A produção de leite está em constante crescimento, pois movimenta a economia e é fonte de renda para diversas famílias. Um eficaz planejamento das atividades executadas tanto por parte dos produtores de leite como dos laticínios está diretamente relacionado às expectativas em relação à produção anual do leite. A estimativa da produção de leite pode ser abordada por meio de modelos numérico-estatísticos de previsão, com auxílio de softwares como o R. Dessa forma, o presente artigo aborda uma análise comparativa da previsão de produção de leite industrializado no Brasil, por meio dos modelos ARIMA (Autoregressive Integrated Moving Average – Autorregressivo Integrado de Médias Móveis) e ETS (Error, Trend, Seasonal – Erro, Tendência, Sazonal). A determinação dos modelos e demais cálculos estatísticos foram realizados por meio do software livre R para séries de dados mensais e trimestrais da produção de leite, obtido pelo site do IBGE, no período de 2004 a 2018. Os modelos forneceram as previsões para o ano de 2019 e estes foram comparados com valores reais. As métricas utilizadas foram o MAPE (Mean Absolute Percentage Error – Erro Percentual Médio Absoluto), RMSE (Root Mean Square Error – Raiz do Erro Médio Quadrático) e MAE (Mean Absolute Error – Erro Médio Absoluto), as quais indicam que o modelo ARIMA apresentou maior acurácia para ambas as séries analisadas.
Milk production is constantly growing, as it moves the economy and is a source of income for several families. Effective planning of activities performed by both milk and dairy producers is directly related to expectations regarding the annual production of milk. The estimation of milk production can be performed using numerical-statistical forecasting models, with the help of software such as R. Thus, this article addresses a comparative analysis of the forecast of industrialized milk production in Brazil, using ARIMA (Autoregressive Integrated Moving Average) and ETS (Error, Trend, Seasonal) models. The determination of model’s parameters and other statistical calculations were performed using free software R for monthly and quarterly data series on milk production, obtained from the IBGE website, from 2004 to 2018. The models provided forecasts for the year 2019 and these were compared with actual values. The metrics used were MAPE (Mean Absolute Percentage Error), RMSE (Root Mean Square Error), and MAE (Mean Absolute Error), which indicate that the ARIMA model presented greater accuracy for both analyzed series.
