com o ajuste exponencial, os pesos designados aos valores
observados decrescem ao longo do tempo, de modo que, quando um cálculo é efetuado,
o valor mais recente observado recebe o maior peso, o valor observado imediatamente
anterior recebe o segundo maior peso, e assim por diante, com o valor inicialmente
observado recebendo o menor peso. O Excel pode ser usado para os cálculos envolvidos
no ajuste exponencial.
A equação desenvolvida para ajustar exponencialmente uma série, em qualquer
período de tempo, t, é baseada somente em três termos: o valor atualmente observado na
série temporal Y
t
, o valor exponencialmente ajustado anteriormente calculado, E
t-1
, e
um peso designado, ou coeficiente de ajuste, W. A Equação abaixo é utilizada para
fazer o ajuste de uma série em qualquer período de tempo t:

( ) 2,3,4,... i onde 1
1
1
= − + =
=
− t t t
t
E W WY E
Y E

Onde:
E
t
= valor da série exponencialmente ajustada, sendo calculado no período de tempo t.
E
t-1
= valor da série exponencialmente ajustada, calculada no período de tempo anterior a t.
Y
t
= valor observado da série temporal no tempo t.
W = peso designado subjetivamente ou coeficiente de ajuste ( 0 < W < 1).

A escolha do peso ou do coeficiente de ajuste designado para a série temporal é fator
determinante, uma vez que afeta diretamente os resultados. Infelizmente, essa seleção é um
tanto quanto subjetiva. Se seu objetivo for somente ajustar uma série, eliminando variações
cíclicas e irregulares indesejáveis, você deve selecionar um valor baixo para W (mais próximo
de 0). Por outro lado, se seu objetivo for uma previsão, você deve escolher um valor alto para W
(mais próximo de 1). No primeiro caso, as tendências gerais de longo prazo podem ser previstas
de maneira mais adequada.
A Figura 8 apresenta valores exponencialmente ajustados, obtidos no Excel com
coeficientes W = 0,75; W = 0,50 e W = 0,25, para as receitas da Cabot Corporation ao longo dos
19 anos de observação da série.

















Figura 8 – Receitas ajustadas exponencialmente da Cabot Corporation
Receitas ajustadas exponencialmente
1200
1300
1400
1500
1600
1700
1800
1900
1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
T [anos]
R

[
m
i
l
h
õ
e
s

d
ó
l
a
r
e
s
]
AE(W=0,75) AE(W=0,50) AE(W=0,25)
ESTATÍSTICA APLICADA
SÉRIES TEMPORAIS
8
Para prever a receita da Cabot Corporation durante o ano de 2000, utilizando um
coeficiente de ajuste W = 0,25, você utiliza o valor ajustado para o ano de 1999 como sua
estimativa. Assim, obtemos:

dólares de milhões 41 , 1692
2000 1999
= = E E

Outros modelos de Tendência

Outros modelos de tendência poderiam ser estudados, enfatizamos ainda os modelos
quadrático e polinomial, no entanto para os objetivos deste estudo, fogem dos objetivos deste
curso. Para maiores aprofundamentos apresentamos uma pequena bibliografia no fim deste
documento.

Observação: Para a composição do presente documento empregou-se, em alguns trechos as
notas de aula dos professores: Valter Albuquerque da PUCRGS e Nilo de Oliveira Nascimento
da Universidade Lavras.

Bibliografia:
[1] Wild, C. J. & Seber, G. A.F.; Encontros com o Acaso; Rio de Janeiro:LTC:2004.
[2] Levine, D. M., Stephan, D.; Krehbiel, T. C. & Berenson, M. L.; Estatística –
Teoria e Aplicações Usando o Microsoft Excel em Português. Rio de
Janeiro:LTC: 2005, 3e.
[3] Silver, M.; Estatística para Administração; São Paulo:Atlas,2000.
[4] Braule, R.; Estatística Aplicada com Excel para cursos de Administração e
Economia; Rio de Janeiro, Campus, 2001
[5] Moretin,P. A. & Toloi, C. M.C.; Análise de Séries Temporais. São Paulo:Edgar
Blucher, 2004.

EXERCÍCIOS

1 – A que movimento característico de uma série temporal está fortemente associada cada uma das
seguintes ocorrências:
a) Um incêndio em uma fábrica, atrasando a produção em três semanas.
b) Uma era de prosperidade.
c) Uma venda anterior à páscoa, em uma loja de chocolates.
d) A necessidade de aumentar a produção de trigo devido ao acréscimo constante da população.
e) Números mensais de centímetros de precipitação de chuva em uma cidade durante um período
de cinco anos.
2 – Os dados da tabela a seguir representam a receita trimestral (em milhões de dólares) da Ford Motor
Company, a partir do primeiro trimestre de 1992 até o terceiro trimestre de 2000:
Receitas Trimestrais da Ford Motor Company (milhões de dólares)
Ano/Trimestre 1º 2º 3º 4º
1992 24.560 26.840 23.330 25.410
1993 26.760 29.420 24.500 27.840
1994 30.400 33.770 30.660 33.643
1995 34.783 36.389 31.418 34.547
1996 36.261 37.937 33.960 38.833
1997 36.202 40.265 36.096 39.952
1998 36.584 37.289 32.640 37.903
1999 37.885 42.282 37.973 44.418
2000 42.894 44.519 40.064
Extraído de [2] página 654
a) Você acredita que as receitas da Ford Motor Company estão sujeitas à variação
sazonal?Explique.
b) Coloque os dados em um gráfico. Este gráfico apóia sua resposta para (a)?
ESTATÍSTICA APLICADA
SÉRIES TEMPORAIS
9
c) O que você poderia fazer para suavizar a série e verificar a tendência para as receitas
trimestrais?
d) Qual o valor previsto para o quarto trimestre de 2000?

3 – Considerando que a tendência do volume físico das vendas anuais de certo produto seja dada pela
função Y
t
= 500 + 20t, obtida para o período 1994/2002, determine:
a) o ano no qual o valor projetado de tendência das vendas totalizaram 540 unidades.
b) a previsão para as vendas em 2003.

4 – Os dados a seguir representam as despesas mensais realizadas com cartões de crédito (em milhões de
dólares), de um cartão de crédito popular fornecido por um grande banco americano.
Despesas com cartões de crédito (em milhões de dólares)
Mês 1997 1998 1999
Janeiro 31,9 39,4 45,0
Fevereiro 27,0 36,2 39,6
Março 31,3 40,5
Abril 31,0 44,6
Maio 39,4 46,8
Junho 40,7 44,7
Julho 42,3 52,2
Agosto 49,5 54,0
Setembro 45,0 48,8
Outubro 50,0 55,8
Novembro 50,9 58,7
Dezembro 58,5 63,4
Extraído de [2] página 654
a) Construa um gráfico de séries temporais
b) Descreva o padrão mensal que é evidente nos dados.
c) Em geral, você diria que a quantidade total de dólares gastos com cartões de crédito do banco
está aumentando ou diminuindo? Explique.
d) Observe que os gastos em dezembro de 1998 foram superiores a $63 milhões, mas em
fevereiro de 1999 foram inferiores a $40 milhões. O total em fevereiro foi próximo do que seria
esperado?
e) Desenvolva uma equação de previsão de tendência exponencial.
f) Com base na equação anterior, qual foi o valor previsto para março de 1999?

5 – A tendência das vendas anuais de certo produto, obtida com dados coletados de 1986 a 2002 é dada
por Y
t
= 30 + 10t. Pede-se:
a) a correspondente equação de tendência em valores mensais.
b) a correspondente equação de tendência em valores trimestrais.
c) o valor projetado de tendência para março de 2003.
d) o valor projetado de tendência para o 2º trimestre de 2003.

6 – Que estatística você poderia empregar para confirmar se a tendência de uma série temporal é
crescente ou decrescente? Explique.
7 – Que procedimentos podem-se utilizar para eliminar os efeitos aleatórios?
8 – Quais são os efeitos da componente sazonal em uma série temporal?
9 – Quais são os efeitos da componente cíclica em uma série temporal?
10 – Quais são os efeitos da componente aleatória em uma série temporal?