Купить СНПЧ А7 Архангельск, оперативня доставка

crosscheckdeposited

Previsão do Preço da Gasolina para a Região Sul do Brasil

DOI: http://dx.doi.org/10.13084/2175-8018.v03n05a15

http://www.incubadora.ufsc.br/index.php/IJIE/index 

downloadpdf

Francisca M. Souza1, Silvana G. Almeida2, Adriano M. Souza3, Luis F. D. Lopes4 & Roselaine R. Zanini5

 

Resumo: A gasolina A é produzida pelas refinarias de petróleo e entregue diretamente às companhias distribuidoras. Essa gasolina constitui-se basicamente de uma mistura de naftas numa proporção tal que enquadre o produto na especificação prevista. A partir desta afirmativa, torna-se necessário fazer uma previsão do preço deste produto a fim de auxiliar os órgãos competentes nas tomadas de decisões necessárias para um gerenciamento eficaz e de qualidade. Para a realização das previsões, foram usados os modelos ARFIMA, chamados comumente de modelos de memória longa, os quais permitem o conhecimento, a curto prazo, dos valores futuros desta variável. O modelo que melhor explicou a série em estudo foi um ARFIMA (1; 0,3995; 0). Com os valores previstos é possível ter uma melhor perspectiva, além de auxiliar os órgãos competentes na administração das medidas gerenciais que melhorem o fluxo de atendimento ao cliente e a produção de equipamentos.

Palavras-chave: previsão de gasolina, modelos de memória longa, análise de séries temporais

 

Abstract: The gasoline is produced by oil refineries and delivered directly to distributors. This gasoline is basically a mixture of naphtha to an extent that outlines the product specification provided. From this statement, it is necessary to forecast the price of oil to assist the competent bodies in decision-making necessary for effective management and quality. To carry out the forecasts, we use the ARFIMA models, i.e. models of long memory commonly called, which will allow the knowledge in the short term, the future values of this variable. The model that best explained the series under study is a model ARFIMA (1, 0.3995, 0). With the figures you can get a better perspective, and assist the competent bodies in the administration of management measures to improve the flow of customer service and production equipment.

Key words: forecasting, long memory models, time series analysis

 

1 Universidade Federal de Santa Maria Mestre em Engenharia de Produção Santa Maria/RS – Brasil. kikamatcom@yahoo.com.br
2 Universidade Federal de Santa Maria Mestranda em Engenharia de Produção Santa Maria/RS – Brasil. silmtm@yahoo.com.br
3 Universidade Federal de Santa Maria Departamento de Estatística e Programa de Pós-graduação em Engenharia de Produção Santa Maria/RS – Brasil. amsouza.sm@gmail.com
4 Universidade Federal de Santa Maria Departamento de Estatística e Programa de Pós-graduação em Engenharia de Produção Santa Maria/RS – Brasil. lflopes@smail.ufsm.br
5 Universidade Federal de Santa Maria Departamento de Estatística Santa Maria/RS – Brasil rrzanini@terra.com.br

 

Literatura Citada

AKAIKE, H. 1970. Stastistical predictor identification. Ann. Statis. Math, v. 22, p. 203-217. doi

ANP – Agência Nacional de Petróleo, Gás Natural e Biocombustíveis. 2009. Disponível em < http://www.anp.gov.br>. Acesso em: 15 abr./2009.

BOX, G. E. P.; JENKINS, G. M. Time series analysis forecasting and control. San Francisco: Holden-Day. Edição revisada, 1976.

FAVA, V. L. Manual de Econometria. In: VASCONCELOS, M. A. S.; ALVES, D. São Paulo: Editora Atlas, 2000.

MORETTIN, P. A.; TOLOI, C. M. Análise de séries temporais. 1. ed., São Paulo: Edgar Blücher, 2004.

MORETTIN, P. A. Econometria financeira um curso em séries temporais financeiras. 1. ed., São Paulo: Edgar Blücher, 2008.

SCHWARZ, G. Estimating the dimension of a model. The Annals of Statistics. v. 6, p. 461-464, 1978. doi

WERNER, L.; RIBEIRO, J. L. D. Previsão de demanda: uma aplicação dos modelos Box-Jenkins na área de assistência técnica de computadores pessoais. Revista Gestão & Produção, v. 10, n. 1, p. 47-67, 2003. doi