Equações para Métodos de Previsão

Os métodos de regressão tentam ajustar uma linha aos dados históricos. As definições a seguir fornecem as equações matemáticas para definir as linhas.

Em todas as equações, y é o valor de previsão e x é a série de tempo histórica.

Método de Regressão Linear

Um relacionamento linear (y=a*x+b) é ajustado aos dados.

Em que a é a inclinação e b é a interceptação.

Métodos de Regressão Não-Linear

Nos métodos de regressão não-linear, um relacionamento linear (y'=a*x'+b) é ajustado a uma transformação dos dados originais. Cada método usa uma equação diferente para a transformação.

Ajuste Polinomial: A equação x'=log(x) e y'=log(y) resulta no desenvolvimento de um modelo polinomial entre x e y(y=c*x^a).
Ajuste Exponencial: A equação x'=x e y'=ln(y) resulta no desenvolvimento de um modelo exponencial entre x e y(y=c*e^ax).
Ajuste Logarítmico: A equação x'=log(x) e y'=y resulta no desenvolvimento de um modelo logarítmico entre x e y(y=a*log(x)+b).
Ajuste de Assíntota: A equação x'=1/x e y'=1/y resulta no desenvolvimento de uma curva assíntota (y=x/(a+bx)).
Ajuste de Assíntota Exponencial: A equação x'=x e y'=ln(y/(K-y)) resulta no desenvolvimento de uma curva assíntota exponencial (y=cKe^ax/(1+ce^ax)) .