|
Abstract:
|
O objetivo deste estudo foi identificar um modelo de previsão para a Receita Operacional da Empresa Brasileira de Correios e Telégrafos # ECT como ferramenta auxiliar ao planejamento de suas ações. Por ser a Receita Operacional base para os cálculos orçamentários desta empresa, é de interesse conhecer o desempenho futuro desta receita em específico.Para tanto, utilizou-se a Metodologia estatística para séries temporais, mais especificamente os métodos Box-Jenkins e Regressão com erros ARMA. Os dados trabalhados foram fornecidos pela ECT por meio de sua Diretoria Comercial # DICOM e Assessoria de Planejamento - APLAN, e se referem aos valores mensais da Receita Operacional, subdivididos pelos serviços que a compõe, durante o período de 1996 a 2001. A Receita Operacional foi descrita por meio de suas variáveis geradoras e de seus comportamentos ao longo do período estudado. Para realizar as análises, fez-se uso dos aplicativos computacionais SAS, Statistica e Excel. Vários modelos de previsão foram avaliados, resultando dois modelos de previsão, um univariado # modelo SARIMA e outro múltiplo # modelo Regressão com erros ARMA. The main objective of this study is to identify a forecasting model for Operational Income for the Brazilian Postal Service - Empresa Brasileira de Correios e Telégrafos (ECT) - as a support tool to its action planning. Due to the fact that Operational Income is the base of the budgetary estimation of this company, it is important to know specifically this income's future performance. In order to achieve this goal, we applied a statistics methodology to timeseries, especially Box-Jenkins methods and Regression with ARMA errors. The data were supplied by the Brazilian Postal Service, through its Commercial Board - DICOM (Diretoria Comercial) and Planning Support and they refer to the Operational Income monthly amounts, distributed among the services which form it, within 1996 - 2001. Operational Income is explained through several independents variables which are the following and behavior during the studying period. SAS, Statistics and Excel computer programs were used in the analysis. Several forecasting models were evaluated, but two models were chosen the best, the first univariate - SARIMA model - and the second multiple - Regression with ARMA errors model |
