Previsão de Consumo das Famílias Utilizando o Modelo Prophet

A previsão de séries temporais é uma tarefa crítica em muitas áreas, incluindo economia, finanças e negócios. Neste artigo, exploraremos o uso do Modelo Prophet para prever o consumo das famílias, uma métrica chave usada para avaliar o comportamento econômico. Desenvolvido pelo Facebook, o Prophet é um modelo robusto e fácil de usar, especialmente para séries temporais com componentes sazonais, feriados e tendências.

O Que é o Modelo Prophet?

O Prophet é um modelo de séries temporais baseado em decomposição aditiva, onde a série temporal é modelada como a soma de três componentes principais:

• Tendência: Representa a evolução a longo prazo da série.
• Sazonalidade: Captura variações sazonais recorrentes (ex: padrões mensais ou anuais).
• Feriados/Eventos: Captura o impacto de eventos especiais que afetam a série.

O Prophet é projetado para lidar com dados que possuem sazonalidade múltipla, valores ausentes, e mudanças na tendência.

Implementação do Modelo Prophet para Prever o Consumo das Famílias

- Configuração do Ambiente

Antes de começarmos, precisamos instalar e carregar a biblioteca Prophet:

bash

Copiar código

pip install prophet

python

Copiar código

import pandas as pd from prophet import Prophet import matplotlib.pyplot as plt

- Carregamento dos Dados

Neste exemplo, vamos assumir que temos uma série temporal representando o consumo das famílias ao longo dos últimos anos. Para simplificação, utilizaremos um conjunto de dados hipotético:

python

Copiar código

# Criando um conjunto de dados simulado de consumo das famílias data = { 'ds': pd.date_range(start='2018-01-01', periods=48, freq='M'), 'y': [250, 260, 270, 265, 275, 290, 300, 310, 320, 330, 335, 345, 350, 355, 360, 370, 380, 390, 395, 400, 405, 410, 420, 425, 430, 435, 440, 445, 455, 460, 465, 470, 480, 490, 500, 510, 520, 530, 540, 550, 560, 570, 580, 590, 600, 610, 620, 630] } df = pd.DataFrame(data)

- Ajuste do Modelo

Com os dados prontos, podemos agora ajustar o modelo Prophet:

python

Copiar código

# Inicializando e ajustando o modelo Prophet model = Prophet() model.fit(df)

- Previsão

Vamos agora realizar a previsão para os próximos 12 meses:

python

Copiar código

# Criando um DataFrame para 12 meses futuros future = model.make_future_dataframe(periods=12, freq='M') # Realizando a previsão forecast = model.predict(future) # Exibindo as últimas previsões forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail(12)

- Visualização dos Resultados

Podemos visualizar as previsões em conjunto com os dados históricos:

python

Copiar código

# Plotando as previsões junto com os dados históricos fig = model.plot(forecast) plt.title('Previsão de Consumo das Famílias') plt.xlabel('Data') plt.ylabel('Consumo') plt.show()

Além disso, podemos analisar os componentes da previsão, como tendência e sazonalidade:

python

Copiar código

# Plotando os componentes da previsão fig2 = model.plot_components(forecast) plt.show()

Interpretação dos Resultados

• Previsão: A linha azul no gráfico representa a previsão do consumo das famílias para os próximos 12 meses. As bandas sombreadas mostram os intervalos de confiança (superior e inferior) para essas previsões.
• Tendência: A análise dos componentes do modelo mostrará a tendência subjacente ao longo do tempo, permitindo identificar períodos de crescimento ou declínio.
• Sazonalidade: A sazonalidade capturada pelo modelo pode indicar variações no consumo ao longo do ano, como picos durante as festas de fim de ano ou quedas em meses específicos.

O Modelo Prophet oferece uma maneira poderosa e intuitiva de prever séries temporais com sazonalidade e tendência complexas. Neste artigo, aplicamos o Prophet para prever o consumo das famílias, um indicador econômico crucial. As previsões geradas pelo Prophet são valiosas para a tomada de decisões estratégicas em várias áreas, como planejamento financeiro, marketing e política econômica. O uso do Prophet em Python, como mostrado, é direto e pode ser adaptado a diversos tipos de séries temporais.

Quer saber mais sobre Modelo Prophet?

https://colab.research.google.com/drive/1J4W7-oLk69ktu_ZcApPXeTGY23VGWzQo?usp=sharing

Entre em contato comigo através do link:

https://lnkd.in/dQtXuf_c

#estatistica #inovacao #exame #natxtat #popstat #aulaparticular