A análise de séries cronológicas é um elemento central da estatística , especialmente em contextos económicos. Para desenvolver uma compreensão sólida das análises de erros e das estimativas de qualidade no Excel, este tutorial guiá-lo-á através de um caso de utilização prática. Para tal, é utilizado o exemplo de um estudo de caso de um fornecedor automóvel. Aprenderá a comparar as previsões com os valores reais e a quantificar a qualidade das suas previsões através de análises de erros.
Principais conclusões
- Aprenderá a comparar as previsões e os valores reais no Excel.
- Descobrirá que indicadores de erro são utilizados para avaliar a qualidade da previsão.
- No final, será capaz de calcular o coeficiente de variação e a raiz do erro quadrático médio (RMSE).
Instruções passo a passo
Comece por introduzir os valores de 2019 como previsões e os valores de 2020 como valores reais no Excel. Certifique-se de que transfere os valores corretamente para criar uma base sólida para os seus cálculos.
Para efetuar a análise, são necessários os dados brutos de ambos os anos. Deve assegurar os valores de 2020 e depois integrar as previsões para 2019. Estes valores servirão de base para os seus cálculos.
Copie agora os dados brutos dos valores de 2020 para uma área de trabalho e cole-os na íntegra. Para manter os cálculos claramente estruturados, é aconselhável criar colunas separadas para as previsões e os valores reais.
Na etapa seguinte, é necessário subtrair as previsões dos valores reais para calcular os erros. Para o efeito, utilize a fórmula "erro = valor real - previsão". Arraste este cálculo por todos os seus pontos de dados para quantificar todos os erros.
Uma vez calculados os erros, o passo seguinte é elevar estes erros ao quadrado. Isto significa que multiplica cada erro por si próprio, o que lhe dá os erros ao quadrado.
Agora, calcule o valor médio dos erros ao quadrado. Para o fazer, utilize a função "Média" no Excel e divida a soma dos erros quadrados pelo número de observações. Isto dá-lhe o erro quadrático médio.
Uma vez determinado o valor médio dos erros quadráticos, tire a raiz quadrada desse valor médio. O resultado é a raiz do erro quadrático médio (RMSE). Este valor é crucial para avaliar a qualidade da previsão.
Agora, também é necessário calcular o valor médio dos valores reais. Para isso, utilizar novamente a função "Média" e selecionar os valores reais correspondentes. Essa média é importante para a interpretação posterior do coeficiente de variação.
Na etapa seguinte, o usuário calcula o coeficiente de variação (CV). O CV é calculado dividindo o RMSE pelo valor médio dos valores reais. Isto dá-lhe uma representação percentual dos erros comparados com os valores reais, o que avalia a qualidade das suas previsões.
A interpretação do coeficiente de variação é essencial. Um CV de 0,08 significa uma baixa flutuação relativa e, por conseguinte, uma elevada qualidade das previsões. Pode também introduzir este valor e as suas conclusões num quadro de referência para facilitar a compreensão dos resultados.
Em resumo, analisou as previsões e os valores reais no Excel em várias etapas. O cálculo dos erros, o cálculo do quadrado, o cálculo da média e, por último, a determinação do coeficiente de variação são procedimentos básicos para avaliar a qualidade das análises de séries cronológicas.
Resumo
Neste guia, explorou a forma de analisar séries cronológicas no Excel, comparando previsões com valores reais. Aprendeu a calcular os erros, a elevá-los ao quadrado e a quantificar a qualidade das suas previsões. Ao determinar o coeficiente de variação, tem agora a capacidade de avaliar melhor as previsões futuras.
Perguntas mais frequentes
Como posso visualizar os valores reais e as previsões no Excel?Criando colunas separadas para os valores reais e as previsões e introduzindo os valores correspondentes nessas colunas.
Como é que se calcula o RMSE? O RMSE é calculado tomando a raiz quadrada da média dos erros quadrados.
O que significa um coeficiente de variação elevado?Um coeficiente de variação elevado indica uma variação relativa elevada, o que indica uma qualidade de previsão inferior.
Porque é que é importante elevar os erros ao quadrado?Elevar os erros ao quadrado garante que os desvios positivos e negativos não são neutralizados mutuamente ao calcular o valor médio.
