1. TEDE
  2. Campus Goiânia
  3. Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas
  4. Mestrado em Engenharia de Produção e Sistemas
Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://tede2.pucgoias.edu.br:8080/handle/tede/2473
Registro completo de metadados
Campo DCValorIdioma
dc.creatorLima, Ricardo Rodrigues Dias de-
dc.creator.Latteshttp://lattes.cnpq.br/3508824662519056por
dc.contributor.advisor1Menezes, José Elmo de-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9654702573176547por
dc.contributor.referee1Carvalho, Sirlon Diniz de-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5607449747114793por
dc.contributor.referee2Vieira, Sibelius Lellis-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/0345972428103987por
dc.date.accessioned2016-08-10T10:40:32Z-
dc.date.available2015-11-05-
dc.date.issued2014-03-26-
dc.identifier.citationLIMA, Ricardo Rodrigues Dias de. COMPARATIVE ANALYSIS OF FORECAST THROUGH ECONOMETRIC MODELS AND NEURAL NETWORKS.. 2014. 75 f. Dissertação (Mestrado em Engenharia) - Pontifícia Universidade Católica de Goiás, GOIÂNIA, 2014.por
dc.identifier.urihttp://localhost:8080/tede/handle/tede/2473-
dc.description.resumoO propósito deste trabalho é testar métodos econométricos e de inteligência artificial para o problema de previsão de séries temporais, em especial regressão linear múltipla e rede neural com regra Delta. Com tais modelos pretende-se prever um passo a frente à produção da indústria de transformação do Estado de Goiás. Os erros das estimativas em todos os modelos são comparados com o teste de normalidade para validar a adequação do modelo. Ao final, os modelos são comparados utilizando, erro quadrático médio, MAPE e desvio padrão para identificar o melhor modelo e método adequado para a predição da produção da indústria de transformação.por
dc.description.abstractThe purpose of this study is to test econometric methods and artificial intelligence to the problem of time series forecasting, in particular neural network and multiple linear regression with Delta rule. With such designs are intended to provide a step forward in the production of the manufacturing industry in the State of Goiás errors of the estimates in all models are compared with the normality test to validate the adequacy of the model. Finally, the models are compared using R2, mean square error, MAPE and standard deviation to identify the best model and suitable for the prediction of production manufacturing method.eng
dc.description.provenanceMade available in DSpace on 2016-08-10T10:40:32Z (GMT). No. of bitstreams: 1 RICARDO RODRIGUES DIAS DE LIMA.pdf: 1183450 bytes, checksum: 421433f25aa52b90f44228bd59fbc1fc (MD5) Previous issue date: 2014-03-26eng
dc.formatapplication/pdfpor
dc.thumbnail.urlhttp://localhost:8080/tede/retrieve/8361/RICARDO%20RODRIGUES%20DIAS%20DE%20LIMA.pdf.jpg*
dc.languageporpor
dc.publisherPontifícia Universidade Católica de Goiáspor
dc.publisher.departmentEngenhariapor
dc.publisher.countryBRpor
dc.publisher.initialsPUC Goiáspor
dc.publisher.programEngenharia de Produção e Sistemaspor
dc.rightsAcesso Abertopor
dc.subjectRedes neurais (Computação)por
dc.subjectEconometriapor
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAOpor
dc.titleANÁLISE COMPARATIVA DE PREVISÃO POR MEIO DE MODELOS ECONOMÉTRICOS E REDES NEURAIS.por
dc.title.alternativeCOMPARATIVE ANALYSIS OF FORECAST THROUGH ECONOMETRIC MODELS AND NEURAL NETWORKS.eng
dc.typeDissertaçãopor
Aparece nas coleções:Mestrado em Engenharia de Produção e Sistemas

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
RICARDO RODRIGUES DIAS DE LIMA.pdf1,16 MBAdobe PDFThumbnail

Baixar/Abrir Pré-Visualizar
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.