Utilizou-se a metodologia Box & Jenkins para obter um modelo estatÃstico que
estimasse a produção de litros de leite dos seis primeiros meses de 2013 no estado de
Minas Gerais, ajustando modelos SARIMA (p, d, q) x (P, D, Q)s, no qual d e D são o
número de diferenças necessárias para remover a tendência e sazonalidade da série,
p e q a ordem dos operadores autoregressivos e de médias móveis, P e Q a ordem
dos operadores autoregressivos e de móveis sazonais e s a periodicidade sazonal.
Por meio do Critério de Informação de Akaike (AIC) selecionou-se os seis modelos
mais parcimoniosos e para encontrar o melhor foram analisados os indicadores Erro
Quadrático Médio (EQM) e Erro Percentual Médio Absoluto (MAPE), além das
pressuposições de resÃduos ruÃdo branco. O modelo Autoregressivo Integrado e de
Médias Móveis Sazonal SARIMA (3,1,2) x (0,1,2)12 foi superior, pois atendeu ao
princÃpio da parcimônia, obteve estimativas de produção de leite mais ajustadas e
consequentemente menores valores para os indicadores de erro EQM e MAPE. Os
resÃduos estimados por este modelo foram ruÃdo branco.
The Box & Jenkins methodology was used to obtain a statistical model for
estimate the production in liters of milk of the 6 first months of 2013 in Minas Gerais state, adjusting SARIMA (p, d, q) x (P, D, Q)s models, where d and D are the number
of differences to remove the trend and seasonality of time series, p and q are the order
of the autoregressive and moving average operators, P and Q are the order of the
autoregressive and moving average seasonal operators and s is the seasonal periodicity.
The Akaike Criterion Information (AIC) procedure was used to select the 6 most
parsimonious models and to find the best one the error indicators Mean Squared Error
(EQM) and Mean Absolute Percent Error (MAPE) were analyzed, in addition to the
assumptions of residues white noise. The Seasonal Autoregressive Integrated Moving
Average SARIMA (3,1,2) x (0,1,2)12 was upper, view of the principle of parsimony
and with more precise estimates. The forecast was more adjusted to the real values
of milk production in Minas Gerais state and the model had smaller error indicators.
The residues estimated were by this model white noise.
Keywords: forecasting; modeling; trend; seasonality.
