Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/43223
Registro completo de metadados
Campo DCValorIdioma
dc.creatorBarbosa, Eduardo Campana-
dc.creatorSáfadi, Thelma-
dc.creatorSilva, Carlos Henrique Osório-
dc.creatorManuli, Rômulo César-
dc.date.accessioned2020-09-26T23:28:28Z-
dc.date.available2020-09-26T23:28:28Z-
dc.date.issued2020-09-25-
dc.identifier.citationBARBOSA, E. C. et al. Metodologia Box & Jenkins: uma aplicação em dados de produção de leite cru do estado de Minas Gerais. Revista do Instituto de Laticínios Cândido Tostes, Juiz de Fora, v. 69, n. 2, p. 129-139, mar./abr. 2014. DOI: 10.14295/2238-6416.v69i2.286.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/43223-
dc.description.abstractThe 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.pt_BR
dc.languagept_BRpt_BR
dc.publisherEmpresa de Pesquisa Agropecuária de Minas Gerais (EPAMIG), Instituto de Laticínios Cândido Tostespt_BR
dc.rightsAttribution 4.0 International*
dc.rightsacesso abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.sourceRevista do Instituto de Laticínios Cândido Tostespt_BR
dc.subjectPrevisãopt_BR
dc.subjectModelagempt_BR
dc.subjectTendênciapt_BR
dc.subjectSazonalidadept_BR
dc.subjectForecastingpt_BR
dc.subjectModelingpt_BR
dc.subjectTrendpt_BR
dc.subjectSeasonalitypt_BR
dc.titleMetodologia Box & Jenkins: uma aplicação em dados de produção de leite cru do estado de Minas Geraispt_BR
dc.title.alternativeBox & Jenkins methodology: an aplication in raw milk data from the state of Minas Geraispt_BR
dc.typeArtigopt_BR
dc.description.resumoUtilizou-se a metodologia Box & Jenkins para obter um modelo estatístico 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 resíduos ruído branco. O modelo Autoregressivo Integrado e de Médias Móveis Sazonal SARIMA (3,1,2) x (0,1,2)12 foi superior, pois atendeu ao princípio da parcimônia, obteve estimativas de produção de leite mais ajustadas e consequentemente menores valores para os indicadores de erro EQM e MAPE. Os resíduos estimados por este modelo foram ruído branco.pt_BR
Aparece nas coleções:DEX - Artigos publicados em periódicos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ARTIGO_Metodologia Box & Jenkins uma aplicação em dados de produção de leite cru do estado de Minas Gerais.pdf1,09 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons