Comparação do desempenho dos modelos estatísticos aplicados a séries temporais de umidade relativa do ar

Abstract

Modelos estatísticos aplicados a séries temporais vêm sendo empregados em diversas áreas e têm surgido como necessidade atual para empresas sobreviverem em um mercado globalizado e competitivo. Nesse contexto, o presente trabalho tem por objetivo apresentar uma comparação do desempenho dos modelos estatísticos: Autorregressivo de Médias Móveis Sazonal (SARMA), Autorregressivo de Médias Móveis e entrada de variáveis exógenas (ARMAX) e modelos de Alisamento Exponencial Holt-Winters aditivo/multiplicativo, ajustados a dados de umidade relativa do ar (UR). Os dados foram coletados junto ao Instituto Nacional de Meteorologia (INMET) no período de 01 de outubro de 2001 a 22 de janeiro de 2014. Na comparação dos resultados e na seleção do melhor modelo foram utilizados os critérios Erro Absoluto Percentual Médio (MAPE), Erro Quadrático Médio (EQM), Média absoluta dos erros (MAD) e Soma dos quadrados das diferenças (SSE). No período analisado, observou-se que a média da UR foi de 76,03% com coeficiente de variação de 7,68% e a série em estudo apresentou sazonalidade, justificando o uso dos modelos propostos. Os resultados mostraram que o modelo ARMAX (3,0) com a inclusão de variáveis exógenas ajustou-se de forma adequada à UR, apresentado melhores resultados de previsão em relação aos seus concorrentes SARMA(3,0)(1,1)₁₂ e o Holt-Winters multiplicativo/aditivo.