O conhecimento de técnicas que permitam obter informações da tendência futura da produção é fundamental para o gestor rural. Diante disso, a finalidade desse trabalho foi realizar previsões. Para isso, foram utilizados modelos de séries temporais implementados no software livre R da produção brasileira de milho para as safras 2017/2018, 2018/2019 e 2019/2020. Foram aplicadas as metodologias ARIMA (Autoregressive Integrated Moving Average - Autorregressivo Integrado de Médias Móveis) e ETS (Error, Trend, Seasonal – Erro, Tendência, Sazonal). Ambos modelos provaram ser adequados. O modelo que apresentou os melhores resultados de previsão foi o ARIMA, cujo erro percentual médio absoluto das previsões foi menor que o apresentado no modelo ETS, quando comparado com os dados reservados para verificação da eficiência preditiva dos modelos ajustados. Os resultados demonstram a aplicabilidade dos modelos de previsão e ferramentas computacionais de fácil utilização. Tais técnicas visam contribuir no processo de tomada de decisão e planejamento por parte do gestor rural, que vê a cultura do milho, nos últimos anos, apresentar recordes de produção e ser um dos principais cultivares que contribui com a economia do Brasil.
A produção de leite está em constante crescimento, pois movimenta a economia e é fonte de renda para diversas famílias. Um eficaz planejamento das atividades executadas tanto por parte dos produtores de leite como dos laticínios está diretamente relacionado às expectativas em relação à produção anual do leite. A estimativa da produção de leite pode ser abordada por meio de modelos numérico-estatísticos de previsão, com auxílio de softwares como o R. Dessa forma, o presente artigo aborda uma análise comparativa da previsão de produção de leite industrializado no Brasil, por meio dos modelos ARIMA (Autoregressive Integrated Moving Average – Autorregressivo Integrado de Médias Móveis) e ETS (Error, Trend, Seasonal – Erro, Tendência, Sazonal). A determinação dos modelos e demais cálculos estatísticos foram realizados por meio do software livre R para séries de dados mensais e trimestrais da produção de leite, obtido pelo site do IBGE, no período de 2004 a 2018. Os modelos forneceram as previsões para o ano de 2019 e estes foram comparados com valores reais. As métricas utilizadas foram o MAPE (Mean Absolute Percentage Error – Erro Percentual Médio Absoluto), RMSE (Root Mean Square Error – Raiz do Erro Médio Quadrático) e MAE (Mean Absolute Error – Erro Médio Absoluto), as quais indicam que o modelo ARIMA apresentou maior acurácia para ambas as séries analisadas.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.